不同部位駝肉營養(yǎng)成分檢測與近紅外光譜快速預(yù)測模型建立

吳丹丹，劉玥如，何靜,2，明亮,2，吉日木圖,2*

1(內(nèi)蒙古農(nóng)業(yè)大學(xué) 乳品生物技術(shù)與工程教育部重點(diǎn)實(shí)驗(yàn)室，內(nèi)蒙古 呼和浩特，010018)2(內(nèi)蒙古駱駝研究院，內(nèi)蒙古 巴丹吉林，737300)

隨著中國人口數(shù)量的增加和經(jīng)濟(jì)日益飛速發(fā)展，人們對肉品質(zhì)的需求也不斷上升，食用的肉制品種類也越來越多樣化。在非洲、阿拉伯國家、蒙古、中國西北補(bǔ)等地區(qū)駱駝肉深受人們喜愛。根據(jù)糧農(nóng)組織的統(tǒng)計(jì)數(shù)據(jù)，世界上伊斯蘭國家駝肉數(shù)量約占肉類生產(chǎn)總量的8%[1-3]。駱駝肉色澤鮮艷且無膻味，還具有高水分、高蛋白、低脂肪、低膽固醇等特點(diǎn)[4]，是許多亞洲和非洲國家人們最理想的肉食來源[5]。現(xiàn)如今，肉類的食用品質(zhì)特性受到性別、不同年齡、不同部位、營養(yǎng)狀況等諸多因素的影響[6]。因此，常采用pH值、揮發(fā)性鹽基氮、水分含量、失水率、色差、質(zhì)構(gòu)、持水力等指標(biāo)檢驗(yàn)肉類品質(zhì)。其中肉制品水分含量直接關(guān)系到成品的適口性、新鮮度、多汁性、口感、風(fēng)味等食用品質(zhì)[7-8]，決定了肉品的質(zhì)量和貨架期，是肉品加工貯藏中的重要衛(wèi)生、營養(yǎng)指標(biāo)[9]。

近紅外光譜技術(shù)是一種利用光譜學(xué)來檢測物質(zhì)成分的技術(shù)[10]，因其快速、準(zhǔn)確、高效無污染[11]等優(yōu)點(diǎn)被廣泛應(yīng)用于食品檢測中。近年來，近紅外光譜技術(shù)在食品行業(yè)發(fā)揮了巨大的作用。趙鉅陽等[12]在對凍藏豬肉在近紅外光譜應(yīng)用中的快速無損檢測的研究中表明，利用近紅外光譜技術(shù)建立新鮮肉和長期凍藏豬肉的預(yù)測模型，可以較好地判別新鮮豬肉與凍藏豬肉，達(dá)到了快速無損檢測豬肉新鮮度的目的。謝安國[13]研究了不同形態(tài)豬肉近紅外光譜的特征及蛋白和水分在豬肉光譜中的意義，更深入地了解光譜在各波段的生物學(xué)意義。PRIETO等[14]利用近紅外光譜，預(yù)測了牛肉樣品的成分，結(jié)果表明近紅外光譜技術(shù)在肉制品的檢測研究中具有很大的潛力。

目前，由于駱駝地域性較強(qiáng),分布不廣泛，所以對駱駝肉的研究并不算多，已有人對駱駝肉的營養(yǎng)成分以及肉制品進(jìn)行了初步研究，但利用近紅外光譜技術(shù)預(yù)測駱駝肉品質(zhì)特性的研究還未見報(bào)道。因此，本研究利用近紅外技術(shù)對阿拉善雙峰駝不同部位肉基本營養(yǎng)成分進(jìn)行檢測，并建立預(yù)測模型，以期提供一種快速預(yù)測駝肉品質(zhì)的模型。

1 材料與方法

1.1 材料

選取3～5歲齡阿拉善雙峰駝胴體的辣椒條、駱駝霖、大黃瓜條、腹肉、腱子肉、里脊、米龍、上腦、臀肉、外脊、胸肉、小黃瓜條、眼肉等13個(gè)部位肉樣，各部位肉切割成3 cm×2 cm×1 cm(長×寬×高)大約20 g的塊狀，標(biāo)記后置于-20 ℃的冰箱進(jìn)行保存，每個(gè)部位平行30個(gè)樣品。13個(gè)不同部位的分布具體見表1。

表1 不同部位駝肉的名稱Table 1 The names of different parts of camel

1.2 儀器與設(shè)備

Frontier近紅外光譜分析儀，鉑金埃爾默企業(yè)管理(上海)有限公司；DHG/50 Hz電熱鼓風(fēng)干燥箱，上海一恒科學(xué)儀器有限公司；Kjeltec 8100凱氏定氮儀、Soxtec TM2050脂肪測定儀，丹麥FOSS公司；EX224ZH電子天平，奧豪斯儀器(常州)有限公司；5810R高速冷凍離心機(jī)，Eppendorf公司。

1.3 實(shí)驗(yàn)方法

1.3.1 不同部位駝肉營養(yǎng)品質(zhì)的測定

參照GB 5009.3—2016《食品中水分的測定》中的直接干燥法測定不同部位駝肉中的水分含量。

參照GB 5009.5—2016《食品中蛋白質(zhì)的測定》中的凱氏定氮法測定不同部位駝肉中的蛋白質(zhì)含量。

參照GB 5009.6—2016《食品中脂肪含量的方法測定》中的索氏抽提法測定不同部位駝肉中的脂肪含量。

1.3.2 采集近紅外光譜

將樣品從-20 ℃環(huán)境中取出，置于4 ℃冰箱中解凍12 h，使用絞肉機(jī)絞碎成肉糜，將制成的肉糜放入樣品杯中，表面刮平使內(nèi)部氣泡流出。設(shè)定近紅外光譜儀的參數(shù)為：分辨率8 cm-1，波數(shù)范圍4 000～1 000 cm-1。每個(gè)樣品重復(fù)掃描3次，取3次掃描的平均值作為每個(gè)樣品的光譜。

1.3.3 光譜預(yù)處理與建模

對上述13個(gè)部位肉分別進(jìn)行光譜掃描，共獲得390份駝肉近紅外原始光譜。將390個(gè)光譜數(shù)據(jù)以7∶3 的比例分為校正集和預(yù)測集[15]。用濾波平滑法(savitzky-golay，S-G)進(jìn)行平滑濾波，可以提高光譜的平滑性，并降低噪音的干擾；標(biāo)準(zhǔn)正態(tài)變量轉(zhuǎn)換法(standard normal variate，SNV)可以消除由樣本顆粒大小、表面散射等對漫反射的影響；多元散射校正(multiplication scatter correction，MSC)主要的目的是消除由顆粒分布不均勻和顆粒大小引起的散射現(xiàn)象[16]。采用導(dǎo)數(shù)(derivative，Der)可以消除基線漂移或背景引起的干擾，區(qū)分出重疊峰，提高分辨率和靈敏度[17-18]。因此本研究選用S-G、一階導(dǎo)數(shù)(1stDer)、二階導(dǎo)數(shù)(2ndDer)、SNV、MSC等方法進(jìn)行光譜預(yù)處理，采用偏最小二乘判別分析法(partial least square-discrimination analysis，PLS-DA)建立模型。以校正集決定系數(shù)Rc2、預(yù)測集決定系數(shù)Rp2、校正均方根誤差(root mean square error of calibration，RMSEC)以及預(yù)測均方根誤差(root mean square error of prediction，RMSEP)作為評(píng)價(jià)模型好壞。決定系數(shù)越接近于1，RMSEC和RMSEP越接近0時(shí)，表明預(yù)處理方法越好，模型的預(yù)測能力越高[19]。

1.4 統(tǒng)計(jì)分析

本實(shí)驗(yàn)數(shù)據(jù)用WPS Excel 2010錄入，用IBM-SPSS Statistics 24.0對不同部位駝肉營養(yǎng)成分化學(xué)真值進(jìn)行差異顯著性分析。利用“The Unscrambler X 10.4”軟件對13個(gè)不同部位駝肉的營養(yǎng)成分進(jìn)行建模，并驗(yàn)證。

2 結(jié)果與分析

2.1 駱駝不同部位肉樣營養(yǎng)成分測定結(jié)果

表2為雙峰駝不同部位肉樣的營養(yǎng)成分測定結(jié)果。由表2可知，駱駝肉中的含水量豐富，各部位均在70%以上，水分是評(píng)價(jià)肉品質(zhì)的一個(gè)重要指標(biāo)，辣椒條、駱駝霖、大黃瓜條、腹肉、腱子肉、里脊、米龍、上腦、臀肉、小黃瓜條、眼肉水分含量差異不顯著(P>0.05)，辣椒條、駱駝霖、大黃瓜條、腱子肉、眼肉均顯著高于外脊和胸肉(P<0.05)；大黃瓜條、腹肉、腱子肉、里脊、米龍、臀肉、胸肉蛋白質(zhì)含量差異不顯著(P>0.05)，駱駝霖和上腦的蛋白質(zhì)含量均顯著高于外脊、上腦、眼肉(P<0.05)；腹肉和外脊、胸肉脂肪含量差異不顯著(P>0.05)，外脊脂肪含量顯著高于其他部位(P<0.05)。

2.2 駱駝不同部位肉樣的近紅外光譜特征

13個(gè)不同部位駝肉樣的原始光譜如圖1所示。根據(jù)2.1的實(shí)驗(yàn)結(jié)果可知，外脊部位脂肪含量較多，因此由圖1可以看出外脊部位的光譜曲線均分布在最下方，與其他部位肉樣的光譜曲線不一致，其余不同部位的駝肉樣光譜曲線的變化基本處于一致。掃描圖譜基本重合，說明光譜較為穩(wěn)定，重復(fù)性較好。為進(jìn)一步強(qiáng)化光譜特征，本研究對13個(gè)不同部位駝肉樣的數(shù)據(jù)取了平均值(圖2)，可以明顯看出13個(gè)不同部位駝肉樣的平均光譜較好地區(qū)分開來，因此采用近紅外光譜技術(shù)可有效鑒別不同部位駝肉。

圖1 不同部位駝肉樣的390個(gè)原始光譜Fig.1 390 original spectra of different parts of camel meat

圖2 不同部位駝肉樣的平均光譜Fig.2 Average spectra of different parts of camel meat

光譜在8 400、6 800、5 100 cm-1附近產(chǎn)生了明顯的吸收峰，在4 200、5 700 cm-1光譜附近的噪音較大。6 900 cm-1處的寬帶主要是由水引起的，是氫氧拉伸振動(dòng)的第一泛音，5 000 cm-1處的吸收帶主要與蛋白質(zhì)有關(guān)，與脂肪含量相對應(yīng)的吸收帶主要出現(xiàn)在8 350、5 800～5 700和5 300～5 260 cm-1處[20-21]。

2.3 駱駝不同部位肉樣的近紅外光譜數(shù)據(jù)主成分分析

圖3對13個(gè)不同部位駝肉樣品原始光譜數(shù)據(jù)進(jìn)行了主成分分析。如圖3所示，利用樣本的前2個(gè)主成分得分作圖，獲得PC1和PC2，當(dāng)整個(gè)的樣品集全部由PC1和PC2表示時(shí)，13個(gè)不同部位駝肉樣品中外脊部位(WJ)呈現(xiàn)明顯不同的分布特征。除個(gè)別部位如外脊、眼肉、小黃瓜條、臀肉等有區(qū)別于其他部位之外，其余樣品均聚集在中間。

圖3 不同部位駝肉樣光譜的主成分分析圖Fig.3 Principal component analysis diagram of spectra of different parts of camel meat

2.4 駱駝不同部位肉樣營養(yǎng)成分預(yù)處理與PLS-DA模型的建立

光譜采集過程中，無論人為操作多么精確，還是會(huì)無法避免一些客觀因素產(chǎn)生系統(tǒng)誤差影響近紅外定量分析模型的信息，例如樣品不均勻或受污染、樣品受到其他組分的干擾、光譜采集不準(zhǔn)確、光譜范圍的選擇不正確、光譜噪音大等而產(chǎn)生誤差。因此在建模前，要對原始光譜進(jìn)行預(yù)處理，進(jìn)而不斷優(yōu)化所建立的模型。

由表3可知，營養(yǎng)成分不同適宜的預(yù)處理方法也有所不同，不同部位駝肉樣的水分含量模型的最佳預(yù)處理方法為MSC，模型的決定系數(shù)R2、RMSEC分別是0.745 9和0.008 5；不同部位駝肉樣的蛋白質(zhì)含量模型的最佳預(yù)處理方法為SNV，模型的決定系數(shù)R2、RMSEC分別是0.660 2和0.287 9；不同部位駝肉樣的脂肪含量模型的最佳預(yù)處理方法為S-G，模型的決定系數(shù)R2、RMSEC分別是0.988 5和0.086 3。由于近紅外技術(shù)對化學(xué)指標(biāo)的預(yù)測能力較強(qiáng)，水分、脂肪和蛋白質(zhì)中的—CH和—OH基團(tuán)具有強(qiáng)烈的近紅外吸收[22]，同時(shí)蛋白質(zhì)和脂肪是肉中的主要成分，是引起光譜差異性的主要原因[23]。

表3 不同的預(yù)處理方法對建模效果的影響Table 3 The influence of different preprocessing methods on the modeling effect

2.5 駱駝不同部位肉樣營養(yǎng)成分模型的預(yù)測

(圖4)將劃分好的驗(yàn)證集數(shù)據(jù)對建立的模型進(jìn)行了驗(yàn)證。由圖4可知，不同部位駝肉樣水分含量驗(yàn)證集決定系數(shù)RP2、RMSEP為0.774 1、0.013 4；蛋白質(zhì)含量模型的決定系數(shù)Rp2、RMSEP為0.672 5、0.276 0；脂肪含量模型模型的決定系數(shù)Rp2、RMSEP為0.996 3、0.056 7。驗(yàn)證結(jié)果與校正集結(jié)果一致，說明利用近紅外光譜技術(shù)對不同部位駝肉樣的脂肪含量預(yù)測效果最好，水分含量的預(yù)測效果次之，蛋白質(zhì)含量的預(yù)測效果最不理想。

a-水分含量模型的預(yù)測圖；b-蛋白質(zhì)含量模型的預(yù)測圖；c-脂肪含量模型的預(yù)測圖圖4 營養(yǎng)成分模型驗(yàn)證集的真實(shí)值與預(yù)測值的分布圖Fig.4 Distribution of true and predicted values of the nutrient content model validation set

3 結(jié)論

本研究以阿拉善雙峰駝13個(gè)不同部位肉為實(shí)驗(yàn)樣品，采用近紅外光譜技術(shù)，結(jié)合PLS-DA，對駝肉中水分、蛋白質(zhì)及脂肪含量進(jìn)行了定性分析，建立了駝肉營養(yǎng)成分模型。結(jié)果表明，通過13個(gè)不同部位駝肉平均光譜不同這一特點(diǎn)可成功鑒別雙峰駝不同部位的肉。與水分和蛋白質(zhì)含量相比，近紅外光譜技術(shù)更適合不同部位駝肉樣脂肪含量的預(yù)測，模型的決定系數(shù)Rc2值最高、RMSEC值最小，模型預(yù)測能力較好。預(yù)測的水分和蛋白質(zhì)含量的PLS-DA模型的性能有待進(jìn)一步提高。因此，采用近紅外光譜技術(shù)可以簡便且準(zhǔn)確地對不同部位駝肉樣進(jìn)行鑒別和營養(yǎng)成分的預(yù)測。