蜂蜜中外源性γ-淀粉酶残留量的测定

采用液相色谱-同位素质谱联用法(LC-IRMS)建立了测定蜂蜜中外源性γ-淀粉酶残留量的方法。先采用凝胶色谱柱对蜂蜜样品进行预分离,将样品中所含的酶与糖分离开。根据γ-淀粉酶可将底物麦芽糖酶解为葡萄糖的原理,在55 ℃、pH 4.5的0.03 mol/L磷酸盐缓冲液中将γ-淀粉酶与麦芽糖反应48 h后,采用LC分离麦芽糖和葡萄糖,以IRMS测定酶解产物葡萄糖的含量来确定γ-淀粉酶的残留量。本方法的线性范围为5～200 U/kg,定量限为5 U/kg,回收率为89.6%～108.2%,相对标准偏差为3.3%～4.9%。采用本方法对市售蜂蜜和大米糖浆共38个样本进行了考察,γ-淀粉酶的检出率为76.3%。为了进一步验证本方法的检测能力,测定了掺入15%(质量分数)大米糖浆的蜂蜜样品,测得γ-淀粉酶的含量为10.2 U/kg。本方法能够有效地从酶学的角度鉴定蜂蜜中是否含有大米糖浆。     

荧光光谱法检测蜂蜜中腐霉利农药的含量

为了实现农产品中农药残留含量快速分析,根据荧光光谱的基本原理研究了腐霉利的荧光特性,对腐霉利-蜂蜜混合体系进行了研究,分析荧光强度与蜂蜜中腐霉利含量之间的关系。采用稳态荧光光谱仪分别检测腐霉利溶液和蜂蜜溶液的荧光光谱,纯蜂蜜溶液荧光峰在342 nm,腐霉利溶液的荧光峰在390 nm,通过逐次向纯蜂蜜溶液中添加0.1 g/d L的腐霉利标准溶液,发现相对于纯蜂蜜,荧光峰位置发生红移,说明腐霉利与蜂蜜中某些物质发生了相互作用。采用Origin8.5数据分析软件对蜂蜜的荧光峰值处荧光峰强度与腐霉利含量线性拟合后,发现蜂蜜溶液中腐霉利的含量与对应的荧光强度有良好的线性关系,预测函数模型为I=188504.75x+384764.33,相关系数为0.99。经过相同实验条件下的实验验证,模型预测准确率在96.8%~100%之间。研究结果表明:荧光光谱法检测蜂蜜中腐霉利残留含量的方法是行之有效的,为其他农产品中腐霉利农药残留含量的检测提供了参考依据。     

傅里叶变换近红外光谱结合RVM与新聚类算法鉴别灵芝孢子油多样掺假类别

食品掺假种类众多,手段隐蔽,成为食品安全检测一个重要难题。为摆脱传统模型识别食品中是否存在新掺假类别的局限性,实验以纯净的灵芝孢子油和掺杂不同比例花生油、玉米油、薏仁油、地沟油的五种类别为研究对象,采用傅里叶变换近红外光谱(Fourier transform near infrared spectroscopy, FT-NIR)收集12 400～4 000 cm-1范围内的近红外光谱。假设掺杂地沟油为新掺假类别,利用前四种类别的校正集样本构建相关向量机(RVM)多分类器,分别对建模的预测集样本和掺杂地沟油样本进行判别,并借助新聚类算法对判别为纯净的灵芝孢子油的样本做进一步分析验证。研究表明,RVM分类器对于建模的预测集样本判别准确率高达93.75%,说明模型有较强的判别能力,但由于模型局限性,掺杂地沟油样品被误判为纯净的灵芝孢子油;在新聚类算法的决策图上,纯净灵芝孢子油校正集和预测集混合样本的聚类中心数为1,而纯净灵芝孢子油校正集和掺杂了地沟油混合样本聚类中心数为2,直观验证判别结果的准确性。结果表明利用FT-NIR技术结合RVM分类器与新聚类算法对于灵芝孢子油掺假能够有效识别,并且能够定性识别新型掺假类型,为解决食品掺假多样化问题提供一种新思路。     

Tualang Honey: A Decade of Neurological Research

Tualang honey has been shown to protect against neurodegeneration, leading to improved memory/learning as well as mood. In addition, studies have also demonstrated its anti-inflammatory and antioxidant properties. However, a substantial part of this research lacks systematization, and there seems to be a tendency to start anew with every study. This review presents a decade of research on Tualang honey with a particular interest in the underlying mechanisms related to its effects on the central nervous system. A total of 28 original articles published between 2011 and 2020 addressing the central nervous system (CNS) effects of Tualang honey were analysed. We identified five main categories, namely nootropic, antinociceptive, stress-relieving, antidepressant, and anxiolytic effects of Tualang honey, and proposed the underlying mechanisms. The findings from this review may potentially be beneficial towards developing new therapeutic roles for Tualang honey and help in determining how best to benefit from this brain supplement.     

基于高光谱技术的蛋白粉掺假检测研究

蛋白粉是健身者必备的营养补剂,市场需求在不断增加,一些不法商家为了谋取利益,在蛋白粉中加入廉价的粉末售卖。传统的蛋白粉掺杂的检测方法费时、费力,操作复杂,且成本昂贵。高光谱技术具有易于操作、在不损害实验样本的情况下可快速检测等优点,因此,提出使用高光谱技术以实现蛋白粉掺假检测。在蛋白粉中分别加入质量百分数5%～60%,浓度间隔5%的三类掺假物（玉米粉、大米粉和小麦粉）,并采集所有样本的光谱信息。在对蛋白粉中的玉米粉、大米粉和小麦粉三类掺假物进行定性判别时,首先分别采用卷积平滑（SG）、标准化（Normalize）、多元散射校正法（MSC）、基线校正（Baseline）和标准正态变换（SNV）的预处理方法对光谱数据进行处理,然后建立基于主成分回归（PCR）、反向传播神经网络（BPNN）和随机森林（RF）的模型,其中基于全波段光谱MSC预处理方法下建立的RF模型最优,其整体准确率达到了100%,其对应的R_P和RMSEP分别为0.997 9和0.018 9。在对蛋白粉中不同掺假物浓度进行定量分析时,对三类掺假样本的光谱分别进行SG,Normalize,MSC,Baseline和SNV的预处理,并建立LSSVM模型;比较不同预处理方法下的各模型之间的性能,在蛋白粉中掺玉米粉、大米粉和小麦粉的LSSVM预测模型最佳预处理方法分别是无、Baseline和Normalize,然后,采用连续投影算法（SPA）和竞争性自适应重加权算法（CARS）对其筛选,并建立LSSVM模型,三类掺假样本的SPA-LSSVM模型对应的R_P为0.989 0,0.986 0和0.997 9,CARS-LSSVM模型对应的R_P为0.991 0,0.994 6和0.999 1,故三类掺假样本的CARS-LSSVM模型预测效果更佳。研究表明：高光谱技术可以实现对蛋白粉掺假的定性、定量的检测,并且操作简单、检测快速和无损。     

固相萃取-高效液相色谱法测定蜂蜜中的有机酸

建立了固相萃取-高效液相色谱(SPE-HPLC)同时测定蜂蜜中5种有机酸(L-苹果酸、马来酸、琥珀酸、柠檬酸、D-苹果酸)含量的方法。蜂蜜经制样后过Bond Elutes SAX固相萃取(SPE)小柱净化,用C18-MS-II反相色谱柱(250 mm×4.6 mm, 5 μm)进行分离,流动相为2%偏磷酸溶液,流速为0.7 mL/min,检测波长为210 nm。在此条件下5种有机酸在相应的线性范围内其线性相关系数均大于0.9967;方法的回收率为86.0%～103.9%,相对标准偏差为5.7%～9.8%(n=6),检出限为0.06～9.4 mg/kg。所建立的方法可用于蜂蜜样品中有机酸的测定。     

离子色谱脉冲安培法测定蜂蜜中的葡萄糖、果糖、蔗糖

利用离子色谱脉冲安培检测器对蜂蜜中葡萄糖、果糖、蔗糖的测定方法进行了研究。采用CARBOPAC^TM PAl分离柱和脉冲安培检测器,对淋洗分离条件进行了实验,选择50mmol/L NaOH作淋洗液,可使蜂蜜中的葡萄糖、果糖、蔗糖很好地分离。检出限分别为：葡萄糖2μg/kg,果糖2μg/kg,蔗糖5μg/kg。加标回收率为90％－108％。该方法只需简单的前处理、无基体干扰,分离效果好,测定准确率高,适用于蜂蜜中葡萄糖、果糖、蔗糖的测定。     

气相色谱-质谱法分析蜂蜜中的多种农药残留

开展了蜂蜜中23种农药残留的气相色谱-电子轰击离子源质谱(GC-EI/MS)分析方法的研究,并对其中3种农药的EI/MS碎片离子的断裂机理与结构进行了初步解析。探讨了蜂蜜试样前处理条件的优化与选择。将蜂蜜试样用乙酸乙酯提取剂超声提取、Florisil硅藻土色谱柱净化和正己烷-乙酸乙酯(体积比为7∶3)混合洗脱剂洗脱后,以PCB103为内标物,采用选择离子监测(SIM)方式下的GC-EI/MS分析。当试样的加标浓度为50,100和200 μg/kg时,加标回收率为82%～120%,相对标准偏差小于11.0%。23种农药的检测限都小于10.0 μg/kg,线性范围为10～500 μg/kg,相关系数都大于0.995。此分析方法已成功地应用于蜂蜜中23种痕量农药残留的分析。     

高效液相色谱-串联质谱法测定蜂蜜中残留的19种喹诺酮类药物

建立了高效液相色谱-电喷雾串联质谱联用测定蜂蜜中恩诺沙星、环丙沙星、诺氟沙星、氧氟沙星、双氟沙星、恶喹酸、氟甲喹、沙拉沙星、司帕沙星、丹诺沙星、氟罗沙星、马波沙星、伊诺沙星、奥比沙星、吡哌酸、培氟沙星、洛美沙星、西诺沙星和萘啶酸等19种喹诺酮类药物残留的方法。比较酸性溶液阳离子固相萃取(PCX柱)、近中性缓冲溶液反相固相萃取（HLB柱）和碱性溶液阴离子固相萃取(PAX柱)3种不同提取净化方法的提取效果,最终选择使用碱性溶液溶解蜂蜜样品,强阴离子固相萃取柱一步富集净化。以甲醇和0.1%甲酸溶液作为流动相,C18作为分析色谱柱,采用梯度洗脱方式进行液相色谱分离,选择离子反应监测模式检测19种喹诺酮类药物,内标方法定量。在1～100 μg/L范围内,19种喹诺酮类药物的线性相关系数均大于0.991。通过实际样品的添加回收试验,方法的定量限（S/N=10）为1.0 μg/kg,3个添加水平的回收率为71%～118%,相对标准偏差为4.2%～6.7%。     

A New Method for Olive Oil Screening Using Multivariate Analysis of Proton NMR Spectra

A new NMR-based method for the discrimination of olive oils of any grade from seed oils and mixtures thereof was developed with the aim of allowing the verification of olive oil authenticity. Ten seed oils and seven monovarietal and blended extra virgin olive oils were utilized to develop a principal component analysis (PCA) based analysis of ¹H NMR spectra to rapidly and accurately determine the authenticity of olive oils. Another twenty-eight olive oils were utilized to test the principal component analysis (PCA) based analysis. Detection of seed oil adulteration levels as low as 5% v/v has been shown using simple one-dimensional proton spectra obtained using a 400 MHz NMR spectrometer equipped with a room temperature inverse probe. The combination of simple sample preparation, rapid sample analysis, novel processing parameters, and easily interpreted results, makes this method an easily accessible tool for olive oil fraud detection by substitution or dilution compared to other methods already published.