利用基于近红外光谱的技术结合人工智能的CASSA方法，快速评估芍药酚/环糊精超分子复合物的综合质量

《Molecular Diversity》：Rapid evaluation of the comprehensive quality of paeonol/cyclodextrin supramolecular complexes using CASSA based on near-infrared spectroscopy combined with artificial intelligence

　　

摘要

挥发性化合物与环糊精的超分子复合物被广泛用于提高这些化合物的稳定性。然而，对这些复合物的质量评估仍然具有挑战性。在本研究中，使用傅里叶变换近红外光谱（FT-NIR）技术制备并表征了丹皮酚/环糊精复合物。通过分析不同丹皮酚包封状态（完全包封、部分包封和未包封）的样品的NIR光谱，开发了一种支持向量机（SVM）模型来分类包封状态，并使用偏最小二乘回归（PLSR）模型来定量丹皮酚的含量。SVM模型达到了100%的准确率，PLSR模型在 calibration 和 prediction 集合上的 R² 值均大于 0.90。本研究首次提出了“单次光谱获取综合分析”（CASSA）方法，该方法结合了这两种模型，利用单个光谱同时实现定性和定量分析。这种方法能够快速可靠地评估超分子复合物的质量，并展示了 FT-NIR 与人工智能结合的高潜力。

图形摘要

此图片的替代文本可能是通过人工智能生成的。