CN110208244A - 一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法 - Google Patents
一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法 Download PDFInfo
- Publication number
- CN110208244A CN110208244A CN201910526973.1A CN201910526973A CN110208244A CN 110208244 A CN110208244 A CN 110208244A CN 201910526973 A CN201910526973 A CN 201910526973A CN 110208244 A CN110208244 A CN 110208244A
- Authority
- CN
- China
- Prior art keywords
- moisture content
- fruits
- raman spectrum
- cellular level
- distribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000001237 Raman spectrum Methods 0.000 title claims abstract description 46
- 235000012055 fruits and vegetables Nutrition 0.000 title claims abstract description 39
- 238000012360 testing method Methods 0.000 title claims abstract description 36
- 238000009826 distribution Methods 0.000 title claims abstract description 32
- 230000001413 cellular effect Effects 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000003595 spectral effect Effects 0.000 claims abstract description 13
- 238000003384 imaging method Methods 0.000 claims abstract description 9
- 238000001228 spectrum Methods 0.000 claims description 29
- 235000011430 Malus pumila Nutrition 0.000 claims description 19
- 235000015103 Malus silvestris Nutrition 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 12
- 239000010453 quartz Substances 0.000 claims description 10
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000007789 sealing Methods 0.000 claims description 3
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 claims description 2
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 claims description 2
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 claims description 2
- 241000220225 Malus Species 0.000 claims description 2
- 241000220324 Pyrus Species 0.000 claims description 2
- 244000061456 Solanum tuberosum Species 0.000 claims description 2
- 235000002595 Solanum tuberosum Nutrition 0.000 claims description 2
- 235000009754 Vitis X bourquina Nutrition 0.000 claims description 2
- 235000012333 Vitis X labruscana Nutrition 0.000 claims description 2
- 240000006365 Vitis vinifera Species 0.000 claims description 2
- 235000014787 Vitis vinifera Nutrition 0.000 claims description 2
- 235000021017 pears Nutrition 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 6
- 238000012800 visualization Methods 0.000 abstract description 4
- 238000010998 test method Methods 0.000 abstract description 3
- 238000004445 quantitative analysis Methods 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 69
- 210000001519 tissue Anatomy 0.000 description 30
- 229910052739 hydrogen Inorganic materials 0.000 description 19
- 239000001257 hydrogen Substances 0.000 description 19
- 210000004027 cell Anatomy 0.000 description 18
- 238000005303 weighing Methods 0.000 description 9
- 238000002474 experimental method Methods 0.000 description 8
- 238000001069 Raman spectroscopy Methods 0.000 description 7
- 238000005481 NMR spectroscopy Methods 0.000 description 6
- 230000021615 conjugation Effects 0.000 description 5
- 239000000370 acceptor Substances 0.000 description 4
- IHSPMDXQWYKHOA-UHFFFAOYSA-N dodecyl 2-(dimethylamino)acetate Chemical compound CCCCCCCCCCCCOC(=O)CN(C)C IHSPMDXQWYKHOA-UHFFFAOYSA-N 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000001035 drying Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011871 bio-impedance analysis Methods 0.000 description 2
- 210000000805 cytoplasm Anatomy 0.000 description 2
- 238000000113 differential scanning calorimetry Methods 0.000 description 2
- 238000004455 differential thermal analysis Methods 0.000 description 2
- 210000001723 extracellular space Anatomy 0.000 description 2
- 230000003834 intracellular effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000005311 nuclear magnetism Effects 0.000 description 2
- 210000003934 vacuole Anatomy 0.000 description 2
- 238000000685 Carr-Purcell-Meiboom-Gill pulse sequence Methods 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Chemical compound OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 101000838507 Homo sapiens Developmentally-regulated GTP-binding protein 1 Proteins 0.000 description 1
- 101000979748 Homo sapiens Protein NDRG1 Proteins 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 102100024980 Protein NDRG1 Human genes 0.000 description 1
- 238000003332 Raman imaging Methods 0.000 description 1
- 240000000111 Saccharum officinarum Species 0.000 description 1
- 235000007201 Saccharum officinarum Nutrition 0.000 description 1
- 229930006000 Sucrose Natural products 0.000 description 1
- CZMRCDWAGMRECN-UGDNZRGBSA-N Sucrose Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-UGDNZRGBSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013019 agitation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 210000002421 cell wall Anatomy 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000005338 frosted glass Substances 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 239000011259 mixed solution Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001225 nuclear magnetic resonance method Methods 0.000 description 1
- 238000000399 optical microscopy Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 229920002338 polyhydroxyethylmethacrylate Polymers 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000005720 sucrose Substances 0.000 description 1
- 230000005945 translocation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0098—Plants or trees
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/025—Fruits or vegetables
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/0004—Microscopes specially adapted for specific applications
- G02B21/002—Scanning microscopes
- G02B21/0024—Confocal scanning microscopes (CSOMs) or confocal "macroscopes"; Accessories which are not restricted to use with CSOMs, e.g. sample holders
- G02B21/0052—Optical details of the image generation
- G02B21/0064—Optical details of the image generation multi-spectral or wavelength-selective arrangements, e.g. wavelength fan-out, chromatic profiling
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/0004—Microscopes specially adapted for specific applications
- G02B21/002—Scanning microscopes
- G02B21/0024—Confocal scanning microscopes (CSOMs) or confocal "macroscopes"; Accessories which are not restricted to use with CSOMs, e.g. sample holders
- G02B21/008—Details of detection or image processing, including general computer control
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/44—Raman spectrometry; Scattering spectrometry ; Fluorescence spectrometry
- G01J2003/4424—Fluorescence correction for Raman spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/06—Illumination; Optics
- G01N2201/061—Sources
- G01N2201/06113—Coherent sources; lasers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Medicinal Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Wood Science & Technology (AREA)
- Botany (AREA)
- General Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法。包括样品的预处理、成像光谱的采集及其预处理、对成像光谱进行高斯分峰拟合并根据拟合结果进行伪彩成像、对细胞水平的水分含量及结合状态分布进行可视化并根据可视化图像。本发明首次完成了对果蔬组织中细胞水平的水分含量及结合状态的分布的可视化,并根据可视化成像获得了相对可靠的不同结合状态水分含量量化分析结果,可以作为一种新型的果蔬组织中细胞水平水分状态含量的测试方法,解决了目前果蔬加工过程中细胞水平水分变化无法检测的难题,对于果蔬加工的研究具有较好的前景。
Description
技术领域
本发明属于光谱检测的技术领域,具体涉及一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法。
背景技术
果蔬作为人们日常生活不可缺少的食物之一,其水分含量高,但是由于其组织结构的不均匀性、多孔性、吸湿性等特点,水分在组织中的分布非常复杂。根据生物组织学的研究,我们通常认为果蔬中的大部分的水分分布在液泡、细胞质、细胞壁和胞外间隙中;而根据水分与组织中其他物质的结合程度,我们又将果蔬中的水分分为自由水、不易流动水和结合水,并且认为液泡和胞外间隙中的水为自由水,细胞质中的水为不易流动水,而细胞壁中的水为结合水。目前为了准确测量果蔬中不同结合状态水分的含量及分布情况,通常采用的方法有马林契可实验法、差式扫描量热法、差热分析法、生物阻抗分析法和低场核磁共振响应法。这些方法都各有优劣。马林契可实验法、差示扫描量热法和差热分析法都能够测定植物组织中结合水和自由水的含量,但是这些方法只能将测得的水分为两种即结合水和自由水,而无法更细致的区分出位于两者之间的不易流动水,并且无法区分这些水分布在细胞内还是细胞外;生物阻抗分析法可以测定出胞内水和胞外水的含量,但是无法对胞内水和胞外水的结合度进行评价;低场核磁共振法是目前测定自由水、不易流动水、结合水最方便快捷的方法,其可以根据样品中水的T2弛豫时间的长短来判断水与其他物质的结合程度,并最终将样品中的水分根据弛豫时间的长短分为自由水(弛豫时间最长)、不易流动水、结合水(弛豫时间最短),并根据三者间的面积比确定样品中不同状态水分含量的比值,但是该方法同样无法提供不同状态水分的分布情况和位置信息,同时对于低场核磁共振响应法来说对样品中水分的含量做定量分析也是比较难的。因此,目前没有一种方法可以直接测定果蔬组织中细胞水平水分含量和水分分布情况。
发明内容
为解决现有技术的缺点和不足之处,本发明的目的在于提供一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法。
该方法能够直观地对果蔬组织中细胞水平的水分分布和含量状况进行成像和量化分析,从而准确地获得果蔬组织中不同状态水分(即自由水、不易流动水、结合水)的位置信息及其含量信息。
本发明目的通过以下技术方案实现:
一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法,包括以下步骤:
(1)取待测果蔬切成样品;
(2)将样品置于激光共聚焦显微镜的载物台上进行成像光谱采集,具体是通过激光共聚焦显微镜物镜从样品中选取细胞区域,然后将所选细胞区域进行网格划分得到均匀分布的交点,标记每个交点在所选细胞区域中的相应坐标信息,对每个交点处进行扫描,得到细胞区域中各个交点处对应水分的拉曼光谱;
其中网格步长为3~5μm;
(3)将步骤(2)得到的拉曼光谱进行平滑降噪和去除荧光背景处理,然后进行高斯分峰拟合,每个拉曼光谱均得到位于3000~3800cm-1处的5个子峰和位于2700~3000cm-1处的2~3个子峰;
(4)将每个拉曼光谱分峰后位于3000~3800cm-1处的5个子峰的峰面积进行加和,得到细胞区域中该交点处对应水分含量A;根据中心位于3410~3440cm-1处的子峰峰面积与中心位于3200~3220cm-1处的子峰峰面积的比值R判断该交点处对应水分子的结合状态;
(5)结合各个交点的坐标信息,分别以所有交点处对应水分含量A和比值R为像素点进行伪彩化成像,得到果蔬组织细胞水平的水分含量和水分结合状态分布状况。
步骤(1)所述果蔬优选为苹果、土豆、葡萄、梨和白菜茎中的一种。
步骤(1)所述样品为去皮的果蔬,样品的形状优选为圆片状,其尺寸根据测试前及测试过程中用于存放样品的仪器决定,优选为直径×厚度=12mm×2mm。
步骤(1)所述样品在测试前及测试过程中优选保存在石英腔中,所述石英腔的腔体温度为2~10℃,湿度大于80%,其中石英腔的腔体用厚度为0.3mm的石英盖玻片密封。目的在于使测试过程中样品在环境中的水分蒸发几乎可以忽略不计,从而可以保持测试过程中样品水分含量的稳定性。
步骤(2)所述细胞区域大小由细胞大小决定,常规果蔬细胞的平均直径在100~300μm之间。
步骤(2)所述成像光谱采集的深度优选为50~100μm,该深度可以最大限度降低切片过程对组织细胞中水分含量的影响,同时也能够深入细胞内部,测得细胞内部水分的分布。
步骤(2)所述成像光谱采集所用的激光器优选为532nm激光器,其中光栅的大小为600gr/mm,Hole为500,扫描范围为2700~3800cm-1;采集的条件优选为:采集时间3~5s,累积次数2~3次,激光能量的衰减为25~50%。
步骤(2)所述物镜的倍数优选为10倍。
步骤(3)所述平滑降噪处理优选采用matlab软件中的smooth函数,选择Savitzky-golay卷积平滑算法;所述去除荧光背景处理优选采用自适应迭代重加权惩罚最小二乘背景扣除算法(airPLS算法)。
步骤(3)所述高斯分峰拟合的方法优选为采用matlab软件运用peakfit函数进行。
所述peakfit函数是一种以高斯方程为峰形的非线性迭代曲线拟合函数,可以通过调节迭代次数、峰形和峰位获得最大的拟合决定系数。
步骤(3)所述高斯分峰拟合优选为定峰位高斯分峰拟合,即采用定峰位高斯迭代曲线拟合算法,在固定峰位的情况下对光谱进行高斯曲线拟合;其峰位的确定方法如下:随机选取50个拉曼光谱,利用peakfit软件对其进行迭代分峰处理,将每个拉曼光谱分为7~8个子峰,然后将50个拉曼光谱得到的子峰峰位信息进行平均化,得到7~8个子峰的平均峰位信息,以此作为定峰位高斯分峰的峰位依据。
所述peakfit软件更优选为peakfit v4.12软件。
步骤(3)所述位于2700~3000cm-1处的2~3个子峰为碳水化合物的CH-伸缩振动峰;位于3000~3800cm-1处的5个子峰为水分子OH-在氢键作用下产生的伸缩振动峰,5个子峰分别对应具有不同氢键的水分子。
步骤(3)所述高斯分峰拟合还可得到分峰拟合的决定系数和拟合光谱与原光谱的相对误差。
步骤(4)所述位于3000~3800cm-1处的5个子峰的峰面积之和代表了步骤(2)所述交点处对应水分子的含量,即水分的含量,因此可以表征该交点处水分含量;中心位于3410~3440cm-1处的子峰峰面积与中心位于3200~3220cm-1处的子峰峰面积的比值R,可以反映水分子氢键的结合情况,从而进一步反映水分子的结合程度,其中比值越小,水分子结合度越大,比值越大,水分子的自由度越高。
步骤(5)所述伪彩化成像优选采用matlab软件进行,运用pcolor和colormap函数方法,其中shading方式为shading interp,以水分含量A为像素点做的伪彩图实现了细胞水平水分含量的可视化,以比值R为像素点做的伪彩图实现了水分结合状态细胞水平的可视化。
本发明中拉曼光谱高分辨率的特性可以捕捉到分子间或分子内氢键的细微变化,氢键的细微变化易受到外界环境的影响,如温度、压力、离子浓度和空间大小等,因此可以用于水分子结构的研究。水分子的拉曼光谱是一个具有两个明显凸起的宽峰,两个凸起的中心分别位于3240cm-1和3440cm-1附近,这两个凸起的相对大小与氢键的变化紧密相连,当连接水分子的氢键增强时,凸起中心位于3240cm-1附近的拉曼相对强度增加,而当连接水分子的氢键减弱时,凸起中心位于3440cm-1附近的拉曼相对强度增加;在氢键的形成过程中,水分子既可以作为电子供体(D),也可以作为电子受体(A)。为了更好的研究氢键对水分子拉曼光谱的影响,通过高斯分峰拟合算法可将水在293K和0.1MPa条件下的拉曼光谱分为了5个子峰,其中心分别位于3041cm-1、3220cm-1、3430cm-1、3572cm-1、3636cm-1附近,根据研究,这5个子峰依次被定义为DAA(两个电子受体,一个电子供体)、DDAA(两个电子供体,两个电子受体)、DA(一个电子供体,一个电子受体)、DDA(两个电子供体,一个电子受体)和没有连接任何氢键的free-OH。研究过程发现DA子峰和DDAA子峰的峰面积之比可以表征水分子周围氢键的结合程度,DA/DDAA的比值R越小,说明有更多的水分子与周围的分子形成了更多的氢键,从而使水分子具有较高的结合度;相反,水分子的自由度更高。因此,可以用DA/DDAA的比值R来表征水分的结合状态,从而判断其为自由水还是结合水。
果蔬中的水分主要存在于细胞间和细胞内,并且与细胞中的其他物质(包括金属离子、生物小分子和生物大分子)相互作用形成氢键,而氢键的强弱也影响了水分在组织细胞中的存在状态。利用共聚焦显微拉曼高分辨率的特性,可以捕捉到细胞水平的氢键变化,从而根据氢键的强弱判断组织中水分的存在状态,并能根据水分子信号的强弱对水分子的含量进行测定。
与现有技术相比,本发明具有以下优点及有益效果:
(1)本发明采用共聚焦显微拉曼成像技术结合数学计算提供了一种测试果蔬组织中不同状态水分含量的方法,并首次实现了细胞水平水分含量及水分状态的可视化,可以较为直观地了解水分在组织细胞中的存在状态和存在位置,从而为研究果蔬加工过程中水分的迁移以及水分迁移对组织结构产生的影响提供了研究基础。
(2)本申请采用airPLS算法不仅可以较准确地拟合出拉曼光谱的背景,而且在运算速度上也具有很大的优势,由于要处理的光谱数量庞大,因此可以较大程度的节省光谱预处理的时间。
附图说明
图1为水分子氢键连接方式。
图2为不同氢键连接方式的水分子在293K和0.1MPa条件下的拉曼光谱及其分峰光谱图。
图3为本发明实施例1测试苹果组织50μm深度处10倍物镜下的光学显微镜完整视野图。
图4为本发明实施例1所测苹果微观组织50μm深度处测试区域单个细胞的光学显微镜图(为图3的中心测试区域放大图)。
图5为本发明实施例1测试苹果组织细胞中各个位点进行扫描后获得的全部原始拉曼光谱图。
图6为本发明实施例1某一个原始光谱经过平滑、去除荧光背景处理后得到的光谱图(苹果组织)。
图7为本发明实施例1预处理后某一个光谱经过定峰位分峰拟合后的各个子峰和总峰图(苹果组织)。
图8为本发明实施例1预处理光谱进行高斯分峰拟合的拟合度(光谱数)分布图(苹果组织)。
图9为本发明实施例1预处理光谱进行高斯分峰拟合的拟合度(决定系数)直方分布图(苹果组织)。
图10为本发明实施例1苹果组织细胞水平的水分含量分布图。
图11为本发明实施例1苹果组织细胞水平不同状态水分的位置分布图。
图12为苹果组织采用NMR法测试的反演结果图。
具体实施方式
下面结合实施例和附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例1
一种利用拉曼光谱测试植物组织中水分含量和状态分布的方法,包括如下步骤:
(1)用取样器沿径向在苹果上取一个12mm×15mm(直径×高度)的样品柱,随后用自制的切片设备将样品柱切成2mm厚的薄片,立即放置在恒温恒湿的石英腔中,用厚度为0.3mm的石英盖玻片密封。设置腔体湿度为80%,温度为4℃,放置在激光共聚焦拉曼显微镜载物台上,等待测试。
(2)选择激光共聚焦显微拉曼设备的10×倍物镜对准样品,调节焦距,获得清晰的组织结构显微图像,选择结构完整的细胞作为测量区域如图4所示,区域大小为200×200μm,对所选区域进行网格划分,步长为5μm,因此共产生1681个交点。激光共聚焦显微拉曼的光源为点光源,扫描时,光源延网格的交点从上至下,从左至右依次扫描,每个交点处都会产生一个拉曼光谱,因此每个光谱在测量区域都有对应的坐标信息;光谱采集时设置扫描的光谱范围为2700~3800cm-1,选用532nm激光器,光栅为600gr/mm,Hole为500,激光衰减为25%,采集时间为3s,积累次数为3次,测量深度设为50μm。完成全部扫描所需的时间大约为3h;采集到的所有原始拉曼光谱如图5所示。
(3)对采集到的所有原始拉曼光谱进行Savitzky-golay平滑处理和airPLS法去除荧光背景处理,平滑处理运用matlab软件中的smooth函数,选择Savitzky-golay作为平滑算法,计算平滑后光谱每个元素所使用的点数设置为15,Savitzky-golay算法中多项式的次数为1;荧光背景的去除运用airPLS就是自适应迭代重加权惩罚最小二乘算法,该算法可以很好地去除光谱的荧光背景,并最大限度地保留光谱的有效信息;airPLS算法中调节参数λ为10e12,差分惩罚项的阶数为3,光谱起始和结束处的权重异常比例设为0.08,起始和结束时的不对称参数为50,最大迭代次数设为10。其中某一个原始拉曼光谱经平滑和去除荧光背景预处理后的光谱如图6所示。
(4)对预处理后的拉曼光谱进行高斯分峰拟合,由于样品为成分复杂的果蔬组织,因此在测定过程中会对光谱产生一定的影响,从而使分峰拟合过程中的峰位具有一定的差异,不利于后续的数据处理,因此采用定峰位分峰拟合的方式对所有的光谱进行分峰拟合。确定峰位的方法为:随机选取50个预处理后的拉曼光谱,采用peakfit v4.12(Seasolvesoftware Inc.)软件对其进行迭代分峰,根据分峰拟合决定系数和迭代数确定从2700~3800cm-1光谱范围内可以获得7个子峰,其中从3000~3800cm-1光谱范围内的5子峰为水分子或OH基的伸缩振动峰;将50个预选光谱7个子峰的峰位进行平均化,得到的即为定峰位分峰的峰位信息;用matlab软件采用peakfit函数根据得到的峰位信息,对所有预处理后的光谱进行分峰处理,得到所有光谱分峰后子峰的峰位、峰高、峰宽及峰面积信息,同时可以得到每个光谱定分峰拟合的决定系数、拟合光谱与原光谱的相对误差和拟合残差等信息;其中某一个拉曼光谱分峰结果如图7和表1所示。
表1某一个拉曼光谱分峰后子峰的峰位、峰高、峰宽和峰面积数据
(5)将分峰后位于3000~3800cm-1范围内的5个子峰的峰面积进行加和,得到各个拉曼光谱在3000~3800cm-1范围内的峰面积之和A,即为水分子的含量;3000~3800cm-1范围内5个子峰的第三个子峰(峰中心位于3428cm-1)与第二个子峰(峰中心位于3219cm-1)的峰面积之比,得到的比值R可用于判断水分子的结合状态;所有光谱的分峰拟合光谱数为1681,获得的拟合决定系数如图8所示,决定系数的直方分布图如图9所示。
(6)将每个光谱的水分子含量与其对应的坐标信息,以A作为像素点用matlab进行伪彩化成像如图10所示,得到所选范围内细胞水平的水分分布图,A值越大,表明该点处的水分含量越高;而A值越小,表明该点处的水分含量越低;同时以比值R作为像素点,可以判断各点水分的结合状态如图11所示,R值越大,表明结合度越弱;而R值越小,表明结合度越强;从而实现对果蔬组织中细胞水平的水分含量及水分结合状态分布的可视化。Matlab伪彩化成像选用其自带的pcolor和colormap函数,shading方式选择为shading interp。
(7)根据图11中不同结合度水分的比值R的差异,将R值≤1.2的水定义为结合水,R值≥1.4的水定义为自由水,1.2<R值<1.4的水定义为不易流动水,对应坐标信息根据图10中的水分含量计算不同状态水分的含量,每个苹果取三个圆柱,每个圆柱取三片薄片,均通过本申请的方法测试从而得到9组数据,对其进行分析计算,分别取自由水、结合水和不易流动水的平均值,并分别与NMR法(相同的苹果测三个相同的圆柱取平均值,即测试样品与本申请方法所用样品相同)和马林契可法实验测得的结果(相同的苹果测试两组且每组均是三个相同的圆柱,即测试样品与本申请方法所用样品相同,其中一组用于做蔗糖浸渍实验,另一组用于做烘干测水分实验,对得到的结果取平均值)进行对比,结果如表1所示。
NMR测试方法如下:
①沿径向从相同的苹果的不同部位取3个12mm×15mm(直径×高度)的样品柱,置于20mm直径的核磁测试管中,用封口膜密封后置于4℃的恒温冰箱中2h,使样品温度保持为4℃。
②本实验采用低场核磁共振仪,测试前,采用标准样品对设备进行校正,并利用FID序列寻找中心频率,然后选择CPMG测试序列,设置参数:SW=200kHz,RFD=0.02μs,RG1=5,DRG1=3,DR=1,PRG=0,NS=3,TW=8000ms,TE=0.5ms,NECH=2500准备测试。
③将样品放入磁体箱内,选择累积采样采集样品的T2弛豫信号,采样结束后,数据会自动保存到数据库,选中所测的数据,对其进行数据反演,从而得到最终的结果。反演结果中T2弛豫峰在100~1000ms范围内的峰认为是样品中自由水的峰,其峰面积对应的百分比即为自由水的百分比;T2弛豫峰在10~100ms范围内的峰认为是不易流动水的峰,其峰面积对应的百分比即为不易流动水的百分比;T2弛豫峰在0~10ms范围内的峰认为是结合水的峰,其峰面积对应的百分比即为结合水对应的百分比;结果如图12所示。
马林契可实验方法如下:
①沿径向从相同的苹果的不同部位取6个12mm×15mm(直径×高度)的样品柱。将其中三个样品柱切成2mm厚的样品圆片分别置于3个已知质量为m0的称量皿中,分别称量其总质量为m1,置于105℃的烘箱中烘干10h至恒重后,称量烘干后的总质量为m2;按照公式计算组织含水量,具体公式为:
②将另外三个样品柱也切成2mm的样品圆片,分别置于另外3个已知质量为M0的称量皿中,称量总质量为M1,用移液枪分别在三个称量皿中加入质量百分比浓度为60%的蔗糖溶液,轻轻摇动称量皿,使溶液与样品混合均匀,再称量其质量为M2。
③将称量皿置于回旋式振荡器上振荡6h,设置振荡器的旋转速率,使称量皿中的溶液可以延一个方向轻轻摇动且液体无法溅出称量皿。
④振荡结束后,充分摇动溶液,用移液枪取200μL样品,滴在阿贝折光仪的毛玻璃面上,旋紧棱镜,在20℃条件下测溶液的糖浓度为D2,同时测定原来糖液的浓度为D1,按下面的公式求组织中自由水的含量(%):
则自由水的含量占总含水量的百分比(%)=(组织含水量-组织自由水含量)×100/组织含水量,此百分比即为自由水的含量;而结合水的含量为1-自由水的含量。
(7)表2为采用本申请方法测得的结合水和自由水含量与采用马林契可法实验和NMR测得的结合水与自由水含量的比较。
表2不同测试方法测得的苹果中结合水与自由水含量
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法,其特征在于,包括以下步骤:
(1)取待测果蔬切成样品;
(2)将样品置于激光共聚焦显微镜的载物台上进行成像光谱采集,具体是通过激光共聚焦显微镜物镜从样品中选取细胞区域,然后将所选细胞区域进行网格划分得到均匀分布的交点,标记每个交点在所选细胞区域中的相应坐标信息,对每个交点处进行扫描,得到细胞区域中各个交点处对应水分的拉曼光谱;
其中网格步长为3~5μm;
(3)将步骤(2)得到的拉曼光谱进行平滑降噪和去除荧光背景处理,然后进行高斯分峰拟合,每个拉曼光谱均得到位于3000~3800cm-1处的5个子峰和位于2700~3000cm-1处的2~3个子峰;
(4)将每个拉曼光谱分峰后位于3000~3800cm-1处的5个子峰的峰面积进行加和,得到细胞区域中该交点处对应水分含量A;根据中心位于3410~3440cm-1处的子峰峰面积与中心位于3200~3220cm-1处的子峰峰面积的比值R判断该交点处对应水分子的结合状态;
(5)结合各个交点的坐标信息,分别以所有交点处对应水分含量A和比值R为像素点进行伪彩化成像,得到果蔬组织细胞水平的水分含量和水分结合状态分布状况。
2.根据权利要求1所述一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法,其特征在于,步骤(2)所述成像光谱采集所用的激光器为532nm激光器,其中光栅的大小为1200gr/mm,Hole为500,扫描范围为2700~3800cm-1;采集的条件为:采集时间3~5s,累积次数2~3次,激光能量的衰减为25~50%。
3.根据权利要求1所述一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法,其特征在于,步骤(2)所述成像光谱采集的深度为50~100μm。
4.根据权利要求1或2或3所述一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法,其特征在于,步骤(3)所述高斯分峰拟合的方法为采用matlab软件运用peakfit函数进行。
5.根据权利要求4所述一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法,其特征在于,步骤(3)所述平滑降噪处理采用matlab软件中的smooth函数,选择Savitzky-golay卷积平滑算法;所述去除荧光背景处理采用自适应迭代重加权惩罚最小二乘背景扣除算法。
6.根据权利要求4所述一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法,其特征在于,步骤(3)所述高斯分峰拟合为定峰位高斯分峰拟合,即定峰位高斯迭代曲线拟合算法,在固定峰位的情况下对光谱进行高斯曲线拟合;其峰位的确定方法如下:随机选取50个拉曼光谱,利用peakfit软件对其进行迭代分峰处理,将每个拉曼光谱分为7~8个子峰,然后将50个拉曼光谱得到的子峰峰位信息进行平均化,得到7~8个子峰的平均峰位信息,以此作为定峰位高斯分峰的峰位依据。
7.根据权利要求4所述一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法,其特征在于,步骤(2)所述细胞区域大小由细胞大小决定,常规果蔬细胞的平均直径在100~300μm之间;所述物镜的倍数为10倍。
8.根据权利要求4所述一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法,其特征在于,步骤(1)所述果蔬为苹果、土豆、葡萄、梨和白菜茎中的一种。
9.根据权利要求8所述一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法,其特征在于,步骤(1)所述样品为去皮的果蔬;所述样品的形状为圆片状,其尺寸为直径×厚度=12mm×2mm;所述样品在测试前及测试过程中保存在石英腔中,所述石英腔的腔体的温度为2~10℃,湿度大于80%,其中石英腔体用厚度为0.3mm的石英盖玻片密封。
10.根据权利要求4所述一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法,其特征在于,步骤(5)所述伪彩化成像采用matlab软件进行,运用pcolor和colormap函数方法,其中shading方式为shading interp。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910526973.1A CN110208244B (zh) | 2019-06-18 | 2019-06-18 | 一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法 |
EP19933578.7A EP3859315B1 (en) | 2019-06-18 | 2019-10-16 | Method for testing water content and water distribution of cellular levels in fruit and vegetable tissues on basis of raman spectrum |
PCT/CN2019/111533 WO2020252999A1 (zh) | 2019-06-18 | 2019-10-16 | 一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法 |
US17/292,676 US20220011232A1 (en) | 2019-06-18 | 2019-10-16 | A method for testing cellular-level water content and distribution in fruit and vegetable tissues based on raman spectroscopy |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910526973.1A CN110208244B (zh) | 2019-06-18 | 2019-06-18 | 一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110208244A true CN110208244A (zh) | 2019-09-06 |
CN110208244B CN110208244B (zh) | 2020-07-28 |
Family
ID=67793330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910526973.1A Active CN110208244B (zh) | 2019-06-18 | 2019-06-18 | 一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220011232A1 (zh) |
EP (1) | EP3859315B1 (zh) |
CN (1) | CN110208244B (zh) |
WO (1) | WO2020252999A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111781240A (zh) * | 2020-07-06 | 2020-10-16 | 上海理工大学 | 差示扫描量热法dsc曲线的分峰拟合方法 |
WO2020252999A1 (zh) * | 2019-06-18 | 2020-12-24 | 华南理工大学 | 一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法 |
CN112161959A (zh) * | 2020-09-25 | 2021-01-01 | 山东省科学院海洋仪器仪表研究所 | 一种基于荧光光谱全局重构的叶绿素浓度测量方法 |
CN112557332A (zh) * | 2020-12-03 | 2021-03-26 | 华东理工大学 | 一种基于光谱分峰拟合的光谱分段和光谱比对方法 |
CN113533278A (zh) * | 2021-07-13 | 2021-10-22 | 西安文理学院 | 一种在线荧光检测土质文物中水形态的方法 |
CN114166819A (zh) * | 2021-11-26 | 2022-03-11 | 中南林业科技大学 | 一种基于拉曼光谱技术的木材细胞壁含水率测量方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107209934A (zh) * | 2014-12-03 | 2017-09-26 | 文塔纳医疗***公司 | 用于定量分析异质生物标志物分布的方法、***和装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2847230T3 (es) * | 2014-07-02 | 2021-08-02 | Nat Univ Singapore | Sistema, aparato y procedimiento de espectroscopía RAMAN para analizar, caracterizar y/o diagnosticar un tipo o naturaleza de una muestra o un tejido, tal como un crecimiento anómalo |
CN106290292B (zh) * | 2016-07-25 | 2018-12-28 | 浙江大学 | 一种利用共聚焦显微拉曼检测茶叶中类胡萝卜素含量的方法 |
CN110208244B (zh) * | 2019-06-18 | 2020-07-28 | 华南理工大学 | 一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法 |
-
2019
- 2019-06-18 CN CN201910526973.1A patent/CN110208244B/zh active Active
- 2019-10-16 US US17/292,676 patent/US20220011232A1/en active Pending
- 2019-10-16 EP EP19933578.7A patent/EP3859315B1/en active Active
- 2019-10-16 WO PCT/CN2019/111533 patent/WO2020252999A1/zh unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107209934A (zh) * | 2014-12-03 | 2017-09-26 | 文塔纳医疗***公司 | 用于定量分析异质生物标志物分布的方法、***和装置 |
Non-Patent Citations (3)
Title |
---|
RAOUL VYUMVUHORE ET.AL: "Effects of atmospheric relative humidity on Stratum Corneum structure at the molecular level: ex vivoRaman spectroscopy analysis", 《ANALYST》 * |
YUAN-YUAN PU ET.AL: "Vis-NIR hyperspectral imaging in visualizing moisture distribution of mango slices during microwave-vacuum drying", 《FOOD CHEMISTRY》 * |
谭兴和: "《酱腌泡菜加工技术》", 31 October 2014, 湖南科学技术出版社 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020252999A1 (zh) * | 2019-06-18 | 2020-12-24 | 华南理工大学 | 一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法 |
CN111781240A (zh) * | 2020-07-06 | 2020-10-16 | 上海理工大学 | 差示扫描量热法dsc曲线的分峰拟合方法 |
CN112161959A (zh) * | 2020-09-25 | 2021-01-01 | 山东省科学院海洋仪器仪表研究所 | 一种基于荧光光谱全局重构的叶绿素浓度测量方法 |
CN112557332A (zh) * | 2020-12-03 | 2021-03-26 | 华东理工大学 | 一种基于光谱分峰拟合的光谱分段和光谱比对方法 |
CN112557332B (zh) * | 2020-12-03 | 2023-10-03 | 华东理工大学 | 一种基于光谱分峰拟合的光谱分段和光谱比对方法 |
CN113533278A (zh) * | 2021-07-13 | 2021-10-22 | 西安文理学院 | 一种在线荧光检测土质文物中水形态的方法 |
CN113533278B (zh) * | 2021-07-13 | 2023-06-13 | 西安文理学院 | 一种在线荧光检测土质文物中水形态的方法 |
CN114166819A (zh) * | 2021-11-26 | 2022-03-11 | 中南林业科技大学 | 一种基于拉曼光谱技术的木材细胞壁含水率测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110208244B (zh) | 2020-07-28 |
EP3859315B1 (en) | 2024-02-28 |
US20220011232A1 (en) | 2022-01-13 |
EP3859315A4 (en) | 2022-03-30 |
EP3859315A1 (en) | 2021-08-04 |
WO2020252999A1 (zh) | 2020-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110208244A (zh) | 一种基于拉曼光谱测试果蔬组织中细胞水平水分含量和分布的方法 | |
Jaywant et al. | Sensors and instruments for brix measurement: A review | |
Cisneros et al. | Sea surface temperature variability in the central-western Mediterranean Sea during the last 2700 years: a multi-proxy and multi-record approach | |
CN107271382A (zh) | 一种不同生育期油菜叶片spad值遥感估算方法 | |
JPH11508033A (ja) | 血液ガス及び分析物の分析のためのラマン分光装置及び方法 | |
CN110542668B (zh) | 一种基于太赫兹成像技术定量分析叶片成分分布情况的方法 | |
CN106290292B (zh) | 一种利用共聚焦显微拉曼检测茶叶中类胡萝卜素含量的方法 | |
Lejeune et al. | Optimized approach to retrieve information on atmospheric carbonyl sulfide (OCS) above the Jungfraujoch station and change in its abundance since 1995 | |
CN110132823A (zh) | 一种基于模板匹配与查找轮廓的细胞计数方法 | |
CN101044823A (zh) | 一种作物能量利用率评价及产量预测的方法 | |
JP5807956B2 (ja) | 土壌の作物育成度数測定方法及び産地偽装判定方法 | |
Bonner et al. | Probing the effect of the solution environment on the vibrational dynamics of an enzyme model system with ultrafast 2D-IR spectroscopy | |
CN108645839B (zh) | 一种桃整果软化程度的细胞快速统计评价方法 | |
Gabriel et al. | Optimised acidification power test of yeast vitality and its use in brewing practice | |
CN105409708B (zh) | 一种山葡萄种质资源休眠期抗寒性的鉴定方法 | |
CN104020149A (zh) | 一种疏枝刺柳珊瑚激光拉曼光谱的建立方法 | |
CN113916864B (zh) | 一种icf靶内d2燃料气体拉曼光谱定量分析的方法 | |
US20140016117A1 (en) | Noninvasive, continuous in vitro simultaneous measurement of turbidity and concentration | |
Hopkinson et al. | Applications of attenuated total reflection in the infrared analysis of carbohydrates and biological whole cell samples in aqueous solution | |
CN110162830B (zh) | 一种基于叶片紧张度在线监测的变量灌水节点预测方法 | |
CN107831185A (zh) | 测定三文鱼加工贮藏过程中相转变温度的方法 | |
CN107340241A (zh) | 一种基于短波成像光谱技术检测人参皂苷含量的方法 | |
CN212622161U (zh) | 一种太赫兹光谱仪反射模块 | |
RU2388211C2 (ru) | Способ оценки морозостойкости растительной ткани плодовых культур резонансным методом | |
CN104198409A (zh) | 一种基于可见近红外光谱技术的浸入式藻种鉴别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |