拉曼光譜法定量分析山茶油中脂肪酸

郝 勇，孫旭東，耿 響

(1.華東交通大學(xué)機(jī)電工程學(xué)院，江西 南昌 330013；2. 江蘇恒順醋業(yè)股份有限公司，江蘇 鎮(zhèn)江 212143；3.江西出入境檢驗(yàn)檢疫局，江西 南昌 330038)

拉曼光譜法定量分析山茶油中脂肪酸

郝 勇1,2，孫旭東1，耿 響3

(1.華東交通大學(xué)機(jī)電工程學(xué)院，江西 南昌 330013；2. 江蘇恒順醋業(yè)股份有限公司，江蘇 鎮(zhèn)江 212143；3.江西出入境檢驗(yàn)檢疫局，江西 南昌 330038)

利用拉曼光譜對(duì)山茶油中兩種脂肪酸(棕櫚酸和十四烷酸)進(jìn)行快速定量分析。配制70個(gè)山茶油樣本用于拉曼光譜的采集，分別采用原始光譜、小波導(dǎo)數(shù)光譜和矢量歸一化光譜，結(jié)合連續(xù)投影算法(SPA)建立山茶油中棕櫚酸和十四烷酸的偏最小二乘(PLS) 定量分析模型。結(jié)果表明：拉曼光譜經(jīng)標(biāo)準(zhǔn)正態(tài)變量(SSNV)預(yù)處理，結(jié)合SPA方法可以實(shí)現(xiàn)模型的優(yōu)化，模型的預(yù)測(cè)精度得到提高，建模變量得到精簡(jiǎn)，棕櫚酸模型的預(yù)測(cè)相關(guān)系數(shù)(Rp)和預(yù)測(cè)均方根誤差(RMSEP)分別由0.917和2.191優(yōu)化為0.981和1.078，建模變量由4000精簡(jiǎn)為44；十四烷酸模型的Rp和RMSEP分別由0.940和0.058優(yōu)化為0.969和0.047，建模變量簡(jiǎn)化為43。該研究為山茶油中脂肪酸的定量分析提供了一種快速分析方法。

山茶油；拉曼光譜；棕櫚酸；十四烷酸；連續(xù)投影算法

山茶系山茶科山茶屬植物，是我國(guó)特有的一種含油率較高的多年生木本油料作物，它與油棕、橄欖、椰子并譽(yù)為世界四大木本食用油源樹種。山茶油，又名茶油、油茶籽油、茶籽油，是由油茶籽加工提煉而得到的一種高品位、高營(yíng)養(yǎng)價(jià)值的食用植物油，易被人體消化吸收，能降低膽固醇，抑制和預(yù)防冠心病、高血壓等心腦血管疾病，是一種純天然的綠色保健食品[1-2]。山茶油中含有豐富的脂肪酸，包括棕櫚酸、十四烷酸、硬脂酸、花生酸、油酸和亞油酸等[3]。膳食中攝入飽和脂肪酸越多，血清總膽固醇水平越高，心血管疾病的發(fā)病率越高；攝入一定數(shù)量的單不飽和脂肪酸卻反而可以降低血清總膽固醇水平，同時(shí)飽和脂肪酸能夠在很大程度上促進(jìn)嬰兒對(duì)能量和鈣的吸收，大幅度減少鈣質(zhì)的流失，提高嬰兒骨骼礦物質(zhì)的密度[4]。因此，對(duì)山茶油中脂肪酸的定量分析非常重要。棕櫚酸和十四烷酸是山茶油中常見的兩種飽和脂肪酸，通過(guò)測(cè)定其在山茶油中的質(zhì)量分?jǐn)?shù)，可以為不同需求人群的山茶油攝入量提供參考。

目前，山茶油成分的測(cè)定主要采用化學(xué)分析方法，如液相色譜法、氣相色譜法以及氣相色譜-質(zhì)譜聯(lián)用等[5-6]，這些分析方法的操作步驟繁瑣、需要化學(xué)試劑進(jìn)行試樣的制備等缺點(diǎn)。拉曼光譜是一種分子散射光譜，利用物質(zhì)的特征拉曼光譜可實(shí)現(xiàn)對(duì)其結(jié)構(gòu)、成分、濃度等的檢測(cè)。目前拉曼光譜的分析主要還是利用典型物質(zhì)的光譜或標(biāo)準(zhǔn)譜圖對(duì)未知光譜實(shí)現(xiàn)比較、鑒別和定性分析[7-9]。由于標(biāo)準(zhǔn)譜庫(kù)建立的難度和光譜數(shù)據(jù)處理與分析的復(fù)雜性，多組分混合物樣品拉曼光譜的定量分析到目前為止還存在很多困難[10]。

本實(shí)驗(yàn)采用拉曼光譜和偏最小二乘(partial least square，PLS)的多元校正方法對(duì)山茶油中的棕櫚酸和十四烷酸進(jìn)行定量分析，并采用不同的光譜預(yù)處理方法[11]和連續(xù)投影的變量篩選方法[12-14]對(duì)定量模型進(jìn)行優(yōu)化，以期為山茶油中脂肪酸的定量測(cè)定提供一種快速、高效和無(wú)損的分析方法。

1 材料與方法

1.1 材料與試劑

山茶油(浸提和壓榨)樣品由江西某茶油生產(chǎn)企業(yè)提供；棕櫚油、菜籽油 市購(gòu)。實(shí)驗(yàn)樣品由不同質(zhì)量分?jǐn)?shù)的棕櫚油和菜籽油摻入山茶油中配制而成。

1.2 儀器與設(shè)備

6890N-5975B氣相色譜-質(zhì)譜儀 美國(guó)Agilent公司；SENTERRA激光共焦顯微拉曼光譜儀 德國(guó)布魯克光學(xué)儀器公司。

1.3 方法

1.3.1 拉曼光譜儀器參數(shù)條件

Olympus BX51光學(xué)顯微鏡；光譜采集軟件為OPUS 6.5。測(cè)量的波數(shù)精度1cm－1；光譜采集時(shí)選擇的激光功率100mW；積分時(shí)間1s；光譜掃描范圍90～3500cm－1；溫度控制在23～25℃。

1.3.2 樣品的制備及脂肪酸質(zhì)量分?jǐn)?shù)的測(cè)定

表1 山茶油樣品的配制信息Tabbllee 11 Blending of camellia oil with different proportions of palm oil or rapeseed oil

為了獲得不同質(zhì)量分?jǐn)?shù)的棕櫚酸和十四烷酸的山茶油，分別在浸提山茶油和壓榨山茶油中摻入不同體積分?jǐn)?shù)的棕櫚油和菜籽油，配制70個(gè)樣本，樣品的配制均在室溫條件下進(jìn)行。將70個(gè)實(shí)驗(yàn)樣品按照個(gè)數(shù)比近似2:1的比例進(jìn)行校正集和驗(yàn)證集的劃分，46個(gè)為校正樣品，24個(gè)為驗(yàn)證樣品。劃分時(shí)采用Kennard-Stone算法[15]，使得校正集的樣品信息包含驗(yàn)證集樣品的信息。樣品的配制信息如表1所示。將配制好的摻雜茶油每份30g至于燒杯中，充分?jǐn)嚢韬竺芊鈧溆谩?/p>

氣相色譜條件：DB-5ms彈性石英毛細(xì)管色譜柱(30m×0.25mm，0.25μm)；載氣為高純氦氣，純度99.995%；程序升溫：120℃保持2min，以8℃/min升至260℃，保持10min；柱前壓47kPa；分流比1:80；進(jìn)樣口溫度280℃；接口溫度250℃；進(jìn)樣量0.1μL。質(zhì)譜條件：電子電離(electron ionization，EI)源；電子能量70eV；四極桿溫度150℃；離子源溫度230℃[16]。兩種脂肪酸質(zhì)量分?jǐn)?shù)的統(tǒng)計(jì)信息如表2所示。

表2 山茶油脂肪酸質(zhì)量分?jǐn)?shù)統(tǒng)計(jì)信息Table2 Statistical information of fatty acid contents in camellia oil samples

1.3.3 模型的建立和評(píng)價(jià)

采用PLS建立光譜模型，模型的評(píng)價(jià)指標(biāo)包括交叉驗(yàn)證均方根誤差(root mean square error of cross validation，RMSECV)、預(yù)測(cè)相關(guān)系數(shù)(correlation coefficient，Rp)、預(yù)測(cè)均方根誤差(root mean square error of prediction，RMSEP)。Matlab R2010a用于光譜數(shù)據(jù)預(yù)處理和偏最小二乘模型的建立。其中Rp越大，RMSECV/RMSEP越小，模型的預(yù)測(cè)能力越好。

2 結(jié)果與分析

2.1 光譜預(yù)處理方法的選擇

圖1 山茶油樣品的原始拉曼光譜圖(a)及截取后的譜圖((bb))Fig.1 Raw and selected Raman spectra of camellia oil samples

從圖1a可以看出，原始光譜在拉曼位移大于2100～2800cm－1之后包含了大量的無(wú)用信息，雖然在2850、2880、2950、3015cm－1處存在拉曼響應(yīng)，但由于在這些波數(shù)處光譜存在重疊，信噪比較大[17-18]，因此，本實(shí)驗(yàn)對(duì)原始光譜進(jìn)行截取，選擇拉曼位移范圍為90～2089cm－1的光譜進(jìn)行建模分析，每條拉曼光譜包含4000個(gè)數(shù)據(jù)點(diǎn)。截取后的譜圖如圖1b所示。

表3 不同預(yù)處理方法的建模結(jié)果比較Table3 Comparison of modeling results obtained with different preprocessing methods

圖2 校正集中兩種脂肪酸含量與不同拉曼位移處光譜峰強(qiáng)的相關(guān)性圖Fig.2 Correlation coefficient between Raman spectral shift intensity and the contents of two fatty acids for calibration dataset

樣品的拉曼光譜除包含樣品自身的組分信息外，還包含電噪音、樣品背景和雜散光等無(wú)用信息。雖然原始光譜圖經(jīng)截取后光譜質(zhì)量有所提高，然而包含在光譜中的無(wú)用信息仍無(wú)法消除。本實(shí)驗(yàn)分別采用小波導(dǎo)數(shù)(wavelet derivative，WD)和標(biāo)準(zhǔn)正態(tài)變量變換(standard normal variate，SNV)兩種預(yù)處理方法對(duì)原始光譜進(jìn)行有效信息提取，并對(duì)原始光譜和預(yù)處理后的光譜進(jìn)行PLS建模，結(jié)果如表3所示。從表3可知，對(duì)于山茶油的光譜經(jīng)SNV預(yù)處理后，兩種脂肪酸都得到了最好的預(yù)測(cè)結(jié)果。對(duì)于棕櫚酸，模型的Rp由原始光譜的0.917提高為0.976，對(duì)于十四烷酸，模型的Rp由原始光譜的0.940提高為0.967；同時(shí)兩種脂肪酸的RMSECV和RMSEP都得到了降低。采用拉曼光譜進(jìn)行組分的定量分析時(shí)，傳統(tǒng)的計(jì)量方法采用線性回歸。由于茶油的拉曼吸收峰較豐富，很難選擇某一峰位作為茶油的特征峰。圖2反映了46個(gè)校正樣品不同拉曼位移處拉曼峰強(qiáng)和兩種脂肪酸含量之間的相關(guān)性(也就是兩個(gè)向量間的相關(guān)性)，茶油中棕櫚酸和十四烷酸含量由氣相色譜-質(zhì)譜儀測(cè)定出，峰強(qiáng)值從儀器中直接讀出。從圖2可知，棕櫚酸在1460cm-1處，樣品的吸收峰與棕櫚酸含量的相關(guān)性最好，達(dá)到0.670；十四烷酸在1483.5cm-1處的相關(guān)性最好，為0.600，分別以1460cm-1和1483.5cm-1作為兩種脂肪酸的特征吸收峰建立線性回歸模型，并采用建立的模型對(duì)測(cè)試集樣品進(jìn)行預(yù)測(cè)，結(jié)果如表3所示。從表3可知，采用單一吸收峰建立線性回歸模型的預(yù)測(cè)精度比PLS方法建立的模型預(yù)測(cè)精度低，主要原因是PLS方法充分考慮了各個(gè)吸收峰對(duì)模型的貢獻(xiàn)，同時(shí)該方法具有降噪和基線校正的作用。

2.2 SPA方法用于建模變量的優(yōu)選

SPA變量?jī)?yōu)選方法能夠有效剔除眾多波長(zhǎng)變量間的共線性影響，降低模型的復(fù)雜度，提高建模的速度和效率，以其簡(jiǎn)便、快速的特點(diǎn)得到越來(lái)越多的應(yīng)用，在多種樣品波長(zhǎng)選取中得到了很好的效果。采用SPA方法對(duì)經(jīng)SNV預(yù)處理后的拉曼光譜進(jìn)行建模變量的優(yōu)選，并對(duì)選擇后的變量進(jìn)行PLS建模。優(yōu)選的建模變量數(shù)目與模型的預(yù)測(cè)結(jié)果如表4所示。由表4可知，對(duì)于兩種脂肪酸的拉曼光譜，經(jīng)SPA方法變量?jī)?yōu)選后，建模變量得到明顯減小，分別由4000減少至44和43個(gè)，模型的RMSEP都得到了減小，Rp得到了進(jìn)一步的提高。選出的波數(shù)點(diǎn)分別涵蓋了文獻(xiàn)中報(bào)道的脂肪酸特征拉曼吸收峰[17-18]。

表4 變量?jī)?yōu)選前后棕櫚酸和十四烷酸模型的預(yù)測(cè)結(jié)果比較Table4 Comparison of modeling results for palmitic acid and tetradecanoic acid with and without optimization of variables

圖3 棕櫚酸質(zhì)量分?jǐn)?shù)的參考值和預(yù)測(cè)值的相關(guān)關(guān)系圖Fig.3 Consistency between the reference and predicted contents for palmitic acid

圖4 十四烷酸質(zhì)量分?jǐn)?shù)的參考值和預(yù)測(cè)值的相關(guān)關(guān)系圖Fig.4 Consistency between the reference and predicted contents for tetradecanoic acid

分別對(duì)驗(yàn)證集樣品的棕櫚酸和十四烷酸質(zhì)量分?jǐn)?shù)的氣相色譜-質(zhì)譜測(cè)定值和拉曼光譜模型的預(yù)測(cè)值進(jìn)行擬合，結(jié)果如圖3、4所示。由圖3、4可知，對(duì)于兩種脂肪酸質(zhì)量分?jǐn)?shù)的相關(guān)關(guān)系圖，擬合效果較好，表明所建立的模型可靠性較好，校正和驗(yàn)證集樣本中兩種脂肪酸質(zhì)量分?jǐn)?shù)的分布較為合理。

3 結(jié) 論

采用拉曼光譜對(duì)山茶油中棕櫚酸和十四烷酸質(zhì)量分?jǐn)?shù)進(jìn)行快速定量分析，不同的光譜預(yù)處理方法和基于SPA的變量?jī)?yōu)選方法用于光譜模型的優(yōu)化。結(jié)果表明，山茶油的拉曼光譜經(jīng)SNV預(yù)處理后，采用SPA-PLS對(duì)兩種脂肪酸進(jìn)行建模分析，模型的預(yù)測(cè)精度都得到了明顯提高，建模變量得到極大地縮減。拉曼光譜結(jié)合化學(xué)計(jì)量學(xué)方法有望為山茶油中脂肪酸的定量分析提供了一種快速、高效和無(wú)損的方法。

[1] 王亞萍, 方學(xué)智, 聶明, 等. 幾種抗氧化劑對(duì)山茶油的氧化抑制作用研究[J]. 中國(guó)油脂, 2010, 35(1): 47-50.

[2] WANG Li, FRANK S C, WANG Xiaoru, et al. Feasibility study of quantifying and discriminating soybean oil adulteration in camellia oils by attenuated total reflectance MIR and fiber optic diffuse reflectance NIR[J]. Food Chemistry, 2006, 95(3): 529-536.

[3] ALAM Z. Triacylglycerols composition, oxidation and oxidation compounds in camelliaoil using liquid chromatography-mass spectrometry[J]. Chemistry and Physics of Lipids, 2012, 165(5): 608.

[4] JUNG E, LEE J, BAEK J, et al. Effect of Camellia japonicaoil on human type Ⅰ procollagen production and skin barrier function[J]. Journal of Ethnopharmacology, 2007, 112(1): 127-131.

[5] 嚴(yán)曉麗, 徐昕. 氣相色譜法鑒別摻假山茶油定性及定量研究[J]. 食品工程, 2011(2): 47-49.

[6] 龍奇志, 黃永輝, 鐘海雁, 等. 茶油揮發(fā)性成分的固相微萃取-氣相色譜-質(zhì)譜分析[J]. 中國(guó)食品學(xué)報(bào), 2009, 9(3): 187-194.

[7] DAS R S, AGRAWAL Y K. Raman spectroscopy: recent advancements, techniques and applications[J]. Vibrational Spectroscopy, 2011, 57(2): 163-176.

[8] ZHU Guangyong, ZHU Xian, FAN Qi, et al. Raman spectra of amino acids and their aqueous solutions[J]. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2011, 78(3): 1187-1195.

[9] SHIH C J, LUPOI J S, SMITH E A. Raman spectroscopy measurements of glucose and xylose in hydrolysate: role of corn stover pretreatment and enzyme composition[J]. Bioresource Technology, 2011, 102(8): 5169-5176.

[10] WANG Qi, LONERGAN S M, YU Chenxu. Rapid determination of pork sensory quality using Raman spectroscopy[J]. Meat Science, 2012, 91(3): 232-239.

[11] HUANG Zhuangrong, SHA Sha, RONG Zhengqin, et al. Feasibility study of near infrared spectroscopy with variable selection for nondestructive determination of quality parameters in shell-intact cottonseed[J]. Industrial Crops and Products, 2013, 43: 654-660.

[12] PAIVA H M, SOARES S F C, GALVAO R K H, et al. A graphical user interface for variable selection employing the successive projections algorithm[J]. Chemometrics and Intelligent Laboratory Systems, 2012, 118(15): 260-266.

[13] PONTES M J C, GALVAO R K H, ARAUJO M C U, et al. The successive projections algorithm for spectral variable selection in classification problems[J]. Chemometrics and Intelligent Laboratory Systems, 2005, 78(1): 11-18.

[14] MAHDI G V, SEYED S M, MARIA L R M, et al. Screening analysis of beer ageing using near infrared spectroscopy and the successive projections algorithm for variable selection[J]. Talanta, 2012, 89(1): 286-291.

[15] ROBERTO K H G, MARIO C U A, GLEDSON E J, et al. A method for calibration and validation subset partitioning[J]. Talanta, 2005, 67(4): 736-740.

[16] MANZANO E L R, RODRIGUEZ S, NAVAS N, et al. Study of the GC-MS determination of the palmitic-stearic acid ratio for the characterisation of drying oil in painting[J]. Talanta, 2011, 84(4): 1148-1154.

[17] MUIK B, LENDL B, MOLINA-DIAZ A, et al. Direct monitoring of lipid oxidation in edible oils by Fourier transform Raman spectroscopy[J]. Chemistry and Physics of Lipids, 2005, 134(2): 173-182.

[18] EI-ABASSY R M, DONFACK P, MATERNY A. Assessment of conventional and microwave heating induced degradation of carotenoids in olive oil by VIS Raman spectroscopy and classical methods[J]. Fodd Research International, 2010, 43(3): 694-700.

Quantitative Determination of Fatty Acids in Camellia Oil by Using Raman Spectroscopy

HAO Yong1,2，SUN Xu-dong1，GENG Xiang3
(1. College of Mechanical and Electronical Engineering, East China Jiaotong University, Nanchang 330013, China；2. Jiangsu Hengshun Vinegar Industry Co. Ltd., Zhenjiang 212143, China；3. Jiangxi Entry-Exit Inspection and Quarantine Bureau, Nanchang 330038, China)

Raman spectroscopy (RS) was applied for the rapid quantitative determination of fatty acids (palmitic acid and tetradecanoic acid). Totally 70 camellia oil samples were prepared and subjected to Raman spectral analysis. Raw spectra, wavelet derivative (WD) spectra and standard normal variate (SNV) spectra combined with successive projections algorithm (SPA) were adopted to optimize partial least square (PLS) models for quantitative analysis of fatty acids. The results showed that standard normal variate (SNV) and SPA could be used for the optimization of PLS models of fatty acids. The precision of the models was improved, and modeling variables were simplified. The correlation coefficient of prediction (Rp) and root mean square error of prediction (RMSEP) for the palmitic acid model were optimized from 0.917 and 2.191 to 0.981 and 1.078, and the modeling variables were reduced from 4000 to 44. For the tetradecanoic acid model, the Rpand RMSEP were optimized from 0.940 and 0.058 to 0.969 and 0.047, and the modeling variables were 43. This study can provide a rapid method for the analysis of fatty acids in camellia oil.

camellia oil；Raman spectroscopy；palmitic acid；tetradecanoic acid；successive projection algorithm

O655

A

1002-6630(2013)18-0137-04

10.7506/spkx1002-6630-201318027

2012-10-08

國(guó)家自然科學(xué)基金地區(qū)科學(xué)基金項(xiàng)目(21265006)；江西省自然(青年)科學(xué)基金項(xiàng)目(20114BAB2011010)；華東交通大學(xué)博士啟動(dòng)基金項(xiàng)目(01309021)

郝勇(1978—)，男，講師，博士，主要從事光譜分析及化學(xué)計(jì)量學(xué)方法研究。E-mail：haonm@163.com