低場核磁共振技術在油脂摻偽鑒別中的應用

杜 蘅 胡毓元 蓋爭艷 郭怡雯 郭 濤

(河南工業大學小麥與玉米深加工國家工程實驗室，鄭州 450000)

低場核磁技術是一種基于原子核發生磁性共振的弛豫譜分析技術，在食品領域的應用優勢是檢測分析速度快、效率高，樣品無損、處理簡便，檢測設備簡單，環境友好。Zhang等[1]利用低場核磁進行深度煎炸油摻入食用植物油的摻偽鑒定，通過聚合物小峰的出現和峰面積的線性變化得到了深度煎炸油脂的摻偽量計算模型。已有研究運用低場核磁進行了一系列食用油煎炸后品質的檢測，結合化學計量方法也建立了摻偽鑒別方法[2-4]。主成分分析的目的是在不丟失原始變量信息的前提下選擇為數較少的新變量，以排除相互重疊的信息，并對降維后的特征向量進行線性分析，最后在PCA分析的散點圖上顯示樣品之間的整體品質差異[5]。近年來，主成分分析等化學計量技術與儀器分析等測試技術相結合，已成功應用在農業[6-7]和食品檢測[8]領域。

由于一些植物油脂中中不飽和脂肪酸含量較高，又含有多酚等抗氧化成分，所以在提取油脂的生產過程中一般的高溫壓榨、有機溶劑萃取等方法并不適合生產高品質功能性油脂，低溫冷榨及超臨界萃取等方法極大的提高了其生產成本，造成市場上類似油脂產品價格昂貴。一些不法商人唯利是圖，將生產成本較低的食用油脂摻進高價油脂中出售，以降低其生產成本，獲得較大的利潤空間。雖然在食品安全方面這種行為對消費者并沒有較大的影響，但高價油脂的功能性會大打折扣，對消費者的權益產生較大的負面影響。文獻報道的油脂摻偽檢測的儀器方法很多，多見于氣相色譜、氣質聯用、可見光分光光度計、傅里葉紅外光譜以及高場核磁等儀器在油脂摻偽方面的應用，同時多見于檢測回收油脂在新鮮油脂中的摻偽，其研究成果也較為理想[9-13]。但這些儀器方法需要對樣品進行前處理，并且實驗時間較長，對于市場鑒別時效性有較大影響，所以對于葡萄籽油的摻偽油脂開發一種快速檢測方法勢在必行。

本實驗旨在研究摻偽油脂的檢測，以葡萄籽油為例，進行葡萄籽油以及其摻偽油脂樣品的脂肪弛豫譜特征峰的變化，結合主成分分析方法，鑒別其摻偽油脂品種并得到摻偽量等信息。

1 材料與方法

1.1 材料與試劑

葡萄籽油;稻米油;玉米油;一級大豆油。

1.2 儀器與設備

MicroMR-CL-I變溫型核磁共振食品農業成像分析儀；XW-80A型微型渦旋混合儀；HH-4型數顯攪拌水浴鍋。

1.3 方法

1.3.1 葡萄籽油摻偽油脂樣品的配制

將5種不同品牌的純葡萄籽油定義為摻偽量0%，5種不同品牌的純稻米油定義為100%，按照質量分數分別配制10%、20%、30%、40%、50%的模擬稻米油摻入葡萄籽油樣品，同樣方法制備玉米油、大豆油為摻偽物質的葡萄籽油樣品。所有混合油脂樣品經30 s渦旋混合后，置于4 ℃冰箱條件下存放備用。

1.3.2 LF-NMR橫向弛豫時間(T2)檢測方法

純油脂樣品及葡萄籽油摻偽油脂樣品的測定：分別吸取1.00 g油脂樣品置于內徑10 mm核磁試管內底部，每種油脂樣品3份平行試樣，置于35 ℃條件恒溫水浴鍋內恒溫靜置10 min，擦干核磁試管外部水分后置于核磁共振儀探頭內穩定30 s，隨后采集信號。采樣結束后重新置于35 ℃條件下恒溫水浴鍋中，以備再次采樣[14]。采樣參數為：場強0.5 T，頻率21 MHz，磁體溫度35 ℃，等待時間TW=2 000 ms，回波時間TE=0.1 ms，回波個數NECH=18 000 個，采樣頻率SW=333.33 kHz，采樣點數TD=360 000，累加次數NS=2 次，每個樣品重復采樣多次。采集的油脂核磁共振衰減信號數據由T-invfit軟件進行SIRT反演擬合，反演參數為迭代次數1 000 000次，得到油脂樣品多組分分析T2弛豫圖譜。

1.3.3 實驗設計

按照1.3.2所述LF-NMR檢測方法，采集所有油脂樣品的核磁共振衰減信號，并反演擬合得到不同摻偽量油脂樣品的T21、T22、T23各組分弛豫特征數據(峰起始時間、峰頂點時間、峰結束時間、峰面積、峰比例)的數據。

摻偽葡萄籽油鑒別模型的建立方法：以稻米油為例。將純葡萄籽油(5種品牌)、純稻米油(5種品牌)以及不同品牌稻米油以質量分數10%、20%、30%、40%、50%摻入不同品牌葡萄籽油中得到的摻偽葡萄籽油樣品共135 個，經LF-NMR采樣，將反演擬合得到的T21起始時間、T21頂點時間、T21結束時間、T21峰面積、T21峰比例、T22起始時間、T22頂點時間、T22結束時間、T22峰面積、T22峰比例、T23起始時間、T23頂點時間、T23結束時間、T23峰面積、T23峰比例預設為15個變量(用Z1-Z15表示)，進行主成分分析。再通過Excel 2010整理、Origin 9.0繪制得到稻米油為摻偽物的葡萄籽油摻偽鑒別模型圖。同樣方法建立玉米油、大豆油為摻偽物的葡萄籽油摻偽鑒別模型圖。

配制不同質量比的摻偽油脂樣品，計算出摻偽濃度，同時進行LF-NMR測定，代入相關摻偽物模型進行是否摻偽及摻偽含量驗證。

1.4 數據處理

每個實驗設置3個平行樣品，應用SPSS 16.0進行主成分分析(PCA)并利用Origin 9.0和Excel數據圖譜處理軟件進行數據預處理，建立純葡萄籽油和摻偽葡萄籽油的摻偽鑒別模型。

2 結果與討論

2.1 LF-NMR結合主成分分析對不同種類食用油脂的區分

葡萄籽油、稻米油、玉米油及大豆油4種純油脂分別進行LF-NMR采樣，將其弛豫特性標準化數據進行主成分分析，并得到相應變量在該主成分中的載荷及方差貢獻率，如表1所示。

表1 四種純油脂LF-NMR弛豫特性在主成分

主成分貢獻率表示該主成分反映原始數據的信息量，累計貢獻率表示相應的幾個主成分累計反映原始變量的信息量[15]。表1中主成分1(PC1)貢獻率為41.09%，結合主成分2(PC2)及主成分3(PC3)的累計貢獻率可達到88.972%，可較全面的反映15個變量的原始信息。載荷值是原始15個變量，即LF-NMR弛豫特征參數，與主成分1、主成分2及主成分3之間的相關系數。由表1可知，PC1與T23結束時間呈高度正相關，同時PC1與PC2的貢獻率已能表達原始數據信息，因此可選擇PC1、PC2反映這4種純油脂主成分分析的結果，建立模型：

F1=-0.278Z1-0.277Z2-0.279Z3+0.152Z4+0.145Z5+0.379Z6+0.293Z7+272Z8+0.026Z9-0.180Z10+0.272Z11+0.305Z12+0.364Z13+0.212Z14+0.207Z15；

F2=0.292Z1+0.287Z2+0.301Z3-0.194Z4-0.198Z5+0.051Z6+0.340Z7+0.356Z8+0.150Z9+0.339Z10+0.356Z11+0.157Z12+0.166Z13-0.321Z14+0.035Z15。

以PC1、PC2的綜合評價指標得分值繪制4種純油脂的得分圖，如圖1所示。每個標識代表5個品牌的同一種油脂在得分圖上的分布，即代表了這種油脂的整體特性。4種純油脂區分較為明顯，其中葡萄籽油在得分圖中的位置距離其他3種油脂較遠，說明葡萄籽油在脂肪酸組成即脂肪酸飽和度上能與其他3種油脂顯著區分，同時這也是鑒別摻偽油脂LF-NMR技術的基礎。可以看到不同品牌葡萄籽油在得分圖上的分布較其他3種油脂更為分散，可能是由于不同品牌的稻米油、玉米油、大豆油在生產工藝上較為統一，而葡萄籽油在制取工藝上有差異，從而可能造成的油脂中活性物質種類含量的差異。由于在PC1和PC2的二維得分圖上所有油脂樣品得分的橫坐標較為接近，但已經可以明顯區分。

圖1 4種純油脂的PC得分圖

2.2 LR-NMR結合主成分分析對摻偽葡萄籽油的鑒別及其摻偽量的判定

將摻有稻米油、玉米油和大豆油的摻偽葡萄籽油的LF-NMR弛豫特性標準化數據進行主成分分析，得到特征值大于1的相應變量在該主成分中的載荷及方差貢獻率，如表2所示。

2.2.1 LR-NMR結合主成分分析對葡萄籽油中摻偽稻米油的鑒別及其摻偽量的判定

從表2中可以看出，葡萄籽油摻偽稻米油的主成分1貢獻率為76.00%，結合主成分2的累計貢獻率可達到95.09%，可較好地反映15個變量的原始信息。載荷值是原始15個變量，即LF-NMR弛豫特征參數，與主成分1及主成分2之間的相關系數。由表2可知，PC1與T22峰面積、T22峰比例呈高度正相關，與T23峰面積、T23峰比例呈高度負相關，PC2與T23峰結束時間呈高度負相關。因此可選擇PC1、PC2對稻米油摻偽的葡萄籽油的弛豫特性參數進行分析，建立各指標的綜合評價模型為：

F1=0.246Z1+0.244Z2+0.243Z3+0.236Z4+0.237Z5+0.259Z6+0.276Z7+0.279Z8+0.295Z9+0.295Z10+0.278Z11+0.249Z12-0.009Z13-0.295Z14-0.295Z15；

F2=-0.284Z1-0.294Z2-0.316Z3-0.242Z4-0.245Z5+0.275Z6+0.204Z7+0.177Z8+0.038Z9+0.032Z10+0.182Z11+0.293Z12+0.585Z13-0.028Z14-0.030Z15。

表2 摻偽葡萄籽油的LF-NMR弛豫特性在主成分中的載荷及累計方差貢獻率

以PC1、PC2綜合得分指標繪制稻米油摻偽葡萄籽油的得分圖。如圖2所示，不同記號表示不同摻偽濃度(0%、10%、20%、30%、40%、50%、100%)，可看出0%、100%摻偽濃度的葡萄籽油的分布與其他摻偽濃度有明顯區分，而10%、20%的摻偽濃度相對較低，其分布范圍有一定的重合，摻偽濃度為30%、40%、50%的葡萄籽油的分布范圍也存在較為集中的情況，但從摻偽濃度0%～100%的葡萄籽油分布上還是可以明顯看出摻偽度從低到高的油脂的線性分布規律。這可能是由于稻米油與葡萄籽油的脂肪酸組成(主要是脂肪酸飽和度有較明顯的差異)不同造成的其多組分弛豫圖譜的弛豫特性有較明顯的規律變化。

圖2 稻米油摻偽葡萄籽油的PC1、PC2得分圖

將不同質量比的摻偽葡萄籽油樣品進行LF-NMR采樣，并整理弛豫特征數據，代入稻米油摻偽葡萄籽油的摻偽鑒別模型中，繪制相應得分圖如圖3所示。并同時對比計算所得摻偽濃度(分別為18.19%、33.35%、49.56%)，可看到驗證油脂樣品在得分圖上的位置分別位于摻偽度為20%、40%、50%的分布范圍內。由此可以說明稻米油摻偽葡萄籽油的LF-NMR弛豫特征數據的通過主成分分析建立的摻偽鑒別模型可初步驗證未知油脂樣品是否摻偽及摻偽度范圍的確定。

圖3 驗證樣品在摻偽鑒別模型得分圖的位置分布

2.2.2 LR-NMR結合主成分分析對葡萄籽油中摻偽玉米油的鑒別及其摻偽量的判定

從表2中可以看出，葡萄籽油摻偽玉米油的主成分1貢獻率為41.09%，結合主成分2和主成分3的累計貢獻率可達到88.97%，可較好地反映15個變量的原始信息。由表2可知，PC1與T22峰面積、T23結束時間呈高度正相關。因此可選擇PC1、PC2、PC3對玉米油摻偽的葡萄籽油的弛豫特性參數進行分析，建立各指標的綜合評價模型為：

F1=-0.278Z1-0.277Z2-0.279Z3+0.152Z4+0.145Z5+0.379Z6+0.293Z7+0.272Z8+0.026Z9-0.180Z10+0.272Z11+0.305Z12+0.364Z13+0.212Z14+0.207Z15

F2=0.292Z1+0.287Z2+0.301Z3-0.194Z4-0.198Z5+0.051Z6+0.340Z7+0.356Z8+0.150Z9+0.339Z10+0.356Z11+0.157Z12+0.166Z13-0.321Z14+0.035Z15

F3=-0.198Z1-0.186Z2-0.153Z3+0.360Z4+0.351Z5-0.103Z6+0.071Z7+0.125Z8+0.397Z9+0.321Z10+0.125Z11-0.296Z12-0.058Z13-0.284Z14-0.414Z15

以其中兩個主成分即PC1、PC2綜合得分指標繪制玉米油摻偽葡萄籽油的得分圖。如圖4所示，不同記號表示不同摻偽濃度(0%、10%、20%、30%、40%、50%、100%)，可看出0%、100%摻偽濃度的葡萄籽油的分布與其他摻偽濃度有明顯區分，而10%、20%、30%的摻偽濃度區分度相對較低，其分布范圍可能存在一定的重合，摻偽濃度為40%、50%的葡萄籽油的分布范圍距離較遠，區分度相對較好，但從摻偽濃度0%到100%的摻偽葡萄籽油分布上不存在明顯的線性分布規律。這可能是由于玉米油與葡萄籽油的脂肪酸組成相較稻米油更為接近，混合油脂樣品的脂肪酸的飽和度上沒有規律性的差異，這也可與第一部分四種純油脂的主成分分析得分圖上顯示出的結果相互印證。

圖4 稻米油摻偽葡萄籽油的PC1、PC2得分圖

將不同質量比的摻偽葡萄籽油樣品進行LF-NMR采樣，并整理弛豫特征數據，代入玉米油摻偽葡萄籽油的摻偽鑒別模型中，繪制相應得分圖如圖5所示。并同時對比計算所得摻偽濃度(分別為17.80%、23.53%、41.36%)，可看到驗證油脂樣品在得分圖上的位置分別位于摻偽度為20%、20%、40%的分布范圍內。由此可以說明玉米油摻偽葡萄籽油的LF-NMR弛豫特征數據的通過主成分分析建立的摻偽鑒別模型可初步驗證未知油脂樣品是否摻偽及摻偽度范圍的確定。

圖5 驗證樣品在摻偽鑒別模型得分圖的位置分布

2.2.3 LR-NMR結合主成分分析對葡萄籽油中摻偽大豆油的鑒別及其摻偽量的判定

從表2中可以看出，葡萄籽油摻偽大豆油的主成分1貢獻率為54.96%，結合主成分2和主成分3的累計貢獻率可達到91.12%，可較好地反映15個變量的原始信息。由表4可知，PC1與T22起始時間、T23頂點時間和T23結束時間呈高度正相關，與T21峰面積呈高度負相關。因此可選擇PC1、PC2、PC3對大豆油摻偽的葡萄籽油的弛豫特性參數進行分析，建立各指標的綜合評價模型為：

F1=-0.281Z1-0.279Z2-0.266Z3-0.340Z4+0.195Z5+0.343Z6+0.301Z7+0.238Z8-0.144Z9-0.188Z10+0.238Z11+0.320Z12+0.315Z13-0.101Z14+0.171Z15；

F2=0.196Z1+0.186Z2+0.147Z3-0.091Z4+0.279Z5-0.064Z6+0.119Z7+0.320Z8-0.375Z9+0.368Z10+0.320Z11-0.120Z12-0.083Z13-0.392Z14-0.381Z15；

F3=0.301Z1+0.317Z2+0.364Z3-0.079Z4-0.213Z5+0.050Z6+0.187Z7-0.187Z8-0.348Z9-0.330Z10-0.187Z11+0.190Z12+0.105Z13-0.346Z14+0.348Z15。

以PC1、PC2綜合得分指標繪制大豆油摻偽葡萄籽油的得分圖。如圖6所示，不同記號表示不同摻偽濃度(0%、10%、20%、30%、40%、50%、100%)，可看出不同摻偽濃度的葡萄籽油的分布范圍有明顯區分，但在二維得分圖上并無線性分布規律。這可能是由于大豆油與葡萄籽油的脂肪酸飽和度更為接近，需在三維主成分得分圖上觀察其相應規律，但PC1、PC2的二維得分圖上已能明顯區分不同摻偽濃度油脂樣品，故本研究暫不討論PC3對原始變量數據的反映。

圖6 大豆油摻偽葡萄籽油的PC1、PC2得分圖

將不同質量比的摻偽葡萄籽油樣品進行LF-NMR采樣，并整理弛豫特征數據，代入大豆油摻偽葡萄籽油的摻偽鑒別模型中，繪制相應得分圖如圖7所示。并同時對比計算所得摻偽濃度(分別為23.80%、36.12%、47.96%)，可看到驗證油脂樣品在得分圖上的位置分別位于摻偽度為20%、40%、50%的分布范圍內。由此可以說明大豆油摻偽葡萄籽油的LF-NMR弛豫特征數據的通過主成分分析建立的摻偽鑒別模型可初步驗證未知油脂樣品是否摻偽及摻偽度范圍的確定。

圖7 驗證樣品在摻偽鑒別模型得分圖的位置分布

3 結論

以葡萄籽油及其摻偽油為例，討論稻米油、玉米油、大豆油分別以不同比例摻入葡萄籽油的樣品經LF-NMR采樣檢測得到的弛豫特性數據通過主成分分析得到不同摻偽油脂的鑒別模型及得分圖，通過對未知樣品的代入所得濃度與計算濃度對比進行摻偽鑒別。其結果表明可以通過LF-NMR技術方法對油脂做出明確的摻偽鑒別，同時在一定程度上可以確定其摻偽濃度。

但是由于在模型的二維得分圖上一些油脂的摻偽油樣沒有明顯的線性規律，在低摻偽濃度范圍內區分度相對較低，可通過進行三維數據分析或結合其他化學計量方法降低其摻偽檢出限。