拉曼光譜法定量分析山茶油中脂肪酸

郝 勇，孫旭東，耿 響

(1.華東交通大學機電工程學院，江西 南昌 330013；2. 江蘇恒順醋業(yè)股份有限公司，江蘇 鎮(zhèn)江 212143；3.江西出入境檢驗檢疫局，江西 南昌 330038)

拉曼光譜法定量分析山茶油中脂肪酸

郝 勇1,2，孫旭東1，耿 響3

(1.華東交通大學機電工程學院，江西 南昌 330013；2. 江蘇恒順醋業(yè)股份有限公司，江蘇 鎮(zhèn)江 212143；3.江西出入境檢驗檢疫局，江西 南昌 330038)

利用拉曼光譜對山茶油中兩種脂肪酸(棕櫚酸和十四烷酸)進行快速定量分析。配制70個山茶油樣本用于拉曼光譜的采集，分別采用原始光譜、小波導數(shù)光譜和矢量歸一化光譜，結合連續(xù)投影算法(SPA)建立山茶油中棕櫚酸和十四烷酸的偏最小二乘(PLS) 定量分析模型。結果表明：拉曼光譜經標準正態(tài)變量(SSNV)預處理，結合SPA方法可以實現(xiàn)模型的優(yōu)化，模型的預測精度得到提高，建模變量得到精簡，棕櫚酸模型的預測相關系數(shù)(Rp)和預測均方根誤差(RMSEP)分別由0.917和2.191優(yōu)化為0.981和1.078，建模變量由4000精簡為44；十四烷酸模型的Rp和RMSEP分別由0.940和0.058優(yōu)化為0.969和0.047，建模變量簡化為43。該研究為山茶油中脂肪酸的定量分析提供了一種快速分析方法。

山茶油；拉曼光譜；棕櫚酸；十四烷酸；連續(xù)投影算法

山茶系山茶科山茶屬植物，是我國特有的一種含油率較高的多年生木本油料作物，它與油棕、橄欖、椰子并譽為世界四大木本食用油源樹種。山茶油，又名茶油、油茶籽油、茶籽油，是由油茶籽加工提煉而得到的一種高品位、高營養(yǎng)價值的食用植物油，易被人體消化吸收，能降低膽固醇，抑制和預防冠心病、高血壓等心腦血管疾病，是一種純天然的綠色保健食品[1-2]。山茶油中含有豐富的脂肪酸，包括棕櫚酸、十四烷酸、硬脂酸、花生酸、油酸和亞油酸等[3]。膳食中攝入飽和脂肪酸越多，血清總膽固醇水平越高，心血管疾病的發(fā)病率越高；攝入一定數(shù)量的單不飽和脂肪酸卻反而可以降低血清總膽固醇水平，同時飽和脂肪酸能夠在很大程度上促進嬰兒對能量和鈣的吸收，大幅度減少鈣質的流失，提高嬰兒骨骼礦物質的密度[4]。因此，對山茶油中脂肪酸的定量分析非常重要。棕櫚酸和十四烷酸是山茶油中常見的兩種飽和脂肪酸，通過測定其在山茶油中的質量分數(shù)，可以為不同需求人群的山茶油攝入量提供參考。

目前，山茶油成分的測定主要采用化學分析方法，如液相色譜法、氣相色譜法以及氣相色譜-質譜聯(lián)用等[5-6]，這些分析方法的操作步驟繁瑣、需要化學試劑進行試樣的制備等缺點。拉曼光譜是一種分子散射光譜，利用物質的特征拉曼光譜可實現(xiàn)對其結構、成分、濃度等的檢測。目前拉曼光譜的分析主要還是利用典型物質的光譜或標準譜圖對未知光譜實現(xiàn)比較、鑒別和定性分析[7-9]。由于標準譜庫建立的難度和光譜數(shù)據(jù)處理與分析的復雜性，多組分混合物樣品拉曼光譜的定量分析到目前為止還存在很多困難[10]。

本實驗采用拉曼光譜和偏最小二乘(partial least square，PLS)的多元校正方法對山茶油中的棕櫚酸和十四烷酸進行定量分析，并采用不同的光譜預處理方法[11]和連續(xù)投影的變量篩選方法[12-14]對定量模型進行優(yōu)化，以期為山茶油中脂肪酸的定量測定提供一種快速、高效和無損的分析方法。

1 材料與方法

1.1 材料與試劑

山茶油(浸提和壓榨)樣品由江西某茶油生產企業(yè)提供；棕櫚油、菜籽油 市購。實驗樣品由不同質量分數(shù)的棕櫚油和菜籽油摻入山茶油中配制而成。

1.2 儀器與設備

6890N-5975B氣相色譜-質譜儀 美國Agilent公司；SENTERRA激光共焦顯微拉曼光譜儀 德國布魯克光學儀器公司。

1.3 方法

1.3.1 拉曼光譜儀器參數(shù)條件

Olympus BX51光學顯微鏡；光譜采集軟件為OPUS 6.5。測量的波數(shù)精度1cm－1；光譜采集時選擇的激光功率100mW；積分時間1s；光譜掃描范圍90～3500cm－1；溫度控制在23～25℃。

1.3.2 樣品的制備及脂肪酸質量分數(shù)的測定

表1 山茶油樣品的配制信息Tabbllee 11 Blending of camellia oil with different proportions of palm oil or rapeseed oil

為了獲得不同質量分數(shù)的棕櫚酸和十四烷酸的山茶油，分別在浸提山茶油和壓榨山茶油中摻入不同體積分數(shù)的棕櫚油和菜籽油，配制70個樣本，樣品的配制均在室溫條件下進行。將70個實驗樣品按照個數(shù)比近似2:1的比例進行校正集和驗證集的劃分，46個為校正樣品，24個為驗證樣品。劃分時采用Kennard-Stone算法[15]，使得校正集的樣品信息包含驗證集樣品的信息。樣品的配制信息如表1所示。將配制好的摻雜茶油每份30g至于燒杯中，充分攪拌后密封備用。

氣相色譜條件：DB-5ms彈性石英毛細管色譜柱(30m×0.25mm，0.25μm)；載氣為高純氦氣，純度99.995%；程序升溫：120℃保持2min，以8℃/min升至260℃，保持10min；柱前壓47kPa；分流比1:80；進樣口溫度280℃；接口溫度250℃；進樣量0.1μL。質譜條件：電子電離(electron ionization，EI)源；電子能量70eV；四極桿溫度150℃；離子源溫度230℃[16]。兩種脂肪酸質量分數(shù)的統(tǒng)計信息如表2所示。

表2 山茶油脂肪酸質量分數(shù)統(tǒng)計信息Table2 Statistical information of fatty acid contents in camellia oil samples

1.3.3 模型的建立和評價

采用PLS建立光譜模型，模型的評價指標包括交叉驗證均方根誤差(root mean square error of cross validation，RMSECV)、預測相關系數(shù)(correlation coefficient，Rp)、預測均方根誤差(root mean square error of prediction，RMSEP)。Matlab R2010a用于光譜數(shù)據(jù)預處理和偏最小二乘模型的建立。其中Rp越大，RMSECV/RMSEP越小，模型的預測能力越好。

2 結果與分析

2.1 光譜預處理方法的選擇

圖1 山茶油樣品的原始拉曼光譜圖(a)及截取后的譜圖((bb))Fig.1 Raw and selected Raman spectra of camellia oil samples

從圖1a可以看出，原始光譜在拉曼位移大于2100～2800cm－1之后包含了大量的無用信息，雖然在2850、2880、2950、3015cm－1處存在拉曼響應，但由于在這些波數(shù)處光譜存在重疊，信噪比較大[17-18]，因此，本實驗對原始光譜進行截取，選擇拉曼位移范圍為90～2089cm－1的光譜進行建模分析，每條拉曼光譜包含4000個數(shù)據(jù)點。截取后的譜圖如圖1b所示。

表3 不同預處理方法的建模結果比較Table3 Comparison of modeling results obtained with different preprocessing methods

圖2 校正集中兩種脂肪酸含量與不同拉曼位移處光譜峰強的相關性圖Fig.2 Correlation coefficient between Raman spectral shift intensity and the contents of two fatty acids for calibration dataset

樣品的拉曼光譜除包含樣品自身的組分信息外，還包含電噪音、樣品背景和雜散光等無用信息。雖然原始光譜圖經截取后光譜質量有所提高，然而包含在光譜中的無用信息仍無法消除。本實驗分別采用小波導數(shù)(wavelet derivative，WD)和標準正態(tài)變量變換(standard normal variate，SNV)兩種預處理方法對原始光譜進行有效信息提取，并對原始光譜和預處理后的光譜進行PLS建模，結果如表3所示。從表3可知，對于山茶油的光譜經SNV預處理后，兩種脂肪酸都得到了最好的預測結果。對于棕櫚酸，模型的Rp由原始光譜的0.917提高為0.976，對于十四烷酸，模型的Rp由原始光譜的0.940提高為0.967；同時兩種脂肪酸的RMSECV和RMSEP都得到了降低。采用拉曼光譜進行組分的定量分析時，傳統(tǒng)的計量方法采用線性回歸。由于茶油的拉曼吸收峰較豐富，很難選擇某一峰位作為茶油的特征峰。圖2反映了46個校正樣品不同拉曼位移處拉曼峰強和兩種脂肪酸含量之間的相關性(也就是兩個向量間的相關性)，茶油中棕櫚酸和十四烷酸含量由氣相色譜-質譜儀測定出，峰強值從儀器中直接讀出。從圖2可知，棕櫚酸在1460cm-1處，樣品的吸收峰與棕櫚酸含量的相關性最好，達到0.670；十四烷酸在1483.5cm-1處的相關性最好，為0.600，分別以1460cm-1和1483.5cm-1作為兩種脂肪酸的特征吸收峰建立線性回歸模型，并采用建立的模型對測試集樣品進行預測，結果如表3所示。從表3可知，采用單一吸收峰建立線性回歸模型的預測精度比PLS方法建立的模型預測精度低，主要原因是PLS方法充分考慮了各個吸收峰對模型的貢獻，同時該方法具有降噪和基線校正的作用。

2.2 SPA方法用于建模變量的優(yōu)選

SPA變量優(yōu)選方法能夠有效剔除眾多波長變量間的共線性影響，降低模型的復雜度，提高建模的速度和效率，以其簡便、快速的特點得到越來越多的應用，在多種樣品波長選取中得到了很好的效果。采用SPA方法對經SNV預處理后的拉曼光譜進行建模變量的優(yōu)選，并對選擇后的變量進行PLS建模。優(yōu)選的建模變量數(shù)目與模型的預測結果如表4所示。由表4可知，對于兩種脂肪酸的拉曼光譜，經SPA方法變量優(yōu)選后，建模變量得到明顯減小，分別由4000減少至44和43個，模型的RMSEP都得到了減小，Rp得到了進一步的提高。選出的波數(shù)點分別涵蓋了文獻中報道的脂肪酸特征拉曼吸收峰[17-18]。

表4 變量優(yōu)選前后棕櫚酸和十四烷酸模型的預測結果比較Table4 Comparison of modeling results for palmitic acid and tetradecanoic acid with and without optimization of variables

圖3 棕櫚酸質量分數(shù)的參考值和預測值的相關關系圖Fig.3 Consistency between the reference and predicted contents for palmitic acid

圖4 十四烷酸質量分數(shù)的參考值和預測值的相關關系圖Fig.4 Consistency between the reference and predicted contents for tetradecanoic acid

分別對驗證集樣品的棕櫚酸和十四烷酸質量分數(shù)的氣相色譜-質譜測定值和拉曼光譜模型的預測值進行擬合，結果如圖3、4所示。由圖3、4可知，對于兩種脂肪酸質量分數(shù)的相關關系圖，擬合效果較好，表明所建立的模型可靠性較好，校正和驗證集樣本中兩種脂肪酸質量分數(shù)的分布較為合理。

3 結 論

采用拉曼光譜對山茶油中棕櫚酸和十四烷酸質量分數(shù)進行快速定量分析，不同的光譜預處理方法和基于SPA的變量優(yōu)選方法用于光譜模型的優(yōu)化。結果表明，山茶油的拉曼光譜經SNV預處理后，采用SPA-PLS對兩種脂肪酸進行建模分析，模型的預測精度都得到了明顯提高，建模變量得到極大地縮減。拉曼光譜結合化學計量學方法有望為山茶油中脂肪酸的定量分析提供了一種快速、高效和無損的方法。

[1] 王亞萍, 方學智, 聶明, 等. 幾種抗氧化劑對山茶油的氧化抑制作用研究[J]. 中國油脂, 2010, 35(1): 47-50.

[2] WANG Li, FRANK S C, WANG Xiaoru, et al. Feasibility study of quantifying and discriminating soybean oil adulteration in camellia oils by attenuated total reflectance MIR and fiber optic diffuse reflectance NIR[J]. Food Chemistry, 2006, 95(3): 529-536.

[3] ALAM Z. Triacylglycerols composition, oxidation and oxidation compounds in camelliaoil using liquid chromatography-mass spectrometry[J]. Chemistry and Physics of Lipids, 2012, 165(5): 608.

[4] JUNG E, LEE J, BAEK J, et al. Effect of Camellia japonicaoil on human type Ⅰ procollagen production and skin barrier function[J]. Journal of Ethnopharmacology, 2007, 112(1): 127-131.

[5] 嚴曉麗, 徐昕. 氣相色譜法鑒別摻假山茶油定性及定量研究[J]. 食品工程, 2011(2): 47-49.

[6] 龍奇志, 黃永輝, 鐘海雁, 等. 茶油揮發(fā)性成分的固相微萃取-氣相色譜-質譜分析[J]. 中國食品學報, 2009, 9(3): 187-194.

[7] DAS R S, AGRAWAL Y K. Raman spectroscopy: recent advancements, techniques and applications[J]. Vibrational Spectroscopy, 2011, 57(2): 163-176.

[8] ZHU Guangyong, ZHU Xian, FAN Qi, et al. Raman spectra of amino acids and their aqueous solutions[J]. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2011, 78(3): 1187-1195.

[9] SHIH C J, LUPOI J S, SMITH E A. Raman spectroscopy measurements of glucose and xylose in hydrolysate: role of corn stover pretreatment and enzyme composition[J]. Bioresource Technology, 2011, 102(8): 5169-5176.

[10] WANG Qi, LONERGAN S M, YU Chenxu. Rapid determination of pork sensory quality using Raman spectroscopy[J]. Meat Science, 2012, 91(3): 232-239.

[11] HUANG Zhuangrong, SHA Sha, RONG Zhengqin, et al. Feasibility study of near infrared spectroscopy with variable selection for nondestructive determination of quality parameters in shell-intact cottonseed[J]. Industrial Crops and Products, 2013, 43: 654-660.

[12] PAIVA H M, SOARES S F C, GALVAO R K H, et al. A graphical user interface for variable selection employing the successive projections algorithm[J]. Chemometrics and Intelligent Laboratory Systems, 2012, 118(15): 260-266.

[13] PONTES M J C, GALVAO R K H, ARAUJO M C U, et al. The successive projections algorithm for spectral variable selection in classification problems[J]. Chemometrics and Intelligent Laboratory Systems, 2005, 78(1): 11-18.

[14] MAHDI G V, SEYED S M, MARIA L R M, et al. Screening analysis of beer ageing using near infrared spectroscopy and the successive projections algorithm for variable selection[J]. Talanta, 2012, 89(1): 286-291.

[15] ROBERTO K H G, MARIO C U A, GLEDSON E J, et al. A method for calibration and validation subset partitioning[J]. Talanta, 2005, 67(4): 736-740.

[16] MANZANO E L R, RODRIGUEZ S, NAVAS N, et al. Study of the GC-MS determination of the palmitic-stearic acid ratio for the characterisation of drying oil in painting[J]. Talanta, 2011, 84(4): 1148-1154.

[17] MUIK B, LENDL B, MOLINA-DIAZ A, et al. Direct monitoring of lipid oxidation in edible oils by Fourier transform Raman spectroscopy[J]. Chemistry and Physics of Lipids, 2005, 134(2): 173-182.

[18] EI-ABASSY R M, DONFACK P, MATERNY A. Assessment of conventional and microwave heating induced degradation of carotenoids in olive oil by VIS Raman spectroscopy and classical methods[J]. Fodd Research International, 2010, 43(3): 694-700.

Quantitative Determination of Fatty Acids in Camellia Oil by Using Raman Spectroscopy

HAO Yong1,2，SUN Xu-dong1，GENG Xiang3
(1. College of Mechanical and Electronical Engineering, East China Jiaotong University, Nanchang 330013, China；2. Jiangsu Hengshun Vinegar Industry Co. Ltd., Zhenjiang 212143, China；3. Jiangxi Entry-Exit Inspection and Quarantine Bureau, Nanchang 330038, China)

Raman spectroscopy (RS) was applied for the rapid quantitative determination of fatty acids (palmitic acid and tetradecanoic acid). Totally 70 camellia oil samples were prepared and subjected to Raman spectral analysis. Raw spectra, wavelet derivative (WD) spectra and standard normal variate (SNV) spectra combined with successive projections algorithm (SPA) were adopted to optimize partial least square (PLS) models for quantitative analysis of fatty acids. The results showed that standard normal variate (SNV) and SPA could be used for the optimization of PLS models of fatty acids. The precision of the models was improved, and modeling variables were simplified. The correlation coefficient of prediction (Rp) and root mean square error of prediction (RMSEP) for the palmitic acid model were optimized from 0.917 and 2.191 to 0.981 and 1.078, and the modeling variables were reduced from 4000 to 44. For the tetradecanoic acid model, the Rpand RMSEP were optimized from 0.940 and 0.058 to 0.969 and 0.047, and the modeling variables were 43. This study can provide a rapid method for the analysis of fatty acids in camellia oil.

camellia oil；Raman spectroscopy；palmitic acid；tetradecanoic acid；successive projection algorithm

O655

A

1002-6630(2013)18-0137-04

10.7506/spkx1002-6630-201318027

2012-10-08

國家自然科學基金地區(qū)科學基金項目(21265006)；江西省自然(青年)科學基金項目(20114BAB2011010)；華東交通大學博士啟動基金項目(01309021)

郝勇(1978—)，男，講師，博士，主要從事光譜分析及化學計量學方法研究。E-mail：haonm@163.com