FTIR光譜主成分分析鑒別不同產地青稞

趙艷 羅萬玲 楊青松

摘要：采用傅里葉變換紅外光譜技術，通過主成分分析法對3個不同產地的19份青稞（Hordeum vulgare L. var. nudum Hook. f.）種子進行了聚類分析。結果表明，3個不同產地青稞的平均紅外光譜圖整體上相似，借助指紋特征區域800～1 600 cm-1紅外光譜，利用DPS統計軟件對其進行主成分分析，其中前3個主成分累計貢獻率超過99%，同時從荷載圖可知，3個主成分代表了樣品在該段光譜上的主要信息，主成分空間中樣品匯集成不同的類別，可基本鑒別不同產地的青稞。在某種程度上，樣本分布密度稀疏，也反映了樣本間的親緣關系。該方法為無損鑒別不同產地青稞種子提供了一種簡便快速的方法，可有效反映不同產地青稞種子主要化學成分的差異。

關鍵詞：紅外光譜；青稞（Hordeum vulgare L. var. nudum Hook. f.）；主成分分析；載荷因子

中圖分類號：TS201.2 文獻標識碼： A 文章編號：0439-8114（2013）06-1415-04

青稞（Hordeum vulgare L. var. nudum Hook. f.）是中國青藏高原及其鄰近地區對裸大麥的一種特有稱呼[1]，在植物分類學上屬于禾本科大麥屬的一種禾谷類作物[2]。青稞主要栽培區域為中國西藏、青海、四川西部（甘孜、阿壩藏族自治州）、云南西北部（迪慶藏族自治州）和甘肅西南部（甘南藏族自治州），即整個青藏高原及其鄰近區域[3]，是青藏高原一年一熟的高寒農業區的主要糧食作物[1]。青稞是藏民傳統的主要農作物，以青稞為原料的糌粑不僅是藏民族飲食中具代表性的食品，也是藏民族的飲食精華[4]。大量研究表明青稞符合“三高兩低”的飲食結構[5-7]，且富含對人體有益的微量元素[8]，被視為谷物中的佳品。

目前，應用傅里葉紅外光譜（Fourier transform-infrared spectroscopy，FTIR）技術進行物質或物種鑒定的研究較多，尤其在中藥真偽、易混品等鑒定中有著廣泛的應用[9-12]。程存歸等[13-15]利用FTIR直接測定法對多種中藥材及偽品進行了鑒別，且不同品種[16]和不同產地[17-19]植物的FTIR鑒定也有報道。盡管FTIR法的靈敏度高、重復性好并且可無損分析，但光譜的固有復雜性和植物原材料所含化合物的多樣性，導致直接測定法用于鑒定不同產地的植物品種依然存在較大困難[19]。主成分分析能夠將原始變量組合成一組主成分，而且可表達原有變量的主要信息，從而實現FTIR光譜數據降維及圖示化聚類分析。利用FTIR光譜結合主成分鑒別不同產地的黃柏[19]、虎杖根[20]取得了良好效果。本試驗通過利用FTIR和主成分分析，對青稞進行鑒別分析，以期為快速鑒別不同產地的青稞提供參考。

1 材料與方法

1.1 材料與試劑

不同產地4個品種青稞均購自云南香格里拉壽酒青稞酒廠并經鑒定，其中供試黑青稞產自云南香格里拉（5份），白青稞產自四川鄉城（5份），花青稞（5份）和墨綠青稞（4份）均產自青海。

光譜純溴化鉀（天津光復精細化工研究所）。

1.2 儀器

NICOLET iS10傅里葉變換紅外光譜儀（美國Thermo Fisher公司），測量范圍為400～4 000 cm-1，光譜分辨率為4 cm-1，信號掃描累加16次，掃描實時扣除 H2O和CO2的干擾；FW-4A型壓片機（天津光學儀器廠）；高速萬能粉碎機（天津泰斯特儀器有限公司）。

1.3 傅里葉變換紅外光譜分析

樣品洗凈晾干，放入真空冷凍干燥箱干燥過夜，粉碎，過200目篩。準確稱量1 mg青稞種子樣品放入瑪瑙研缽磨細，再加入150 mg溴化鉀，研磨均勻，壓片，測定傅里葉變換紅外光譜。所有樣品的紅外光譜圖均采用Nicolet Omnic 8.0操作軟件進行13點平滑、基線校準和歸一化等處理。應用DPS V7.5軟件對數據進行主成分分析，并利用Origin v10.0軟件繪圖表征不同樣品的相似性。

2 結果與分析

2.1 不同產地青稞的共同紅外光譜特征

4種不同品種青稞的紅外光譜圖（圖1）顯示，不同品種青稞的紅外光圖譜具有典型的共有峰：①在3 384 cm-1附近有寬羥基峰；②在2 928 cm-1附近有甲基伸縮振動吸收峰；③在1 740 cm-1附近有較小的酯羰基伸縮振動峰；④在1 652 cm-1附近有碳氧鍵伸縮振動峰；⑤在1 539 cm-1附近有碳氮鍵伸縮振動峰；⑥在1 451 cm-1附近是亞甲基的彎折振動吸收峰；⑦在1 406 cm-1附近是碳氫的彎曲振動峰；⑧在1 249 cm-1附近有碳氮振動吸收峰；⑨在1 151 cm-1附近是糖類的反伸縮振動吸收峰；⑩在1 022 cm-1附近是糖類的碳碳伸縮振動峰；11 在861～700 cm-1區域內吸收強度稍弱，該區域反映了糖類的不同異構體。

2.2 不同產地青稞樣品的差異

不同產地青稞主要特征吸收峰較為相似，但仍存在一些差異峰，這些差異峰可用于區別不同品種的青稞。例如：在800～1 600 cm-1，各樣品存在顯著特征峰，基于此峰段，以所有樣品在800～1 600 cm-1波數段上的417個透過率為變量，構成（19×417）吸光度矩陣，使用主成分分析法（PCA）對所有樣品進行聚類分析，結果見表1。由表1可知，主成分1占總方差貢獻率的94.6%，是最重要的成分，主成分2占3.9%，主成分3占1.0%，前3個主成分累積貢獻率達到99.5%，表明前3個主成分對不同品種差異的解釋度超過99%，因此前3個主成分可用于分析樣品間的相關性。

通過Origin 10.0軟件構建的主成分載荷圖顯示，主成分1的荷載值在不同產地分類中起到關鍵作用，它與其他兩個主成分的二維投影圖能夠區別青稞樣品（圖2a，2b）；而主成分2 和主成分3荷載值都較小，其投影圖上沒有明顯的聚類規律（圖2c）。在主成分1-主成分2和主成份1-主成分3的二維投影面上，19個青稞樣品能夠清晰分為3個區。其中主成分1-主成分2投影圖（圖2a）上方框所示區域（X：-1.22～-0.79，Y：1.30～1.82）為分布于云南省香格里拉的黑青稞，橢圓所示的區域（X：0.65～1.13，Y：-0.77～1.12）為分布于青海省的白青稞和墨綠青稞，其余樣品為分布于四川鄉城的花青稞，圖上所示區域為（X：-1.78～-0.60，Y：-1.94～ -0.04）。主成分1-主成分3投影圖（圖2b）上黑青稞分布的區域為（X：-1.22～-0.60，Y：0.65～2.58），白青稞和墨綠青稞分布的區域為（X：0.65～1.13，Y：

-0.85～0.60），花青稞分布的區域為（X：-1.78～-0.63，Y：-1.42～-0.19）。結果顯示，3種不同產地青稞19份樣品可按地理分布區聚類，即云南、四川、青海各聚為一類，來源于青海省的2種青稞樣品聚為一類。這可能是由于青稞樣品受環境因素如氣候、土壤的影響，不同產地的青稞樣品在化學組成上存在一定的差別，利用傅里葉變換紅外光譜與主成分分析技術，可對不同產地青稞種子進行有效區分。而同一產地樣品在化學成分上顯示了較高的一致性，因此難以有效區分。另外云南香格里拉黑青稞的1個樣品（圖2a箭頭所示）在2個投影圖上都與其他同品種樣品發生了分離，而更靠近青海分布的2個品種，這表明云南黑青稞可能與青海2個青稞品種具有近的親緣關系，但該假設有待進一步的生物學檢驗。

由主成分荷載圖（圖2d）可知，主成分1荷載較大，與800～1 600 cm-1相關性較高，說明主成分1在該波數范圍內屬于敏感特征區域，它對聚類起到了關鍵作用。主成分2在400～1 150 cm-1和1 550～1 600 cm-1相關程度較高，而主成份3在800～950 cm-1和1 400～1 600 cm-1范圍載荷較大，即相關度較高，因此，上述峰段也可用于不同產地青稞相關性分析。

3 結論

通過傅里葉變換紅外光譜技術和主成分分析，研究了3個不同產地的19個青稞樣品的傅里葉變換紅外光譜。結果表明所有青稞種子樣品的紅外光譜相似度高，表明青稞的主要化學成分相似，如：多糖和蛋白質等大分子物質，但不同產地青稞樣品在化學成分存在細微差異，使其紅外光譜各具特征。對800～1 600 cm-1指紋區的光譜數據進行主成分分析，其前3個主成分上得到了較好的反映，在主成分1-主成分2和主成分1-主成分3投影圖上，可對不同產地樣品進行較好的分類，該結果與前人分析不同產地植物的研究結論相似[17-20]，表明通過傅里葉變換紅外光譜技術與主成分分析相結合的方法，能夠有效鑒別不同產地品種。

參考文獻：

[1] 拉 本.青稞的民族文化內涵闡釋[J].青海民族研究，2011（1）：164-166.

[2] 郭本兆.中國植物志（9卷3分冊）[M].北京：科學出版社，1987. 33-34.

[3] 孫立軍.中國栽培大麥變種及其分布特點[J].中國農業科學，1988，21（2）：25-31.

[4] 貢保草.試析藏族糌粑食俗及其文化內涵[J].青海民族學院學報（社會科學版），2003，29（1）：61-65.

[5] 扎桑拉姆.淺析青稞原料主要營養成分與青稞產業的發展[J].西藏科技，2006（10）：6-7.

[6] 臧靖巍，闞建全，陳宗道，等.青稞的成分研究及其應用現狀[J]. 中國食品添加劑，2004（4）：43-46.

[7] CAVALLERO A， EMPILLI S， BRIGHENTI F， et al. High （1-3， 1-4）-β-glucan barley fractions in bread making and their effects on human glycemic response [J]. Journal of Cereal Science，2002，36（1）：59-66.

[8] 遲曉峰，星玉秀，董 琦，等.ICP-AES法測定不同青稞中的20種元素含量[J].食品科學，2011，32（10）：130-132.

[9] 趙前程，王曉蘭，武中臣，等.FTIR在中藥研究中的應用及優化[J]. 時珍國醫國藥，2011，22（6）：1466-1468.

[10] 鄭宏鈞，詹亞華.現代中藥材鑒別手冊[M]. 北京：中國醫藥科技出版社，2001.

[11] AMIR RM， ANJUM FM， KHAN MI， et al. Application of Fourier transform infrared （FTIR） spectroscopy for the identification of wheat varieties[J]. Journal of Food Science and Technology，2011（10）：1-6.

[12] 張文海，姬中偉，艾斯卡爾·艾拉提，等.FTIR結合SIMCA法識別糯米產地[J]. 食品科學，2012，33（8）：225-228.

[13] 程存歸，呂洪飛，李冰嵐，等.FTIR直接鑒定青葙子及其偽品的研究[J]. 中藥材，2003，26（2）：95-96.

[14] 程存歸.FTIR直接鑒定紫蘇子及其偽品的研究[J]. 光譜學與光譜分析，2003，23（2）：282-284.

[15] 程存歸，韓 濤，騰云龍，等.威靈仙及其偽品的FTIR法直接鑒定[J].光譜實驗室，2002，19（2）：177-180.

[16] 洪慶紅，李丹婷，郝朝運.應用FTIR直接測定法鑒定大豆的品種[J].光譜學與光譜分析，2005，25（8）：1246-1249.

[17] 關 明，李曉靜，郭 勇，等.不同地理居群大蒜FTIR圖譜比較研究[J].光譜學與光譜分析，2011，31（6）：1494-1497.

[18] 周在進，劉 剛，任先培.不同產地雙色牛肝菌FTIR光譜鑒別研究[J].光譜學與光譜分析，2010，30（4）：911-914.

[19] 袁玉峰，陶站華，劉軍賢，等.紅外光譜結合主成分分析鑒別不同產地黃柏[J].光譜學與光譜分析，2011，31（5）：1258-1261.

[20] 左 康，李丹婷，郭水良，等.不同產地虎杖根FTIR主成分分析研究[J]. 光譜學與光譜分析，2007，27（10）：1989-1992.