電子鼻結合氣相色譜-質譜法對寧夏小尾寒羊肉中鴨肉摻假的快速檢測

王 綪，李 璐，王佳奕，張 娟，王遠一飛，丁 武*

電子鼻結合氣相色譜-質譜法對寧夏小尾寒羊肉中鴨肉摻假的快速檢測

王 綪，李 璐，王佳奕，張 娟，王遠一飛，丁 武*

（西北農(nóng)林科技大學食品科學與工程學院，陜西 楊凌 712100）

以寧夏小尾寒羊為研究對象，將熟化的鴨肉按照不同比例摻入到羊肉中制作成摻假肉樣，利用電子鼻和氣相色譜-質譜法對肉樣進行快速檢測。通過電子鼻對肉樣揮發(fā)性成分的響應，利用Fisher線性判別分析，線性回歸擬合分析等進行定性定量判別和模型的建立。同時利用固相微萃取結合氣相色譜-質譜聯(lián)用儀對樣品進行檢測。結果表明，F(xiàn)isher線性判別分析能區(qū)分不同樣品，線性回歸擬合分析相關系數(shù)高達0.965，利用Fisher線性判別分析預測摻假正確率為98.2%。氣相色譜-質譜法共檢測到26 種揮發(fā)性化合物，3-環(huán)庚烯-1-酮、3-甲基丁醛等被認為在區(qū)分不同樣品中起重要作用。利用電子鼻和氣相色譜-質譜法數(shù)據(jù)建立偏最小二乘模型回歸方程的決定系數(shù)均高于0.950。得到傳感器S1、S3、S5、S6、S8和S9的響應值與氣相色譜-質譜結果具有較高的相關性。

羊肉；鴨肉；電子鼻；氣相色譜-質譜法；多元分析方法

羊肉因其脂肪和膽固醇含量低，蛋白質、氨基酸、鈣、鉀等礦物質含量高而倍受消費者的青睞[1]。在肉制品生產(chǎn)量和銷售量很高的中國，羊肉居民肉品消費中占有很大比例，為市場帶來了較高的經(jīng)濟效益。寧夏小尾寒羊是我國的地方優(yōu)良品種，具有產(chǎn)肉性能好、繁殖率高等優(yōu)點[2]，是我國西北地區(qū)主要的羊肉制品來源。但是，市場上存在將羊膘與雞肉、鴨肉混合或僅添加羊肉粉等香精處理后冒充寧夏小尾寒羊羊肉進行銷售。這種現(xiàn)象嚴重干擾了正常的市場競爭，損害了消費的身體健康，影響了廣大穆斯林群眾的消費。如何實現(xiàn)快速且準確地鑒別羊肉摻假是我國動物源性食品安全研究的關鍵問題，因此，研究快速檢測羊肉中其他肉類的摻假的方法極為重要。

目前，肉制品摻假的安全檢測主要集中在聚合酶鏈式反應法[3-5]、氣相色譜法和液相色譜法[6-8]、近紅外光譜法[9-11]、酶聯(lián)免疫吸附法[12-15]等。與此同時，電子鼻作為一種基于生物嗅覺模式建立起來的檢測系統(tǒng)，有著操作簡單、快速的特點，但其無法對樣品中各組分進行準確定量[16-17]，而氣相色譜-質譜（gas chromatography-mass spectrometry，GC-MS）法有準確定性、定量的特點，兩者結合起來使用，極大地發(fā)揮了儀器的優(yōu)勢[18]，在肉品摻假檢測等方面起到了很好的作用。Hansen等[19]用電子鼻結合GC-MS法鑒別了肉類加工中的原材料，結果表明方差偏最小二乘回歸法和主成分分析法可以用于分析電子鼻結合GC-MS檢驗的數(shù)據(jù)結果。Nurjuliana等[20]用同樣的方法檢測了清真肉及肉制品的真實性時，得出該種方法可以準確鑒定清真原料肉和香腸中是否含有豬肉。由此說明，不同摻假物質的揮發(fā)性成分是可以被電子鼻和GC-MS檢測出來的，并且GC-MS還可準確對其定量，這為電子鼻結合GC-MS檢測不同程度摻假羊肉提供了依據(jù)。目前，鑒于鴨肉有價格便宜、與羊肉口感相似等特點，許多商家有在羊肉中摻入鴨肉進行銷售的行為[21]，本實驗以這種摻假羊肉為研究對象，采用電子鼻結合固相微萃取-GC-MS（solid phase microextraction-GC-MS，SPME-GC-MS）聯(lián)用儀檢測不同比例的鴨肉摻假羊肉樣品，通過電子鼻傳感器對肉品揮發(fā)性成分的響應，利用Fisher線性判別分析（Fisher linear discriminant analysis，F(xiàn)LDA）、線性回歸擬合分析等方法對結果進行定性定量分析。并在數(shù)據(jù)選擇上，利用穩(wěn)健馬氏距離法剔除異常值[22]，duplex法對訓練集和驗證集進行劃分[23]。

1 材料與方法

1.1 材料與試劑

寧夏小尾寒羊羊肉后腿肉、山東優(yōu)質鴨腿肉 楊陵農(nóng)貿(mào)市場；實驗開始前于4 ℃冰箱保存，肉樣均為現(xiàn)用現(xiàn)買，最大程度保持新鮮。

甲醇、鄰二氯苯（均為色譜純） 上海阿拉丁公司。

1.2 儀器與設備

PEN3電子鼻 德國Airsense公司；7890-5975C GC-MS聯(lián)用儀 美國Agilent公司；手動SPME進樣器、固定裝置、75 μm碳分子篩/聚二甲基硅氧烷（carboxen/polydimethylsiloxane，CAR/PDMS）萃取頭 上海安譜實驗科技股份有限公司；水浴鍋 山海赫田科學儀器有限公司；杰博士MG-1220絞肉機 佛山金宜美電器有限公司；進樣瓶（帶PTFE密封墊片） 美國Hach公司。PEN3電子鼻性能與參數(shù)見表1。

表1 PEN3電子鼻傳感器名稱及性能描述Table 1 Sensors and their performance used in electronic nose (PEN3)

1.3 方法

1.3.1 羊肉摻假鴨肉樣品的制備

將生鮮羊肉和鴨肉分別絞碎，按照0%、10%、30%、50%、70%、100%的比例將鴨肉摻入羊肉中制成摻假肉樣，再次攪拌使其充分混勻。取10 g肉樣于50 mL進樣瓶內，保鮮膜封口，置于90 ℃水浴熟制1 h[24]。熟制標準為無紅血絲。在實驗開始前置于4 ℃冰箱密封保存?zhèn)溆谩Ｃ總€處理10 個平行。

1.3.2 電子鼻檢測

取10 g肉樣與50 mL電子鼻進樣瓶內密封，上機前于50 ℃水浴鍋保溫30 min，室溫平衡30 min。保證所有樣品24 h內測量完成，以最大程度降低樣品之間的其他差異。每個處理10 個平行，每隔10 d重復實驗，重復4 次。

經(jīng)預實驗對相關參數(shù)優(yōu)化后，設置電子鼻實驗參數(shù)為：樣品準備5 s；檢測時間60 s；測量計數(shù)1 s；自動調零時間10 s；清洗時間300 s；內部流量400 mL/min；進樣流量400 mL/min。

1.3.3 SPME-GC-MS檢測

1.3.3.1 內標物溶液的配制

稱取5.55 mg的鄰二氯苯，用甲醇定容至100 mL，配制成0.055 5 μg/μL的鄰二氯苯-甲醇溶液。作為內標物溶液進行后續(xù)分析。

1.3.3.2 SPME提取揮發(fā)性成分

將SPME萃取頭置于GC-MS進樣口進行老化后，于裝有10 g摻假肉樣的50 mL進樣瓶中加入2 μL內標物溶液后，迅速蓋上帶有PTFE密封墊片的瓶蓋，置于50 ℃水浴鍋預熱10 min。插入SPME萃取頭吸附30 min，然后取下萃取頭在GC-MS進樣口于260 ℃解吸5 min。每個摻假肉樣制作3 個平行。

1.3.3.3 GC-MS檢測

整個模式采用不分流進樣，利用分化毛細管柱（30 m×250 μm，0.25 μm）進行揮發(fā)性化合物的分離。GC相關參數(shù)經(jīng)預實驗優(yōu)化后設定條件：升溫程序：起始溫度40 ℃，保持3 min，以8 ℃/min升溫到80 ℃，然后以10 ℃/min升溫到200 ℃?？傆嫊r長20 min。MS條件：電子電離源；電子能量70 eV；離子源溫度230 ℃；四極桿溫度150 ℃；質量掃描范圍m/z 35～400。

1.4 數(shù)據(jù)處理

采用基于最小協(xié)方差估計的穩(wěn)健馬氏距離異常值檢測方法剔除異常值[22]。對數(shù)據(jù)進行線性判別分析（linear discriminant analysis，LD A），線性回歸擬合分析等。建立FLDA，驗證模型正確率。GC-MS檢測揮發(fā)性成分的定性分析采用計算機譜庫（NIST）進行檢索確定。

FLDA分析采用SPSS 20軟件處理；線性回歸擬合分析和偏最小二乘（partial least squares，PLS）分析采用Minitab處理；異常值檢測，訓練集及驗證集劃分采用Matlab R 2010a處理。

2 結果與分析

2.1 電子鼻數(shù)據(jù)分析

2.1.1 電子鼻傳感器響應信號分析

圖1 電子鼻對羊肉摻假鴨肉的響應Fig. 1 Electronic nose sensor responses to volatile components of mutton adulterated with duck

若有揮發(fā)性物質檢出，則傳感器響應曲線向上或向下偏離1，若沒有則在1附近區(qū)域平穩(wěn)。響應曲線圖能夠反映出每個電子鼻傳感器對揮發(fā)性物質的響應情況，以此顯示待測樣品在哪些傳感器中有較高響應值。圖1為以50%的一個摻假肉樣為例繪制而成。進樣后，電子鼻的10 個傳感器響應值逐漸偏離基線，然后趨于平穩(wěn)并在55 s后多數(shù)傳感器達到穩(wěn)定狀態(tài)，故選取56～59 s平均響應值作為特征值。如圖1所示，肉樣最高響應值達到8以上，說明肉樣的揮發(fā)性成分濃度較高。其他傳感器變化不大，而S7和S2急劇增加，這意味著摻假肉樣中的硫化物和氮氧化合物含量較高。對于羊肉和鴨肉，烴類和醇類有助于提高肉品的整體風味。含硫含氮含氧化合物對肉品風味貢獻必不可少，有研究得出熟制羊肉中二硫化碳、二甲基硫醚及2-乙?；?2-噻唑啉等含硫含氮化合物在含量上比生鮮羊肉高很多[25]。水煮鴨肉中出現(xiàn)2-戊基呋喃、二甲基三硫化合物等[26]。諸如此類物質的變化可能導致熟制肉樣S7和S2傳感器檢測到的響應值急劇增加，由此說明電子鼻能較好反映出摻假肉樣的總體揮發(fā)性成分信息。

圖2 電子鼻對羊肉摻假鴨肉響應雷達圖Fig. 2 Radar plots of the responses of the sensors to mutton adulterated with duck

除了響應曲線，雷達圖能夠較好地反映出在區(qū)分不同樣品中起著主要作用的傳感器。如圖2所示，S2和S7對于不同樣品的響應有十分顯著的差異，其他傳感器變化不大。并且響應最高值接近10。分析原因可能是肉品熟化后產(chǎn)生高濃度的揮發(fā)性風味物質，并且種類相對集中。

2.1.2 LDA結果

圖3 摻假肉樣異常值檢測Fig. 3 Outlier diagnosis plots for mutton adulterated with duck

本研究有6 組樣品，每個樣品做40 個平行。按照穩(wěn)健馬氏距離剔除異常值方法，每個樣品剔除8 個異常值。圖3為以一個樣品為例剔除異常值方法。在40 個平行樣品中1、16、18、21、22、29、33、40號樣品為異常值被剔除。用相同方法分別對240 個樣品進行處理，剩余192 個供分析。LDA是統(tǒng)計模式識別方法之一，其目的是從高維特征空間中抽取最具鑒別能力的低維特征，當樣本數(shù)據(jù)在該低維特征上投影后，不同類別的樣本盡可能分開，而相同類別的樣本則盡可能的聚集[27]。通過將高維點向低維點的投影來提取特征值，將空間劃分為若干個子空間。

圖4 羊肉摻假鴨肉線性分析二維圖（A）和三維圖（B）Fig. 4 Two-dimensional (A) and three-dimensional graphs (B) of LDA for mutton adulterated with duck

如圖4A所示，LD1方差貢獻率為76.5%，LD2貢獻率為18.2%，總貢獻率為94.7%。除去50%和70%樣品分布區(qū)域有部分重疊外，其他樣品可以被區(qū)分開。并且隨著鴨肉含量的增加，各樣品分布區(qū)域在第1主成分上離原始樣品距離越來越遠，呈現(xiàn)規(guī)律性分布，因此電子鼻能夠更好地區(qū)分不同摻假比例的肉樣。為了達到更加明顯的區(qū)分效果，繪制LDA三維圖，如圖4B所示。三維圖LD1貢獻率為76.5%，LD2為18.2%，LD3為3.7%，總貢獻率為98.4%。同樣的只有50%、70%摻假肉樣樣本點間有部分重疊，其他樣品區(qū)分良好。并且三維圖同一樣品點分布更加集中，使得不同樣品間區(qū)分更加明顯。

2.1.3 線性回歸擬合分析

如圖5所示，散點圖從左至右分別為摻假比例0%、10%、30%、50%、70%、100%的肉樣。所有樣品實際值和預測值都比較接近，說明電子鼻能夠對摻假肉樣做出較為準確的預測，并且預測最低檢測摻假比例可達到10%。

以預測摻假比例為因變量，10 個傳感器響應值為自變量，得出圖5相應的回歸方程為：y=0.895+0.048x1-0.0871x2-3.66x3+0.0414x4+2.54x5-1.89x6+0.0597x7+2.98x8-1.38x9+0.222x10。該回歸模型的決定系數(shù)為0.966，調整決定系數(shù)為0.965，回歸擬合度高。表明羊肉摻假樣品實際值與預測值擬合良好，回歸模型預測可靠程度較高。

圖5 摻假肉樣回歸模型圖Fig. 5 Good agreement between regression model predicted and actual data

2.1.4 FLDA預測模型的建立

預測模型的建立就是為了利用大部分數(shù)據(jù)建立的模型來對小部分數(shù)據(jù)做出正確的預測。因此模型建立所選取的有代表性的數(shù)據(jù)很重要，稱為訓練集。本研究利用一種計算機識別方法duplex方法，來劃分訓練集和驗證集。使用這種方法分別將2 種摻假肉樣都劃分為訓練集135 個，驗證集57 個，劃分結果見表2。

表2 摻假肉樣分組結果Table 2 Grouping of adulterated meat samples

用數(shù)字1～6分別代表摻假比例為0%、10%、30%、50%、70%、100%的羊肉摻假鴨肉肉樣。利用SPSS軟件，將訓練集135 個樣本數(shù)據(jù)作為FLDA模型的變量輸入，上述6 個樣品作為判別輸出。由此提取出5 個維度的判別函數(shù)。

將訓練集和驗證集樣本代入分類函數(shù)中，就可以得到最終的分類正確率，如表3所示，訓練集回判正確率達到99.3%，交叉驗證正確率達到95.6%，驗證集預測正確率達到98.2%。所有樣品中只有50%和70%摻假比例的2組樣品中存在互相錯判的情況。摻假肉樣的各項回判正確率均高于95%，說明該模型適用性好，可以作為一種有效的分析工具應用到羊肉摻假鴨肉的電子鼻檢測中。

表3 FLDA分類結果Table 3 Results of FLDA classifi cation

2.2 SPME-GC-MS檢測結果

由表4可知，從6 種羊肉摻假鴨肉樣品中共檢測到26 種揮發(fā)性化合物，分別為烷烴類（5）、酮類（5）、醛類（9）、醇類（5）、硫化物類（1）和含氮化合物（1）。利用方差分析對揮發(fā)性化合物的含量進行分析。在所有樣品均含有的揮發(fā)性化合物中，大多數(shù)均在含量上有著顯著差異。表明不同比例的羊肉摻假鴨肉所釋放出來的揮發(fā)性化合物在含量上隨摻假比例的不同而呈現(xiàn)出較大差異。其中化合物：巰基乙烷、3-甲基丁醛、3-環(huán)庚烯-1-酮、2,3-辛二酮、辛醛、2-辛烯-1-醇、吲哚、2-環(huán)己烯-1-醇，在區(qū)分不同摻假樣品上有著最重要的影響。因為在不同樣品中含量有著明顯的區(qū)別，甚至很多化合物在一種或幾種樣品中含有，在其他樣品中未被檢測到。明顯可以看到在檢測到的化合物中，己醛含量較高，吲哚和2-環(huán)己烯-1-醇含量較低。另外，除了幾種在鴨肉中含量較高的化合物外，其他化合物的含量均隨著羊肉含量的減少而減少，分析原因是羊肉香氣更濃郁，含有的揮發(fā)性化合物含量比鴨肉高。

表4 利用GC-MS從6 個摻假肉樣中檢測到的揮發(fā)性化合物含量Table 4 Relative contents of the volatile compounds detected in six meat samples by GC-MS

檢測出的烴類，如戊烷、2-甲基-3-乙基-1,3-己二烯、辛烷，在鴨肉中時長出現(xiàn)，尤其是煮熟的鴨肉中[28]，但這幾種物質在鴨肉和羊肉中都有，其存在并不能很大程度上反映出不同樣品之間的區(qū)別。如表4所示，在羊肉含量較大的樣本中沒有巰基乙烷、3-甲基丁醛和吲哚的存在，但是它們出現(xiàn)在鴨肉含量很高的樣品中。有研究表明，3-甲基丁醛是鴨肉中主要含有物質[25]，吲哚也是在鴨肉中檢測到的化合物，但是它并不來自鴨肉本身，而是鴨肉在熟化的過程中產(chǎn)生的反應產(chǎn)物。隨著鴨肉含量的增多，逐漸出現(xiàn)吲哚。諸如這類物質也在羊肉摻假鴨肉的不同樣品的區(qū)分中起著重要的作用。還有一類化合物，如3-環(huán)庚烯-1-酮、2-辛烯-1-醇、2-環(huán)己烯-1-醇，它們在羊肉中含有較高水平的含量，并在純鴨肉中消失。在這些物質中3-環(huán)庚烯-1-酮被認為是羊肉中存在的主要的物質，然而，它們在鴨肉中也有較少量存在[28]。盡管這類物質在樣品中的含量很少，但它們的存在對區(qū)分不同摻假比例的羊肉樣品有著巨大的貢獻。很多其他的物質在羊肉和鴨肉樣品中均檢測到，例如2-戊基呋喃也曾在鴨肉中被檢測到[29]。3-羥基丁酮是鴨肉中主要含有的化合物，但是在羊肉中也存在[30]。

2.3 電子鼻與GC-MS實驗結果相關關系

為了探究GC-MS與電子鼻數(shù)據(jù)的相關性，利用PLS建立2 種儀器數(shù)據(jù)的數(shù)學模型，利用模型中決定系數(shù)R2的大小來判斷2 種儀器在測定上的相關性。為了便于數(shù)據(jù)處理的方便，把利用GC-MS得到26 種揮發(fā)性化合物進行高一級種屬的劃分?？偣矂澐譃? 大類物質：烴類、酮類、醛類和醇類，并將各種化合物的含量按照劃分種屬進行合并，如表5所示。這樣的劃分使數(shù)據(jù)具有代表性，并且更利于清晰PLS模型的建立。

表5 GC-MS揮發(fā)性化合物含量Table 5 Relative contents of four classes of volatile compounds based on GC-MS data

根據(jù)PLS模型的原理，以電子鼻10根傳感器數(shù)據(jù)為自變量，以從GC-MS得到的4 大類化合物的含量為因變量來建立模型，決定系數(shù)R2數(shù)值越高，證明2 種儀器得到的數(shù)據(jù)相關性越高，模型可靠性和適用性越高。4 個回歸方程和決定系數(shù)值R2分別為0.950、0.955、0.966、0.959。

圖6 電子鼻和GC-MS揮發(fā)性物質實際值與預測值的PLS模型結果Fig. 6 Good agreement between actual and PLS predicted contents of volatile compounds based on E-nose and GC-MS data

回歸方程y1、y2、y3、y4分別代表烴類、酮類、醛類和醇類的含量，x1～x10代表電子鼻10 個傳感器的響應值，以此建立4 個回歸方程。如圖6所示，PLS模型反映了烴類、酮類、醛類和醇類4 大類物質的實際含量與模型的預測含量之間的關系。可以看到4 個方程的R2均大于0.950，表明PLS模型實際值和預測值表現(xiàn)良好。說明GC-MS與電子鼻實驗數(shù)據(jù)在區(qū)分羊肉摻假鴨肉方面具有高度的相關性。在第1個回歸方程中，S1、S5、S6、S8和S9的系數(shù)絕對值較高，說明烴類的含量受這幾個傳感器的影響較大，其他方程同理?？偟膩碚f，電子鼻傳感器S1、S3、S5、S6、S8和S9的響應值對GC-MS檢測到的4 種揮發(fā)性化合物大類的預測含量影響較大。根據(jù)表1，這些傳感器對芳香類物質、氨、烷烴類、甲烷、乙醇和含硫化合物敏感，與GC-MS檢測的4 大類物質部分保持一致。通過GC-MS檢測出的具體揮發(fā)性化合物以及其與電子鼻傳感器響應值的關系，電子鼻實驗的準確性和可靠性更加能夠得以體現(xiàn)。

3 結 論

利用duplex方法劃分訓練集和驗證集，使樣本數(shù)據(jù)更具代表性，實驗結果更加可靠；FLDA二維圖樣本區(qū)分良好；線性回歸模型預測可靠程度很高，說明電子鼻技術在羊肉摻假鴨肉的定性定量判別中應用可行；在FLDA模型中，預測正確率高達98.2%。驗證了電子鼻技術應用于羊肉摻假鴨肉研究的可行性。SPME-GC-MS共得到26 種揮發(fā)性化合物，其中巰基乙烷、3-甲基丁醛、3-環(huán)庚烯-1-酮等8 種物質因其在不同樣品中含量差異較大，被認為是區(qū)分不同樣品的重要化合物。GC-MS與電子鼻數(shù)據(jù)結果建立的PLS模型決定系數(shù)均大于0.950，具有很好的相關性。表明電子鼻和GC-MS結果可以相互驗證。

肉類摻假比例的設定還可以進一步細化，并探究電子鼻技術在羊肉摻假鴨肉快速檢測中的精確度。模型的建立相對單一，除去寧夏小尾寒羊，可以進一步考察不同產(chǎn)地，不同品種的羊肉和鴨肉摻假模型的建立，增大樣本量；另外，與單純利用電子鼻分析相比，電子鼻與GC-MS、液相色譜-質譜聯(lián)用儀等的結合應當被推廣研究，以細化到具體的揮發(fā)性物質在電子鼻識別響應中的作用。

[1] TIAN H L, ZHAN P, LI W G, et al. Contribution to the aroma characteristics of mutton process fl avor from oxidized suet evaluated by descriptive sensory analysis, gas chromatography, and electronic nose through partial least squares regression[J]. European Journal of Lipid Science and Technology, 2014, 116(11)∶ 1522-1533.DOI∶10.1002/ejlt.201300473.

[2] 龐其艷, 胡皋, 鄧國維. 小尾寒羊在寧夏川區(qū)生產(chǎn)性能與適應性研究[J]. 寧夏農(nóng)林科技, 1996(5)∶ 41-44.

[3] CALVO J H, ZARAGOZA P, OSTA R. A quick and more sensitive method to identify pork in processed and unprocessed food by PCR amplification of a new specific DNA fragment[J]. Journal of American Society of Animal Science, 2001, 79(8)∶ 2108-2112.DOI∶10.2527/2001.7982108x.

[4] 史艷宇, 劉金華, 王瑩, 等. 聚合酶鏈式反應快速檢測畜肉食品中鴨源性成分[J]. 食品科學, 2014, 35(10)∶ 163-165. DOI∶10.7506/spkx1002-6630-201410030.

[5] KARABASANAVAR N S, SINGH S P, KUMAR D, et al.Development and application of highly specifi c PCR for detection of chicken (Gallus gallus) meat adulteration[J]. European Food Research and Technology, 2013, 236(1)∶ 129-134. DOI∶10.1007/s00217-012-1868-7.

[6] VON BARGEN C, BROCKMEYER J, HUMPF H U. Meat authentication∶ a new HPLC-MS/MS based method for the fast and sensitive detection of horse and pork in highly processed food[J].Journal of Agricultural and Food Chemistry, 2014, 62(39)∶ 9428-9435.DOI∶10.1021/jf503468t.

[7] 張穎穎, 趙文濤, 李慧晨, 等. 液相色譜串聯(lián)質譜對摻假牛肉的鑒別及定量研究[J]. 現(xiàn)代食品科技, 2017, 33(2)∶ 230-237. DOI∶10.13982/j.mfst.1673-9078.2017.2.035.

[8] 李瑩瑩, 張穎穎, 丁小軍, 等. 液相色譜-串聯(lián)質譜法對羊肉中鴨肉摻假的鑒別[J]. 食品科學, 2016, 37(6)∶ 204-209. DOI∶10.7506/spkx1002-6630-201606037.

[9] 楊志敏, 丁武. 近紅外光譜技術快速鑒別原料肉摻假的可行性研究[J]. 肉類研究, 2011, 25(2)∶ 25-28. DOI∶10.3969/j.issn.1001-8123.2011.02.007.

[10] 張玉華, 孟一, 姜沛宏, 等. 近紅外技術對不同動物來源肉摻假的檢測[J]. 食品工業(yè)科技, 2015, 36(3)∶ 316-319; 334. DOI∶10.13386/j.issn1002-0306.2015.03.058.

[11] SAHAR A, DUFOUR é. Use of Fourier transform-infrared spectroscopy to predict spoilage bacteria on aerobically stored chicken breast fillets[J]. LWT-Food Science and Technology, 2014, 56(2)∶315-320. DOI∶10.1016/j.lwt.2013.12.009.

[12] 林楨. 酶聯(lián)免疫技術及其在肉品安全快速檢測中的應用[J]. 食品安全導刊, 2013(3)∶ 76-77. DOI∶10.16043/j.cnki.cfs.2013.03.022.

[13] KOTOURA S, MURAKAMI-YAMAGUCHI Y, NAKAMURA M,et al. A sandwich ELISA for the determination of beef meat content in processed foods[J]. Food Science and Technology Research, 2009,15(6)∶ 613-618. DOI∶10.3136/fstr.15.613.

[14] KOTOURA S, MURAKAMI-YAMAGUCHI Y, KIZU K, et al.Establishment of a sandwich ELISA for the determination of beef content in processed foods by using monoclonal antibodies to myoglobin[J]. Food and Agricultural Immunology, 2012, 23(3)∶ 289-301. DOI∶10.1080/09540105.2011.624176.

[15] KREUZ G, ZAGON J, BROLL H, et al. Immunological detection of osteocalcin in meat and bone meal∶ a novel heat stable marker for the investigation of illegal feed adulteration[J]. Food Additives and Contaminants, 2012, 29(5)∶ 1-11. DOI∶10.1080/19440049.2011.645219.

[16] TIAN X J, WANG J, CUI S Q. Analysis of pork adulteration in minced mutton using electronic nose of metal oxide sensors[J].Journal of Food Engineering, 2013, 119(4)∶ 744-749. DOI∶10.1016/j.jfoodeng.2013.07.004.

[17] 田曉靜, 王俊, 崔紹慶. 電子鼻快速檢測區(qū)分羊肉中的摻雜雞肉[J]. 現(xiàn)代食品科技, 2013, 29(12)∶ 2997-3001. DOI∶10.13982/j.mfst.1673-9078.2013.12.038.

[18] 杜鋒, 雷鳴. 電子鼻及其在食品工業(yè)中的應用[J]. 食品科學, 2003,24(5)∶ 161-163. DOI∶10.3321/j.issn∶1002-6630.2003.05.041.

[19] HANSEN T, PETERSEN M A, BYRNE D V. Sensory based quality control utilising an electronic nose and GC-MS analyses to predict end-product quality from raw materials[J]. Meat Science, 2005, 69(4)∶621-634. DOI∶10.1016/j.meatsci.2003.11.024.

[20] NURJULIANA M, MAN Y B C, HASHIM D M, et al. Rapid identification of pork for halal authentication using the electronic nose and gas chromatography mass spectrometer with headspace analyzer[J]. Meat Science, 2011, 88(4)∶ 638-644. DOI∶10.1016/j.meatsci.2011.02.022.

[21] 黃潔. 鴨肉串加羊油變身“羊肉串”[J]. 食品安全導刊, 2014(14)∶ 29.

[22] VERBOVEN S, HUBERT M. LIBRA∶ a MATLAB library for robust analysis[J]. Chemometrics and Intelligent Laboratory Systems, 2005,75(2)∶ 127-136. DOI∶10.1016/j.chemolab.2004.06.003.

[23] HE Q P, QIN S J, WANG J. A new fault diagnosis method using fault directions in Fisher discriminant analysis[J]. AIChE Journal, 2005,51(2)∶ 555-571. DOI∶10.1002/aic.10325.

[24] 趙萬余, 李愛華. 寧夏灘羊不同部位肉中揮發(fā)性風味物質分析[J]. 安徽農(nóng)業(yè)科學, 2012, 40(5)∶ 2725-2727. DOI∶10.13989/j.cnki.0517-6611.2012.05.236.

[25] GRAVADOR R S, SERRA A, LUCIANO G, et al. Volatiles in raw and cooked meat from lambs fed olive cake and linseed[J]. Animal,2015, 9(4)∶ 715-722. DOI∶10.1017/S1751731114002730.

[26] 劉源, 周光宏, 徐幸蓮, 等. 頂空固相微萃取氣質聯(lián)用檢測鴨肉揮發(fā)性風味成分[J]. 江蘇農(nóng)業(yè)學報, 2005, 21(2)∶ 131-136.

[27] 楊春杰, 丁武, 馬利杰, 等. 電子鼻技術在區(qū)分酸羊奶發(fā)酵菌種中的應用[J]. 食品科學, 2014, 35(18)∶ 267-271. DOI∶10.7506/spkx1002-6630-201418051.

[28] LIU Y, XU X L, OUYANG G F, et al. Changes in volatile compounds of traditional Chinese Nanjing water-boiled salted duck during processing[J]. Journal of Food Science, 2006, 71(4)∶ S371-S377.DOI∶10.1111/j.1750-3841.2006.00020.x.

[29] SONCIN S, CHIESA L M, CANTONI C, et al. Preliminary study of the volatile fraction in the raw meat of pork, duck and goose[J].Journal of Food Composition and Analysis, 2007, 20(5)∶ 436-439.DOI∶10.1016/j.jfca.2006.09.001.

[30] MADRUGA M S, ELMORE J S, DODSON A T, et al. Volatile fl avour profile of goat meat extracted by three widely used techniques[J].Food Chemistry, 2009, 115(3)∶ 1081-1087. DOI∶10.1016/j.foodchem.2008.12.065.

Rapid Detection of Ningxia Small-Tailed Han Sheep Meat Adulterated with Duck by Electronic Nose Combined with GC-MS

WANG Qian, LI Lu, WANG Jiayi, ZHANG Juan, WANG Yuanyifei, DING Wu*
(College of Food Science and Engineering, Northwest A&F University, Yangling 712100, China)

A rapid method to detect mutton adulterated with duck by electronic nose combined with gas chromatgraphymass spectrometry (GC-MS) was proposed and validated by applying it on adulterated samples of Ningxia small-tailed han sheep meat with different amounts of cooked meat added. The electronic nose responses to the volatile components of meat samples were used to establish qalitative and quantitative models through Fisher linear discriminant analysis(FLDA) and linear regression analysis. Meanwhile, solid phase microextraction coupled with GC-MS was used to detect the volatile compounds. The results showed that different proportions of adulteration could be distinguished by FLDA with an accuracy rate of 98.2%. The correlation coeffi cient from linear regression analysis was as high as 0.965. A total of 26 volatile compounds were detected by GC-MS, including 3-cyclohepten-1-one and 3-methyl butyraldehyde, which played a signifi cant role in the discrimination of different adulterated samples. The partial least squares regression models established based on the electronic nose and GC-MS data exhibited a determination coeffi cient of greater than 0.950. There was a high correlation between the response values of sensors S1, S3, S5, S6, S8 and S9 and the GC-MS data.

mutton; duck; electronic nose; gas chromatography-mass spectrometry (GC-MS); multivariate analysis method DOI∶10.7506/spkx1002-6630-201720032

TS251.7

A

1002-6630（2017）20-0222-07

王綪, 李璐, 王佳奕, 等. 電子鼻結合氣相色譜-質譜法對寧夏小尾寒羊肉中鴨肉摻假的快速檢測[J]. 食品科學, 2017,

38(20)∶ 222-228. DOI∶10.7506/spkx1002-6630-201720032. http∶//www.spkx.net.cn

WANG Qian, LI Lu, WANG Jiayi, et al. Rapid detection of Ningxia small-tailed han sheep meat adulterated with duck by electronic nose combined with GC-MS[J]. Food Science, 2017, 38(20)∶ 222-228. (in Chinese with English abstract)DOI∶10.7506/spkx1002-6630-201720032. http∶//www.spkx.net.cn

2017-01-17

“十三五”國家重點研發(fā)計劃重點專項（2016YFD0401500）

王綪（1992—），女，博士研究生，研究方向為食品生物技術。E-mail：wangqian9209@hotmail.com

*通信作者：丁武（1971—），男，教授，博士，研究方向為畜產(chǎn)食品深加工與安全控制。E-mail：dingwu10142000@hotmail.com