依主成分分析法建立魚類食用品質評價模型

任敬，問思恩，張軍燕，余斌

（1.陜西省水產研究所，陜西 西安 710086；2.大連海洋大學，遼寧 大連 116023）

依主成分分析法建立魚類食用品質評價模型

任敬1,2，問思恩1，張軍燕1，余斌1

（1.陜西省水產研究所，陜西 西安 710086；2.大連海洋大學，遼寧 大連 116023）

采用主成分分析方法評價泥鰍Misgurnus anguillicaudatus、黃鱔Monopterus albus、鯽Carassius auratus、鯉Cyprinus carpio、烏鱧Channa argus、黃顙魚Pelteobagrus fulvidraco，和虹鱒Oncorhynchus mykiss等7種常見食用魚的食用品質價值，對其17種氨基酸進行綜合評價。通過建立魚類食用品質評價模型，構造綜合評價函數計算綜合得分并排序，來反映該種魚類的食用品質。結果顯示：虹鱒綜合得分最高，其次是鯽，而黃顙魚排在最末。通過主成分分析模型建立可量化的評價指標和新的評價方法，為魚類營養價值評價提供更為準確、客觀的方法。

魚類；氨基酸；主成分分析

蛋白質是生物體的營養物和生命活動的基礎，是塑造一切細胞、組織結構的重要組成成分。魚類肌肉蛋白含有豐富平衡的氨基酸，味道鮮美，是易消化的食品和滿足人類氨基酸需求的最適蛋白源[1]。魚類蛋白在提供優質蛋白的同時也滿足人們對食品多樣化的要求，測定其營養成分有助于準確評估魚類的食用品質[2]。因此，建立一種客觀評價魚類食用品質的方法極為重要。

主成分分析是一種將多個指標化為少數幾個綜合指標的統計分析方法，起到降維的作用，用少數幾個綜合指標來反映大量原始指標的主要信息，使問題簡單化[3]。主成分分析方法構造綜合評價函數來分析數據，不僅克服了指標之間可能存在的信息重疊，也保留了原有數據的絕大部分信息，可以較為全面地綜合反映所要了解的信息。對各個主成分進行加權綜合克服了主觀因素的影響，保證綜合評價的客觀性和準確性。目前此方法已廣泛應用于很多領域，如采用主成分分析法建立的小米使用品質評價分析[4]，對不同水稻品種（系）稻米品質性狀分析[5]等。魚類中含有多種氨基酸，研究魚類的營養價值不能就單一的對一種或少數幾種氨基酸含量進行分析。借鑒以上研究，本文運用主成分分析方法建立一種客觀評價魚類食用品質的方法，對系統研究魚類營養價值具有重要意義。

1 指標選取及方法

1.1 材料

本文以泥鰍Misgurnus anguillicaudatus、黃鱔Monopterus albus、鯽 Carassius auratus、鯉 Cyprinus carpio、烏鱧 Channa argus、黃顙魚 Pelteobagrus fulvidraco和虹鱒Oncorhynchus mykiss7種常見食用魚類的17種氨基酸作為指標，研究魚類的營養價值。

1.2 檢測方法

選取同種、同規格魚類背部兩側頭后至尾柄前去皮去骨肌肉混合，采用GB/T5009.124-2003方法，使用日本日立L-8900型全自動氨基酸分析儀進行氨基酸組成及含量的測定。

1.3 評價方法

采用SPSS17.0對選取的指標進行主成分分析，構造綜合評價函數，綜合評判魚類的營養價值。

利用因子載荷矩陣和相關系數矩陣的特征根來計算特征根向量，即其中，zij為第j個特征根向量的第i個元素；aij為因子載荷矩陣第i行第j列的元素；λj為第j個因子對應的特征根。根據主成分與特征根向量、原始數據向量的關系計算主成分，公式為Y=T'X，其中，T為特征根λ對應的特征向量，X為原始數據向量。特征根歸一化即有其中 p 為所提取的主成分個數，記為 W=（ω1,ω2,…,ω）。構造綜合評價函數為Z=W'Y[6]。

按綜合評價函數計算綜合得分后按大小排序，綜合得分越大，綜合質量越好。

2 結果與分析

2.1 氨基酸組成及含量測定

結果見表1。

表1 不同魚類氨基酸含量（%）Tab.1 The amino acid contents（%）of various fishes in the experiment

2.2 主成分分析

表2的相關系數矩陣表明本研究中各個指標之間具有較高的相關性，說明方法選擇正確，適合運用主成分分析法進行數據分析。

主成分的特征值及貢獻率是選擇主成分的依據，特征值越大表示其所對應的主成分變量包含的信息越多。實際分析過程中，往往采用累積方差貢獻率來選擇主成分的個數。前三個主成分的累積方差貢獻率達到96.214%（表3），即提取三個主成分所建立的模型可以解釋原始數據的96.214%，因此提取這三個主成分。

由圖1可知，因子1與因子2、因子2與因子3、因子3與因子4之間的特征值差值比較大，而其他特征值差值比較小，說明保留3個因子能包括絕大部分信息概況。

所提取主成分與原始數據的相關系數絕對值越大，對該主成分的代表性也越大。由表4可知，第一主成分與人類必需氨基酸的相關性較大，最大的為蘇氨酸THR，命名為必需氨基酸因子；第二主成分與胱氨酸CAS的相關性較大，命名為營養氨基酸因子；第三主成分也是人類非必需氨基酸相關性較大，命名為非必需氨基酸因子[7]。

表2 不同魚類氨基酸的相關系數矩陣Tab.2 Correlation matrix of amino acid contents in the different fishes

2.3 因子得分

由總方差解釋（Total variance explained）可以得出特征根為：λ=[13.681 1.890 0.785]T。

表3 總方差解釋Tab.3 Total variance explained

圖1 碎石圖Fig.1 A scree plot

表4 因子載荷矩陣Tab.4 Component matrixa

根據因子載荷矩陣和相關系數矩陣的特征根來計算特征向量矩陣。經過SPSS17.0計算，得出特征向量矩陣T如表5。

根據主成分與特征根向量、原始數據向量的關系計算主成分值。計算結果如表6所示。由表6可知，必需氨基酸因子中，得分最高的魚類是虹鱒，最低的是黃顙魚；營養氨基酸因子中，得分最高的是泥鰍，最低的是鯽；非必需氨基酸因子中，得分最高的是黃顙魚，最低的是泥鰍。

表5 特征向量矩陣TTab.5 The eigenvector matrix T

表6 主成分值及綜合得分Tab.6 The principal component values and comprehensive score

2.4 綜合評價

通過特征根歸一化計算權重進行加權匯總，構造魚類食用品質綜合評價函數，計算主成分的綜合得分（表6）。綜合評價的排序為：虹鱒＞鯽＞鯉＞烏鱧＞黃鱔＞泥鰍＞黃顙。虹鱒綜合得分最高，黃顙魚最低。

3 討論

本研究對7種常見食用魚類的17種氨基酸進行主成分分析，提取3個主成分，計算主成分值。對單個主成分值進行排序，出現了3種排序結果。由此可以得出，用單個（表1）或同類指標來反應整體信息，會產生偏差。對特征根“歸一化”，構建評價模型計算綜合得分，通過分值排序來反應該種魚類的食用品質，結果具有唯一性，能較為綜合全面反映原始指標的信息。最終得出，虹鱒的綜合食用價值最高，其次是鯽，而黃顙魚排在最末。

此結果與黃權等[8]的研究結論存在差異。黃權等研究表明，烏鱧食用價值高于虹鱒。這可能與采樣地點、標本規格、性別、年齡、檢測方法等有關。魚類的氨基酸含量不僅與種類有關，也受到環境、餌料、攝食等因素的影響。找到影響每種氨基酸含量的主要因素，有待于后續進一步的研究。

不同檢測方法所測的氨基酸含量單位不盡相同，這樣勢必造成不同魚類食用品質評價分析的困難，產生樣品重復測試的浪費或單位換算的誤差。建議按統一基酸含量單位寫進氨基酸測定的國家標準中。

在魚類食用品質評價中，利用主成分分析法建立主成分分析模型，建立了一種客觀的評價方法，將多維問題簡單化，可為今后魚類食用品質評價提供更為準確、客觀的方法。

［1］王桂芹,孫麗,李子平,等.不同食性魚類的含肉率及肌肉營養組成與評價［J］.飼料工業,2010（s1）:94-98.

［2］梁向陽,劉少軍,王靜,等.湘云鯽2號肌肉營養成分和氨基酸組成分析［J］.湖南師范大學自然科學學報,2011,34（1）:71-74.

［3］王力賓.多元統計分析:模型、案例及SPSS應用［M］.北京:經濟科學出版社,2010:200-224.

［4］張敏,劉輝.基于主成分分析法的小米食用品質評價模型的建立［J］.東北農業大學學報,2011,42（8）:7-12.

［5］孟維韌,全成哲,劉方明,等.不同水稻品種（系）稻米品質性狀分析［J］.湖北農業科學,2011,51（2）:361-363.

［6］朱建平.多元統計分析（第三版）［M］.北京:科學出版社,2016:109-116.

［7］李曉杰.陜西主要銀杏栽培品種氨基酸變異規律研究［D］.楊凌:西北農林科技大學,2011.

［8］黃權,孫兆和,趙靜,等.數種魚類肌肉中氨基酸成分及含量的比較研究［J］.氨基酸和生物資源,1996（1）:37-40.

［9］李新蕊.主成分分析、因子分析、聚類分析的比較與應用［J］.山東教育學院學報,2007,124（6）:23-26.

［10］楊元昊,賀玉良,周繼術,等.蘭州鲇與鲇、黃河鯉肌肉品質比較研究［J］.水生生物學報,2013,37（1）:54-61

［11］楊元昊,李維平,龔月生,等.蘭州鲇肌肉生化成分分析及營養學評價［J］.水生生物學報,2009,33（1）:54-60.

［12］李忠義,林群,戴芳群,等.主成分分析對黃海6種主要餌料魚類的質量分析評價［J］.漁業科學進展,2009,30（5）:64-68.

［13］林海明,杜子芳.主成分分析綜合評價應該注意的問題［J］.統計研究,2013,30（8）:25-31.

［14］韓小孩,張耀輝,孫福軍,等.基于主成分分析的指標權重確定方法［J］.四川兵工學報,2012,33（10）:124-126.

［15］薛敏,高貴田,趙金梅,等.不同品種獼猴桃果實游離氨基酸主成分分析與綜合評價［J］.食品工業科技,2014,35（5）:294-298.

［16］胡曉航,吳玉梅,王皙瑋.不同品種（系）甜菜氨基酸主成分分析與營養綜合評價［J］.中國農學通報,2016,32（27）:69-75.

［17］高煜霞,田麗霞,劉永堅.魚類氨基酸研究進展［J］.廣東飼料,2012,21（s1）:53-57.

［18］易雪靜,蔣利亞,徐中海.東洞庭湖區5種野生魚類氨基酸營養成分分析［J］.湖南理工學院學報:自然科學版,2013（3）:80-83.

［19］張滿龍,鄧理.氨基酸在魚類養殖中的作用［J］.水利漁業,2002,22（6）:25-26.

［20］陳宏民,鐘文彪,許合金,等.魚類對外源氨基酸利用的研究進展［J］.飼料與畜牧,2015（1）:29-32.

An Assessment Model of Food Quality in Fishes Based on a Principal Component Analysis Method

REN Jing1,2,WEN Si-en1,ZHANG Jun-yan1,YU Bin1
（1.Shanxi Fisheries Research Institute,Xi'an 710086,China;2.Dalian Ocean University,Dalian 116023,China）

In this paper,an assessment model based on the principal component analysis was used to evaluate food quality in 7 species of common food fishes including loach Misgurnus anguillicaudatus （Cantor）,ricefield eel Monopterus albus,crucian carp Carassius auratus,common carp Cyprinus carpio,Snakehead Channa argus Cantor,yellow catfish Pelteobagrus fulvidraco （Richardson）,and rainbow trout Oncorhynchus mykiss（Walbaum）and 17 kinds of amino acids.A fish food quality evaluation model was established to evaluate the comprehensive scoring and sorting,and to reflect the food quality of these fishes.Results showed that the maximal score was observed in rainbow trout,followed by crucian carp,and the minimal score in yellow catfish.Through the principal component analysis（PCA）model,a quantitative evaluation index has been established,and a new evaluation method is provided for assessment of food quality in fishes.

fish;amino acid;principal component analysis

TS254.7

A

1005-3832（2017）04-0023-05

2017-02-27

陜西省科技統籌創新工程計劃項目；陜西省水產種質資源平臺運行服務（2015FWPT-12）；秦巴山區冷水魚生態健康養殖技術集成與示范（2015KTCL02-12）.

任敬(1988-)，女，碩士在讀，助理工程師，從事漁業資源與環境、魚類營養學研究.

問思恩.E-mail:kyb029@sina.com