基于近紅外光譜法的藜麥脂肪含量快速檢測

曹曉寧++田翔++趙小娟++王君杰+++劉思辰++穆志新++陳凌++王海崗++陸平++陶梅++秦慧彬++喬治軍

摘要：為了探索一種快速測定完整藜麥（Chenopodium quinoa Willd）子粒脂肪含量的方法，采集100個藜麥樣品的近紅外光譜，運用近紅外光譜法建立數(shù)學(xué)模型并進行預(yù)測。結(jié)果表明，在10 000～4 000 cm-1波長范圍內(nèi)，運用一階導(dǎo)數(shù)+矢量歸一化光譜方法進行預(yù)處理，結(jié)合化學(xué)方法所得數(shù)據(jù)建立藜麥粗脂肪近紅外光譜定量模型，校正和預(yù)測效果最佳，所得的粗脂肪近紅外定量模型的交叉驗證決定系數(shù)（R2cv）為0.939 3，外部驗證決定系數(shù)（R2val）為0.9235。建立的脂肪近紅外光譜模型，可以用于藜麥脂肪含量的快速檢測。

關(guān)鍵詞：藜麥（Chenopodium quinoa Willd）；脂肪；近紅外光譜；快速檢測

中圖分類號：O657.33 文獻標識碼：A 文章編號：0439-8114（2016）18-4796-03

DOI：10.14088/j.cnki.issn0439-8114.2016.18.041

藜麥（Chenopodium quinoa Willd）又稱南美藜、奎藜等，是有著 5 000～7 000年種植歷史的一年生雙子葉植物，為印加人的傳統(tǒng)食物，主要分布在南美洲安第斯高原[1，2]。藜麥具有耐寒、耐旱、耐瘠薄、耐鹽堿等特性，其子粒不僅含有豐富的蛋白質(zhì)及均衡的氨基酸組成，而且含有豐富的不飽和脂肪酸。不飽和脂肪酸大部分含有碳碳雙鍵，如亞油酸、亞麻酸、花生四烯酸，是人體的必需脂肪酸。不飽和脂肪酸及其代謝物對防治前列腺素、血栓、動脈粥樣硬化，免疫、抗炎和膜功能有重要作用[3]。Bligh等[4]運用萃取提純方法測得粗脂肪含量。Ory等[5]、St Angelo等[6]運用沉淀法檢測脂肪含量。這些方法測定脂肪含量存在步驟繁瑣、測定速度慢、成本高、子粒破損等問題。

近紅外光譜法是近年來迅速發(fā)展的檢測分析技術(shù)，具有快速、高效、制樣簡單以及無污染等優(yōu)點[7]。它是利用有機化學(xué)物質(zhì)在其近紅外光譜區(qū)內(nèi)（780～2 500 nm）的光學(xué)特性快速估測樣品中的一種或多種化學(xué)成分含量，是分析農(nóng)作物品質(zhì)的重要手段[8-10]。利用近紅外反射光譜進行藜麥完整子粒的脂肪測量，可以避免化學(xué)方法對藜麥子粒造成破壞，對藜麥品質(zhì)育種工作有重要的實踐意義。本研究利用化學(xué)方法測定了100份藜麥水分和粗脂肪的含量，然后將其分為校正集和驗證集，建立了脂肪近紅外光譜法快速檢測預(yù)處理模型，為進一步的農(nóng)作物子粒分析奠定基礎(chǔ)。

1 材料與方法

1.1 材料

供試的100份藜麥品種（系）由中國農(nóng)業(yè)科學(xué)院作物科學(xué)研究所外引室陸平研究員和陶梅研究員以及山西省農(nóng)業(yè)科學(xué)院農(nóng)作物品種資源研究所提供。

1.2 儀器

BSA124S型分析天平，德國Sartorius公司；Cyclotec1093型旋風(fēng)磨、Soxtec 2055型索氏提取儀，丹麥Foss公司；電熱恒溫鼓風(fēng)干燥箱，寧波東南儀器有限公司；MPA傅里葉變換近紅外光譜儀，德國Bruke公司。

1.3 方法

1.3.1 藜麥脂肪測定方法 粗脂肪測定：參考GB2906-82，重復(fù)稱取同一樣品兩份，每份2 g，準確至0.001 g。利用索氏提取儀測定計算粗脂肪百分含量。

1.3.2 近紅外光譜采集 為了獲得最佳的模型建立及預(yù)測效果，將收集的藜麥樣品于室溫下放置一周左右，平衡水分，同時去除每一樣品中的雜質(zhì)及外形明顯不同的子粒（一類脫殼，另一類脫殼后磨粉過60目篩）。將近紅外光譜儀器預(yù)熱30 min，進行性能測試和白板參比后開始測定樣品。工作譜區(qū)選用12 000～4 000 cm-1，掃描次數(shù)64次，分辨率16 cm-1，掃描溫度25 ℃，每份樣品均掃描2次。光譜用Bruker公司OPUS 5.5近紅外處理軟件得到平均光譜，計算機自動將反射光譜信息轉(zhuǎn)換成吸光度儲存，然后在OPUS建模軟件上分析試驗數(shù)據(jù)。

1.3.3 近紅外數(shù)學(xué)模型的建立 采用Bruker公司OPUS/QUAN T5.5光譜定量分析軟件和DPS軟件，進行上述光譜數(shù)據(jù)預(yù)處理、剔除異常樣品以及回歸統(tǒng)計分析。根據(jù)徐廣通等[11]對建數(shù)據(jù)的要求，將100個藜麥樣品數(shù)據(jù)進行分組，其中80%用于建立近紅外模型，為校正集；20%用于檢驗所建模型的精度，為驗證集。為尋找各模型的最優(yōu)建模方法，選用不同的建模方法建立藜麥主要成分定量模型，先用校正集進行內(nèi)部驗證，最后通過隨機選取的建模之外樣品對模型進行外部檢驗，考察模型的適應(yīng)性和精度，即根據(jù)校正決定系數(shù)R2cal，校正標準誤RMSEE，交叉驗證決定系數(shù)R2cv，交叉驗證標準誤RMSECV，外部驗證決定系數(shù)R2val，預(yù)測標準誤RMSEP等指標確定最優(yōu)模型。

2 結(jié)果與分析

2.1 藜麥原始光譜與化學(xué)值表

100個藜麥樣品的原始光譜見圖1，藜麥在光譜波段范圍10 000～4 000 cm-1內(nèi)存在多個吸收峰，其變化趨勢一致但是不重合，說明樣品含量變化范圍較大。

100個藜麥樣品的脂肪含量分析結(jié)果見表1，其中包括校正集和驗證集，粗脂肪含量4.19%～6.46%，3次重復(fù)試驗平均值為5.33%，數(shù)據(jù)變幅較寬，適合建立近紅外光譜分析模型，有較好的適用性。

2.2 藜麥脂肪模型的建立

本試驗利用OPUS/QUAN T5.5軟件中的自動優(yōu)化功能，篩選建模的最佳光譜預(yù)處理方法、主因子數(shù)和譜區(qū)范圍。通過交叉驗證，比較不同光譜預(yù)處理方法與譜區(qū)范圍組合的交叉驗證決定系數(shù)R2、交叉驗證標準誤RMSECV等參數(shù)，確定最優(yōu)校正模型。結(jié)果（圖2）表明，采用一階導(dǎo)數(shù)+矢量歸一化光譜預(yù)處理，建立脂肪含量的校正模型，校正效果最佳。脂肪含量交叉驗證決定系數(shù)（R2cv）為0.939 3，交叉驗證標準誤（RMSECV）為0.131。

2.3 藜麥脂肪模型外部檢驗

采用未參加模型建立的完全獨立的、化學(xué)成分已知的驗證集樣品對所建模型的質(zhì)量或?qū)嶋H預(yù)測效果進行評價。外部驗證決定系數(shù)（R2val）為0.923 5，預(yù)測標準誤（RMSEP）為0.152，模型的預(yù)測值與真實值間沒有顯著差異。兩種方法測試脂肪含量的結(jié)果基本一致，表明近紅外光譜測定的結(jié)果是準確的。

3 小結(jié)與討論

本研究選用100個普通藜麥樣品，通過近紅外光譜分析技術(shù)初步建立的藜麥完整子粒脂肪含量預(yù)測模型，決定系數(shù)較高、誤差小，結(jié)果較為準確。在藜麥品質(zhì)育種中的早代材料篩選和藜麥資源品質(zhì)快速鑒定上是可行的，能夠滿足大批量資源品系的快速、無損檢測要求，極大地縮短了工作周期和減小了工作量，對提高資源的快速鑒定及育種效率具有重要意義。

本研究中所用材料具有較好的代表性，但由于資源樣品較少，樣品中脂肪含量的變化范圍未必能夠覆蓋未來藜麥研究中資源脂肪的高（低）含量，且在模型的建立過程中剔除了部分異常值，對模型的準確性也有一定影響。因此應(yīng)在現(xiàn)有研究的基礎(chǔ)上，通過藜麥資源數(shù)量的不斷增加，使其能夠盡可能覆蓋今后藜麥生產(chǎn)或育種材料中這些成分的變化范圍，并對快速檢測模型不斷進行優(yōu)化，提高其準確性和利用效率。

參考文獻：

[1] JACOBSEN S E，MUJICA A，JENSEN C R. The resistance of quinoa（Chenopodium quinoa Willd）to adverse abiotic factors[J].Food Rev Int，2003，19（1/2）：99-109.

[2] IQBAL M J，REDDY O K，ELZIK K M，et al. A genetic bot-tleneck in the envolution under domestication of upland cotton Gossypium hirsutum L. examined using DNA fingerprinting[J].Theoretical and Appliede Genetics，2001，103（4）：547-554.

[3] ABUGOCH J L E. Quinoa（Chenopodium quinoa Willd.）： Composition， chemistry， nutritional， and functional properties[J]. Advances in Food and Nutrition Research，2009，58：1-31.

[4] BLIGH E G，DYER W J. A rapid method of total lipid extraction and purification[J].Canadian Journal of Biochemistry and Physiology，1959，37（8）：911-917.

[5] ORY R L，DELUCCA A J，ST ANGELO A J，et al. Storage quality of brown rice as affected by packaging with and without carbon dioxide[J].Journal of Food Protection，1980，43：929-932.

[6] ST ANGELO A J，ORY R L. Effect of minor constituents and additives upon peroxidation of oil in peanut butter[J].Journal of the American Oil Chemists Society，1975，52：38-40.

[7] 嚴衍祿，趙龍蓮，李軍會，等.現(xiàn)代近紅外光譜分析的信息處理技術(shù)[J].光譜學(xué)與光譜分析，2000，20（6）：777-780.

[8] 嚴衍祿，陳 斌，朱大洲，等.近紅外光譜分析的原理技術(shù)與應(yīng)用[M].北京：中國輕工業(yè)出版社，2013.

[9] 嚴衍祿，趙龍蓮，韓東海，等.近紅外光譜分析基礎(chǔ)與應(yīng)用[M].北京：中國輕工業(yè)出版社，2005.

[10] DELWICHE S R，HRUSCHKA W R. Protein content of bulk wheat from near-infrared reflectance of individual kernels[J].Cereal Chemistry，2000，77（1）：86-89.

[11] 徐廣通，袁洪福，陸婉珍.近紅外光譜儀器概況與進展[J].現(xiàn)代科學(xué)儀器，1997（3）：9-11.