近紅外光譜法快速測定藜麥籽粒粗蛋白含量

,*

(1.攀枝花學(xué)院生物與化學(xué)工程學(xué)院,四川攀枝花 617000;2.四川省農(nóng)業(yè)科學(xué)院生物技術(shù)核技術(shù)研究所,四川成都 610061;3.四川省農(nóng)業(yè)科學(xué)院農(nóng)產(chǎn)品加工研究所,四川成都 610066)

藜麥(Chenopodimquinoawilld.)又稱藜米、南美藜、昆諾阿藜等,為莧科(Amaranthaceae)藜亞科(Chenopodiaceae)藜屬(Chenopodium)一年生雙子葉植物,是一種原產(chǎn)南美洲的雜糧假谷類作物,近年來發(fā)展非常迅速[1-6]。聯(lián)合國糧農(nóng)組織將藜麥視為可滿足人體基本營養(yǎng)需求的單體糧食作物,并將2013年設(shè)為國際藜麥年。美國航天局則將藜麥列為外太空空間的理想“太空糧食”[7]。藜麥的營養(yǎng)物質(zhì)含量豐富,成分均衡,其蛋白質(zhì)含量為12%～23% 左右,富含有人體必需的八種氨基酸且與世界衛(wèi)生組織發(fā)布的人體必需氨基酸攝入量高度吻合,同時藜麥蛋白質(zhì)的凈消化率、凈利用率顯著高于其他谷物,是人類優(yōu)秀的蛋白質(zhì)來源[8-12]。藜麥籽粒蛋白質(zhì)含量是評價藜麥品質(zhì)的主要指標之一,在食品加工、商品定級、品種選育等方面具有重要的參考價值,因此實現(xiàn)藜麥蛋白質(zhì)含量快速檢測具有重要意義。目前測量谷物蛋白質(zhì)含量的方法主要有凱氏定氮法,雙縮脲法,紫外吸收法等,這些方法步驟繁多,對操作人員要求較高,不利于對大量樣品進行快速檢測。

近紅外技術(shù)的研究與應(yīng)用已成為近年來國內(nèi)外發(fā)展最快的光譜分析技術(shù),具有簡單、快速、無損、環(huán)保、分析成本低、重現(xiàn)性好、便于實現(xiàn)在線檢測的特點,已經(jīng)成為現(xiàn)代無損檢測的代表和主要發(fā)展方向[13]。從20世紀60年代以來,近紅外技術(shù)開始用于谷物品質(zhì)測定,目前已用于各種谷物籽粒分析包括小麥、玉米、大豆、燕麥、花生等多個作物,主要測試指標包括水分、蛋白質(zhì)、脂肪、纖維、容重等[14]。王姣姣等[15]以190份豌豆為原料,建立了豌豆蛋白質(zhì)、淀粉、脂肪和總多酚的快速檢測模型。王麗君等[16]利用傅里葉變換近紅外光譜技術(shù)掃描綠豆籽粒和粉末樣品,預(yù)測了綠豆籽粒及粉末中蛋白、淀粉和直鏈淀粉3種組分的含量,并將其運用到綠豆品質(zhì)評價工作中。但關(guān)于藜麥粗蛋白含量的近紅外分析研究報道較少,曹曉寧等[17-19]建立了基于近紅外光譜技術(shù)的藜麥脂肪、纖維和淀粉的預(yù)測模型;石振興等[20-21]對藜麥粉的粗蛋白、粗脂肪和淀粉含量進行了近紅外研究,構(gòu)建了近紅外預(yù)測模型,但二者均未對藜麥籽粒粗蛋白含量進行近紅外建模研究。2014年,Escuredo等[22]則通過近紅外光譜分析技術(shù)得到了藜麥中12種氨基酸快速測定的近紅外模型,預(yù)測效果較好。

本研究利用近紅外光譜分析技術(shù)對藜麥籽粒粗蛋白含量進行快速檢測研究,試圖建立穩(wěn)定性好、精確度高的藜麥籽粒粗蛋白含量近紅外分析模型,為高蛋白藜麥品種選育和栽培措施研究提供技術(shù)支持。

1 材料與方法

1.1 材料與儀器

藜麥種子(122份) 2018年10月收獲并自然風(fēng)干的凈籽粒,來自于攀枝花市格薩拉鄉(xiāng)、阿壩州馬爾康市、西藏自治區(qū)日喀則市;濃硫酸、氫氧化鈉、硼酸、鹽酸、硫酸亞鐵銨 分析純,成都市科龍化工試劑廠;溴甲酚綠、甲基紅 分析純,美國Sigma公司;凱氏定氮高效催化劑片 無純度分級,賽諾利康生物技術(shù)(北京)有限公司。

Kjeltec 8400全自動凱氏定氮儀 丹麥福斯(FOSS)分析儀器公司;DT208消化爐 丹麥福斯(FOSS)分析儀器公司;ME104E電子天平 梅特勒-托利多儀器(上海)有限公司;DA7200二極管陣列近紅外光譜儀 瑞典波通(Perten)公司。

1.2 實驗方法

1.2.1 預(yù)處理方法 將122份樣本根據(jù)濃度范圍和分布均勻的原則,將其中的94份作為建模集,其余28份樣本作為驗證集。每個建模集樣本分為一式兩份,一份磨碎后過100目篩,用于粗蛋白含量化學(xué)值的測定;另一份完整籽粒用于近紅外光譜采集。每個驗證集樣本也分為一式兩份,一份磨碎后過100目篩,用于粗蛋白含量化學(xué)值的測定;另一份完整籽粒用模型預(yù)測蛋白含量進行外部驗證。

1.2.2 國標法測定藜麥籽粒粗蛋白含量 依據(jù)國標GB/T 5511-2008《谷物和豆類氮含量測定和粗蛋白質(zhì)含量計算凱氏法》進行藜麥籽粒粗蛋白含量的測定,蛋白轉(zhuǎn)換系數(shù)6.25。每個藜麥樣品做3次重復(fù)。

1.2.3 紅外光譜采集 將藜麥籽粒樣品均勻裝入φ75 mm的樣品盤中,再用直尺刮平藜麥表面和盤口齊平。使用近紅外分析儀以5 nm的分辨率掃描60次,樣品及環(huán)境溫度均為26 ℃,光譜掃描范圍為950～1650 nm,得掃描光譜圖。每個樣品重復(fù)掃描2次,每次掃描均重新裝樣,獲得平均光譜曲線。

1.3 數(shù)據(jù)處理

參考楊勇等[23]的方法,用Unscrambler10.4軟件對得到的藜麥籽粒光譜進行預(yù)處理并使用偏最小二乘法(PLS)建立模型。模型的預(yù)測效果根據(jù)校正決定系數(shù)(R2)、校正均方根誤差(RMSEC)、交叉驗證決定系數(shù)(R2)和預(yù)測均方根誤差(RMSEP)進行綜合評測,以得到最優(yōu)的近紅外模型組合。

表1 建模集和驗證集籽粒粗蛋白含量Table 1 Kernel crude protein content of quinoa samples used for calibration and validation

2 結(jié)果與分析

2.1 藜麥籽粒粗蛋白測試結(jié)果統(tǒng)計

由建模集和預(yù)測集藜麥樣品籽粒粗蛋白的分布情況(表1)可知,122份樣品中,建模集的94個樣品中,粗蛋白含量變異范圍為11.3%～22.7%,平均含量為14.9%,驗證集的28個樣品中,粗蛋白含量變異范圍為10.2%～20.9%,平均含量為15.3%。與前人研究結(jié)果相比,分布范圍更廣[21,24],分布較為均勻,具有較好的代表性。

表2 各種光譜預(yù)處理方法所得模型的評價參數(shù)Table 2 Evaluation parameters of models obtained by various spectral pretreatment methods

2.2 藜麥籽粒的近紅外光譜

每份藜麥粉末掃描3次,采用Unscrambler 10.4軟件的主成份分析(PCA,principal component analysis)法和光譜圖去除了化學(xué)異常值樣本1份和光譜異常值樣本4份。如圖1所示,參試樣品在波長950～1650 nm范圍內(nèi)均有明顯的吸收峰,其中不同樣本在950～1130 nm區(qū)間的近紅外光譜較分散,而在1130～1650 nm區(qū)間則十分接近。有文獻報道[25-27],950～1250 nm處于C-H等鍵的多級倍頻區(qū),光譜圖較散;而1250～1650 nm區(qū)間,則是C-H鍵、O-H鍵和C-O鍵的一級倍頻和組合頻區(qū),信號強,能反映出樣品的性質(zhì)和關(guān)聯(lián);和蛋白質(zhì)相關(guān)的N-H鍵吸收峰位于1034和1500 nm。所有樣品的圖譜變化趨勢基本相似,不同藜麥中的營養(yǎng)成分含量的高低差異,使得每份樣品在同一吸收峰的吸光度略有不同,可以通過建立數(shù)學(xué)模型來反映近紅外光譜和成分含量之間的關(guān)系。

圖1 去除異常光譜值后的藜麥籽粒原始光譜圖Fig.1 The original spectra of quinoa except anomalous spectral

2.3 光譜模型的建立

比較了9種光譜預(yù)處理方法(表2),結(jié)果表明SG(Savitzky-Golay,濾波擬合法)+SNV(Standard Normal Variate,標準正態(tài)變量)的校正和交叉驗證決定系數(shù)最高,校正和預(yù)測均方根誤差最低,說明該方法所建的模型為最佳。

粗蛋白含量模型交叉檢驗得到預(yù)測值和實際值的散點圖,校正集決定系數(shù)(R2)為0.9380,被測組分濃度分析誤差(RMSEP)為0.4823,說明預(yù)測值和真實值差距較小,模型效果較好(圖2)。石振興等[20]利用藜麥粉末建立了藜麥蛋白含量的近紅外檢測模型,其決定系數(shù)和分析誤差分別為0.9191和0.598,略差于本研究結(jié)果,且本研究以籽粒為檢測對象,比前者的粉末更加便利。

圖2 藜麥籽粒蛋白含量校正模型(A)和交叉驗證模型(B)Fig.2 A:Corrected model for quinoa grain protein content;B:The cross-validated model for quinoa grain protein content

2.4 外部檢驗

為了進一步驗證藜麥近紅外模型的準確性,用28份樣品進行外部檢驗。在DA7200近紅外光譜儀上掃描并通過模型計算被測樣品的籽粒粗蛋白含量預(yù)測值,然后用DPS7.05軟件對預(yù)測值和國標法測定值進行比較,結(jié)果如圖3所示。28份藜麥樣品的籽粒粗蛋白含量國標法測定值和模型預(yù)測值之間具有極顯著的相關(guān)性(R2=0.9416)。經(jīng)單因素方差分析表明,國標法測定值和模型預(yù)測值之間無顯著差異(P=0.7095),說明模型可靠性較好。

圖3 藜麥籽粒粗蛋白模型的外部檢驗結(jié)果Fig.3 External verification results of quinoakernel crude protein content using PLS model

3 結(jié)論

在950～1650 nm波長的近紅外范圍中,采用SG+SNV進行光譜預(yù)處理后,利用PLS建立藜麥籽粒近紅外光譜粗蛋白測定模型,模型決定系數(shù)值為0.9380,均方誤差為0.4823。經(jīng)驗證,該模型可靠性較好,能夠較準確的預(yù)測藜麥籽粒的粗蛋白含量,為優(yōu)質(zhì)藜麥品種的選育提供技術(shù)支撐。