基于氫譜核磁共振的嶺回歸算法快速預測煎炸油氧化指標

榮菡 ，游杰舜，甘露菁*，黃茜楠，林小鳳

(1.北京理工大學珠海學院 材料與環境學院，廣東 珠海 519088；2.北京理工大學珠海學院 數理與土木工程學院，廣東 珠海 519088)

煎炸食品常常賦予食物酥脆的口感，從感官與心理層面滿足人們對食物色、香、味、形的需求。煎炸食物的食用油被稱為煎炸油，在煎炸過程中，食物成分、水分與食用油在高溫下會發生一系列反應，使得煎炸油發生氧化、水解。隨著煎炸時間的延長，煎炸油的營養成分損失，同時煎炸過程中產生各種復雜的氧化產物，以及產物再分解與聚合，使有害化學物質不斷積累，導致油品質下降甚至劣變。

為降低油脂氧化速率，延長貯藏貨架期，在食用油氧化穩定性的研究中，一是通過微膠囊制備工藝，探尋適合生產的芯材與壁材、乳化劑種類與營養、工廠生產條件如溫度、乳化時間、均質與進料速度等影響因素，通過微膠囊制備工藝形成的粉末油脂或油脂乳液有效提高其貯存性能[1]；二是通過加入合適的抗氧化劑、天然抗氧化劑如蕹菜精油、迷迭香提取物、茶多酚等，以及與合成抗氧化劑的協同增效作用，針對清除自由基抗氧化，以考察其氧化時指標的效果變化，從而為抗氧化劑開發提供新思路[2-3]。

食用油氧化指標包括羰基價、過氧化值、酸價等，特別是極性組分是反映煎炸油品質的重要指標。目前，評價煎炸油品質時，通常采用理化檢測的方法，對某一特定指標進行檢測，存在檢測繁瑣費時、需要消耗大量的有機試劑、工作量較大等問題。

針對這些問題，亟需一種快速監測油脂氧化指標的新方法。氫譜核磁技術是基于氫核磁性的一種波譜高新技術，根據氫核在化學環境中變化形成的化學位移，能夠精確分析食用油品質相關的各種官能團信息，具有重現性好、操作簡便、結構信息豐富等優點。化學模式識別是基于儀器分析與化學計量學聯用的一種新技術，通常需要采用數學處理與統計學模型分析，比如主成分分析(PCA)[4]、支持向量機(SVM)、聚類分析[5]、模糊數學處理[6]、多元變量分析[7-8]等，對于復雜體系下的信息挖掘與提取，氫譜核磁共振技術在樣品成分整體性分析方面頗有優勢，它常應用于油脂貨架期預測[9]、品質分析與評價[10]、油脂摻偽鑒別[11]、油脂成分檢測[12-13]等領域。

本研究采用氫譜核磁共振技術，結合嶺回歸算法，通過挖掘與分析煎炸油氧化過程中復雜產物官能團的特征信息，以此建立了快速預測煎炸油過氧化值與極性組分的回歸模型，為整體全面判斷煎炸油品質與安全提供了科學依據。

1 材料與方法

1.1 實驗材料

大豆油：益海嘉里集團，質量符合GB 2716—2018《食品安全國家標準 植物油》；薯條：珠海華潤萬家超市。

1.2 實驗試劑與儀器

冰乙酸、三氯甲烷、碘化鉀、硫代硫酸鈉、石油醚(沸程30～60 ℃)、無水硫酸鈉、重鉻酸鉀、氘代三氯甲烷(CDCl3，氘代度99.8%，含0.03% 四甲基硅烷TMS)：分析純，德國默克公司。

AVANCE 600 MHz超導傅里葉變換核磁共振儀、CPPBBO超低溫探頭 瑞士布魯克公司；5 mm核磁共振樣品管 美國Norell公司；TAR-GIN渦旋儀 北京踏錦科技有限公司。

1.3 方法

1.3.1 煎炸油樣品制備

在煎炸鍋里加入5 L的大豆油，在±180 ℃下，取100 g規格相似的薯條(4 cm×1 cm×1 cm)進行煎炸。每批薯條煎炸3 min，每15 min煎炸一批，連續煎炸30 h。每隔1 h取100 mL的油品過濾后封裝，根據煎炸時間和批次的不同，煎炸后將樣品置于冰箱中冷凍保存，直到核磁分析再取出，煎炸過程中不添加新油。共采集不同煎炸批次與時間的煎炸油樣品478例，并按照數據分析的要求，劃分為訓練集、驗證集、預測集樣品。其中訓練集與驗證集的劃分比例為3∶1。

1.3.2 核磁共振氫譜數據采集

稱取待測油樣60 mg于2 mL液相小瓶中，加入0.6 mL氘代三氯甲烷(CDCl3)2 mg/mL，渦旋1 min，使樣品充分混合，取0.5 mL至核磁管中，上機檢測。以四甲基硅峰為化學位移零點，記錄氫譜信號峰值。將1H NMR信號導入IconNMR Spect軟件，自動調節相位和基線，以三氯甲烷內標峰定標校正化學位移，歸一化進行積分。

分析條件：90°脈沖；虛擬掃描次數為4；掃描次數為64；譜線寬度為13.993 1 ppm；采集時間為5.852 365 s；頻率偏移6.500溫度 25 ℃。

試樣中氧化產物的含量以內標氘代三氯甲烷(CDCl3)計算而來，其計算公式為：

內標物含量CIS(單位以mol計)：

(1)

樣品含量CS(單位以mol計)：

(2)

樣品質量摩爾濃度bS(單位以mmol/kg計)：

(3)

式中：ρ表示內標物溶液在25 ℃時的密度；V取表示內標物溶液體積；MWIS表示內標物分子的分子量；mIS表示樣品質量；AS表示目標組分的峰面積；AIS表示內標物峰面積。

1.3.3 煎炸油過氧化值與極性組分測定

過氧化值的測定依據GB 5009.227—2016《食品安全國家標準 食品中過氧化值的測定》第一法滴定法；極性組分含量的測定依據GB 5009.202—2016《食品安全國家標準 食品中極性組分(PC)的測定》第二法柱層析法。

1.4 嶺回歸算法原理

嶺回歸(ridge regression)是一種用于共線性數據分析的有偏估計方法，是一種改良的最小二乘法。它放棄最小二乘的無偏性，建立更強的有偏數據的耐受性，因而能夠應用于更符合實際情況的回歸中。

根據Gauss模型：y=Xβ+ε, 其中y=(y1,y2,……,yn)，T稱為n維列向量，X稱為n行p列滿秩矩陣，β=(β1,β2, ……，βp)，T待估的p維列向量，βj可看成是對應特征的權重，其絕對值大小便是權重大小。對β的估計便是嶺回歸估計：

β^(k)=(XTX+kI)-1XTY。

為了防止模型過擬合，通常以回歸系數平方項作為懲罰項進行壓縮，形成了有參數的約束項，即L2范數，亦被稱為正則化項，一般用λ或α表示正則化系數[14]。通過控制參數，盡可能消除相關性較高的特征變量的相關性所帶來的影響，因此比一般的多元線性回歸、逐步回歸等傳統方法更加穩定。

1.5 模型建立與評價指標

建立回歸模型執行內部交叉互驗法，一般用模型相關系數(R2或r)和均方根誤差(RMSE)來評價模型。一般高相關系數(R)與低均方根誤差(RMSE)為一個穩定且精度良好的模型的必要條件。

2 結果與討論

2.1 煎炸油氧化產物的1H NMR譜峰分析

煎炸油的氧化進程，隨著自由基鏈式反應，伴隨著氧化裂解、氧化熱聚合，先生成氫過氧化物，繼而分解生成各種醛類、酮類、烯烴類、羧酸類、醇類等化合物。因此，基于氫原子的變化，根據油脂氧化時各種質子氫的化學位移不同，氧化反應產物在氫譜核磁共振譜線處會出現峰信號響應。

在譜線范圍(1.94～6.60 ppm)，氫質子官能團特征包括酰基基團、(E)-環氧化烷基團、(Z)-環氧化烷基團、伯醇、仲醇等多種特征。結合Wang等[15]的研究結果，實驗發現，在譜線信號F(6.25 ppm)和信號B(6.55 ppm)處，可作為初級氧化產物的特征譜峰，這與煎炸大豆油氧化時形成的氫過氧化物關系密切，其中信號F與(Z,E)-共軛結構相關，信號B與(E,E)-共軛結構有關，代表煎炸油初級氧化過程中，產生共軛烯烴類的氫過氧化物中碳碳雙鍵上的氫質子。研究發現，在信號Ⅰ(9.75 ppm)、Ⅴ(9.52 ppm)、Ⅵ(9.48 ppm)處，分別對應著直鏈烯醛、(E,E)-2,4-烯醛、(E)-2-烯烴的醛基上的氫質子特征，被確定為與二級氧化產物密切相關[16]。

煎炸后的大豆油樣品經氫譜核磁共振分析時，得到的初級氧化產物和二級氧化產物的譜峰特征和化學位移信息見圖1。

圖1 煎炸大豆油氧化產物的氫譜核磁共振譜圖Fig.1 1H NMR spectroscopy of oxidation products of frying soybean oil

2.2 煎炸油特征氧化產物隨煎炸次數增加的變化

隨著煎炸次數的增加，對于初級氧化產物特征譜峰的信號B與信號F，在煎炸初期可測含量，但隨著煎炸次數的增加，氧化反應的進程加劇，其含量逐漸減少至無檢出。這是因為隨著煎炸次數的增加，烷基自由基和共軛結構的氫質子發生變化，形成的氫過氧化物不穩定。煎炸后期無法檢出，可能是由于此時氫過氧化物早已分解，同時初級氧化產物兩種B、F特征信號的譜峰出現的含量差異，與順式與反式共軛結構所需的活化能不同有關[17]，因此兩者分解速率不同。

同時，隨著煎炸時間的增加，二級氧化過程中產生各種醛類，比如正構醛、共軛二烯醛、共軛烯醛的含量會同步增加。與二級氧化產物有關的信號Ⅰ、Ⅴ、Ⅵ，通常與這些醛類的羰基氫有關，因此這些信號特征譜峰含量也逐漸增加，但在煎炸后期，發現速率變慢，這與后期氧化時產生的環氧化物、氧代產物逐漸增多有關[18]。

另外，實驗中考察了過氧化值、極性組分含量隨煎炸時間增加的變化，結果發現當煎炸12 h后，極性組分達28.71%，超過了GB 7102.1—2003《食用植物油煎炸過程中的衛生標準》所規定的27%的限定值；而煎炸16 h后，過氧化值為5.28 mmol/kg，超過了GB 2716—2018《食品安全國家標準 植物油》一級食用油規定的過氧化值5 mmol/kg的限定值。此時煎炸油色澤變化較明顯，變褐色，且黏度明顯更強。

圖2 煎炸大豆油氧化產物隨煎炸時間的增加變化Fig.2 Change of oxidation products of frying soybean oil with the increase of frying time

2.3 特征氧化產物的共線性診斷與主成分分析

氧化過程中形成的多種復雜二級氧化產物中，可從氫質子化學位移的變化中反映出來，包括形成烷烴、(E,E)-2,4-烯醛、4-羥基-(E)-2-烯烴、4,5-環氧-(E)-2-烯烴、(E，E)-2,4-二烯烴、(E)-2-烯烴等多種復雜化合物[19]。特征氧化產物的選擇需要根據相關分析，以及基于方差貢獻率的主成分分析得到。5種氧化產物官能團特征信號F(6.25 ppm)、信號B(6.55 ppm)、Ⅰ(9.75 ppm)、Ⅴ(9.52 ppm)、Ⅵ(9.48 ppm)分別與過氧化值、極性組分的相關性見表1和表2；主成分分析后的方差解釋貢獻率的結果見表3。

表1 氧化產物特征信號與過氧化值的相關性Table 1 Correlation between characteristic signals of oxidation products and peroxide values

表2 氧化產物特征信號與極性組分相關性Table 2 Correlation between characteristic signals of oxidation products and polar components

表3 5個主成分過氧化值與極性組分的方差解釋Table 3 The variance explanation of peroxide values and polar components of five principal components %

由表1和表2可知，變量之間相關性強，因此建立回歸模型有可能出現共線性問題，需要進行共線性檢驗，檢驗結果發現KMO檢驗統計量為0.478<0.6，顯著度為P<0.05，說明拒絕Bartlett球形檢驗。接下來對于特征結構組分與預測目標變量，結合因子載荷，完成主成分分析才是有意義的。

由表3中5種特征組分的主成分分析結果可知，對于過氧化值而言，信號B、F的累計貢獻率為83.56%，遠大于信息信號Ⅰ、Ⅴ、Ⅵ所產生的方差貢獻率，說明前者與過氧化值預測時的因子載荷更加密切；而對極性組分而言，信號Ⅰ、Ⅴ、Ⅵ產生的方差貢獻率為71.95%，說明它們與氧化過程形成的極性組分的關聯解釋性更強。因此，所確定的5種特征成分信息代表了與過氧化值、極性組分相關的基本信息，可解釋的累計方差貢獻率信息分別為88.96%與94.50%，因此選擇以上5種特征組分信息能夠最大程度地代表氧化進程中的復雜信息，并在此基礎上建立嶺回歸模型快速預測氧化指標。

2.4 構建嶺回歸定量預測模型

嶺回歸在建模時對“偏最小二乘”推導的回歸系數做過校正，模型更加穩定，適用于煎炸油熱環境下反復使用導致熱氧化，發生復雜化合物之間產生的多重共線性問題。用嶺回歸建模時，需要對樣本集做嶺估計得到特征權重，根據確定的特征權重的大小與目標變量建模。

其中參數估計是重要步驟之一，建模時先對氧化產物含量等自變量數據進行中心化與標準化處理，通過嶺跡圖確定參數估計值，以減少均方誤差[20]。根據正則化參數與自變量數據的矩陣求解權重之間所建立的關系圖見圖3。可以看出，建模選擇的5個特征變量嶺跡曲線形似“喇叭口”，并最終趨于平行于橫軸，說明各變量的回歸系數嶺估計值穩定，能達到建模條件的預期效果。

圖3 模型嶺跡圖Fig.3 The ridge trail of the model

模型經過訓練和驗證，最終需對預測集樣品進行交互驗證，輸出過氧化值、極性組分的預測值。建模時，正則化參數是關鍵參數，直接影響預測模型的精度[21]。正則化參數α過大，會導致懲罰項過度，訓練模型方差減小而偏差變大，造成模型欠擬合；正則化參數α太小，模型容易出現過擬合。實驗中，根據樣本數量和特點，可以看出，當正則化參數α為0.077時，預測模型交互驗證時的均方誤差根最小。

圖4 交叉驗證下嶺回歸模型正則化參數的確定Fig.4 The determination of regularization parameters of ridge regression model under cross validation

2.5 嶺回歸模型的預測能力

模型對預測集樣本交互驗證的預測結果見圖5。

圖5 嶺回歸模型對預測集的預測結果Fig.5 Prediction results of ridge regression model on prediction set

由圖5可知，模型的決定系數(R2)分別為 0.968與 0.957，均方根誤差(RMSE)分別為0.208與5.249，說明模型對兩個氧化指標均具有較好的預測能力。

2.6 方法的重現性與顯著性差異分析

選擇煎炸8 h的薯條樣品，分別用國標柱層析法和嶺回歸模型法對樣品的過氧化值、極性組分進行8次平行檢測，并對兩種方法進行顯著性差異分析，比較兩者之間的差異性，結果見表4。兩種方法比較后的相對標準偏差小(均小于5%)。采用SPSS軟件對數據進行ANOVA單因素方差分析，其中極性組分和過氧化值指標的數據顯示P值分別為0.07和0.807，均大于0.05水平，說明兩種方法測定的氧化指標無顯著性差異。

表4 兩種方法的差異性分析Table 4 Difference analysis of the two methods

3 討論

本研究采用氫譜核磁共振技術分析了煎炸大豆油氧化產物，探索了初級與二級氧化產物隨煎炸時間增加的變化規律。同時挖掘與提取了氧化產物的特征官能團信息，與嶺回歸算法聯用，建立快速檢測過氧化值與極性組分的回歸模型。此方法與國標法無顯著性差異，具有預測精確、重現性高、檢測快速的優勢，面對大量的煎炸油樣品，能夠快速輸出氧化指標，從而為煎炸油的品質安全、煎炸油的廢棄點評價等提供科學的整體判斷依據，在食用油品質監控方面具有巨大潛在應用價值。