二維相關(guān)紅外光譜技術(shù)解析牛肉熱加工過程中蛋白質(zhì)二級結(jié)構(gòu)變化

摘 要：利用傅里葉變換紅外光譜和近紅外（near-infrared，NIR）光譜技術(shù)，對60～120 ℃下加熱0～15 min的66 個牛肉樣品進行光譜分析，并通過二維相關(guān)光譜技術(shù)揭示蛋白質(zhì)結(jié)構(gòu)的動態(tài)演變過程。結(jié)果顯示，隨著加熱溫度的上升，酰胺A帶和酰胺I帶的吸收峰發(fā)生位移，N—H和C—N的振動增強。β-折疊相對含量增加，β-轉(zhuǎn)角相對含量降低，蛋白質(zhì)二級結(jié)構(gòu)的變化時序為β-轉(zhuǎn)角、β-折疊、α-螺旋、無規(guī)卷曲。此外，基于NIR光譜數(shù)據(jù)構(gòu)建的牛肉蛋白二級結(jié)構(gòu)（α-螺旋、β-折疊、β-轉(zhuǎn)角和無規(guī)卷曲）含量預(yù)測模型具有高精度的預(yù)測能力（校正相關(guān)

系數(shù)＞0.9）。本研究基于大量樣本揭示了牛肉加熱過程中蛋白質(zhì)二級結(jié)構(gòu)的變化規(guī)律，而且為實現(xiàn)快速、無需復(fù)雜預(yù)處理的肉類產(chǎn)品蛋白質(zhì)結(jié)構(gòu)分析提供了有效的技術(shù)路徑。

關(guān)鍵詞：牛肉；加熱；二級結(jié)構(gòu)；二維相關(guān)光譜；近紅外光譜

Analysis of Changes in Protein Secondary Structure during Thermal Beef Processing by

Two-Dimensional Correlated Infrared Spectroscopy

XIE Anguo1， WANG Tingmin2， ZHANG Qinhua1， LI Chao1， WANG Mansheng3，*

（1. Zhang Zhongjing School of Chinese Medicine， Nanyang Institute of Technology， Nanyang 473004， China;

2. Sichuan Manwei Longchu Biotechnology Co. Ltd.， Meishan 620000， China;

3. Institute of Bast Fiber Crops， Chinese Academy of Agricultural Sciences， Changsha 410205， China）

Abstract： This study used Fourier transform infrared （FTIR） spectroscopy and near-infrared （NIR） spectroscopy to analyze 66 beef samples heated for 0–15 min at 60 to 120 ℃， and revealed the dynamic evolution of protein structure by two-dimensional correlation spectroscopy （2D-CoS）. The results showed that as the heating temperature increased， the absorption peaks of amide A and amide I bands shifted， and the N–H and C–N vibrations increased. Moreover， the relative content of β-sheet increased and the relative content of β-turn decreased. The sequence of changes in the secondary structure of proteins was β-turn， β-sheet， α-helix and random coil. In addition， a predictive model for protein secondary structure （α-helix， β-sheet， β-turn and random coil） contents was constructed based on NIR spectroscopy data， which was demonstrated to have high predictive ability （corrected correlation coefficient gt; 0.9）. In conclusion， this study provides an effective technical approach for fast structural analysis of proteins in meat products without the need for complex sample pretreatment.

Keywords： beef; heating; secondary structure; two-dimensional correlation spectroscopy; near infrared spectroscopy

DOI：10.7506/rlyj1001-8123-20240527-127

中圖分類號：TS251.1" " " " " " " " " " " " " " " " " " " " " "文獻標(biāo)志碼：A 文章編號：1001-8123（2024）08-0001-07

引文格式：

謝安國， 王廷敏， 張芹華， 等. 二維相關(guān)紅外光譜技術(shù)解析牛肉熱加工過程中蛋白質(zhì)二級結(jié)構(gòu)變化[J]. 肉類研究， 2024， 38（8）： 1-7. DOI：10.7506/rlyj1001-8123-20240527-127." "http：//www.rlyj.net.cn

XIE Anguo， WANG Tingmin， ZHANG Qinhua， et al. Analysis of changes in protein secondary structure during thermal beef processing by two-dimensional correlated infrared spectroscopy[J]. Meat Research， 2024， 38（8）： 1-7. DOI：10.7506/rlyj1001-8123-20240527-127." "http：//www.rlyj.net.cn

在全球肉類消費市場中，牛肉以其較高的蛋白質(zhì)含量、全面的營養(yǎng)價值、較高的消化吸收率及較低的膽固醇和脂肪含量[1-2]，成為備受青睞的3大主要肉類之一。隨著社會經(jīng)濟的持續(xù)發(fā)展和居民生活水平的逐步提高，消費者的飲食習(xí)慣和健康意識不斷升級，對肉制品的質(zhì)量安全和營養(yǎng)價值提出了更為精細(xì)化的要求[3]。在此背景下，牛肉加工業(yè)面臨新的技術(shù)挑戰(zhàn)，尤其是在熱加工工藝中，不恰當(dāng)?shù)奶幚矸椒赡軐?dǎo)致牛肉中的營養(yǎng)成分不可逆流失，同時伴隨脂質(zhì)和蛋白質(zhì)的氧化[4]，這些生物化學(xué)變化對牛肉產(chǎn)品的最終品質(zhì)特性造成了實質(zhì)性的影響。

牛肉中的蛋白質(zhì)不僅是肌肉組織的主要構(gòu)成成分，而且其二級結(jié)構(gòu)的穩(wěn)定性對產(chǎn)品的品質(zhì)至關(guān)重要。在熱處理過程中，牛肉蛋白質(zhì)往往會經(jīng)歷不同程度的變性或降解[5]。當(dāng)?shù)鞍踪|(zhì)的空間結(jié)構(gòu)遭受破壞時，其二級結(jié)構(gòu)的含量也會隨之發(fā)生變化。研究表明，部分蛋白質(zhì)變性會影響蛋白質(zhì)的溶解性和膠體性質(zhì)[6]。這種結(jié)構(gòu)變化不僅影響肉品的保水性能[7]，還會影響肉品的色澤，如肌紅蛋白的α-螺旋含量減少、β-折疊結(jié)構(gòu)變化和無規(guī)卷曲含量的增加[8]。類似的研究也揭示了蛋白質(zhì)二級結(jié)構(gòu)與肉品營養(yǎng)品質(zhì)之間的密切聯(lián)系[9]。例如，大豆蛋白中α-螺旋和無規(guī)卷曲含量的增加與蛋白質(zhì)體外消化率的提升呈正相關(guān)，而β-折疊含量的增加則與之呈負(fù)相關(guān)。因此，快速且準(zhǔn)確地監(jiān)測熱加工過程中蛋白質(zhì)二級結(jié)構(gòu)的變化，對于實時掌握肉品品質(zhì)的變化具有重要意義。

目前用于肉品蛋白質(zhì)結(jié)構(gòu)分析檢測的方法有X射線衍射法、熒光法、紫外法、圓二色譜法[10-11]、核磁共振法、傅里葉變換紅外（Fourier transform infrared，F(xiàn)TIR）光譜及近紅外（near infrared，NIR）光譜技術(shù)等，但這些方法均存在一定的局限性。相較而言，F(xiàn)TIR光譜法具有操作簡單、靈敏度高、分辨率好、掃描速率快、信噪比高、能檢測蛋白質(zhì)結(jié)構(gòu)微小變化、可得到幾乎所有生物蛋白質(zhì)的紅外光譜圖及樣品用量較少等優(yōu)點，被廣泛應(yīng)用于肉制品檢測中[12]。然而，峰的嚴(yán)重重疊限制了中紅外和NIR光譜對蛋白結(jié)構(gòu)識別及其氫鍵形成機理研究。二維光譜相關(guān)分析是將一維的光譜在二維上展開，可將很多重疊峰簡單視覺化，從而提高光譜的分辨率及重疊峰的分離度[13]，此外，由于可以得到二級結(jié)構(gòu)和氫鍵變化的先后順序，有利于研究蛋白二級結(jié)構(gòu)及氫鍵的形成，也可直觀反映蛋白質(zhì)反應(yīng)的動力學(xué)性質(zhì)。

盡管二維相關(guān)紅外光譜技術(shù)在眾多領(lǐng)域已展現(xiàn)出其獨特的分析潛力，但在肉品科學(xué)領(lǐng)域，特別是在牛肉蛋白質(zhì)熱加工過程中的應(yīng)用仍較少。本研究選取經(jīng)不同熱處理的牛肉樣品作為實驗對象，通過大量樣本系統(tǒng)性探索牛肉加熱過程中的光譜與蛋白質(zhì)結(jié)構(gòu)的動態(tài)變化，并構(gòu)建NIR光譜與蛋白質(zhì)二級結(jié)構(gòu)含量的回歸模型。為進一步提升光譜數(shù)據(jù)的分析精度，本研究采用多種預(yù)處理算法，包括移動窗口平滑（moving average，MA）、savitzky-golay（SG）卷積平滑、多元散射校正（multiplicative scatter correction，MSC）及標(biāo)準(zhǔn)正態(tài)變量變換（standard normal variate，SNV），對原始光譜數(shù)據(jù)進行精細(xì)化預(yù)處理?；诮?jīng)預(yù)處理的光譜數(shù)據(jù)，構(gòu)建偏最小二乘（partial least squares，PLS）回歸模型，用于預(yù)測牛肉蛋白質(zhì)二級結(jié)構(gòu)的含量，并通過比較不同預(yù)處理方法的效果，篩選出最優(yōu)的光譜預(yù)處理策略。旨在為實現(xiàn)快速、無損的牛肉蛋白質(zhì)二級結(jié)構(gòu)分析提供創(chuàng)新的方法論基礎(chǔ)，為肉品加工行業(yè)的質(zhì)量控制和產(chǎn)品研發(fā)提供科學(xué)依據(jù)和技術(shù)支持。

1 材料與方法

1.1 材料與試劑

新鮮牛里脊肉購自當(dāng)?shù)厣r超市。

KBr（分析純） 上海捷世凱生物科技有限公司。

1.2 儀器與設(shè)備

Vector 33型FTIR光譜儀 德國Brucker公司；MINI20-015V-I型低場核磁共振成像分析儀 上海紐邁電子科技有限公司；JA5003B型電子分析天平 上海精科儀器有限公司；DHG9425A型鼓風(fēng)干燥箱 上海一

恒科學(xué)儀器有限公司；DF-101S型集熱式恒溫加熱磁力攪拌器 河南省予華儀器有限公司；Pilot3-6M型真空冷凍干燥機 北京博醫(yī)康實驗儀器有限公司。

1.3 方法

1.3.1 牛肉加熱處理

將新鮮牛里脊肉剝?nèi)ケ砻娴慕钅ず椭?，肉樣切割? cm×4 cm×2 cm的塊狀，分裝于食品級錫箔袋中，并將樣品置于不同加熱溫度（60、65、70、75、80、85、90、95、100、105、110、115、120 ℃）的油浴鍋中分別加熱3、6、9、12、15 min，共產(chǎn)生65 項加熱實驗組合，1 組未加熱的鮮肉作為對照樣品。熱加工處理后的牛肉樣品室溫冷卻后置于4 ℃冰箱待測。

1.3.2 NIR光譜采集

通過FTIR光譜儀采集牛肉熱加工后的NIR光譜[14]。采集光譜范圍：10 000～4 000 cm－1（780～2 500 nm）；掃描次數(shù)：64 次；分辨率：8 cm－1。采用漫反射的方式采集光譜，每個樣品采集光譜3 次，取平均值為樣本光譜。共掃描66 份樣本，其中校正集和預(yù)測集樣本分別為44、22 個。

1.3.3 中遠(yuǎn)紅外光譜采集

將經(jīng)不同加熱處理的牛肉樣品放置于真空冷凍干燥機中干燥48 h，取出后磨成牛肉粉備用。準(zhǔn)確稱取1 mg牛肉粉，加入100 mg KBr，混勻研磨成細(xì)小粉末，然后用壓片機將其壓制成透明薄片。在4 000～400 cm－1的波數(shù)范圍內(nèi)，用FTIR光譜儀掃描牛肉樣品，掃描信號累積64 次。通過使用Peakfit 4.1軟件對酰胺I帶進行去卷積并結(jié)合曲線擬合估算牛肉蛋白的二級結(jié)構(gòu)相對含量[15]。計算α-螺旋相對含量的波數(shù)范圍為1 650～1 660 cm－1，β-折疊為1 600～1 640 cm－1，β-轉(zhuǎn)角為1 660～1 695 cm－1，無規(guī)卷曲為1 640～1 650 cm－1。

1.3.4 光譜預(yù)處理

采集全波段的光譜數(shù)據(jù)，使用MA、SG、MSC和SNV方法在采集區(qū)間780～2 500 nm對所采集原始光譜數(shù)據(jù)進行預(yù)處理，考察不同預(yù)處理方法所得的訓(xùn)練集建模決定系數(shù)（Rc2）及校正均方根誤差（root mean square error of calibration，RMSEC）。最后，使用PLS分別對牛肉的品質(zhì)特性進行建模研究。

1.3.5 預(yù)測模型構(gòu)建

采用Unscramb分析軟件對NIR原始光譜數(shù)據(jù)進行預(yù)處理，在建立模型的過程中，根據(jù)預(yù)測集建模決定系數(shù)（Rp2）及預(yù)測均方根誤差（root mean square error of prediction，RMSEP）等指標(biāo)對模型進行評價[16]及優(yōu)化完善，選取最佳模型。

1.4 數(shù)據(jù)處理

采用SPSS軟件分析數(shù)據(jù)的差異顯著性，2D-shige軟件進行光譜的二維相關(guān)分析。

2 結(jié)果與分析

2.1 牛肉加熱過程中的中遠(yuǎn)紅外光譜分析

在熱加工過程中，牛肉的紅外光譜圖見圖1（4 000～400 cm－1），各譜帶的歸屬[17]見表1。

由圖1d可知，經(jīng)不同溫度加熱處理后，與鮮樣相比，熱處理12 min牛肉蛋白的酰胺A帶從3 290 cm－1紅移至3 281 cm－1附近，這可能是因為酰胺A帶的N—H伸縮振動與氫鍵形成締合體，從而向低波數(shù)位移，表示氫鍵發(fā)生變化，此結(jié)果與化學(xué)法測定氫鍵含量的結(jié)果相吻合[18]。與鮮樣相比，熱處理9 min后1 656 cm－1處α-螺旋的特征吸收峰紅移至1 652 cm－1（圖1c），且隨溫度的增加，吸收峰繼續(xù)紅移。加熱15 min后1 543 cm－1的酰胺II帶特征吸收峰隨著加熱溫度的升高而逐漸變寬，表明在酰胺II帶中發(fā)生N—H彎曲和C—N伸縮振動。而在1 245 cm－1的酰胺III帶，隨著加熱時間的延長，譜帶均發(fā)生紅移，接近1 233 cm－1處（圖1e）。這與鄧麗等[19]研究鮑魚腹肌蛋白熱加工過程中的紅外光譜變化結(jié)果一致，表明酰胺III帶也在熱加工中發(fā)生了結(jié)構(gòu)變化。

2.2 加熱溫度與時間對牛肉蛋白二級結(jié)構(gòu)相對含量的影響

通過使用Peakfit 4.1軟件對酰胺I帶進行去卷積并結(jié)合曲線擬合計算牛肉蛋白α-螺旋、β-折疊、β-轉(zhuǎn)角和無規(guī)卷曲等二級結(jié)構(gòu)相對含量[20]。對照組α-螺旋、β-折疊、β-轉(zhuǎn)角和無規(guī)卷曲的相對含量分別為14%、28%、45%和13%，這表明β-轉(zhuǎn)角是牛肉主要的二級結(jié)構(gòu)。由

圖2可知，在加熱處理下，牛肉蛋白中的β-折疊和β-轉(zhuǎn)角相對含量變化明顯，α-螺旋和無規(guī)卷曲的相對含量變化不明顯。觀察加熱溫度對牛肉蛋白二級結(jié)構(gòu)相對含量的影響，由圖2a可知，隨熱處理溫度升高，α-螺旋和無規(guī)卷曲相對含量緩慢增加，β-折疊相對含量明顯升高，當(dāng)加熱溫度達(dá)到120 ℃時，與對照組相比，其相對含量從28%升至41%，而β-轉(zhuǎn)角相對含量下降至30%，下降約1/3。二級結(jié)構(gòu)相對含量的變化說明熱處理使牛肉蛋白的β-轉(zhuǎn)角

向β-折疊轉(zhuǎn)化。對比加熱時間對二級結(jié)構(gòu)相對含量的影響，整體趨勢為加熱時間的延長使β-折疊的相對含量先增加后減小；β-轉(zhuǎn)角先減小后增加，以100 ℃組為例，加熱15 min后β-轉(zhuǎn)角相對含量又增至34%（圖2e）?？煽闯黾訜釡囟葘Χ壗Y(jié)構(gòu)相對含量的影響大于加熱時間。

隨著加熱溫度的升高和時間的延長，由于氫鍵的變化，α-螺旋的一部分被打開[21]。加熱處理初期形成的未折疊和變性蛋白質(zhì)可能會發(fā)生某種重新結(jié)合或聚集，這是由于蛋白質(zhì)分子之間的氫鍵逐漸減少，分子之間的相互作用逐漸減弱。在60、80 ℃低溫加熱初期由于體積減小，疏水結(jié)合和離子結(jié)合被切斷，導(dǎo)致蛋白分子的展開和非極性基團的暴露，最終使得β-折疊相對含量逐步增加，

β-轉(zhuǎn)角相對含量略微降低。在加熱后期β-折疊相對含量迅速升高，β-轉(zhuǎn)角相對含量直線下降，這尤其體現(xiàn)在80 ℃加熱樣品中。而牛肉在高溫（100、120 ℃）加熱初期二級結(jié)構(gòu)相對含量就發(fā)生較大變化。結(jié)合牛肉的結(jié)構(gòu)可推知，60～80 ℃時對熱敏感的分子受到影響，如水溶性蛋白質(zhì)開始變性失活，半結(jié)合水發(fā)生遷移；但依然有大量基團保持穩(wěn)定。蛋白質(zhì)空間結(jié)構(gòu)直到100～120 ℃的高溫才被進一步破壞，大量氫鍵斷裂及疏水基團暴露[22]。

在相同溫度下，隨加熱處理時間的延長，無規(guī)卷曲相對含量由13%緩慢增大至14%～15%。這可能是由于超高壓處理下溶劑分子和氨基酸殘基的各種分子電離，以及基團間溶劑化作用的增加。此外，離子鍵的斷裂也會引起電致伸縮，并減小蛋白質(zhì)分子的體積，導(dǎo)致牛肉蛋白結(jié)構(gòu)的改變。

2.3 牛肉加熱過程中的二維中遠(yuǎn)紅外相關(guān)光譜分析

為研究加熱過程不同官能團及其對應(yīng)有機物的變化規(guī)律，以加熱溫度為外界擾動，利用2D-shige軟件分析不同加熱條件下牛肉樣品的紅外光譜，得到圖3所示的二維相關(guān)光譜。

在同步圖中，以加熱溫度為變量，正峰代表紅外光譜中與官能團的變化方向一致的行為，而負(fù)峰代表紅外光譜中與官能團的方向變化相反的行為[23]。根據(jù)Noda法則[24]，在異步譜圖中，坐標(biāo)（x，y）處的正峰意味著波數(shù)x處的光強變化早于y處。如果在（x，y）處有1 個負(fù)峰，意味著波數(shù)x處的光強變化慢于y處。圖3a為牛肉熱加工過程中紅外光譜經(jīng)二維相關(guān)分析所得的同步圖，主要在1 610/1 610、1 645/1 645、1 655/1 655、1 680/1 680 cm－1附近出現(xiàn)4 個自相關(guān)峰，其峰強度依次為1 610/1 610＞1 645/1 645＞1 680/1 680＞1 655/1 655 cm－1。其中1 610/1 610 cm－1處歸屬于β-折疊，且是正峰，說明官能團與牛肉加熱過程的變化方向相同[25]。1 645/1 645、1 655/1 655、1 680/1 680 cm－1處均為負(fù)峰，它們分別歸屬于無規(guī)卷曲、α-螺旋和β-轉(zhuǎn)角，且變化方向與牛肉加熱過程相反。在異步圖中，1 690～1 700/1 600～1 620、1 690～1 700/1 600～1 650、1 690～1 700/1 640～1 645、1 600～1 620/1 650～1 660、1650～1660/1640～1645 cm－1處均為正交叉峰，顯示1 690～1 700、1 600～1 620、1 650～1 660 cm－1處的吸收峰隨加熱溫度的變化早于1 600～1 620、1 600～1 650、1 640～1 645 cm－1處的吸收峰（圖3b）。根據(jù)Noda法則[26]，可以推斷出肌肉蛋白在受熱過程中特征峰的變化時序為1 680 cm－1＞1 610 cm－1＞1 655 cm－1＞1 645 cm－1，即二級結(jié)構(gòu)的變化時序為β-轉(zhuǎn)角、β-折疊、α-螺旋、無規(guī)卷曲。

2.4 牛肉加熱過程中NIR光譜與中遠(yuǎn)紅外的異質(zhì)二維相關(guān)光譜分析

二維異質(zhì)相關(guān)光譜常被用于檢測2 種不同光譜的共變特征，正相關(guān)說明2 種不同光譜強度變化一致或存在相似來源[27-28]。NIR和FTIR光譜之間的異質(zhì)二維相關(guān)光譜圖能夠進一步體現(xiàn)牛肉加熱過程中有機質(zhì)官能團與有機碳結(jié)構(gòu)的關(guān)聯(lián)。圖4a中橫坐標(biāo)NIR光譜1 430、1 685 nm波長附近可觀察到6 個較明顯的正相關(guān)峰，說明這2 處光譜與C—H面外彎曲振動（900 cm－1）、酰胺I帶C＝O的伸縮振動（1 650 cm－1）、炔烴伸縮振動（2 150 cm－1）及酰胺A帶N—H的伸縮振動（3 280 cm－1）存在相似來源。在圖4b中，NIR光譜的945 nm附近的正相關(guān)峰表明4 倍頻O—H（945 nm）變化早于C—H面外彎曲振動（900 cm－1）和酰胺I帶C＝O的伸縮振動（1 650 cm－1）。需特別注意的是，NIR光譜技術(shù)用于檢測含水狀態(tài)下的牛肉樣本，而FTIR光譜則應(yīng)用于冷凍干燥后的牛肉樣品。通過二維異質(zhì)相關(guān)光譜分析，可以確認(rèn)O—H（945 nm）的變化發(fā)生在蛋白質(zhì)結(jié)構(gòu)變化之前，這一發(fā)現(xiàn)有力地支持了本團隊前期研究成果[29]，即在受熱條件下，肉類產(chǎn)品中的半結(jié)合水會迅速發(fā)生變化。

2.5 牛肉蛋白二級結(jié)構(gòu)含量的預(yù)測模型構(gòu)建

在780～2 526 nm波長范圍內(nèi)觀察到很多噪音，這些噪音不僅包含無用的信息，而且還影響預(yù)測模型的準(zhǔn)確性和精度。因此，需要對收集到的原始NIR光譜進行預(yù)處理，以改善光譜特性，消除光譜中包含的無用信息，從而提高模型的性能。為確定最佳預(yù)處理方法，將不同預(yù)處理后的NIR光譜數(shù)據(jù)作為輸入變量，牛肉蛋白二級結(jié)構(gòu)（α-螺旋、β-折疊、β-轉(zhuǎn)角和無規(guī)卷曲）含量作為響應(yīng)變量建立PLS模型。建模決定系數(shù)越接近1，說明該模型的預(yù)測精度越高[30]；RMSEC和RMSEP越小，說明該模型的預(yù)測結(jié)果越準(zhǔn)確[31]。

2.5.1 α-螺旋含量NIR光譜預(yù)測模型

由表2可知，當(dāng)采用SNV對光譜進行預(yù)處理時，可建立Rc2為0.983、Rp2為0.944的最優(yōu)預(yù)測模型。

2.5.2 β-折疊含量NIR光譜預(yù)測模型

由表3可知，當(dāng)采用MSC對光譜進行預(yù)處理時，可建立Rc2為0.989、Rp2為0.980的最優(yōu)預(yù)測模型。

2.5.3 β-轉(zhuǎn)角含量NIR光譜預(yù)測模型

由表4可知，當(dāng)采用MSC對光譜進行預(yù)處理時，可建立Rc2為0.993、Rp2為0.983的最優(yōu)預(yù)測模型。

2.5.4 無規(guī)卷曲含量NIR光譜預(yù)測模型

由表5可知，當(dāng)采用MSC＋SNV對光譜進行預(yù)處理時，可建立Rc2為0.955、Rp2為0.910的最優(yōu)預(yù)測模型。

通過對蛋白質(zhì)4 種二級結(jié)構(gòu)含量的光譜檢測，可知β-折疊和β-轉(zhuǎn)角含量的模型預(yù)測準(zhǔn)確率高，對α-螺旋和無規(guī)卷曲含量的預(yù)測準(zhǔn)確率稍低，這與β-折疊和β-轉(zhuǎn)角含量在牛肉蛋白質(zhì)中的含量較高且在熱加工過程中含量變化較大有關(guān)。

3 結(jié) 論

本研究運用FTIR和NIR光譜技術(shù)對牛肉在不同溫度下的紅外吸收光譜進行解析，以捕捉其特征波譜信息。隨后，引入二維相關(guān)光譜技術(shù)，深入探究牛肉加熱過程中官能團隨時間的變化規(guī)律。結(jié)果表明：1）在牛肉熱加工過程中，β-折疊相對含量增加，β-轉(zhuǎn)角相對含量降低，α-螺旋和無規(guī)卷曲相對含量變化不明顯，推斷蛋白質(zhì)中一部分β-轉(zhuǎn)角結(jié)構(gòu)受熱時轉(zhuǎn)變?yōu)棣?折疊；2）二維相關(guān)光譜技術(shù)解析出水分結(jié)構(gòu)（O—H）的變化發(fā)生在蛋白質(zhì)結(jié)構(gòu)變化之前，此后蛋白質(zhì)二級結(jié)構(gòu)的變化時序為β-轉(zhuǎn)角→

β-折疊→α-螺旋→無規(guī)卷曲，這一新的研究成果能夠加深對肉類產(chǎn)品在熱處理過程中水分和蛋白質(zhì)結(jié)構(gòu)變化機制的理解；3）NIR光譜技術(shù)能夠?qū)娜鈮K蛋白質(zhì)二級結(jié)構(gòu)進行快速、無需預(yù)處理的檢測。未來研究將關(guān)注蛋白質(zhì)結(jié)構(gòu)變化與肉制品品質(zhì)的關(guān)系，旨在通過光譜技術(shù)優(yōu)化肉類加工和提升消費體驗，為肉品科學(xué)與產(chǎn)業(yè)應(yīng)用帶來新進展。

參考文獻：

[1] JUAREZ M M， LAM S， BOHRER B M， et al. Enhancing the nutritional value of red meats through genetic and feeding strategies[J]. Journal of Animal Science， 2020， 98： 82. DOI：10.1093/jas/skaa278.150.

[2] RIBAS-AGUSTí A， DíAZ I， SáRRAGA C， et al. Nutritional properties of organic and conventional beef meat at retail[J]. Journal of the Science of Food and Agriculture， 2019， 99（9）： 4218-4225. DOI：10.1002/jsfa.9652.

[3] SARDI L， GASTALDO A， BORCIANI M， et al. Identification of possible pre-slaughter indicators to predict stress and meat quality： a study on heavy pigs[J]. Animals， 2020， 10（6）： 945. DOI：10.3390/ani10060945.

[4] 袁凱， 張龍， 谷東陳， 等. 肉品中的蛋白質(zhì)氧化機制及其影響因素[J]."食品科學(xué)， 2018， 39（5）： 329-335. DOI：10.7506/spkx1002-6630-201805048.

[5] 童今柱. 加熱方式對鴨肉肌原纖維蛋白結(jié)構(gòu)和功能性質(zhì)及肉品質(zhì)形成的影響研究[D]. 合肥： 合肥工業(yè)大學(xué)， 2019.

[6] 劉昊天， 殷小鈺， 汪海棠， 等. 基于蛋白氧化行為的肉及肉制品品質(zhì)提升及劣變機制研究進展[J]. 食品科學(xué)， 2020， 41（21）： 230-237. DOI：10.7506/spkx1002-6630-20191017-174.

[7] 薛美芳. 牛肉脯加工過程中品質(zhì)變化規(guī)律的研究[D]. 銀川： 寧夏大學(xué)， 2021. DOI：10.27257/d.cnki.gnxhc.2021.000138.

[8] 張同剛， 羅瑞明， 李亞蕾， 等. 拉曼光譜分析牛肉貯藏過程中肌紅蛋白結(jié)構(gòu)的變化[J]. 食品科學(xué)， 2019， 40（7）： 15-19. DOI：10.7506/spkx1002-6630-20180408-083.

[9] 白明昧， 孫澤威， 龍國徽， 等. 熱處理對全脂大豆蛋白質(zhì)分子結(jié)構(gòu)特征、溶解度和體外消化率的影響[J]. 西北農(nóng)林科技大學(xué)學(xué)報（自然科學(xué)版）， 2016， 44（11）： 31-38. DOI：10.13207/j.cnki.jnwafu.2016.11.005.

[10] ABROSIMOVA K V， SHULENINA O V， PASTON S V. FTIR study of secondary structure of bovine serum albumin and ovalbumin[J]. Journal of Physics： Conference Series， 2016， 769： 012016. DOI：10.1088/1742-6596/769/1/012016.

[11] PELTON J T， MCLEAN L R. Spectroscopic methods for analysis of protein secondary structure[J]. Analytical Biochemistry， 2000， 277（2）： 167-176. DOI：10.1006/abio.1999.4320.

[12] FEVZIOGLU M， OZTURK O K， HAMAKER B R， et al. Quantitative approach to study secondary structure of proteins by FT-IR spectroscopy， using a model wheat gluten system[J]. International Journal of Biological Macromolecules， 2020， 164： 2753-2760. DOI：10.1016/j.ijbiomac.2020.07.299.

[13] LEE Y K， HUR J. Using two-dimensional correlation size exclusion chromatography （2D-CoSEC） to explore the size-dependent heterogeneity of humic substances for copper binding[J]. Environmental Pollution， 2017， 227： 490-497. DOI：10.1016/j.envpol.2017.04.099.

[14] PRIETO N， PAWLUCZYK O， DUGAN M E R， et al. A review of the principles and applications of near-infrared spectroscopy to characterize meat， fat， and meat products[J]. Applied Spectroscopy， 2017， 71（7）： 1403-1426. DOI：10.1177/0003702817709299.

[15] XUE H， ZHANG G， HAN T， et al. Improvement of gel properties and digestibility of the water-soluble polymer of tea polyphenol-egg white under thermal treatment[J]. Food Chemistry， 2021， 372（5）： 131319. DOI：10.1016/j.foodchem.2021.131319.

[16] XIE A G， SUN J， WANG T M， et al. Visualized detection of quality change of cooked beef with condiments by hyperspectral imaging technique[J]. Food Science and Biotechnology， 2022， 31（10）： 1257-1266. DOI：10.1007/s10068-022-01115-x.

[17] WORKMAN J J， WEYER L. Practical guide to interpretive near-infrared spectroscopy[M]. Boca Raton： CRC Press， 2007： 4620-4629. DOI：10.1201/9781420018318.

[18] MENSINK M A， ?IBíK J， FRIJLINK H W， et al. Thermal gradient mid- and far-infrared spectroscopy as tools for characterization of protein carbohydrate lyophilizates[J]. Molecular Pharmaceutics， 2017， 14（10）： 3550-3557. DOI：10.1021/acs.molpharmaceut.7b00568.

[19] 鄧麗， 李巖， 董秀萍， 等. 熱加工過程中鮑魚腹足蛋白間作用力及其質(zhì)構(gòu)特性[J]. 農(nóng)業(yè)工程學(xué)報， 2014， 30（18）： 307-316. DOI：10.3969/j.issn.1002-6819.2014.18.038.

[20] YANG S N， ZHANG Q L， YANG H Y， et al. Progress in infrared spectroscopy as an efficient tool for predicting protein secondary structure[J]. International Journal of Biological Macromolecules， 2022， 206： 175-187. DOI：10.1016/j.ijbiomac.2022.02.104.

[21] YE M P， ZHOU R， SHI Y R， et al. Effects of heating on the secondary structure of proteins in milk powders using mid-infrared spectroscopy[J]. Journal of Dairy Science， 2017， 100（1）： 89-95. DOI：10.3168/jds.2016-11443.

[22] 康懷彬， 鄒良亮， 張慧蕓， 等. 高溫處理對牛肉蛋白質(zhì)化學(xué)作用力及肌原纖維蛋白結(jié)構(gòu)的影響[J]. 食品科學(xué)， 2018， 39（23）： 80-86. DOI：10.7506/spkx1002-6630-201823013.

[23] LIU Y， YAO L Y， XIA Z Z， et al. Geographical discrimination and adulteration analysis for edible oils using two-dimensional correlation spectroscopy and convolutional neural networks （CNNs）[J].

Spectrochimica Acta Part A： Molecular and Biomolecular Spectroscopy， 2021， 246： 118973. DOI：10.1016/j.saa.2020.118973.

[24] SUN Y H， CAI H Z， JIA X L， et al. Fluorescence spectroscopy characteristics of rapeseed oil during thermal oxidation[J]. Chinese Journal of Analytical Chemistry， 2013， 41（9）： 1373-1377. DOI：10.3724/sp.j.1096.2013.30294.

[25] MEENU M， COZZOLINO D， XU B J. Non-destructive prediction of total phenolics and antioxidants in hulled and naked oat genotypes with near-infrared spectroscopy[J]. Journal of Food Measurement and Characterization， 2023， 17（5）： 4893-4904. DOI：10.1007/s11694-023-02009-0.

[26] YU G H， TANG Z， XU Y C. Multiple fluorescence labeling and two dimensional FTIR-13C NMR heterospectral correlation spectroscopy to characterize extracellular polymeric substances in biofilms produced during composting[J]. Environmental Science amp; Technology， 2011， 45（21）： 9224-9231. DOI：10.1021/es201483f.

[27] YANG R J， LIU C Y， YANG Y R， et al. Two-trace two-dimensional （2T2D） correlation spectroscopy application in food safety： a review[J]. Journal of Molecular Structure， 2020， 1214： 128219. DOI：10.1016/j.molstruc.2020.128219.

[28] XIE A G， SUN D W， ZHU Z W， et al. Nondestructive measurements of freezing parameters of frozen porcine meat by NIR hyperspectral imaging[J]. Food and Bioprocess Technology， 2016， 9（9）： 1444-1454. DOI：10.1007/s11947-016-1766-2.

[29] 王廷敏， 謝安國， 付淑亞， 等. 基于低場核磁-近紅外二維相關(guān)光譜技術(shù)研究加熱溫度對牛肉水分的影響[J]. 食品與發(fā)酵工業(yè)， 2023， 49（20）： 288-293. DOI：10.13995/j.cnki.11-1802/ts.032552.

[30] TOIVONEN P， BATISTA A， LANNARD B. Development of a predictive model for ‘Lapins’ sweet cherry dry matter content using a visible/near-infrared spectrometer and its potential application to other cultivars[J]. Canadian Journal of Plant Science， 2017， 97（6）： 1030-1035. DOI：10.1139/cjps-2017-0013.

[31] RABBANI N S， MIYASHITA K， ARAKI T. Development of non-contact strawberry quality evaluation system using visible-near infrared spectroscopy： optimization of texture qualities prediction model[J]. Food Science and Technology Research， 2022， 28（6）： 441-452. DOI：10.3136/fstr.fstr-d-22-00083.