《表1 25个样品HPLC指纹图谱共有峰峰面积》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于DPPH法的茶叶儿茶素类抗氧化谱效关系研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：ND指未检出。

采用Chempattern 2017对HPLC指纹图谱数据进行处理。图3为25个样品的HPLC指纹图谱叠加图。以GA、GC、EGC、EGCG、EC、GCG、ECG、CG作为研究对象，以其峰面积参与构建模型，各化合物峰面积数据见表1。分析前对8个化合物的峰面积数据进行Auto-scaling预处理，处理后的量纲数据与DPPH清除率建立偏最小二乘回归。以峰面积为自变量（X），抗氧化活性数据为因变量（Y），建立偏最小二乘回归方程，Y=48.4264-1.0387XGA+0.8351XGC+3.2989XEGC+2.5719XEGCG-1.0467XEC+1.2953XGCG+1.9433XECG+0.1999XCG，决定系数R2=0.900 9，潜变量数保留3个（潜变量数的选择会影响模型X的解释率以及模型Y的预测率，当潜变量数保留3个，模型对X的解释率以及Y的预测率最优），模型X累积解释率R2X达87.85%，模型Y预测率Q2Y达86.32%。方程回归系数的符号确定色谱峰与活性指标的相关变化方向（即正、负相关），回归系数的大小确定色谱峰对活性指标的重要程度。由此可知，EGC、EGCG、ECG与DPPH清除力相关性最强，均呈正相关；GA与DPPH清除力呈负相关。对回归方程进行假设检验（假设H0=数据间不存在显著线性回归关系），其结果见表2。按显著性水平α=0.05，数据间存在显著线性回归关系。内部检验以及外部验证结果见表3，内部检验的相对标准偏差均小于5.62%，外部验证的相对标准偏差均小于10.97%。由此可以看出，利用HPLC指纹图谱和抗氧化数据构建茶样的谱效关系具有一定的实用价值。