Next, per vegetable, a partial leas

Next, per vegetable, a partial least squares discriminant analysis
(PLS-DA) model was built using two latent variables (LVs), in which
the respective bi-plots are shown in Fig. 2. The LVs are nothing but the
linear combination of the original X-variables (volatiles) for which the
separation among the Y-variables (blanched, thermal and HPHT classes)
ismaximum. As can be seen fromthe bi-plots, per vegetable, only 2 LVs
described more than 93% of the variance among the classes, demonstrating
a clear different effect of the applied processing technologies
on the volatile fraction of the vegetables. On each plot, there are three
vectors, representing the importance of the selected LVs for class separation
(i.e. PLS-DAmodel performance). If proper numbers of LVs are selected
for the model, the vectors will be long and pointing to the
direction of the respective class (which is the case in Fig. 2). The biplots
also provide qualitative information about the importance of the
volatiles for the selection of LVs and consequently for class separation.
For instance, if the concentration of a certain volatile is increased by
HPHT sterilization compared to thermal sterilization, on the plot, this
compound should be located close the HPHT class and vice versa. However,
it is relevant to quantify the individual effect of the volatiles for
class separation, in other words identify casual variables. In that sense,
the contribution of each volatile compounds for class separation is nothing
else than the correlation between the volatile compound and the
classes, which is termed as the VID procedure. Accordingly, VID coefficients
were calculated to rank volatiles based on their concentration in
one class compared to another one. Per class, each volatilewas assigned
with a value between−1 and+1,where a positive VID coefficient represents
a higher concentration in that class compared to other classes
and vice versa. Compounds with an absolute VID value higher than
0.800 were considered to be important and were selected as discriminant
volatiles (Table 1; Fig. 2 (bold open circles)). The presence of a significant
difference (p b 0.05) (see Section 2.5) between the different
classeswas used as a criteria to determine the above cut-off/VID threshold
value. The compounds that passed this criterionwere identified and
plotted individually as a function of processing (results not shown). To
put focus on the most discriminative ones, those with a total peak

Kết quả (Việt) 1:

Tiếp theo, mỗi loại rau, một phần least squares biệt thức phân tíchMô hình (PLS-DA) được xây dựng bằng cách sử dụng hai biến tiềm ẩn (LVs), trong đóbi-lô tương ứng được hiển thị trong hình 2. Các LVs là không có gì, nhưng cáctổ hợp tuyến tính của các gốc X-biến (volatiles) mà cácphân chia giữa các biến Y (luộc, nhiệt và lớp học HPHT)ismaximum. Có thể nhìn thấy từ bi-lô, mỗi loại rau, chỉ có 2 LVsMô tả hơn 93% phương sai giữa các lớp học, chứng minhmột hiệu ứng khác nhau rõ ràng của các công nghệ xử lý ứng dụngtrên đây là phần dễ bay hơi của các loại rau. Trên mỗi lô, có bavectơ, đại diện cho tầm quan trọng của LVs đã chọn tách lớp(tức là hiệu suất PLS-DAmodel). Nếu chọn đúng số lượng LVsĐối với các mô hình, các vectơ sẽ được lâu dài và trỏ đến cáchướng dẫn của các lớp học tương ứng (đó là trường hợp trong hình 2). Các biplotscũng cung cấp các thông tin về chất lượng về tầm quan trọng của cácvolatiles cho sự lựa chọn của LVs và do đó cho lớp chia ly.Ví dụ, nếu nồng độ một dễ bay hơi nhất định tăngKhử trùng HPHT so với nhiệt khử trùng, trên cốt truyện, đâyhợp chất được đặt gần HPHT lớp và ngược lại. Tuy nhiên,nó có liên quan để định lượng các hiệu ứng cá nhân của volatiles cholớp chia ly, nói cách khác xác định các biến ngẫu nhiên. Trong ý nghĩa đó,sự đóng góp của mỗi hợp chất dễ bay hơi tách lớp là không có gìkhác hơn là sự tương quan giữa các hợp chất dễ bay hơi và cácCác lớp học, mà được gọi là thủ tục VID. Theo đó, Hệ số VIDđã được tính toán để volatiles xếp hạng dựa trên của họ tập trung ởmột lớp so với một số khác. Mỗi lớp, mỗi volatilewas chỉ địnhvới một giá trị between−1 và + 1, nơi đại diện cho một yếu tố tích cực của VIDnồng độ cao hơn trong lớp học đó so với các lớp khácvà ngược lại. Các hợp chất với một giá trị VID tuyệt đối cao hơn0,800 được coi là quan trọng và đã được chọn là biệt thứcvolatiles (bảng 1; Hình 2 (đậm vòng tròn mở)). Sự hiện diện của một đáng kểsự khác biệt (p b 0,05) (xem phần 2.5) giữa khác nhauclasseswas được sử dụng như là một tiêu chí để xác định ngưỡng cut-đi/VID trêngiá trị. Các hợp chất này criterionwere xác định được thông qua vàâm mưu riêng như một chức năng chế biến (kết quả không hiển thị). ĐểĐặt tập trung vào những người đặt discriminative, những người có một đỉnh tất cả

Kết quả (Việt) 2:

Tiếp theo, mỗi loại rau, một ít phân tích hình vuông discriminant phần
(PLS-DA) mô hình đã được xây dựng sử dụng hai biến tiềm ẩn (LVs), trong đó
các bi-lô tương ứng được hiển thị trong hình. 2. LVs là gì, nhưng
sự kết hợp tuyến tính của X-biến (chất dễ bay hơi) mà
tách giữa Y-biến (lớp tái mặt, nhiệt và HPHT)
ismaximum. Như có thể thấy fromthe bi-lô, mỗi loại rau, chỉ có 2 LVs
mô tả hơn 93% của phương sai giữa các tầng lớp, thể hiện
một hiệu ứng khác nhau rõ ràng về công nghệ chế biến áp dụng
trên các phần dễ bay hơi của các loại rau. Trên mỗi lô, có ba
vectơ, đại diện cho tầm quan trọng của các LVs chọn để tách lớp
(tức là hiệu suất PLS-DAmodel). Nếu con số thích hợp của LVs được lựa chọn
cho các mô hình, các vector sẽ được lâu dài và chỉ vào
hướng của lớp tương ứng (đó là trường hợp trong hình. 2). Các biplots
cũng cung cấp thông tin định tính về tầm quan trọng của
các chất bay hơi cho việc lựa chọn của LVs và do đó cho tách lớp.
Ví dụ, nếu nồng độ của một biến động nào đó được tăng
HPHT khử trùng so với khử trùng nhiệt, về cốt truyện, điều này
hợp chất nên được đặt đóng lớp HPHT và ngược lại. Tuy nhiên,
nó có liên quan để định lượng các tác động riêng lẻ của các chất bay hơi để
tách lớp, nói cách khác xác định các biến ngẫu nhiên. Trong ý nghĩa đó,
sự đóng góp của mỗi hợp chất dễ bay hơi để tách lớp là không có gì
khác hơn là sự tương quan giữa các hợp chất dễ bay hơi và các
lớp học, mà được gọi là thủ tục VID. Theo đó, hệ số VID
được tính toán để xếp hạng các chất bay hơi dựa trên nồng độ của chúng trong
một lớp so với nhau. Mỗi lớp, mỗi volatilewas giao
với một giá trị giữa-1 và + 1, với một hệ số VID dương đại diện cho
một nồng độ cao trong lớp đó so với các lớp khác
và ngược lại. Các hợp chất với một VID giá trị tuyệt đối cao hơn so với
0,800 được coi là quan trọng và đã được lựa chọn như discriminant
chất dễ bay hơi (bảng 1;. Hình 2 (Vòng tròn đậm)). Sự hiện diện của một ý nghĩa
khác biệt (pb 0.05) (xem phần 2.5) giữa khác nhau
classeswas sử dụng như là một tiêu chí để xác định ngưỡng cut-off / VID trên
giá trị. Các hợp chất thông qua criterionwere này xác định và
vẽ riêng là một chức năng xử lý (kết quả không được hiển thị). Để
đặt tập trung vào những phân biệt nhất, những người có một số đỉnh cao