金槍魚基于理化指標的貨架期預測模型的建立*

雷志方，謝晶

(上海海洋大學食品學院，上海水產品加工與貯藏工程技術研究中心，上海，201306)

金槍魚屬于大洋暖水性洄游魚，其肉質細膩味道鮮美，含有豐富的優質蛋白質能為人體提供所需必需氨基酸，尤其是含有豐富的DHA和EPA是人體所必需且自身不能合成的營養元素。然而由于金槍魚特殊的生化特性使其極易腐敗變質，在一般冷藏條件下其貨架期較短。貨架期是指食品放在指定貯藏條件下能夠維持其感官、微生物、營養等指標在消費者接受范圍內的一段時間。目前許多數學模型被應用到食品貨架期預測中，包括結合Gompertz方程描述特定腐敗菌的生長動力學模型［1］、基于Weibull危害分析的Weibull模型［2］、結合Belehradek方程描述溫度影響微生物生長的模型［3］，其中以溫度為基礎的動力學規律結合Arrhenius方程所建立的貨架期預測模型在食品中應用最為廣泛。研究［4-5］表明，動力學規律結合Arrhenius方程所建立的貨架期預測模型能很好地預測食品貨架期，謝晶等［6］研究了上海青蔬菜的品質變化動力學模型并結合Arrhenius方程建立了上海青菜的貨架期預測模型，其結果表明，預測值和實際值相對偏差小于6.5%。謝主蘭等［7］基于TVBN利用Arrhenius方程建立了不同貯藏溫度下低鹽蝦醬的貨架期預測模型，其結果表明在288～310 K內預測值的準確度在±10%內。

本實驗研究旨在通過數據分析建立金槍魚貨架期預測模型，以預判金槍魚貨架期，減少流通中的經濟損失。

1 材料與方法

1.1 原料與儀器

金槍魚，購于浙江豐匯遠洋漁業有限公司上海供應站，挑選色澤鮮亮無肌肉淤血的金槍魚塊，于碎冰保鮮條件下運回實驗室立即實驗。

儀器:高效液相色譜儀器(LC-2010C HT，島津公司);FOSS全自動凱氏定氮儀(Kjeltec 8400，福斯分析儀器公司);冰箱(BCD-252MHV*，蘇州三星電子);色差計(ZE-2000，日本尼康公司);臺式高速冷凍離心機(H-2050R，湖南湘儀實驗室儀器開發有限公司);紫外可見分光光度計(UV-1102，上海天美科技儀器有限公司);電子分析天平等。

1.2 實驗方法

1.2.1 樣品處理

將運回的金槍魚空氣解凍3 h切成小塊每塊約90 g，將魚塊隨機分為五組裝入自封袋貯藏于269、273、277、281、285 K 五個不同溫度下，按一定時間間隔分別取樣測定其K值、高鐵肌紅蛋白含量、組胺含量、TVB-N值和微生物等理化指標并進行感官評定。實驗設計如表1。

表1 實驗組設計Table 1 Design for experimentation

1.2.2 感官評定

參考 SC/T 3117-2006《生食金槍魚》［8］對生食金槍魚的感官要求，根據表2從金槍魚的色澤、氣味、組織及彈性4方面進行評價。以10分制對金槍魚進行評價，認為0～4分較差、4～6分為一般、6～8分較好、8分以上為很好，評分結果以金槍魚平均得分表示，樣品平均分=(外觀色澤得分+氣味得分+肌肉組織得分+組織彈性得分)/4。

表2 金槍魚感官評定表Table 2 Criteria for sensory evaluation of tuna

1.2.3 高鐵肌紅蛋白測定

參考Karol Krzywicki等［9］的方法利用磷酸緩沖液進行提取，最后用分光光度計在525，545，565和572 nm波長處，測定其吸光度，計算公式:

MetMb/%=(-2.514R1+0.777R2+0.800R3+1.098)×100

其中:R1為提取液在波長572 nm時的吸光度與525 nm時吸光度的比值;R2為提取液在波長565 nm時的吸光度與525 nm時吸光度的比值;R3為提取液在波長545 nm時的吸光度與525 nm時吸光度的比值即:

1.2.4 K值

參考Yoloyama等［10］的方法略有修改。準確稱取5 g切碎的魚肉用HClO4于4℃下多次提取最后將提取的上清液合并，并調節pH值至6.5，于50 mL容量瓶定容，用0.22 μm膜過濾待用。

HPLC條件:色譜柱 VP-CDSC18(46 mm×150 mm)，采用pH 6.7的0.05 mol/L H3PO4緩沖液平衡洗脫，樣品進樣量為10 μL，流速1 mL/min，柱溫30℃，檢測波長254 nm。K值計算:

其中:WHxR、WHx、WATP、WADP、WAMP 和 WIMP分別為次黃嘌呤核苷、次黃嘌呤、腺苷三磷酸、腺苷二磷酸、腺苷酸和肌苷酸的質量分數。

1.2.5 組胺

參考金高娃等［11］的方法先利用HClO4對樣品進行提取，再將提取液經丹酰氯衍生后采用高效液相色譜法分離測定組胺含量。

1.2.6 揮發性鹽基氮(TVB-N)的測定

參考《SC/T 3032-2007水產品中揮發性鹽基氮的測定》［12］的方法。

1.2.7 菌落總數測定

參考《GB 47892-2010食品微生物學檢驗菌落總數測定》［13］測定，每個稀釋度做2個平行組。

1.3 數據處理和分析

利用Origin9.0軟件繪制曲線，用SPSS 19.0和Excel 2010進行實驗數據處理。

1.4 金槍魚貨架期預測模型

1.4.1 動力學模型

研究表明大部分食品符合零級或一級化學動力學模型［14］，根據基元反應的質量作用定律恒溫時的反應速率可表示為:

式中:V為反應速率;M為品質因子;t為時間;k反應速率常數;n為反應級數。

對(1)式兩邊積分得積分式

n=0時由(2)式可得零級動力學模型:

n=1時由(2)式可得一級動力學模型:

由(4)變形可得

式中:M0為初始品質因子值。

將各實驗指標用Origin9.0進行零級動力學模型線性擬合和一級動力學模型非線性擬合可判斷金槍魚的反應級數并得到不同溫度下各指標的反應速率常數k。

1.4.2 Arrhenius方程

Arrhenius方程是描述反應速率常數k和溫度T之間較為精確的關系式。Arrhenius方程可表示為:

式中:A0為指前因子;Ea為活化能，J/mol;R為摩爾氣體常數，8.314 J/(K·mol);T為絕對溫度，K。

將不同溫度下(269，273，277，281，285 K)的反應速率常數k結合Arrhenius方程進行非線性擬合可得到指前因子A0和反應活化能Ea。

1.4.3 貨架期模型的建立

結合動力學模型和Arrhenius方程可得到金槍魚貨架期模型。

符合零級動力學貨架期模型:

符合一級動力學貨架期模型:

式中:SL為貨架期。

2 結果與分析

2.1 品質指標的變化

從圖1-(a)中的感官評分結果可以看出，隨著貯藏時間的延長，金槍魚的色澤、氣味、彈性均出現不同程度的劣變，且溫度越高感官評分下降速率越快，貯藏在285 K下的金槍魚15 h時感官綜合得分僅為4.1，已經開始出現褐變，魚香味趨于消失，組織部分松散。

剛宰殺的金槍魚含有較多的肌紅蛋白和血紅蛋白而使肉色呈紅色，金槍魚紅度值a*的變化如圖1-(b)所示，貯藏在285 K和281 K條件下金槍魚的紅度值a*下降最快，到35 h時從初始值10.09分別下降至2.2和1.9。與之相比貯藏在269 K和273 K條件下的金槍魚的紅度值a*下降較為緩慢，這可能是因為低溫環境下有利于減緩高鐵肌紅蛋白的形成。

金槍魚中高鐵肌紅蛋白含量如圖1-(c)所示，隨著貯藏時間的延長，高鐵肌紅蛋白含量不斷上升，其中285 K條件下貯藏的金槍魚高鐵肌紅蛋白含量上升最快，到35 h時從初始值1.48上升至40.67。而貯藏在269 K條件下金槍魚高鐵肌紅蛋白含量上升最慢，這與貯藏過程中金槍魚紅度值a*的變化規律相符。魚肉中的肌紅蛋白通常與亞鐵離子結合，但其性質極不穩定，在貯藏過程中亞鐵離子容易被氧化成三價鐵離子而生成高鐵肌紅蛋白，該現象的發生與pH值，氧分壓，溫度、離子強度及NADH的濃度有關［15］。

許多學者研究表明［16］，K值變化規律能較好的表現金槍魚的腐敗程度，從圖1-(d)中可以看出，隨貯藏時間延長K值總體呈上升趨勢，在考量范圍內K值的變化與溫度相關，溫度越高K值變化速率越快。貯藏溫度285 K和281 K貯藏條件下金槍魚K值急劇上升，而269 K條件下貯藏的金槍魚K值上升較為緩慢。K值上升主要是因為貯藏過程中金槍魚肉中ATP的不斷降解。

金槍魚TVB-N值變化如圖1-(e)所示，貯藏過程中各個實驗組TVB-N值上升，表明貯藏過程中金槍魚肉中蛋白質在細菌和酶的作用下被分解為氨、二甲胺和三甲胺等低級胺類物質。同一時間各個實驗組TVB-N值越高則表明魚肉中蛋白質分解程度越大，即魚肉越不新鮮。從圖1-(e)可知285 K條件下貯藏的金槍魚TVB-N值上升速率最快，在35 h內從初始值7.7 mg/100 g上升至19.1 mg/100 g，而貯藏在269 K條件下的金槍魚到84 h才上升至15.0 mg/100 g，一方面，這可能是因為溫度越高魚肉中分解蛋白質的酶的活性越高，另一方面溫度較高的環境下所適合生長的微生物種類越多從而加速了蛋白質的分解。

根據國內行業標準《SC/T 3117-2006生食金槍魚》［8］的規定生食金槍魚的菌落總數須≤104CFU/g。貯藏在不同溫度下的金槍魚菌落總數變化如圖1-(f)所示，在不同溫度下貯藏的金槍魚菌落總數變化較大，5 h時貯藏在285 K和281 K條件下的菌落總數就分別達到了4.2 lg(CFU/g)和4.3lg(CFU/g)已經超過了規定的閾值(4.0lg(CFU/g))，而在269 K條件下貯藏的金槍魚到48 h時菌落總數為4.1lg(CFU/g)，單純從微生物指標來看貯藏在269 K條件下金槍魚比285 K的貨架期延長了43 h。

組胺是生物胺的一種，由組氨酸在一定條件下脫羧反應而生成，魚肉中組胺含量過高可引起人體不適甚至組胺中毒，金槍魚富含組氨酸是容易引起組胺中毒的魚肉之一。金槍魚肉中組胺含量如圖1-(g)所示，可知溫度對組胺有較大影響，在285 K和281 K條件下的金槍魚組胺在短時間內急劇增加從初始值23.3 mg/kg到35 h時分別增加至49.5 mg/kg和44.1 mg/kg，而貯藏在269 K下的金槍魚組胺變化緩慢，從初始值23.3 mg/kg到84 h時為26.6 mg/kg僅增加了3.3 mg/kg。

圖1 金槍魚在不同溫度下貯藏過程中的感官評分及品質指標及變化Fig.1 Changes of sensory score and quality indexes oftuna stored under different temperatures

2.2 動力學分析和貨架期預測模型的建立

2.2.1 金槍魚品質動力學分析

根據化學反應動力學模型方程(3)和(4)，利用Origin9.0分別對金槍魚的TVB-N值、鮮度指標K值、高鐵肌紅蛋白含量等品質指標參數分別進行線性和非線性回歸擬合得到零級和一級動力學模型的反應速率常數k及回歸系數R2如表2所示。

表3 零級和一級動力學回歸速率常數k及決定系數R2Table 3 Reaction rate constant k and determination coefficient R2of determination for zero and first order regression

續表3

R2越大說明數據和方程的擬合性越好，從表3中∑R2可以看出零級動力學決定系數∑R2＞一級動力學決定系數∑R2，說明零級動力學模型的擬合精度更高即零級反應動力學更符合金槍魚在貯藏過程中品質變化［6，17］。因此本實驗選用零級動力學規律研究金槍魚品質變化。

2.2.2 貨架期預測模型的建立

對于基元反應和大部分非基元反應均適用Arrhenius方程求其動力學反應速率常數k，Arrhenius方程是在簡單的反應活化能模型的基礎上，結合動力學和熱力學基本原理提出的動力學反應速率常數k與溫度T較準確的關系式模型。本實驗利用Arrhenius方程對表2中不同溫度下金槍魚貨架期的計算模型中反應速率常數k進行非線性擬合(見圖2)，表4是金槍魚不同品質因子模型反應活化能Ea和指前因子A0。

表4 品質指標零級變化的活化能Ea和指前因子A0Table 4 Active energy(Ea)and frequency coefficient(A0)forzero order change of quality indexes

由(3)式結合(6)式得到金槍魚基于a*的貨架期預測模型:

金槍魚基于高鐵肌紅蛋白含量的貨架期預測模型:

金槍魚基于K值的貨架期預測模型:

金槍魚基于TVB-N的貨架期預測模型:

圖2 紅度值a*、高鐵肌紅蛋白百分含量、k值、TVB-N、菌落總數和組胺的k-T(速率與溫度)非線性擬合圖Fig.2 Nonliner k-T(reaction rate and temperature)fitting graph of value of a*，met-myoglobin，value of k，value of TVB-N，aerobic plate count and histamine

金槍魚基于菌落總數的貨架期預測模型:

金槍魚基于組胺含量的貨架期預測模型:

式 中:M(a*value0)、M(MetMb)、M(K value0)、M(TVB-N0)、M(APC0)、M(His0)和 M(a*value)、M(MetMb)、M(K value)、M(TVB-N)、M(APC)、M(His)分別是金槍魚紅度值a*、高鐵肌紅蛋白百分含量、K值、TVB-N、菌落總數、組胺的初始值和貯藏一段時間后的測定值。

2.3 貨架期預測模型的驗證試驗

為驗證貨架期預測模型的準確性，將驗證試驗的金槍魚塊與上述實驗組做相同處理，隨機分為2組分別于273 K和281 K條件下貯藏，按一定時間間隔測定其紅度值a*、高鐵肌紅蛋白含量、K值、TVB-N、菌落總數及組胺含量，結合國內行業標準《SC/T 3117-2006生食金槍魚》［8］及其他相關標準以金槍魚各項品質指標超過生食金槍魚規定上限判定為貨架期終點，其測定結果和預測結果如表5所示。

表5 金槍魚在273和281 K貯藏下貨架期的預測值和實測值Table 5 Predicted and observed shelf-life of tuna at 273 and 281K

從表5可知，基于不同品質指標的貨架期預測值略有不同，因此在評估金槍魚貨架時建議結合各個指標的預測值綜合評定。在眾多品質指標中以K值和TVB-N兩個指標對于評價金槍魚貨架期尤其重要，由表5可知，K值和TVB-N兩個指標的預測貨架期較為相近，在273 K時預測貨架期分別為110 h和132 h，在281 K時預測貨架期分別為62 h和70 h稍大于實際貨架期。從整體預測結果和實際結果來看，預測模型能較好的預測金槍魚貨架期，除281 K條件下紅度值a*預測值相對誤差稍大外，其他相對誤差均在±10%之內。

3 結論

(1)貯藏在不同溫度下金槍魚均出現不同程度的品質劣變，綜合感官評分和紅度值a*呈下降趨勢，高鐵肌紅蛋白含量、K值、TVB-N、菌落總數及組胺含量隨著貯藏時間的延長均呈上升趨勢，且溫度越高上升速率越快。

(2)利用Origin9.0對金槍魚品質指標數據進行線性和非線性擬合表明，貯藏過程中金槍魚紅度值a*、高鐵肌紅蛋白含量、K值、TVB-N、菌落總數及組胺含量的變化更符合零級動力學模型其決定系數R2＞0.9。

(3)本研究表明，利用Arrhenius方程對反應速率常數k和溫度T進行非線性擬合時其決定系數R2＞0.9，具有較高的擬合精度，本實驗所建立的貨架期預測模型能較準確的預測貯藏在不同溫度下金槍魚的貨架期。在驗證實驗中模型預測貨架期和實際所測貨架期誤差在±10%內。

［1］ Chatterjee T，Chatterjee B K，Majumdar D，et al.Antibacterial effect of silver nanoparticles and the modeling of bacterial growth kinetics using a modified Gompertz model［J］.Biochimica et Biophysica Acta，2015，1850(2):299-306.

［2］ Palazón M A，Pérez-Conesa D，Pedro A，et al.Determination of shelf-life of homogenized apple-based beikost storage at different temperatures using Weibull hazard model［J］.LWT-Food Science and Technology，2009，42(1):319-326.

［3］ 李學英，許鐘，楊憲時，等.大黃魚產H2S菌生長動力學模型和貨架期預測［J］.現代食品科技，2010，26(9):921-925.

［4］ TheofaniaTsironi，AnastasiosStamatiou，Marianna Giannoglou，et al.Predictive modelling and selection of Time Temperature Integrators for monitoring the shelf life of modified atmosphere packed gilthead sea bream fillets［J］.LWTFood Science and Technology，2011，44(4):1 156-1 163.

［5］ 張利平，謝晶，何蓉，等.雞毛菜(Brassica rapal.Chinensis Group.)的顏色變化動力學及兩種貨架期預測方法［J］.食品工業科技，2013，34(16):75-83.

［6］ 謝晶，張利平，蘇輝，等.上海青蔬菜的品質變化動力學模型及貨架期預測［J］.農業工程學報，2013，29(15):271-278.

［7］ 謝主蘭，陳龍，雷曉凌，等.采用揮發性鹽基氮動力學模型預測低鹽蝦醬的貨架壽命［J］.現代食品科技，2013，29(1):29-33.

［8］ SC/T 3117-2006.生食金槍魚［S］.

［9］ Karol Krzywicki.The determination of haem pigments in meat［J］.Meat Science，1982，7(1):29-36.

［10］ Yoloyama Y，Sakaguchi M，Kawai F，et al.Changes in concentration of ATP-related compounds in various tissues of oyster during ice storage ［J］.Nippon Suisan Gakkaishi，1992，58(11):2 125-2 136.

［11］ 金高娃，蔡友瓊，于慧娟，等.柱前衍生高效液相色譜法測定魚罐頭中的組胺［J］.色譜，2010，28(11):1 099-1 102.

［12］ SC/T 3032-2007.水產品中揮發性鹽基氮的測定［S］.

［13］ GB 4789.2-2010.食品安全國家標準食品微生物學檢驗菌落總數［S］.

［14］ Labuza T P，Shapero M.Prediction of nutrient losses［J］.Journal of Food Processing and Preservation，1978，2(2):91-99.

［15］ 湯祥明，高鐵肌紅蛋白還原酶活力與肉色穩定性的研究［D］.南京:南京師范大學，2006.

［16］ Kamalakanth C K，Ginson J，Bindu J，et al.Effect of high pressure on K-value，microbial and sensory characteristics of yellow fintuna(Thunnusalbacares)chunks in EVOH films during chill storage［J］.Innovative Food Science and Emerging Technologies，2011，12(4):451-455.

［17］ 馬妍，謝晶，周然，等.暗紋東方鲀在不同凍藏溫度下品質變化的動力學研究［J］.中國農業大學學報，2012，17(1):138-142.