利用光估计香料提取物的化学属性

日本鞳波 — 香料和其他植物源性产品含有许多活性成分，如多酚和类黄酮。然而，即使是最微小的条件变化也会大大影响这些活性成分的提取效率，从而为确定提取溶液中活性成分的确切数量带来挑战。

在这项研究中，研究人员全面测量了多酚和类黄酮发出的荧光，并使用机器学习方法分析了获取的数据。这种方法产生了一种高度准确、简单和快速的方法来估计总多酚和类黄酮含量以及抗氧化能力。实现准确性的关键因素是整合在多种浓度下采集的测量值。虽然测量荧光的常规做法是将样品稀释至单一浓度，但植物提取物中组分含量的巨大差异使得确定普遍合适的稀释浓度成为可能。因此，研究人员在四种不同的稀释水平下进行了详尽的荧光测量，并将这些数据整合到机器学习过程中。

因此，机器学习能够准确估计评估香料提取物的重要指标，包括总多酚含量、总类黄酮含量、抗氧化能力和还原能力。值得注意的是，光学测量对总黄酮含量的估计尤其代表了一项突破性的成就，标志着这种方法的有效性，而过去没有进行过这种估计。