Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/44378
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorMongkol Sukwattanasinitten_US
dc.contributor.advisorGamolwan Tumcharernen_US
dc.contributor.advisorIttipon Techakriengkraien_US
dc.contributor.authorRadeemada Mungkarndeeen_US
dc.contributor.otherChulalongkorn University. Faculty of Scienceen_US
dc.date.accessioned2015-08-21T09:28:06Z
dc.date.available2015-08-21T09:28:06Z
dc.date.issued2014en_US
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/44378
dc.descriptionThesis (Ph.D.)--Chulalongkorn University, 2014en_US
dc.description.abstractDue to environmental and public health concerns, detection of organic materials in biological samples, such as proteins contained in dairy products, surfactants extensively used in cosmetic and pharmaceutical products, volatile organic compounds (VOCs) contaminated in soft drinks, and foodborne pathogens, is of importance for economic and legal issues. Multivariate statistical analyses applied to the optical spectroscopic response which is induced by interactions between sensing element and organic materials allow a possible discrimination of biological samples. The pattern recognition of fluorescence responses upon addition of commercial milk samples to fluorophore solutions are analyzed by linear discriminant analysis (LDA). Milk samples according to their thermal processes; i.e. pateurized milk, sterilized milk, UHT fresh milk and recombined milk (UHT milk having milk powder) are discriminated with 100% classification accuracy. LDA is also successfully applied for the discrimination of eight foodborne pathogens. Anionic surfactants are successfully identified by using principal component analysis (PCA) applied to percentage of colorimetric response obtained from the UV-Vis spectra of polymerized diacetylenes in the presence of anionic surfactants. PCA is also applied to the RGB color changes profile plot obtained from images of paper-based polydiacetylene colorimetric sensor array developed for the detection and identification of VOCs.en_US
dc.description.abstractalternativeเนื่องจากความกังวลทางด้านสิ่งแวดล้อมและสาธารณสุข ส่งผลให้การตรวจหาสารอินทรีย์ในตัวอย่างทางชีวภาพมีความสำคัญทั้งทางด้านเศรษฐกิจและกฎหมาย เช่น การตรวจหาโปรตีนที่อยู่ในผลิตภัณฑ์จากนม การตรวจหาสารลดแรงตึงผิวที่ใช้ในผลิตภัณฑ์เครื่องสำอางและยา การตรวจหาสารประกอบอินทรีย์ระเหยที่ปนเปื้อนในเครื่องดื่มปราศจากแอลกอฮอล์ และการตรวจหาเชื้อจุลินทรีย์ก่อโรคในอาหาร การประยุกต์ใช้การวิเคราะห์เชิงสถิติหลายตัวแปรกับการตอบสนองของสเปกโตรสโคปีเชิงแสงที่ถูกเหนี่ยวนำโดยอันตรกิริยาระหว่างองค์ประกอบเซ็นเซอร์กับสารอินทรีย์ทำให้สามารถจัดจำแนกตัวอย่างทางชีวภาพได้ การวิเคราะห์การรู้จำแบบของการตอบสนองฟลูออเรสเซนซ์ ที่มีการเติมตัวอย่างนมพาณิชย์กับสารเรืองแสง ด้วยการวิเคราะห์การจำแนกเชิงเส้น (linear discriminant analysis) สามารถจำแนกตัวอย่างนมที่ผ่านกระบวนการทางความร้อน ได้แก่ นมพาสเจอร์ไรซ์ นมสเตอริไรซ์ นมสดยูเอชที และนมคืนรูป (นมสดยูเอชทีที่มีนมผงผสมอยู่) ได้ที่ความถูกต้อง 100% วิธีการเช่นเดียวกันให้ผลสำเร็จในการนำมาประยุกต์ใช้กับการจำแนกเชื้อจุลินทรีย์ก่อโรคในอาหาร 8 ชนิด นอกจากนี้ การจำแนกสารลดแรงตึงผิวชนิดประจุลบสามารถทำได้โดยการวิเคราะห์องค์ประกอบหลัก (principal component analysis) ต่อร้อยละของการตอบสนองเชิงสีที่ได้จากสัญญาณการดูดกลืนแสงของพอลิไดแอเซทิลีนสามารถได้ การวิเคราะห์องค์ประกอบหลักดังกล่าวยังสามารถวิเคราะห์ค่าการเปลี่ยนแปลงสี RGB ที่ได้จากรูปภาพเซ็นเซอร์แอร์เรย์บนกระดาษที่เกิดจากการเปลี่ยนสีของพอลิไดแอเซทิลีน เพื่อใช้ในการตรวจสอบและแยกสารประกอบอินทรีย์ระเหยได้en_US
dc.language.isoenen_US
dc.publisherChulalongkorn Universityen_US
dc.relation.urihttp://doi.org/10.14457/CU.the.2014.22-
dc.rightsChulalongkorn Universityen_US
dc.subjectBiosensors
dc.subjectMultivariate analysis
dc.subjectPrincipal components analysis
dc.subjectDiscriminant analysis
dc.subjectไบโอเซนเซอร์
dc.subjectการวิเคราะห์ตัวแปรพหุ
dc.subjectการวิเคราะห์ตัวประกอบสำคัญ
dc.subjectการวิเคราะห์การจำแนกประเภท
dc.titleMULTIVARIATE STATISTICAL ANALYSES IN OPTICAL SPECTROSCOPIC SENSOR ARRAY FOR DISCRIMINATING ORGANIC AND BIOLOGICAL SAMPLESen_US
dc.title.alternativeการวิเคราะห์เชิงสถิติหลายตัวแปรในออพติคัลสเปกโตรสโคปิกเซ็นเซอร์แอร์เรย์เพื่อจำแนกตัวอย่างสารอินทรีย์และสารชีวภาพen_US
dc.typeThesisen_US
dc.degree.nameDoctor of Philosophyen_US
dc.degree.levelDoctoral Degreeen_US
dc.degree.disciplineBiotechnologyen_US
dc.degree.grantorChulalongkorn Universityen_US
dc.email.advisorMongkol.S@Chula.ac.th,msukwatt@gmail.com,smongkol@chula.ac.then_US
dc.email.advisorgamolwan@nanotec.or.then_US
dc.email.advisorittipon@ru.ac.then_US
dc.identifier.DOI10.14457/CU.the.2014.22-
Appears in Collections:Sci - Theses

Files in This Item:
File Description SizeFormat 
5173927323.pdf4.68 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.