همکاری با انجمن علمی گیاهان دارویی ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ارومیه، ایران

2 دانشیار، گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ارومیه، ایران

3 استاد، بخش تحقیقات گیاهان دارویی و محصولات فرعی، مؤسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران

4 استادیار، گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهرکرد، ایران

چکیده

به‌دلیل افزایش استفاده از گیاهان دارویی و معطر، توجه به امر طبقه‌بندی کیفی آنها نیز امری اجتناب‌ناپذیر می‌باشد. گل‌محمدی (Rosa damascene Mill.) نیز با ارزش بالای اسانس و خواص بی‌نظیر آن در صنایع بهداشتی، غذایی و دارویی یکی از این گیاهان است. از این‌رو، در این مطالعه طبقه‌بندی کیفی اسانس 9 ژنوتیپ از گل‌محمدی با کمک یک سیستم بینی الکترونیکی براساس حسگرهای نیمه‌هادی اکسید فلزی (MOS) مورد بررسی قرار گرفت. ترکیب‌های اصلی تأثیرگذار در کیفیت اسانس گل‌محمدی با استفاده از روش کروماتوگرافی گازی (GC) و کروماتوگرافی گازی متصل به طیف‌سنج جرمی (GC-MS) شناسایی شدند و بر اساس درصد کل این ترکیب‌ها، نمونه‌ها در سه کلاس از نظر کیفی طبقه‌بندی شدند. سپس طبقه‌بندی این کلاس‌ها با استفاده از بینی الکترونیک طراحی شده مورد ارزیابی قرار گرفت. در استفاده از ابزارهای کمومتریک نتایج آنالیز مؤلفه‌های اصلی (PCA) نشان داد که با استفاده از دو مؤلفه اصلی اول (PC1، PC2) می‌توان 85% واریانس داده‌ها را توجیه کرد. همچنین با استفاده از نمودار لودینگ حاصل از PCA، حسگرهایی که تأثیر بیشتری در تفکیک کلاس‌ها داشتند، شناسایی شدند. در ادامه دقت طبقه‌بندی با استفاده از شبکه عصبی پس انتشار پرسپترون چند لایه (Bp-MLP) به‌عنوان یک روش تحت نظارت، برای داده‌های آموزش و آزمون به‌ترتیب 100% و 96% بدست آمد. در پایان نتایج نشان داد که بینی الکترونیکی به‌عنوان ابزاری ارزان، دقیق، آسان و با قابلیت تبدیل به حالت زمان واقعی می‌تواند در راستای طبقه‌بندی کیفی اسانس گل‌محمدی و در نتیجه ژنوتیپ‌های آن مؤثر واقع شود.

کلیدواژه‌ها

- Adams, R.P., 2001. Identification of Essential Oil Components by Gas-Chromatography/Mass Spectroscopy. Allured Publishing, Carol Stream, USA, 456p.
- Baby, R., Cabezas, M., Castro, E., Filip, R. and Walsöe de Reca, N.E., 2005. Quality control of medicinal plants with an electronic nose. Sensors and Actuators B: Chemical, 106: 24-28.
- Cui, S., Wang, J., Yang, L., Wu, J. and Wang, X., 2015. Qualitative and quantitative analysis on aroma characteristics of ginseng at different ages using E-nose and GC-MS combined with chemometrics. Journal of Pharmaceutical and Biomedical Analysis, 102: 64-77.
- Ghasemi-Varnamkhasti, M. and Aghbashlo, M., 2014. Electronic nose and electronic mucosa as innovative instruments for real- time monitoring of food dryers. Trends in Food Science & Technology, 38: 158-166.
- Ghasemi-Varnamkhasti, M., Mohtasebi, S.S., Siadat, M., Razavi, S.H., Ahmadi, H. and Dicko, A., 2012. Discriminatory power assessment of the sensor array of an electronic nose system for the detection of non
alcoholic beer aging. Czech Journal of Food Sciences, 30(3): 236-240.
- Guohua, H., Jiaojiao, J., Shanggui, D., Xiao, Y., Mengtian, Z., Minmin, W. and Dandan, Y., 2015. Winter jujube (Zizyphus jujuba Mill.) quality forecasting method based on electronic nose. Food Chemistry, 170: 484-491.
- Hastie, T., Tibshirani, R. and Friedman, J., 2009. The Elements of Statistical Learning Data Mining, Inference, and Prediction. Springer, 764p.
- Kaul, K., Karthigeyan, S., Dhyani, D., Kaur, N., Sharma, R.K. and Ahuja, P.S., 2009. Morphological and molecular analyses of Rosa damascena×Rosa bourboniana interspecific hybrids. Scientia Horticulturae (Amsterdam), 122: 258-263.
- Laureati, M., Buratti, S., Bassoli, a., Borgonovo, G. and Pagliarini, E., 2010. Discrimination and characterisation of three cultivars of Perilla frutescens by means of sensory descriptors and electronic nose and tongue analysis. Food Research International, 43: 959-964.
- Loutfi, A., Coradeschi, S., Mani, G.K., Shankar, P. and Rayappan, J.B.B., 2015. Electronic noses for food quality: A review. Journal of Food Engineering, 144: 103-111.
- Mirzaei, M., Ahmadi, N., Sefidkon, F., Shojaeiyan, A. and Mazaheri, A., 2015. Evaluation of phytochemical profiling of damask rose (Rosa damascena Mill.) at various post-harvest incubation conditions and determination of the best hydro-distillation time. Iranian Journal of Medicinal and Aromatic Plants, 31: 732-742.
- Mohammadi, A., 2015. A Review of Medicinal plants of Kohgiluyeh-va-Boyerahmad province from Iran due to employment creation and permanent development. Biological Forum-An International Journal, 7(1): 749-751.
- Naquvi, K.J., Ansari, S.H., Ali, M. and Najmia, K., 2014. Volatile oil composition of Rosa damascene. Journal of Pharmacognosy and Phytochemistry, 2(5): 130-134.
- Pearce, T.C., Schifman, S.S., Nagle, H.T. and Gardner J.W., 2006. Handbook of Machine Olfaction: Electronic Nose Technology. Wiley, 624p.
- Russo, M., Serra, D., Suraci, F., Di Sanzo, R., Fuda, S. and Postorino, S., 2014. The potential of e-nose aroma profiling for identifying the geographical origin of licorice (Glycyrrhiza glabra L.) roots. Food Chemistry, 165: 467-474.
- Tabaei-Aghdaei, S.R., Babaei, A., Khosh-Khui, M., Jaimand, K., Rezaee, M.B., Assareh, M.H. and Naghavi, M.R., 2007. Morphological and oil content variations amongst Damask rose (Rosa damascena Mill.) landraces from different regions of Iran. Scientia Horticulturae (Amsterdam), 113: 44-48.
- Xiao, Z., Yu, D., Niu, Y., Chen, F., Song, S., Zhu, J. and Zhu, G., 2014. Characterization of aroma compounds of Chinese famous liquors by gas chromatography-mass spectrometry and flash GC electronic-nose. Journal of chromatography B., Analytical technologies in the biomedical and life sciences, 945: 92-100.
- Zhang, B., Huang, Y., Zhang, Q., Liu, X., Li, F. and Chen, K., 2014. Fragrance discrimination of Chinese Cymbidium species and cultivars using an electronic nose. Scientia Horticulturae, 172: 271-277.