高效液相色谱-串联质谱法测定猪肉中9种β_2-受体激动剂残留量

采用高效液相色谱-串联质谱法测定了猪肉中9种β-受体激动剂的残留量。样品经β-葡萄糖醛苷酶/芳基硫酸酯酶酶解后加入高氯酸沉淀蛋白并离心,取上清液过PCX阳离子固相萃取小柱净化,用氨水-甲醇(5+95)混合液洗脱,氮气吹干后用乙腈定容至1 mL。以CAPCELL PAK CR色谱柱为分离柱,以10mmol·L-1乙酸铵溶液-乙腈(55+45)混合溶液(含体积分数为0.1%的甲酸)为流动相进行洗脱,采用电喷雾正离子源及选择反应监测模式进行测定,内标法进行定量。9种β-受体激动剂的质量浓度在4.00~100μg·L-1范围内与其峰面积呈线性关系,方法的检出限(3S/N)在0.09~0.50μg·L-1之间。对空白样品进行加标回收试验,回收率在83.2%~102%之间,测定值的相对标准偏差(n=6)在5.0%~12%之间。     

偏最小二乘近红外光谱法测定瘦肉脂肪酸组成的研究

利用偏最小二乘将瘦肉的近红外光谱数据分别与其棕榈酸、棕榈油酸、硬脂酸、油酸、亚油酸含量建立校正模型,并用交互校验和外部检验来考查模型的可靠性.各脂肪酸模型的校正相关系数分别为0.9998、0.9844、0.9963、0.9754、0.9969,均方估计残差(RMSEC)分别为0.0231、0.0485、0.111、0.373、0.311,交互校验均方残差(RMSECV)分别为0.509、0.115、0.225、0.848、0.649.应用所建立的各脂肪酸近红外模型对瘦肉脂肪酸组成进行预测,并对各脂肪酸的预测值与气相色谱法测定值进行配对t-检验,结果表明两者差异均不显著(p>0.05).     

Measurement of pork freshness using potentiometric sensor

This study evaluated pork freshness using potentiometric solid-state electrodes in order to detect chemical indices such as reduced compounds, organic compounds and sulfides, which are produced during the initial stage of putrefaction in meat. Pt, CuS and Ag₂S electrodes selected as solid-state electrodes have, respectively, been used to detect the organic compounds (regarded as chemical indices of deterioration in meat freshness). The outputs of these electrodes have been analyzed by principal component analysis (PCA) and multiple regression analysis (MRA) in order to find the correlation with the results of viable bacterial counts. By using the potentiometric sensor, the pork freshness was evaluated and the PCA and MRA corresponded to the degree of bacterial increases more simply and rapidly than other methods such as viable bacterial counts or a biosensor.     

不同品种冷鲜猪肉pH值高光谱检测模型的传递方法研究

针对目前模型传递方法研究大多在不同仪器之间且均采用近红外光谱建立模型,采用高光谱技术建立猪肉pH值定量检测模型,并针对不同品种间的模型传递提出了一种光谱和预测值同步校正(sync correction of spectrum and prediction value, CSPV)的传递算法,并与模型更新方法进行比较。当模型满足预测相关系数(correlation coefficient of prediction, r_p)r_p≥0.837,且剩余预测偏差(residual prediction deviation, RPD)RPD≥1.9时,表明预测结果可靠。以杜长大、茂佳山黑猪和零号土猪3个品种猪肉样品为研究对象,以杜长大作为主品种,茂佳山黑猪和零号土猪作为从品种,采用偏最小二乘(partial least squares regression, PLS)法建立主品种猪肉pH值定量检测模型,模型校正相关系数(correlation coefficient of cross-validation r_c)和预测相关系数r_p分别达到0.922和0.904,交互验证均方根误差(root mean squared error of cross validation, RMSECV) 和预测均方根误差(root mean squared error of prediction, RMSEP)分别为0.045和0.046,RPD为2.380。用主模型分别对茂佳山黑猪和零号土猪pH值进行预测,r_p仅达到0.770和0.731,RMSEP分别为0.111和0.209,RPD分别为1.533和1.234,预测精度较差。分别采用CSPV传递算法和模型更新方法对主模型进行传递和修正,比较并验证了两种方法的模型传递和修正结果。采用CSPV算法对模型传递后,当标样个数分别为9个和10个时,r_p可提高到0.889和0.900,RPD提高到2.071和2.213,均满足r_p≥0.837,且RPD≥1.9;而采用模型更新方法对模型修正后,当添加的代表性样品分别为11个和9个时,r_p分别达到0.869和0.845,但RPD仅达到1.934和1.804,不满足RPD≥1.9的条件。结果表明,CSPV传递算法能实现主模型对茂佳山黑猪和零号土猪样品的预测,而模型更新方法只能实现对茂佳山黑猪品种的预测,不能实现对零号土猪样品的预测,且CSPV传递算法预测结果优于模型更新方法。     

基于APTLD的猪肉中莱克多巴胺残留含量的三维同步荧光光谱快速测定

应用三维同步荧光光谱法结合交替惩罚三线性分解(APTLD)来建立猪肉中莱克多巴胺残留含量的定量测定模型,以实现猪肉中莱克多巴胺残留含量的快速测定。首先分析了莱克多巴胺的荧光光谱产生机理和样本的三维同步荧光光谱;其次对猪肉提取液中的莱克多巴胺荧光的浓度猝灭现象进行了分析;然后应用核一致诊断法确定了APTLD的三线性分解组分数为2,并建立了猪肉提取液中莱克多巴胺的相对荧光峰值强度与训练样本中莱克多巴胺的相对荧光峰值强度之间的标定曲线,用于待测样本中的相对荧光峰值强度的校正;最后,建立了基于APTLD的猪肉中莱克多巴胺残留含量的三维同步荧光光谱预测模型。试验结果表明,该方法可以较好的解决猪肉样本中莱克多巴胺与背景之间的同步荧光光谱严重重叠的问题,省去了一些烦琐的“化学分离”过程,模型预测集的决定系数(R2)和均方根误差(RMSEP)分别为0.986 3和0.496 6 mg·L-1,达到了猪肉中莱克多巴胺残留含量快速定量测定目的。     

猪肉新鲜度光谱特征指数构建及敏感性分析

猪肉是我国居民最主要的消费畜肉产品,其在储藏、运输、加工等环节易受酶、微生物等作用腐败变质,导致新鲜度下降。冷鲜猪肉的新鲜度关系着消费者的食肉口感与安全,是消费者购买猪肉最为关心的指标之一。及时、快速、准确检测冷鲜猪肉的新鲜程度是确保消费者“舌尖上的安全”的重要举措。相比于传统的理化检验方法,可见-近红外光谱分析技术具有快速、高效、无损、非接触等独特优势,适合于食品安全的快速检测,光谱快检技术已成为冷鲜猪肉品质无损检测的研究热点。然而目前研究大都基于统计方法进行光谱建模,模型缺乏物理意义,适用性差,阻碍了该技术的应用推广。通过分析不同新鲜程度猪肉的可见-近红外光谱特征,利用反映猪肉新鲜度的肌红蛋白在760 nm处稳定的吸收特性,构建了猪肉新鲜度光谱特征指数(FI);通过模拟不同光谱分辨率与信噪比水平,进一步探索了FI指数对光谱检测设备性能的敏感性。研究表明,FI指数构建简单,物理意义明确,能够较好指示猪肉的新鲜程度;且该指数对光谱仪的性能要求并不严苛：只要在760 nm及附近波段,光谱分辨率优于10 nm,信噪比不低于45,即可较好反映猪肉新鲜水平。研究结果可为低成本、手持式简易的猪肉新鲜度光谱检测设备的设计与研发提供科学依据,有望在食品安全快速检测领域得到推广应用。     

猪肉组织色素浓度的近红外无损检测

基于血红蛋白、肌红蛋白等色素在近红外波段的吸收谱,采用近红外光谱(NIRS)技术,通过检测出射光相对入射光的衰减,可解算生物组织中上述色素的浓度。基于稳态空间分辨的NIRS研发了可检测组织中色素浓度的装置,该装置的传感器包括一个可发射3个不同波长的LED光源,以及与LED位于同一直线上且距离分别为30和40 mm的２个检测器。用该装置检测了2块猪肉组织(分别为新鲜的猪背长肌和股直肌)的色素浓度,结果表明,背长肌和股直肌中血红蛋白、肌红蛋白等色素的总浓度分别为(6.42±1.51)μmol·L-1和(15.48±4.54)μmol·L-1,接近于现有报道的经验值。在无损、实时、直接、简便检测猪肉组织的色素浓度方面,上述NIRS方法及装置是可信的。     

空间分辨散射光谱多参数信息融合方法的生鲜肉嫩度无损检测

嫩度是猪肉食用品质最重要的指标之一。猪肉嫩度取决于猪肉组织复杂的物理、化学特性,目前难以实现快速无损伤检测。探索空间分辨光谱技术用于生鲜肉嫩度无损检测的可行性。首先利用点光源高光谱扫描系统采集54块猪肉背最长肌的空间可分辨散射光谱,经过感兴趣区域选择,提取出猪肉样本表面光斑的空间扩散轮廓,结合4-参数洛伦兹分布函数对扩散轮廓进行非线性拟合,拟合优度R2>0.992,并通过残差分析,表明4-参数洛伦兹分布函数符合肉样表面光强的空间散射规律,进而提取出480～950 nm波长下空间分辨光谱的四个形态学参数：渐进值a、峰值b、半带宽c以及半带宽处的斜率d。然后将单参数谱分别与猪肉样本Warner-Bratzler剪切力（WBSF）测量值进行偏最小二乘回归（PLSR）分析。结果表明不同参数谱都含有猪肉嫩度信息,其中峰值参数谱b建模效果最佳,其回归模型的校正集决定系数R2_c为0.674,均方根误差SEC为8.396N,预测集决定系数R2_p为0.610,均方根误差SEP为8.643N。为提高模型的预测精度和稳定性,实现多参数谱信息的融合,先通过PLSR分析,分别提取出每个参数谱中对猪肉嫩度方差贡献大的公共因子,然后将其因子得分组合在一起作为参数谱的特征变量,与猪肉样本WBSF测量值作多元统计回归分析。为避免数据冗余,对不同参数谱特征变量进行多重共线性判别,进一步采用PLSR算法对参数谱特征变量进行降维和变换,采用交叉验证方法,选择前两维因子得分进行校正模型的建立。其中所提取第一维公共因子对猪肉WBSF值方差解释率达92.28%。与单参数谱所建PLSR模型相比,多参数谱信息融合模型预测效果有了较大提高,其R2_c和R2_p分别为0.923和0.800,SEC和SEP分别为4.083N和5.655N。通过对回归系数进行统计量t检验,结果表明所有回归系数极显著（p<0.01）。本研究通过采取多参数信息融合方法为空间分辨光谱在生鲜肉嫩度无损检测应用提供一种思路,该方法有效将空间分辨光谱解析为4个形态学参数,并实现不同参数谱信息的提取和融合,为开发基于空间分辨光谱的生鲜肉嫩度无损快速检测装备提供技术支撑。     

火焰原子吸收光谱法测定猪肝中铜铁锌

用悬浮液技术及非完全消化法分别处理猪肝样品,建立了悬浮液技术和非完全消化-火焰原子吸收光谱法快速测定猪肝中铜、铁、锌的分析方法。试验表明,在悬浮液中加入适量盐酸可显著提高被测元素的吸光度,试液的粘度与空白溶液的一致,无背景吸收干扰。对非完全消化法样品处理条件、悬浮液的稳定时间及酸的影响进行了考察。相对标准偏差小于4.0%,测定结果与灰化法一致,相对误差小于±1.8%(悬浮液法),±2.7%(非完全消化法)。