基于近紅外光譜法快速檢測藜麥淀粉含量

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：為研究一種簡便的藜麥粗淀粉含量測定方法，在10 000～4 000 cm-1波數(shù)范圍內(nèi)，采集100個藜麥樣品的近紅外光譜，運用一階導(dǎo)數(shù)+矢量歸一化光譜方法進(jìn)行預(yù)處理，結(jié)合化學(xué)方法所得數(shù)據(jù)建立藜麥粗淀粉近紅外定量模型。結(jié)果表明，該模型校正和預(yù)測效果最佳，所得粗淀粉近紅外定量模型的交叉驗證決定系數(shù)（r2cv）為0.914 7，外部驗證決定系數(shù)（r2val）為0.903 1。由結(jié)果可知，基于近紅外光譜（NIR）法測定藜麥完整籽粒的淀粉含量是完全可行的。

關(guān)鍵詞：藜麥；淀粉；近紅外光譜技術(shù)

中圖分類號：S512.901文獻(xiàn)標(biāo)志碼：A

文章編號：1002-1302（2017）04-0147-02

藜麥（Chenopodium quinoa Willd.）是起源于印第安地區(qū)，有著5 000～7 000年種植歷史的一年生草本植物，是可以在惡劣環(huán)境（鹽堿、干旱、霜凍、病蟲害等）中生長良好的“假谷物”[1-2]。由于藜麥全面的營養(yǎng)價值和獨特的功能特性，聯(lián)合國糧食及農(nóng)業(yè)組織認(rèn)定它為唯一的完美營養(yǎng)食品，聯(lián)合國大會也在2013年宣布該年為“國際藜麥年”[3-4]。研究表明，藜麥大量的優(yōu)質(zhì)蛋白質(zhì)，組成均衡的氨基酸，豐富的淀粉、脂肪、礦物質(zhì)和維生素，可以滿足人體所需的營養(yǎng)元素要求[5]。長期食用藜麥，對心臟病、高血壓、高血糖、高血脂等有很好防治作用[6]。申瑞玲等研究發(fā)現(xiàn)，與其他常見谷物如小麥、稻米和小米等相比，藜麥的淀粉含量較低，適合糖尿病患者和減肥人群[7]。藜麥的碳水化合物中，淀粉含量最高，占干物質(zhì)總量的58.0%～64.2%[8]。藜麥淀粉具有典型的A型X衍射結(jié)構(gòu)，在冷凍與老化過程中穩(wěn)定性強(qiáng)，糊化溫度約為64 ℃[9]。藜麥淀粉的活性生物膜對99%的大腸桿菌、98%的金黃色葡萄球菌具有較強(qiáng)的抗菌活性，被用于食品包裝中延長保質(zhì)期[10]。因此，藜麥淀粉的研究與開發(fā)得到了廣泛的關(guān)注。申瑞玲等運用雙波長法測得藜麥淀粉含量為52.28%～61.85%[7]。另外，還可用旋光分析儀測定藜麥粗淀粉含量[11]。用傳統(tǒng)方法測定淀粉含量，存在步驟繁瑣、測定速度慢、成本高、周期長、籽粒需要粉碎等問題，造成一些不必要的浪費，由于藜麥種質(zhì)資源和親本材料均比較珍貴或者部分資源的種子量偏少，傳統(tǒng)方法不符合種質(zhì)資源和親本材料利用的快速性和完整性，從而大大降低其利用效率。因此，亟需一種快速、準(zhǔn)確、樣品不需預(yù)處理的檢測方法，這將有助于提高藜麥品質(zhì)育種工作效率、加快育種進(jìn)程。

近紅外光譜（NIR）分析技術(shù)是20世紀(jì)90年代以來發(fā)展最快、最引人矚目的光譜分析技術(shù)，具有快速、高效、制樣簡單以及無污染等獨特的分析優(yōu)點[12]。近紅外光譜譜區(qū)范圍為780～2 500 nm，對C—H、N—H、O—H等基團(tuán)的振動有強(qiáng)烈的感應(yīng)，包含豐富的物質(zhì)成分信息、結(jié)構(gòu)信息。近年來，近紅外光譜分析手段在農(nóng)作物品質(zhì)檢測方面取得了較好成績[13-15]。筆者用化學(xué)測定方法測定100份藜麥水分、粗淀粉的含量，然后將其分為定標(biāo)集和驗證集，且建立了淀粉近紅外光譜快速檢測預(yù)處理模型，為藜麥資源的進(jìn)一步快速檢測和利用提供技術(shù)支撐。

1材料與方法

1.1材料和儀器設(shè)備

試驗材料：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、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。試驗所需試劑包括無水乙醇（天津市致遠(yuǎn)化學(xué)試劑有限公司）、鹽酸（北京化工廠）、硫酸鋅（天津市凱通化學(xué)試劑有限公司）、亞鐵氰化鉀（天津市凱通化學(xué)試劑有限公司），均為分析純。

儀器設(shè)備：分析天平，BSA124S Sartorius公司；旋風(fēng)磨 Cyclotec1093，丹麥Foss；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；AP-300旋光儀，上海雙旭電子有限公司。

1.2試驗方法

1.2.1藜麥粗淀粉含量測定方法參考GB 5006—1985《谷物籽粒粗淀粉測定法》，重復(fù)稱取同一樣品2份，每份2.5 g，精確至0.001 g，用旋光儀計算粗淀粉含量。

1.2.2近紅外光譜采集為了獲得最佳的模型及預(yù)測效果，將收集的藜麥樣品在室溫下放置1周左右，平衡水分，同時逐一去除樣品中的雜質(zhì)及外形明顯不同的籽粒（一類脫殼處理，另一類脫殼后磨粉并過60目篩）。首先將近紅外光譜儀器預(yù)熱30 min，進(jìn)行性能測試、調(diào)基線后開始測定樣品。利用德國Bruke公司生產(chǎn)的MPA傅里葉變換近紅外光譜儀，采取樣品的漫反射光譜掃描光程進(jìn)行優(yōu)化和選擇，工作譜區(qū)選擇4 000～12 000 cm-1，每個樣品重復(fù)裝樣掃描2次，取平均值，計算機(jī)自動將反射光譜信息轉(zhuǎn)換成吸光度儲存，然后在OPUS建模軟件上計算分析試驗數(shù)據(jù)。

1.2.3近紅外數(shù)學(xué)模型的建立采用Bruker公司OPUS/QUAN T 5.5光譜定量分析軟件和DPS軟件，進(jìn)行上述光譜數(shù)據(jù)預(yù)處理、譜區(qū)選擇及回歸統(tǒng)計分析。根據(jù)對建模數(shù)據(jù)的要求，將100個藜麥樣品數(shù)據(jù)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[16]。為尋找最優(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，先用校正樣品集進(jìn)行內(nèi)部驗證，再通過隨機(jī)選取的非建模樣品對模型進(jìn)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(biāo)準(zhǔn)誤RMSEE、交叉驗證決定系數(shù)r2cv、交叉驗證標(biāo)準(zhǔn)誤RMSECV、外部驗證決定系數(shù)r2val、預(yù)測標(biāo)準(zhǔn)誤RMSEP等指標(biāo)確定最優(yōu)模型。

2結(jié)果與分析

2.1藜麥原始光譜圖與化學(xué)值

100個藜麥樣品的原始光譜見圖1，可見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。

100個藜麥樣品的淀粉含量分析結(jié)果見表1，其中包括80個校正集、20個驗證集；粗淀粉含量為49.97%～59.32%，3次重復(fù)試驗平均值為54.63%，數(shù)據(jù)變幅較寬，適合建立近紅外分析模型，有較好的適用性。

2.2藜麥淀粉模型的建立

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、譜區(qū)范圍和主因子數(shù)。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(biāo)準(zhǔn)誤差RMSECV等參數(shù)，確定最優(yōu)校正模型。圖2結(jié)果表明，采用一階導(dǎo)數(shù)+矢量歸一化光譜預(yù)處理建立淀粉含量的校正模型，校正效果最佳，淀粉含量的交叉驗證決定系數(shù)（r2cv）為91.47，交叉驗證標(biāo)準(zhǔn)誤（RMSECV）為0.481。

2.3藜麥淀粉模型外部檢驗

采用未參加模型建立的完全獨立、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(jìn)行評價。外部驗證決定系數(shù)（r2val）為0.903 1，預(yù)測標(biāo)準(zhǔn)誤（RMSEP）為0.518，模型的預(yù)測值與真實值之間沒有顯著差異。2種方法測試所得淀粉含量基本一致，說明近紅外品質(zhì)分析儀測定的結(jié)果是準(zhǔn)確可靠的。

3討論

常規(guī)的淀粉含量測定方法是旋光法，試驗費時費力，周期較長，近紅外分析是一種以實驗室化學(xué)測試數(shù)據(jù)為基礎(chǔ)的間接檢測方法，它作為一種新的分析檢測方法，具有分析速度快、多組分同時測定、低分析成本和操作簡單等優(yōu)點，越來越受到科研人員的青睞。本研究選用100個普通藜麥樣品，通過NIRS分析技術(shù)初步建立藜麥完整籽粒淀粉含量預(yù)測模型，決定系數(shù)較高（r2=91.47）、誤差小，在藜麥資源和品質(zhì)育種中，可以快速完成資源和育種材料的品質(zhì)鑒定與分析，極大地縮短工作周期，減小了工作量，提高了資源的快速鑒定與應(yīng)用，對提高育種效率也具有一定意義。

本研究所用材料具有較好代表性，但樣品中淀粉含量的變化范圍尚不夠?qū)挿?；且在模型建立過程中，須要對一些資源淀粉含量的異常值進(jìn)行剔除，對快速檢測模型的準(zhǔn)確性有一定影響，因此須要通過不斷增加藜麥資源數(shù)量，使樣品中有關(guān)成分的變化范圍足夠?qū)挿?，能覆蓋藜麥生產(chǎn)或育種材料中相關(guān)成分的變化范圍；同時，對快速檢測模型作進(jìn)一步的優(yōu)化，提高其準(zhǔn)確性和利用效率。

參考文獻(xiàn)：

[1]Jacobsen S E，Mujica A，Jensen C R. The resistance of quinoa （Chenopodium quinoa Willd.） to adverse abiotic factors[J]. Food Reviews International，2003，19（1/2）：99-109.

[2]Iqbal M J，Reddy O U K，El-Zik K M，et al. A genetic bottleneck in the‘envolution under domesticationof upland cotton Gossypium hirsutum L. examined using DNA fingerprinting[J]. Theoretical and Applied Genetics，2001，103（4）：547-554.[HT][HJ]

[3]Comai S，Bertazzo A，Bailoni L，et al. The content of proteic and nonproteic （free and protein-bound） tryptophan in quinoa and cereal flours[J]. Food Chemistry，2007，100（4）：1350-1355.

[4]Oshodi A A，Ogungbenle H N，Oladimeji M O. Chemical composition，nutritionally valuable minerals and functional properties of benniseed （Sesamun radiatum），pearl millet （Pennisetum typhoides） and quinoa （Chenopodium quinoa）flours[J]. International Journal of Food Sciences and Nutrition，1999，50（5）：325-331.

[5]Vega-Gálvez A，Miranda M，Vergara J，et al. Nutrition facts and functional potential of quinoa （Chenopodium quinoa Willd.），an ancient Andean grain：a review[J]. Journal of the Science of Food and Agriculture，2010，90（15）：2541-2547.

[6]肖正春，張廣倫. 藜麥及其資源開發(fā)利用[J]. 中國野生植物資源，2014，33（2）：62-66.

[7]申瑞玲，張文杰，董吉林，等. 藜麥的主要營養(yǎng)成分、礦物元素及植物化學(xué)物質(zhì)含量測定[J]. 鄭州輕工業(yè)學(xué)院學(xué)報（自然科學(xué)版），2015，30（5）：17-21.

[8]Repo-Carrasco R，Espinoza C，Jacobsen S E. Nutritional value and use of the Andean crops quinoa （Chenopodium quinoa） and kaiwa （Chenopodium pallidicaule）[J]. Food Reviews International，2003，19（1/2）：179-189.[HJ1.8mm]

[9]Nienke L. Studies on the characterization，biosynthesis and isolation of starch and protein from quinoa （Chenopodium quinoa Willd.）[D]. Saskatchewan，Canada：University of Saskatchewan，2005.

[10]Pagno C H，Costa T M，de Menezes E W，et al. Development of active biofilms of quinoa （Chenopodium quinoa W.） starch containing gold nanoparticles and evaluation of antimicrobial activity[J]. Food Chemistry，2015，173（173）：755-762.

[11]周海濤，劉浩，么楊，等. 藜麥在張家口地區(qū)試種的表現(xiàn)與評價[J]. 植物遺傳資源學(xué)報，2014，15（1）：222-227.

[12]嚴(yán)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.

[13]Delwiche S R，Hruschka W R. Protein content of bulk wheat from near-infrared reflectance of individual kernels[J]. Cereal Chemistry，2000，77（1）：86-88.

[14]嚴(yán)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，2005：3-10.

[15]嚴(yán)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，2013：1-7.

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