3. Results and discussion3.1. Metho

3. Results and discussion
3.1. Methodology

The complete sample set consisted of samples of cold-pressed lemon oils (CPLOs) from three of the most important supplier countries of the world: Argentina, Italy and Spain.

To comprehensively analyze the CPLOs, volatile and non-volatile fractions of the oils were separately subjected to spectroscopic and separation techniques, following the methodology presented in Fig. 1.

3.2. Spectral analytical techniques

3.2.1. FT-MIR

3.2.1.1. FT-MIR of CPLO

Three spectra of each sample were recorded, and the average spectra computed to build a data table of 64 observations x 3350 variables. A SNV pre-treatment was performed on this matrix before performing PCA with UV scaling. The two first principal components represented 55.6% of the initial variance. Based on the PCA score plot and the PCA/HCA dendrogram, no clear clustering could be highlighted according to the three geographic origins. The sample set was considered homogeneous because no specific outlier was detected.

An OPLS-DA model was then built to differentiate the three groups of samples, and the results are presented in Table 1. The predictive score plot (Fig. 2.A) shows three well separated groups (R2Y(cum) = 0.942), and this significant model was efficient for prediction (Q2Y(cum) = 0.679). To evaluate the variable’s contribution, the average spectrum was coloured according to the VIP. The loadings plots are shown in Fig. 2 (C and D). The first predictive latent variable was mainly discriminant between the Italian (positive score) and Argentinian samples (negative score), while the second predictive component was useful to distinguish Spanish samples (positive score) from the others (negative score). Colours coding, according to VIP, allowed vibrational bands corresponding to discriminant variables to be highlighted. Argentinian samples were characterized from the others using the limonene (1658, 1645, 886, 797 cm-1) and sabinene contents (1653 and 861 cm-1), Spanish samples using terpinen-4-ol (836, 950, 1071, 1093, 1179, 2727 cm-1) and camphor (1745, 1449, 1220, 1300, 1094, 1079, 1046, 936, 926 cm-1), and Italian samples using α-pinene (1470, 1221, 1166, 1101, 1063, 953, 928, 787 cm-1) and α-terpinene (1461, 1360, 1235, 1170, 1042, 1021, 988, 823 cm-1).

ผลลัพธ์ (ไทย) 1:

3. ผลลัพธ์ และสนทนา3.1 วิธีตัวอย่างสมบูรณ์ตั้ง consisted ของตัวอย่างน้ำมันมะนาวเย็นกด (CPLOs) จาก 3 ประเทศผู้ผลิตสำคัญของโลก: อาร์เจนตินา อิตาลี และสเปนสาธารณชนวิเคราะห์การ CPLOs เศษส่วนที่ระเหย และไม่ระเหยของน้ำมันถูกแยกต่างหากต้องด้าน และแยกเทคนิค วิธีการต่อไปนี้แสดงใน Fig. 13.2. สเปกตรัมวิเคราะห์เทคนิค3.2.1. ฟุตมีร์3.2.1.1 การมีร์ FT ของ CPLOบันทึกแรมสเป็คตราสามของแต่ละอย่าง และแรมสเป็คตราเฉลี่ยคำนวณเพื่อสร้างตารางข้อมูลของตัวแปรสังเกต 64 x 3350 รักษาก่อน SNV ถูกดำเนินการบนเมตริกซ์นี้ก่อนทำ PCA กับ UV ขนาด สองส่วนประกอบหลักแรกแสดงถึง 55.6% ของผลต่างเริ่มต้น ตามพล็อตคะแนน PCA และ dendrogram PCA/HCA คลัสเตอร์ไม่ชัดเจนอาจจะเน้นตามภูมิศาสตร์กำเนิดสาม ชุดตัวอย่างถือว่าเหมือนได้เนื่องจาก outlier ระบุไม่พบแบบจำลอง OPLS-ดาถูกสร้างขึ้นเพื่อแบ่งแยกกลุ่มสามอย่างแล้ว และมีแสดงผลในตารางที่ 1 คะแนนงานพล็อต (Fig. 2.A) แสดงสามแยกกลุ่มกัน (R2Y(cum) = 0.942), และแบบจำลองนี้สำคัญมากสำหรับการคาดเดา (Q2Y(cum) = 0.679) ประเมินสัดส่วนของตัวแปร สเปกตรัมเฉลี่ยมีสีตามวีไอพี ผืน loadings แสดงใน Fig. 2 (C และ D) ตัวแปรแฝงอยู่แรกคาดการณ์ถูก discriminant ส่วนใหญ่ระหว่างที่อิตาลี (บวกคะแนน) และติเนียนตัวอย่าง (คะแนนติดลบ) ขณะที่สอง คาดการณ์ส่วนประกอบเป็นประโยชน์เพื่อแยกสเปน (บวกคะแนน) ตัวอย่างจากผู้อื่น (ลบคะแนน) รหัส VIP ตามสีวง vibrational ที่สอดคล้องกับตัวแปร discriminant เน้นได้ ติเนียนอย่างถูกลักษณะมาใช้ limonene (1658, 1645, 886, 797 ซม.-1) และ sabinene เนื้อหา (1653 และ 861 cm-1), ตัวอย่างภาษาสเปนที่ใช้ terpinen 4 ol (836, 950, 1071, 1093, 1179, 2727 ซม.-1) และการบูร (1745, 1449, 1220, 1300, 1094, 1079, 1046, 936, 926 ซม.-1), และตัวอย่างภาษาอิตาลีใช้ pinene ด้วยกองทัพ (1470, 1221, 1166, 1101, 1063, 953, 928, 787 ดรีมซม.-1) ด้วยกองทัพ-terpinene (ค.ศ. 1461 และ , 1360, 1235 พัก 1170, 1042, 1021, 988, 823 cm-1)

ผลลัพธ์ (ไทย) 2:

3. ผลการอภิปรายและ
3.1 วิธีการตัวอย่างที่สมบูรณ์แบบชุดประกอบด้วยตัวอย่างเย็นกดน้ำมันมะนาว (CPLOs) จากสามของประเทศผู้ผลิตที่สำคัญที่สุดของโลก:. อาร์เจนตินาอิตาลีและสเปนเพื่อครอบคลุมการวิเคราะห์CPLOs ที่เศษส่วนระเหยและไม่ระเหยของน้ำมัน ถูกยัดเยียดแยกสเปกโทรสโกและเทคนิคการแยกตามวิธีการที่นำเสนอในรูป 1. 3.2 เทคนิคการวิเคราะห์สเปกตรัม3.2.1 FT-MIR 3.2.1.1 FT-MIR ของ CPLO สเปกตรัมสามของแต่ละตัวอย่างที่ถูกบันทึกไว้และสเปกตรัมคำนวณค่าเฉลี่ยในการสร้างตารางข้อมูล 64 สังเกตตัวแปร x 3350 SNV รักษาก่อนได้รับการดำเนินการเกี่ยวกับเมทริกซ์นี้ก่อนที่จะดำเนินการปรับ PCA กับรังสียูวี ทั้งสององค์ประกอบหลักแรกเป็นตัวแทน 55.6% ของความแปรปรวนเริ่มต้น ขึ้นอยู่กับพล็อตคะแนน PCA และ PCA / HCA dendrogram ไม่มีการจัดกลุ่มที่ชัดเจนอาจจะเน้นไปตามสามต้นกำเนิดทางภูมิศาสตร์ ชุดตัวอย่างที่ได้รับการพิจารณาเหมือนกันเพราะไม่มีค่าผิดปกติเฉพาะที่ตรวจพบ. รูปแบบการ OPLS-DA ถูกสร้างขึ้นแล้วความแตกต่างของทั้งสามกลุ่มตัวอย่างและผลที่ได้แสดงไว้ในตารางที่ 1 พล็อตคะแนนทำนาย (รูป. 2. ) แสดงให้เห็นว่า สามกลุ่มแยกกัน (R2Y (ลบ.ม. ) = 0.942) และรูปแบบที่สำคัญนี้คือการที่มีประสิทธิภาพสำหรับการคาดการณ์ (Q2Y (ลบ.ม. ) = 0.679) ในการประเมินผลงานของตัวแปรที่คลื่นความถี่เฉลี่ยเป็นสีตามที่วีไอพี แปลง loadings จะแสดงในรูป 2 (C และ D) ตัวแปรแฝงแรกคาดการณ์ส่วนใหญ่จำแนกระหว่างอิตาลี (คะแนนบวก) และตัวอย่างอาร์เจนติ (คะแนนลบ) ในขณะที่การคาดการณ์องค์ประกอบที่สองเป็นประโยชน์ในการแยกแยะความแตกต่างตัวอย่างสเปน (คะแนนบวก) จากคนอื่น ๆ (คะแนนลบ) สีเข้ารหัสตามที่วีไอพี, วงดนตรีที่ได้รับอนุญาตการสั่นที่สอดคล้องกับตัวแปรจำแนกที่จะมีการเน้น ตัวอย่างอาร์เจนติโดดเด่นจากคนอื่น ๆ โดยใช้ limonene นี้ (1658, 1645, 886, 797 ซม-1) และเนื้อหา sabinene (1,653 และ 861 ซม-1) ตัวอย่างสเปนใช้ terpinen-4-เฒ่า (836, 950, 1071, 1093 , 1179, 2727 ซม-1) และการบูร (1745, 1449, 1220, 1300, 1094, 1079, 1046, 936, 926 ซม-1) และตัวอย่างของอิตาลีโดยใช้α-pinene (1470, 1221, 1166, 1101, 1063 , 953, 928, 787 ซม-1) และα-terpinene (1461, 1360, 1235, 1170, 1042, 1021, 988, 823 ซม-1)