GC-MS法鉴别食用油和餐饮业中废弃油脂的研究

用气相色谱 质谱联用(GC MS)方法对7种餐饮业中废弃油脂(简称废油脂)和5种合格成品食用油(简称食用油)中所有脂肪酸进行分析。研究发现,废油脂中部分不饱和脂肪酸受到氧化,使脂肪酸相对不饱和度(U R)值明显小于同种类食用油中的脂肪酸相对不饱和度(U R)值,其脂肪酸的质量分数分布与同种类的食用油中脂肪酸的质量分数分布有很大的区别,以及绝大部分废油脂中存在较大量矿物油。研究表明,脂肪酸相对不饱和度(U R)值和脂肪酸的质量分数分布可以鉴别废油脂。     

模式识别法分析5种植物油脂

通过模式识别方法区分花生油、大豆油、米糠油、棕榈油和菜籽油。采用气相色谱法分析5种植物油脂的脂肪酸,用面积归一化法计算每个植物油脂样品的各脂肪酸相对含量。以每个植物油脂中9个脂肪酸的相对含量为变量,采用SPSS13.0软件的模式识别技术对119个植物油脂样品进行区分。由主成分分析图可知,花生油、大豆油、米糠油、棕榈油和菜籽油被清晰地分为5组。判别分析建立的判别方程能较好地实现样品的判别,自身验证和交互验证的准确率均为100%。另取每种植物油脂各5个样品(共25个)进行验证,识别准确率为100%。对调和有棕榈油的花生油进行主成分分析,在主成分分析图上,调和油的分布点在花生油分布区域与棕榈油分布区域之间。     

非正常食用油的在线甲基化-气相色谱测定及模式识别分析研究

建立了食用油中脂肪酸组成的在线水解甲基化-气相色谱测定方法,分析了20余种常用食用油与非正常食用油样品。将1μL(3 mg/mL)油脂样品与2μL衍生化试剂四甲基氢氧化铵(TMAH,25%甲醇溶液)加入裂解器,在350℃下,油脂加水分解瞬间衍生化成相应的脂肪酸甲酯。基于气相色谱图上分离鉴定到的10个共有峰的相对强度,建立了食用油的气相色谱指纹图谱。结合化学模式识别即主成分分析和系统聚类分析对合格食用油和非正常食用油样品的色谱图进行了识别分析。结果表明,建立的指纹图谱结合模式识别技术可以较好的区分合格食用油与非正常食用油样品。     

低场核磁共振结合化学计量学方法快速检测掺假核桃油

以掺假核桃油样品为低场核磁共振检测对象,利用主成分分析法(PCA)和偏最小二乘回归法(PLSR)分析处理Carr-Purcell-Meiboom-Gill(CPMG)序列的核磁共振弛豫数据,旨在探求一种能快速检测核桃油品质的新方法。对几种常见掺假形式(掺入大豆油、玉米油、葵花油)的核桃油样品和纯核桃油样品进行检测和评价。实验结果表明:纯核桃油和掺入不同种类食用油的掺假核桃油在主成分得分图上可以得到很好的区分,且掺假样品随掺假比例在图中呈规律性分布;采用PLSR法对CPMG数据和实际掺假率进行回归,可实现对核桃油掺假水平的准确定量测定。方法快速、无损、准确,在食用油制品的品质控制及评价方面具有很大的应用潜力。     

液相色谱-大气压化学电离质谱分析鉴别地沟油中的氧化成分

采用液相色谱-大气压化学电离质谱(HPLC-APCI-MS)方法,分析了食用油脂和地沟油的甘油三酯(TAG)组成。采用C18色谱柱,乙腈-丙酮为流动相,梯度洗脱,APCI正离子模式检测。应用本方法检测了15个地沟油和11个食用油样品,结果表明,地沟油中存在三亚油酸甘油酯(LLL)、二亚油酸单油酸甘油酯(LOL)、二亚油酸单亚麻酸甘油酯(LLnL),二油酸单亚油酸甘油酯(OOL)等甘油三酯的5种亚油酰基氧化产物。采用偏最小二乘法判别分析(PLS-DA)化学计量学方法,分析建立了地沟油和正常食用油的判别模型,实现了正常食用油和地沟油区分,模型正确判别率96.2%。在判别模型中,含有亚油酸环氧化物的TAG分子对判别贡献率较大,该类化合物可作为地沟油区别于正常油脂的标志成分。     

气相色谱-质谱技术结合化学计量学对5种动物油进行判别分析

测定了5种不同种类动物油(鸡油、牛油、鸭油、羊油和猪油)的脂肪酸组成和含量,探讨了利用动物油脂肪酸的指标对不同种类的动物油进行分类和判别的可能性。采用气相色谱-质谱联用技术(GC-MS)对5种动物油脂肪酸的组成和含量进行测定,利用SPSS 19.0统计软件进行主成分分析、聚类分析和判别分析。对5种动物油的脂肪酸进行统计、分析和对比,得出动物油的主要组成为C16∶0,C18∶0,C18∶1c-9,C18∶2c-9,12和C14∶0,这5种脂肪酸在鸡油、牛油、鸭油、羊油和猪油中的总含量分别为92.1%,93.5%,93.5%,90.6%和95.6%。5种脂肪酸的不饱和度均小于1。主成分分析降维得到3个主成分,利用主成分分析数据,依次进行聚类分析和判别分析,建立了3个动物油典则判别函数,相关系数均大于0.995,对于鸡油、牛油、鸭油、羊油和猪油的初始分类正确率和交叉验证正确率均为100%。     

油脂低场核磁(LF-NMR)检测参数的优化试验

适当的低场核磁共振(LF-NMR)检测条件对于保障数据的可靠性具有重要意义.该文研究了大豆油LF-NMR检测过程中仪器参数、样品温度及体积等对检测结果稳定性及重现性的影响.结果表明,将2.5mL油脂样品置于核磁试管中,并在32℃恒温10 min,采样前稳定1min,在TR =2000 ms,τ=200μs,EchoCount=5000个,NS =4次,TD=500050,SW=250 kHz参数条件下采集信号,可保证检测结果稳定可靠.研究结果可为后期应用LF-NMR技术进行油脂品质检测提供适当的检测条件参考.     

不相交主成分分析(PCA)和遗传算法(GA)用于差异表达基因的识别

建立了一种基于不相交主成分分析(Disjoint PCA)和遗传算法(GA)的特征变量选择方法, 并用于从基因表达谱(Gene expression profiles)数据中识别差异表达的基因. 在该方法中, 用不相交主成分分析评估基因组在区分两类不同样品时的区分能力; 用GA寻找区分能力最强的基因组; 所识别基因的偶然相关性用统计方法评估. 由于该方法考虑了基因间的协同作用更接近于基因的生物过程, 从而使所识别的基因具有更好的差异表达能力. 将该方法应用于肝细胞癌(HCC)样品的基因芯片数据分析, 结果表明, 所识别的基因具有较强的区分能力, 优于常用的基因芯片显著性分析(Significance analysis of microarrays, SAM)方法.     

无机盐对乙醇-水体系LF-NMR弛豫特性的影响及主成分分析

该文研究了不同浓度(0~9%)的Na Cl,Mg SO4或Na OH对乙醇-水体系LF-NMR弛豫特性的影响,并应用主成分分析(PCA)对样品的弛豫特性进行了分析。研究表明:无机盐种类和浓度会对水及乙醇-水体系的LF-NMR弛豫特性产生影响。无机盐-水二元体系仅存在1个弛豫峰,且弛豫时间:Mg SO4Na OHNa Cl。而无机盐-乙醇-水三元体系则存在2个弛豫峰,Na Cl/Na OH-乙醇-水体系的弛豫峰分别位于200~330 ms和1 300~1 600 ms处;而Mg SO4-乙醇-水体系则位于约250~335 ms和1 620~1 707 ms处。不同种类无机盐、水和乙醇-水体系间的LF-NMR弛豫特性差异均可在PCA得分图上有效反映,且随着无机盐浓度的增加,各浓度梯度在主成分得分图中亦呈规律性分布。说明基于样品的LF-NMR弛豫特性,结合主成分分析法可快速分析无机盐对水/乙醇-水的缔合特性。     

气相色谱-质谱技术结合化学计量学对6种植物油进行判别分析

测定了6种不同种类植物油(茶籽油、大豆油、花生油、葵花籽油、玉米油和芝麻油)的脂肪酸组成及含量,旨在探讨利用植物油脂肪酸的指标对不同种类的植物油进行分类和判别的可能性。采用气相色谱-质谱联用技术,对6种不同植物油中脂肪酸的组成和含量进行测定,用SPSS.19.0统计软件进行主成分分析、聚类分析和判别分析。对6种不同植物油脂肪酸进行分析、对比,得出植物油脂的主要成分为C16∶0,C18∶0,C18∶1 cis-9,C18∶2 cis-9,12和C18∶3 cis-9,12,15。这5种主要脂肪酸的总含量在茶籽油、大豆油、花生油、葵花籽油、玉米油和芝麻油中分别为98.455%,97.586%,89.019%,97.378%,98.294%和98.021%。6种植物油的不饱和度(U/S)均大于2.000,其中最小为花生油2.055,最大为茶籽油3.976。进行主成分分析降维得到前3个主成分,因为前3个主成分的特征//值均大于1且累计贡献率达到80.060%,第1主成分的贡献率为35.853%,第2主成分的贡献率为23.847%,第3主成分的贡献率为20.360%。建立了3个典则判别函数,典则判别函数的相关系数均大于0.990,且对于茶籽油、大豆油、花生油、葵花籽油、玉米油和芝麻油的初始分类正确率为100.0%,交叉验证正确率为100.0%。     

大气压化学电离-高分辨质谱直接分析食用油中的甘油三酯

建立了食用油中甘油三酯的大气压化学电离-质谱直接分析检测方法.在考察实验条件影响的基础上,选择乙腈作为溶剂,正离子检测模式,进样流速为800 μL/h,喷雾器温度250℃,电晕针电流为5000 nA.用本方法对10种食用油进行分析,结果表明,植物油与动物油之间差异较大.经主成分分析,选择m/z 857.76与m/z 881.76峰强度比作为指标,重复性RSD＜5％,可直接识别出玉米油中掺杂5％的猪油.用碰撞诱导解离(CID)实验初步鉴别了食用油的3个特征峰.利用本方法对泔水油样品和煎炸油样品进行分析,结果泔水油样品中含有植物油和动物油,而煎炸油样品也与商品食用油存在差异.本方法可用于食用油样品的快速筛查.     

GC-IMS技术结合化学计量学方法在食用植物油分类中的应用

建立了一种快速、无损分析食用植物油中挥发性有机物质的顶空进样/气相色谱-离子迁移谱(GC-IMS)联用方法。以芝麻油、菜籽油、山茶油共56个样品为研究对象,量取2 mL待测油样于标准样品瓶中,并用磁帽密封,直接进行GC-IMS分析检测。结果表明,基于GC-IMS三维谱中对应挥发性有机物质的特征峰强度可以有效表征不同类植物油的样品信息,选取对应三维谱中40个特征峰的强度作为变量,进行主成分(PCA)信息降维后,采用k最近邻(kNN)算法建立植物油种类的判别模型,训练集的识别率达到100%,预测集中仅有1个山茶油样品被误判成芝麻油样品,预测集的识别率达到94.44%。GC-IMS联用分析技术简单、快速、无损,可用于食用植物油等其他食品、农产品种类的快速分类识别。     

Utilizing AgNPt-SALDI to Classify Edible Oils by Multivariate Statistics of Triacylglycerol Profile

Edible oils are valuable sources of nutrients, and their classification is necessary to ensure high quality, which is essential to food safety. This study reports the establishment of a rapid and straightforward SALDI-TOF MS platform used to detect triacylglycerol (TAG) in various edible oils. Silver nanoplates (AgNPts) were used to optimize the SALDI samples for high sensitivity and reproducibility of TAG signals. TAG fingerprints were combined with multivariate statistics to identify the critical features of edible oil discrimination. Eleven various edible oils were discriminated using principal component analysis (PCA). The results suggested the creation of a robust platform that can examine food adulteration and food fraud, potentially ensuring high-quality foods and agricultural products.     

Discriminating olive and non-olive oils using HPLC-CAD and chemometrics

This work presents a method for an efficient differentiation of olive oil and several types of vegetable oils using chemometric tools. Triacylglycerides (TAGs) profiles of 126 samples of different categories and varieties of olive oils, and types of edible oils, including corn, sunflower, peanut, soybean, rapeseed, canola, seed, sesame, grape seed, and some mixed oils, have been analyzed. High-performance liquid chromatography coupled to a charged aerosol detector was used to characterize TAGs. The complete chromatograms were evaluated by PCA, PLS-DA, and MCR in combination with suitable preprocessing. The chromatographic data show two clusters; one for olive oil samples and another for the non-olive oils. Commercial oil blends are located between the groups, depending on the concentration of olive oil in the sample. As a result, a good classification among olive oils and non-olive oils and a chemical justification of such classification was achieved.     

常压火焰离子化质谱技术对食用植物油快速分析的初探

建立了常压火焰离子化质谱(Ambient flame ionization mass spectrometry,AFI-MS)快速分析食用植物油(橄榄油、芝麻油、花生油和葵花籽油)的方法。AFI-MS检出食用植物油(橄榄油、芝麻油、花生油和葵花籽油)中的26种甘油三酯和11种甘油二脂。AFI-MS分析显示,不同的食用植物油(橄榄油、芝麻油、花生油和葵花籽油)得到的质谱图轮廓信息不同。通过对不同食用植物油的甘油三酯相对峰强度进行分析,可初步归纳出食用植物油的类型。AFI-MS分析食用植物油的操作简单,普通的打火机就可以作为离子源用于食用植物油的分析。这种便捷的离子化技术可以用于食用植物油的快速分析。     

激光解吸电离傅立叶变换离子回旋共振质谱用于食用油的快速分析

利用激光解吸电离傅立叶变换离子回旋共振质谱(Laser desorption ionization,LDI-FTICR-MS)建立了一种快速分析食用油中甘油三酯(TAG)的方法。在激光能量为45%,激光频率100 Hz和辐照次数100shots的条件下,可以获得稳定重复的信号(RSD10%)。通过TAG的一级质谱图和二级碎片信息可以初步区别不同类型的食用油。在置信度为95%条件下,利用主成分分析法和聚类分析法可以有效地将34种食用油归类。此外,利用该方法可直接识别橄榄油中掺杂5%的菜籽油且根据线性公式可初步预测橄榄油中掺杂油品的种类。分析数据表明,LDI-FTICR-MS技术具有快速筛查和识别食用油的潜力。     

傅里叶变换红外光谱结合模式识别法快速鉴别食用油的真伪

采用傅里叶变换红外光谱(FTIR)结合簇类独立软模式识别技术(SIMCA)建立了真伪食用油的快速鉴别方法. 该方法依据FTIR 的指纹特性, 收集并分析了53 个合格食用油和13 个伪造食用油的FTIR 谱图; 通过对谱图取二阶导数和标准化处理, 主成分分析(PCA)提取特征变量; 采用SIMCA 方法分别随机选取43 个合格食用油和9 个伪食用油样品的FTIR 谱图组成训练集, 构建得到真伪食用油的SIMCA 分类模型. 该模型经过剩余10 个合格食用油和4 个伪食用油的验证, 正确识别率达到了100%. 说明FTIR 结合SIMCA 可能成为快速鉴别食用油真伪的一种新方法.     

正化学源-气相色谱-质谱法测定食用植物油中有机锡化合物残留

建立了正化学源-气相色谱-质谱技术测定食用植物油中有机锡化合物残留的方法。食用油样品经环己烷-乙酸乙酯（1：1，v/v）溶解后，经凝胶渗透色谱（GPC）净化，目标馏分用四乙基硼酸钠进行衍生。采用基质校正曲线外标法定量，在20~2000 μg/L范围内，7种有机锡化合物均呈现良好的线性关系，相关系数大于0.99，定量限为0.3~1.2 μg/kg。对芝麻油样品进行加标回收试验，在0.05、0.10、0.20 mg/kg 3个添加水平下，7种有机锡化合物的平均回收率为66.2%~103.2%，相对标准偏差均小于11.5%。该方法精密度好，灵敏度高，可用于食用植物油中有机锡化合物残留量的测定。     

内标法测定甘油酯上的十一烷酸和13-甲基十四烷酸及其在非正常油脂掺伪识别中的应用

结合非正常油脂(地沟油)的来源(加热植物油和动物油)及反映其不同来源的重要特征指示物,即连接在甘油酯上的十一烷酸和13-甲基十四烷酸,建立了内标法测定油脂中甘油酯上十一烷酸和13-甲基十四烷酸的方法。多维气相色谱-质谱采用不分流进样和选择性切割可以实现在线净化和富集,提高分析的灵敏度和分离度。十一烷酸和13-甲基十四烷酸的方法检出限分别达到0.070、0.006 mg/kg。此外,研究发现绝大多数正常植物油中十一烷酸和13-甲基十四烷酸的含量比非正常油脂中二者的含量低。通过待测油脂中十一烷酸和13-甲基十四烷酸的含量可以在一定程度上推断食用植物油的品质。