Abstract The content of phytochemical compounds such as anthocyanin in soybeans, yielded from agricultural practices is usually affected by the quality of the mother seed. Therefore, non-destructive technique for intact soybean seed selection based on anthocyanin content is highly demanded for breeding programs. The objective of this study was to evaluate the feasibility of Fourier-transform near-infrared (FT-NIR) and Fourier-transform infrared (FT-IR) spectroscopic techniques to determine the total anthocyanin content (TAC) and content of different types of anthocyanin, namely cyanidin-3-glucoside (C3G) and delphinidin-3-glucoside (D3G), in single seed state of soybean. FT-NIR and FT-IR spectra from 70 different varieties of soybean seeds were acquired and compared with the chemical components analyzed using high-performance liquid chromatography (HPLC). The prediction performance of the partial least squares regression (PLSR) models for the FT-NIR spectra indicated R2 of 0.88-0.90 and standard error of prediction (SEP) of 9.4-19.5% for the chemical components, which were slightly better than R2 of 0.86-0.88 and SEP of 9.7-21.8% of FT-IR. The number of variables could be reduced down to 50% using a variable importance in projection (VIP) method without noticeable decrements in prediction performance. The results demonstrated potential of FT-NIR and FT-IR spectroscopic techniques to predict anthocyanin contents in a single seed of soybean nondestructively.

中文翻译：

---

使用傅里叶变换近红外 (FT-NIR) 和傅里叶变换红外 (FT-IR) 光谱法无损测量完整大豆种子中的花青素

摘要 大豆中花青素等植物化学成分的含量通常受母种质量的影响。因此，育种计划非常需要基于花青素含量的无损大豆种子选择技术。本研究的目的是评估傅里叶变换近红外 (FT-NIR) 和傅里叶变换红外 (FT-IR) 光谱技术测定花青素总含量 (TAC) 和不同类型花青素含量的可行性。 , 即 cyanidin-3-glucoside (C3G) 和 delphinidin-3-glucoside (D3G), 在大豆的单种子状态。获得了 70 个不同品种大豆种子的 FT-NIR 和 FT-IR 光谱，并与使用高效液相色谱 (HPLC) 分析的化学成分进行了比较。FT-NIR光谱的偏最小二乘回归（PLSR）模型的预测性能表明化学成分的R2为0.88-0.90，预测标准误差（SEP）为9.4-19.5％，略优于R2 0.86-0.88 和 9.7-21.8% 的 FT-IR 的 SEP。使用投影中的变量重要性 (VIP) 方法可以将变量数量减少到 50%，而预测性能不会明显下降。结果证明了 FT-NIR 和 FT-IR 光谱技术在无损预测单个大豆种子中的花青素含量方面的潜力。FT-NIR光谱的偏最小二乘回归（PLSR）模型的预测性能表明化学成分的R2为0.88-0.90，预测标准误差（SEP）为9.4-19.5％，略优于R2 0.86-0.88 和 9.7-21.8% 的 FT-IR 的 SEP。使用投影中的变量重要性 (VIP) 方法可以将变量数量减少到 50%，而预测性能不会明显下降。结果证明了 FT-NIR 和 FT-IR 光谱技术在无损预测单个大豆种子中的花青素含量方面的潜力。FT-NIR光谱的偏最小二乘回归（PLSR）模型的预测性能表明化学成分的R2为0.88-0.90，预测标准误差（SEP）为9.4-19.5％，略优于R2 0.86-0.88 和 9.7-21.8% 的 FT-IR 的 SEP。使用投影中的变量重要性 (VIP) 方法可以将变量数量减少到 50%，而预测性能不会明显下降。结果证明了 FT-NIR 和 FT-IR 光谱技术在无损预测单个大豆种子中的花青素含量方面的潜力。使用投影中的变量重要性 (VIP) 方法可以将变量数量减少到 50%，而预测性能不会明显下降。结果证明了 FT-NIR 和 FT-IR 光谱技术在无损预测单个大豆种子中的花青素含量方面的潜力。使用投影中的变量重要性 (VIP) 方法可以将变量数量减少到 50%，而预测性能不会明显下降。结果证明了 FT-NIR 和 FT-IR 光谱技术在无损预测单个大豆种子中的花青素含量方面的潜力。