FTIR spectra of poultry meat specif

FTIR spectra of poultry meat specific bacteria viz.
Salmonella enteritidis, Pseudomonas ludensis, Listeria
monocytogenes and Escherichia coli were collected and investigated
for identification of spectral windows capable of
bacterial classification and quantification. Two separate
datasets obtained at different times were used in the study to
check reproducibility of results. Multivariate data analysis
techniques viz. principal component analysis (PCA), partial
least-squares discriminant analysis (PLSDA) and soft independent
modelling of class analogy (SIMCA) were used in the
analysis. Using full cross-validation and separate calibration
and prediction datasets, the highest correct classification results
for SIMCA and PLSDA were achieved in spectral window
(1800-1200 cm-1) for both datasets. The window was
also tested then for quantification of different bacteria and it
had been observed that PLS models had better R values for
classification (R=0.984) than predicting various concentration
levels (R=0.939) of all four poultry specific bacteria inoculated
in distilled water. The identified spectral window 1800–
1200 cm-1 also demonstrated potential for 100% correct
classification of chicken salami samples contaminated with
S. enteritidis and P. ludensis from control using SIMCA.
However, this wavenumber range yielded few misclassifications
using PLS-DA approach. Thus FTIR spectroscopy in
combination with chemometrics is a powerful technique that
can be developed further to differentiate bacteria directly on
poultry meat surface.

ผลลัพธ์ (ไทย) 1:

FTIR spectra of poultry meat specific bacteria viz.Salmonella enteritidis, Pseudomonas ludensis, Listeriamonocytogenes and Escherichia coli were collected and investigatedfor identification of spectral windows capable ofbacterial classification and quantification. Two separatedatasets obtained at different times were used in the study tocheck reproducibility of results. Multivariate data analysistechniques viz. principal component analysis (PCA), partialleast-squares discriminant analysis (PLSDA) and soft independentmodelling of class analogy (SIMCA) were used in theanalysis. Using full cross-validation and separate calibrationand prediction datasets, the highest correct classification resultsfor SIMCA and PLSDA were achieved in spectral window(1800-1200 cm-1) for both datasets. The window wasalso tested then for quantification of different bacteria and ithad been observed that PLS models had better R values forclassification (R=0.984) than predicting various concentrationlevels (R=0.939) of all four poultry specific bacteria inoculatedin distilled water. The identified spectral window 1800–1200 cm-1 also demonstrated potential for 100% correctclassification of chicken salami samples contaminated withS. enteritidis and P. ludensis from control using SIMCA.However, this wavenumber range yielded few misclassificationsusing PLS-DA approach. Thus FTIR spectroscopy incombination with chemometrics is a powerful technique thatสามารถพัฒนาเพิ่มเติมเพื่อแบ่งแยกแบคทีเรียด้วยพื้นผิวเนื้อของสัตว์ปีก

ผลลัพธ์ (ไทย) 2:

สเปกตรัม FTIR เฉพาะเนื้อสัตว์ปีก ได้แก่ แบคทีเรีย.
Salmonella Enteritidis, ludensis Pseudomonas, Listeria
monocytogenes และเชื้อ Escherichia coli ถูกเก็บรวบรวมและตรวจสอบ
เพื่อระบุตัวตนของหน้าต่างสเปกตรัมความสามารถในการ
จำแนกแบคทีเรียและปริมาณ สองแยก
ชุดข้อมูลที่ได้รับในช่วงเวลาที่แตกต่างกันถูกนำมาใช้ในการศึกษาเพื่อ
ตรวจสอบการทำสำเนาของผล หลายตัวแปรการวิเคราะห์ข้อมูล
ได้แก่ เทคนิค การวิเคราะห์องค์ประกอบหลัก (PCA) บางส่วน
กำลังสองน้อยที่สุดการวิเคราะห์จำแนก (PLSDA) และเป็นอิสระนุ่ม
การสร้างแบบจำลองของการเปรียบเทียบระดับ (SIMCA) ถูกนำมาใช้ใน
การวิเคราะห์ การใช้การตรวจสอบข้ามเต็มรูปแบบและการสอบเทียบที่แยกต่างหาก
และชุดข้อมูลการคาดการณ์ที่สูงที่สุดผลการจัดประเภทที่ถูกต้อง
สำหรับ SIMCA PLSDA และก็ประสบความสำเร็จในหน้าต่างสเปกตรัม
(1800-1200 เซนติเมตร-1) สำหรับชุดข้อมูลทั้ง หน้าต่างถูก
ยังผ่านการทดสอบแล้วสำหรับปริมาณของเชื้อแบคทีเรียที่แตกต่างกันและจะ
ได้รับการตั้งข้อสังเกตว่ารูปแบบ PLS ได้ดีกว่าค่า R สำหรับ
การจำแนก (r = 0.984) สูงกว่าการคาดการณ์ความเข้มข้นต่าง ๆ
ระดับ (R = 0.939) ของสัตว์ปีกทั้งสี่แบคทีเรียโดยเฉพาะเชื้อ
ในน้ำกลั่น . ระบุหน้าต่างสเปกตรัม 1800-
1,200 เซนติเมตร-1 แสดงให้เห็นถึงศักยภาพในการถูกต้อง 100%
การจัดหมวดหมู่ของกลุ่มตัวอย่างไส้กรอกไก่ปนเปื้อนด้วย
เอส Enteritidis และพี ludensis จากการควบคุมการใช้ SIMCA.
แต่ช่วงนี้ส่งผลให้ผู้ wavenumber misclassifications ไม่กี่
ใช้วิธี PLS-DA ดังนั้นสเปกโทรสโก FTIR ใน
การทำงานร่วมกับ chemometrics เป็นเทคนิคที่มีประสิทธิภาพที่
สามารถพัฒนาต่อไปเพื่อความแตกต่างแบคทีเรียโดยตรงบน
พื้นผิวเนื้อสัตว์ปีก

ผลลัพธ์ (ไทย) 3:

FTIR spectra ของเนื้อสัตว์ปีกโดยเฉพาะแบคทีเรีย ได้แก่ เชื้อ Pseudomonas ludensis enteritidis
, ,
monocytogenes Listeria และ Escherichia coli ในการเก็บรวบรวมและตรวจสอบ
สำหรับการสเปกตรัม Windows สามารถ
การจำแนกเชื้อแบคทีเรียและปริมาณ . สองแยก
ข้อมูลได้ในช่วงเวลาที่แตกต่างกัน กลุ่มตัวอย่างที่ใช้ในการศึกษา

ตรวจสอบยักษา .หลายตัวแปรการวิเคราะห์
ข้อมูลเทคนิค ได้แก่ การวิเคราะห์องค์ประกอบหลัก ( PCA ) บางส่วน
วิธี Discriminant Analysis ( plsda ) และแบบอิสระ
นุ่มคลาสคล้ายคลึง ( ซิมก้า ) สถิติที่ใช้ในการวิเคราะห์
. ใช้ข้ามการตรวจสอบเต็มรูปแบบและการสอบเทียบและการทำนาย
แยกข้อมูล , สูงสุดที่ถูกต้องผลการจำแนก
สำหรับซิมก้ากับ plsda ยาใน
หน้าต่างสเปกตรัม( 1800-1200 cm-1 ) ทั้งชุดข้อมูล หน้าต่าง
นอกจากนี้ ทดสอบแล้วสำหรับปริมาณของแบคทีเรียที่แตกต่างกัน และมีข้อสังเกตว่า กรุณา
นางแบบน่าจะ R ค่าจำแนก ( r =
0.984 ) สูงกว่าระดับความเข้มข้นต่าง ๆทำนาย
( r = 0.939 ) ทั้งสัตว์ปีกเฉพาะแบคทีเรียเชื้อ
ในน้ำกลั่น ระบุหน้าต่าง 1800 –
สเปกตรัม1200 cm-1 ยังแสดงให้เห็นถึงศักยภาพที่ถูกต้อง 100%
การจำแนกตัวอย่างไส้กรอกไก่ปนเปื้อนด้วย
. enteritidis และ P . ludensis จากการควบคุมการใช้ซิมก้า
แต่นี้ wavenumber ช่วงให้ผลน้อย misclassifications
โดยใช้วิธี pls-da . ดังนั้นใน
FTIR spectroscopy ร่วมกับเคโมเมตริกเป็นเทคนิคที่มีประสิทธิภาพที่
สามารถพัฒนาเพิ่มเติม เพื่อแยกแบคทีเรียโดยตรงบน
พื้นผิวเนื้อ สัตว์ปีก