基于ICP-MS測定蜂蜜礦物質(zhì)元素進(jìn)行蜂蜜產(chǎn)地溯源

（哈爾濱市產(chǎn)品質(zhì)量監(jiān)督檢驗院，哈爾濱 150090）

1 引言

我國幅員遼闊，蜜源植物資源豐富且分布較廣。蜂蜜品種繁多，其中洋槐蜜、荊條蜜、油菜蜜和棗花蜜的產(chǎn)量較高。然而，蜂蜜的產(chǎn)量和品質(zhì)與蜜源植物的種類、蜜蜂的飼養(yǎng)條件、氣候環(huán)境等因素密切相關(guān)。我國蜜源植物的分布也具有一定的地域性特征。國內(nèi)外研究表明，不同蜂蜜品種間的感官特性具有一定的差異性，即使是同一蜜種，由于地域上的差異其蜂蜜的品質(zhì)也具有差異性[1-5]。不同品種的蜂蜜其色澤、氣味和口感等感官特性不同，繼而導(dǎo)致其價格各異。例如椴樹蜜顏色較淺，具有濃郁的芳香氣味和較高的營養(yǎng)價值，深受消費者的喜愛，相比其他蜜種的蜂蜜價格較高。

食品的產(chǎn)地特征研究是食品安全分析的熱點領(lǐng)域，國內(nèi)外部分課題組研究人員對該領(lǐng)域進(jìn)行了大量的探索。在過去10年中，許多研究小組測定了不同蜂蜜樣品中的元素，發(fā)現(xiàn)蜂蜜的元素組成有很大的不同[6-10]。蜂蜜中的元素組成與蜜蜂采集花蜜、花粉或蜜露的植物來源密切相關(guān)，與地理來源有關(guān)的包括養(yǎng)蜂場的選址、土壤的組成及氣候條件等也會影響蜂蜜的元素組成[11-13]。在已建立的分析方法中，礦物質(zhì)元素分析技術(shù)是一個非常有效的方法。

電感耦合等離子體質(zhì)譜儀（ICP-MS）具有較快的分析速度、較低的檢出限、能夠快速地同時測定多種礦物質(zhì)元素等優(yōu)點[14]。該技術(shù)在近些年發(fā)展迅速，在谷物、蔬菜、酒類等食品和農(nóng)產(chǎn)品中已經(jīng)得到廣泛應(yīng)用[15-17]。本文應(yīng)用ICP-MS測定不同產(chǎn)地椴樹蜂蜜中礦物質(zhì)元素含量，了解不同產(chǎn)地椴樹蜜和元素之間的關(guān)系，并結(jié)合多變量模型對椴樹蜜進(jìn)行產(chǎn)地溯源研究。

2 實驗部分

2.1 試劑和儀器

Agilent 7700x ICP-MS（安捷倫公司，日本），CEM MARS6微波消解儀（CEM，USA），Milli-Q超純水系統(tǒng)（Millipore，Bedford，MA，USA）。濃硝酸，優(yōu)級純，科密歐；雙氧水，優(yōu)級純，科密歐；超純水（18.2MΩ·cm）；20種待測元素標(biāo)準(zhǔn)曲線各點由元素標(biāo)準(zhǔn)儲備液（Agilent Technologies，USA）稀釋配制。

這項研究使用了158個椴樹蜂蜜樣品。它們都是在2019年7月間從有產(chǎn)地證明的蜂農(nóng)那里直接采集來的：A區(qū)（86個椴樹蜜樣品），B區(qū)（72個椴樹蜜樣品）。所有樣品在分析前都在4℃條件下裝在塑料容器里儲存；分析前，蜂蜜樣品在50℃下液化并超聲波振蕩至少30min。

2.2 數(shù)據(jù)分析

元素含量測定后使用質(zhì)量分析專業(yè)軟件（MPP）（安捷倫公司）進(jìn)行基本統(tǒng)計及多變量分析。使用主成分分析（PCA）、決策樹（Decision Tree）、樸素貝葉斯（naive bayes）、神經(jīng)網(wǎng)絡(luò)（neural network）和支持向量機（support vector machine）等化學(xué)計量方法對所有數(shù)據(jù)進(jìn)行分析以對蜂蜜樣品根據(jù)其植物源進(jìn)行辨別和分類。

3 結(jié)果與分析

3.1 不同產(chǎn)地椴樹蜜中元素含量概況

椴樹蜜有自己的特征元素譜圖。同種植物源蜂蜜之間也有很大差別，通過表1和表2中最小值與最大值之間的差距就可以看出。因此，需要用化學(xué)計量法對樣品聚集的趨勢進(jìn)行評估。

根據(jù)所測定20種元素在椴樹蜜中的含量，將其分為兩組，即含量低的微量元素（見表1）和含量高的常量元素（見表2）。

表1給出了不同地區(qū)椴樹蜜中含量較低的V、Cr、Co、Ni、As、Se、Mo、Cd、Sb、Tl等10種元素的測定結(jié)果。比較上述10種元素的椴樹蜜分布，可以看出B區(qū)椴樹蜜Se和Sb的平均含量高于A區(qū)，其余8種元素A區(qū)椴樹蜜的平均含量均高于B區(qū)。

從表2可以看出，Na、Mg、K、Ca、Fe元素的含量均高于1mg/kg。K的含量在20種元素中最高，平均含量均高于1468mg/kg，B區(qū)椴樹蜜中K的含量明顯高于A區(qū)椴樹蜜。這和最近文獻(xiàn)報道的蜂蜜中K的含量最高的結(jié)論一致[12]。其次是Ca元素，平均含量高于150mg/kg，其中A區(qū)椴樹蜜中鈣的含量高于B區(qū)椴樹蜜中鈣的含量。然后是Mg元素，平均含量分別是23.36mg/kg和13.43mg/kg，也是A區(qū)椴樹蜜高于B區(qū)椴樹蜜。Na元素平均含量分別是4.76mg/kg和5.17mg/kg，較為接近，說明Na元素在不同地域的椴樹蜜中具有相似的含量。Al、Mn、Cu、Ba的平均含量均低于5mg/kg，其中Al、Mn、Ba三種元素B區(qū)椴樹蜜的平均含量均高于A區(qū)。

表1 ICP-MS方法測得的各種蜂蜜中礦物元素的含量（μg/kg）

表2 ICP-MS方法測得的各種蜂蜜中礦物元素的含量（mg/kg）

從上述分析可以看出，所研究的20種元素含量在不同產(chǎn)地椴樹蜜中存在一定差異，大多數(shù)元素在A區(qū)椴樹蜜中的平均含量高于B區(qū)椴樹蜜。

3.2 化學(xué)計量分析

實驗采用安捷倫 MassHunter 軟件采集質(zhì)譜數(shù)據(jù)，由 Mass Profiler Professional 軟件進(jìn)行統(tǒng)計學(xué)分析，包括主成分分析。主成分分析是一種無監(jiān)督的模式識別技術(shù)，它減少了維數(shù)，提供了空間數(shù)據(jù)的局部視圖和趨勢[18]，被廣泛應(yīng)用于尋找變量和樣品類型之間的關(guān)系。為了減少不同產(chǎn)地椴樹蜜中的非顯著性變量，本實驗用T檢驗對數(shù)據(jù)組進(jìn)行了第一次統(tǒng)計分析。見圖1，當(dāng)p＜0.05時，Na、Mg、Al、K、Ca、Mn、Ni、Cu、Zn、As、Sb、Ba和Th13種元素在來自不同植物源的蜂蜜樣品中顯示出統(tǒng)計學(xué)上的有效值。用MPP軟件中的PCA算法對158個蜂蜜樣品中13種象征性元素的含量水平進(jìn)行了分析，13個作為變量的元素被削減至4個主成分（PCs），4個主成分可以解釋70.15%的總體差異。如圖3所示，第一個主成分（PC1）占有37.29%的差異，其他3個主成分（PC2、PC3、PC4）分別占有13.69%、10.45%和8.72%的差異，PC1和PC2是主要成分代表了50.98%的變量。

圖2給出了不同產(chǎn)地椴樹蜂蜜樣品在第一和第二主成分中的得分散點圖。通過第一和第二主成分可以區(qū)分A區(qū)和B區(qū)的椴樹蜜樣品。除個別樣品外，大部分A區(qū)蜂蜜第二主成分得分為正值，大部分B區(qū)蜂蜜第一主成分得分為負(fù)值。

利用第一主成分、第二主成分和第三主成分的標(biāo)準(zhǔn)化得分作散點圖，從圖3可以看出A區(qū)蜂蜜和B區(qū)蜂蜜被有效的區(qū)分開。由此可見，PCA基本能夠反映元素分布和不同產(chǎn)地椴樹蜂蜜的關(guān)系。

3.3 不同產(chǎn)地椴樹蜂蜜模型建立及預(yù)判

從主成分分析結(jié)果來看，不同產(chǎn)地椴樹蜂蜜中元素含量存在一定差異，因此，以蜂蜜中各元素含量為變量對不同產(chǎn)地椴樹蜂蜜進(jìn)行溯源研究是可行的。為了更好地通過元素圖譜對蜂蜜樣品進(jìn)行分類，利用MPP軟件提供的多種類別預(yù)測算法建立決策樹、樸素貝葉斯、神經(jīng)網(wǎng)絡(luò)和支持向量機四種模型。本文從不同產(chǎn)地椴樹蜂蜜樣本中隨機選出26個樣品用于對模型進(jìn)行確認(rèn)。A區(qū)蜂蜜14個，B區(qū)蜂蜜12個，其中A區(qū)蜂蜜標(biāo)號為1～14，B區(qū)蜂蜜標(biāo)號為15～26。

圖1 T檢驗結(jié)果

圖2 蜂蜜樣品第一和第二主成分得分散點圖

圖3 第一、第二和第三主成分3D標(biāo)準(zhǔn)化得分散點圖

從表3可以看出決策樹模型有些樣品可信度不高，但是由于具有分類精度高及很好的降噪功能，結(jié)果有2個誤判，總體預(yù)判準(zhǔn)確率為92.31%。樸素貝葉斯NBC模型所需估計的參數(shù)很少，對缺失數(shù)據(jù)不太敏感，算法也比較簡單。但由于NBC模型假設(shè)屬性之間相互獨立，這個假設(shè)在這個應(yīng)用中是不成立的。礦物元素屬性之間相關(guān)性較大，所以NBC模型結(jié)果有12個誤判，從表3結(jié)果可以看出，總體預(yù)判準(zhǔn)確率只有53.85%。

表3 Decision tree模型和naive bayes模型分析的樣品結(jié)果

表4 Neural network模型和Support vector machine模型分析的樣品結(jié)果

從表4可以看出神經(jīng)網(wǎng)絡(luò)模型有13個誤判結(jié)果，總體預(yù)判準(zhǔn)確率為50.00%。其原因是由于神經(jīng)網(wǎng)絡(luò)模型陷入了局部極小加之預(yù)測模型需要大量的數(shù)據(jù)才能實現(xiàn)，給結(jié)果帶來一定的誤差。支持向量機模型有14個誤判結(jié)果，總體預(yù)判準(zhǔn)確率為46.15%。由于支持向量機模型當(dāng)觀測樣本很多時，效率并不是很高，有時候很難找到一個合適的核函數(shù)，所以預(yù)判準(zhǔn)確率比較低。

從表3、表4中4個模型的結(jié)果可以看出，本實驗適合的模型為決策樹模型，總體預(yù)判準(zhǔn)確率都為92.31%。

4 結(jié)論

應(yīng)用ICP-MS測定了來自黑龍江省A區(qū)、B區(qū)兩個地區(qū)158個椴樹蜜樣品中20種元素含量，結(jié)果表明，不同地區(qū)椴樹蜂蜜樣品中元素含量存在差異。化學(xué)計量工具的礦物質(zhì)元素分析能夠可靠的區(qū)分蜂蜜樣品的植物源，決策樹預(yù)判模型具有高精度和可靠性?？傊?，應(yīng)用礦物質(zhì)元素對不同產(chǎn)地椴樹蜂蜜進(jìn)行分類是可行的，尤其是在元素含量隨食品來源變化的食品溯源和摻假研究領(lǐng)域里具有應(yīng)用前景。