FTIR 結合化學計量學法鑒別燕窩的真偽

趙 斌， 鄧仙梅， 劉 敬，3， 王 瓊，3， 賴小平

(1. 中山火炬職業技術學院，廣東 中山528436;2. 廣州中醫藥大學，廣東 廣州510006;3. 國家中藥現代化工程技術研究中心 中山健康產品分中心，廣東 中山528436)

燕窩(cubilose)是雨燕科動物金絲燕分泌唾液所筑成的巢窩［1］，最早記載于《本草備要》，認為其“甘淡平，大養肺陰，化痰止咳。補而能清，為調理虛勞之圣藥”。燕窩是馳名中外的滋補良品，市場需求量巨大，但相關質量控制標準很不健全，導致市場上其質量參差不齊，偽品眾多［2］(如豬皮、銀耳、瓊脂等)，故亟需建立一套快速有效的鑒別燕窩真偽的方法。在國內，已有很多學者對燕窩的性狀、理化性質、化學成分測定等方面進行分析研究［3-9］，但均需對樣品進行前處理，費時費力。傅立葉紅外變換光譜法(FTIR)是一種無損、快速、簡便的分析技術，孫素琴等［10-11］采用該方法對燕窩的品質進行了研究，通過檢測不同產地燕窩及摻假物豬皮、銀耳的特征峰來比較其真偽，但對鑒定人員的專業素質要求較高，而且主觀性較強。本實驗將FTIR 與化學計量學法相結合，期冀快速準確地鑒別燕窩的真偽。

1 材料與方法

1.1 儀器與試劑 Nicolet iS10 傅里葉變換紅外光譜儀(美國Thermo Nicolet 公司);YP-2 壓片機(上海山岳科學儀器有限公司);HW-3 紅外烘干箱(安合盟天津科技發展有限公司)。KBr 為光譜純(美國Thermo Nicolet 公司)。

1.2 樣品來源及處理 收集28 份東南亞進口的燕窩樣品，經廣州中醫藥大學中藥學院賴小平教授鑒定為正品，與若干偽品(豬皮、瓊脂、銀耳)一起組成真、偽燕窩樣品集，見表1。將它們于60 ℃下干燥24 h，研成粉末，過100 目篩，儲存于干燥器中備用，然后準確稱取各樣品2 mg，置于瑪瑙研缽中，按1 ∶100 比例加入干燥KBr，研磨均勻后取適量混合樣品置于壓片模具中，用壓片機壓成均勻透明的薄片，用于測定紅外光譜。

表1 燕窩的鑒定結果及其偽品來源Tab.1 Result of identification of cubilose and sources of its counterfeit goods

1.3 光譜條件及樣品光譜采集 室溫20 ～25 ℃;相對濕度20% ～25%;掃描范圍4 000 ～400 cm-1;掃描次數16 次/s;掃描速度0.2 cm/s;分辨率4 cm-1。掃描時，除去水分和CO2的干擾。

在采集樣品光譜前，先以KBr 為背景，累積掃描32 次，每個樣品平行測3 次，取平均值，而且均須扣除KBr 背景光譜。然后，采用Spectrum v32 操作軟件(美國Thermo Nicolet 公司)進行數據采集及譜圖處理。

1.4 數據處理 采用SIMCA-P +12.0 軟件進行主成分分析，SPSS 16.0 軟件進行系統聚類分析。

2 結果與分析

2.1 樣品及偽品的紅外譜圖分析(圖1) 由圖1A 可知，28 批燕窩樣品(白燕、血燕和黃燕)均有很相似的紅外光譜，在特征區(4 000 ～1 300 cm-1)范圍內基本一致，但在指紋區(1 300 ～400，特別是1 000 ～400 cm-1)范圍內有差異，可能是由于燕窩樣品的不同批次或種類所致。由圖1B 可知，雖然不同種類燕窩紅外譜圖的峰形、峰位都很相似，但其峰強度在2 927、1 044 cm-1附近和1 450 ～1 100、960 ～800 cm-1特征范圍內的差異比較明顯。

圖1 真偽燕窩的紅外譜圖Fig.1 IR spectra of real and false cubilose

燕窩的主要化學成分為蛋白質、氨基酸及多糖。在2 927 cm-1附近的吸收峰為甲基和亞甲基，而在1 641、1 532、1 044 cm-1附近為蛋白質、氨基酸和多糖。由圖1C 可知，瓊脂和銀耳在2 927 cm-1附近的吸收比燕窩弱，而豬皮及去油豬皮的吸收比較強;在1 641 cm-1附近，瓊脂、銀耳及去油豬皮的吸收都明顯弱于燕窩，而豬皮則沒有吸收峰;在1 750 cm-1附近，豬皮、銀耳及去油豬皮均有一個明顯而尖銳的脂肪類特征吸收峰;在1 532 cm-1附近，這幾類偽品都沒有吸收峰;在1 044 cm-1附近，豬皮及去油豬皮均無吸收峰，而瓊脂及銀耳在此處的吸收比燕窩強。綜上所述，以圖譜中這4 個特征區的峰特點為依據，即可初步將燕窩與其偽品區分開。

2.2 主成分分析 主成分分析(PCA)是一種降維統計分析技術，它可利用變量之間的相關關系，在最大限度保留原數據信息量的前提下，用較少的新變量來代替較多的舊變量，從而使問題簡單化。本實驗以真偽燕窩的紅外譜圖為變量，將其轉化為數據矩陣，并選取了3 000 ～2 700、1 800 ～400 cm-1這兩個波段范圍內的光譜數據進行分析。然后，對其波數點所對應的百分透過率數據進行主成分分析，并選取特征根大于1 的特征波數點為聚類分析提供主要變量，用于減少交叉關聯信息對其結果的影響，提高分析的準確度，并建立真偽燕窩的分類識別模型，見圖2。由圖可知，燕窩與瓊脂、銀耳、豬皮等偽品之間均互不干擾，可以很好地區分開。

圖2 真偽燕窩3D-PCA 圖Fig.2 3D-PCA diagram of real and false cubilose

2.3 系統聚類分析 聚類分析是一種根據觀測變量，對未知事物進行分類的統計方法，它可獲取中藥材復雜化學體系中紅外光譜整體特征信息的差異，從不同樣本中找出決定其差異的變量，從而進行分類。本實驗以上述主成分分析提取的特征波數點所對應的百分透過率為變量，對燕窩及其偽品進行系統聚類分析，見圖3。由圖可知，該方法能很好地將燕窩(Ⅰ)與其偽品(Ⅱ)分為2 大類，而在Ⅱ類下又能很好地將豬皮(29)、去油豬皮(30)、銀耳(31 -33)及瓊脂(34)區分開。同時，在Ⅰ類下也能將不同批次的燕窩分為幾小類。

3 結論和討論

本實驗根據FTIR 譜圖、特征峰主成分及聚類分析結果，可將28 個燕窩真品與6 個豬皮、銀耳偽品清晰地區分開，表明FTIR 作為一種無損、快速、簡便、經濟的分析技術，可用于燕窩真偽的鑒別。但由于偽品數目較少，故采用該方法進行真偽燕窩的快速區分尚需更多樣品的驗證。

文獻［10-11］報道，通過對紅外譜圖的直觀分析，可區分不同種類燕窩，并同時評價其品質，但本實驗尚不能對不同種類燕窩(白燕、血燕及黃燕)進行辨別分析，可能是由于以上文獻中每類樣品只有1 個，并且是根據產地來進行燕窩種類的區分，而本實驗中每類樣品有5 ～18 個，并且來自不同產地或渠道，其數量及復雜程度要高于文獻報道。另外，文獻［12-13］采用FTIR 結合化學計量學法進行煙葉產地、部位的識別及真假牛奶的區分，發現天然產物樣品的復雜程度越高，對其分類識別的準確率越低，并且模式識別的方法對分類結果也有重要影響。另外，文獻［12］ 表明，產地不同所導致樣品差異的程度要大于部位不同，提示燕窩真偽的區分可能應在同一產地樣品中進行，這有待于今后作進一步驗證。

［1］ 山東省藥品監督管理局. 山東省中藥材標準(2002 年版)［M］. 濟南:山東友誼出版社，2002:270.

［2］ 林潔茹，周 華，賴小平，等. 燕窩研究概述［J］. 中藥材，2006，29(1):85-90.

［3］ 馮夏紅，李 峰，赫 寧，等. 三種燕窩的真偽鑒別［J］.中醫藥學刊，2004，22(5):956.

［4］ 蔣華嵩. 真假燕窩的鑒別［J］. 中草藥，2000，31(1):58.

［5］ 李兆奎，周紅艷，李衛紅，等. 燕窩中亞硝酸鹽來源及定量分析［J］. 中國中醫藥科技，2010，17(5):419-420.

［6］ 侯惠嬋，施亦斌，黃文青，等. 中國產燕窩總氮及氨基酸含量分析［J］. 中藥材，2007，30(8):961-963.

［7］ 李憲華，奚星林，陳文銳. 進出口燕窩品質分析評價［J］.廣州食品工業科技，2003，19(3):72，89.

［8］ 王 慧，倪坤儀，王 玉. 燕窩中唾液酸的含量測定［J］.藥物分析雜志，2006，26(6):1251-1253.

［9］ 趙 斌，黎小鵬，劉 敬，等. 東南亞進口燕窩中總氮和氨基酸分析［J］. 中藥材，2014，37(6):949-952.

［10］ 孫素琴，梁曦云. 6 種燕窩的傅里葉變換紅外光譜法原性狀快速鑒別［J］. 分析化學，2001，29(5):552-554.

［11］ 鄧月娥，孫素琴，周 群，等. FTIR 光譜法與燕窩的品質分析［J］. 光譜學與光譜分析，2006，26(7):1242-1245.

［12］ Ni L J，Zhang L G，Xie J，et al. Pattern recognition of Chinese flue-cured tobaccos by an improved and simplified K-nearest neighbors classification algorithm on near infrared spectra［J］.Anal Chim Acta，2009，633(1):43-45.

［13］ Zhang L G，Zhang X，Ni L J，et al. Rapid identification of adulterated cow milk by non-linear pattern recognition methods based on near infrared spectroscopy［J］. Food Chem，2014，145(15):342-348.