超高效液相色谱-三重四极杆质谱法检测油脂和油炸食品中7种杂环胺类物质

建立了检测油脂及油炸食品中7种杂环胺类物质的超高效液相色谱-三重四极杆质谱(UPLC-MS/MS)的检测方法。以含1%(体积分数)氨水的乙腈溶液为提取液,采用乙腈饱和的正己烷脱脂,以PCX固相萃取柱为净化柱,10 mmol/L甲酸铵溶液(pH 6.8)和乙腈为流动相,采用Waters ACQUITY UPLC BEH C18反相色谱柱(50 mm×2.1 mm, 1.7μm)梯度洗脱,流速为0.3 mL/min,在正离子扫描、多反应监测模式下测定,内标法定量。结果表明,杂环胺类物质在各自范围内,线性关系良好,相关系数大于0.999;在3个加标水平下,杂环胺类物质在油脂和油炸食品中的平均回收率为64.31%～113.8%,相对标准偏差为0.18%～9.26%,检出限(S/N=3)和定量限(S/N=10)分别为0.01～0.14 ng/g和0.09～0.38 ng/g。该方法具有灵敏、准确等优点,适用于油脂和油炸食品中杂环胺的确证检测。     

粒子群最小二乘支持向量机结合偏最小二乘法用于芝麻油质量的鉴别

结合粒子群最小二乘支持向量机(PSO-LSSVM)与偏最小二乘法(PLS)提出一种基于气相色谱技术的新方法,对芝麻油进行真伪鉴别,并对掺伪品中掺假比例进行定量分析。采用主成分分析法(PCA)对857个样本的脂肪酸色谱数据进行分析,优选主成分作为最小二乘支持向量机(LSSVM)的输入向量。利用粒子群算法(PSO)优化LSSVM,构建芝麻油掺伪鉴别的两级分类模型,同时运用PLS建立掺伪芝麻油中掺伪油脂的定量校正模型,两级分类模型的准确率分别达到了100%和98.7%,定量分析模型的平均预测标准偏差(RMSEP)为3.91%。结果表明,本方法的鉴别准确性和模型泛化能力均优于经典的BP神经网络和支持向量机(SVM),可用于食用油脂加工和流通环节的质量控制,为食用油质量的准确鉴定提供了一条有效途径。