陳 夢(mèng)，李尚俊，孫國(guó)華，馮艷微，王衛(wèi)軍，楊建敏，左 閃，溫爭(zhēng)爭(zhēng)

(1 上海海洋大學(xué)，水產(chǎn)科學(xué)國(guó)家級(jí)實(shí)驗(yàn)教學(xué)示范中心，上海水產(chǎn)養(yǎng)殖工程技術(shù)研究中心，上海 201306；2 山東省海洋資源與環(huán)境研究院，山東省海洋生態(tài)修復(fù)重點(diǎn)實(shí)驗(yàn)室，山東 煙臺(tái) 264006；3 魯東大學(xué)農(nóng)學(xué)院，山東 煙臺(tái) 264025)

海參(Sea cucumber)屬棘皮動(dòng)物門(Echinodermata)海參綱(Holothu roidea)，全世界已發(fā)現(xiàn)有1 100種海參，中國(guó)有140多種；可食用的海參世界上只有40種，中國(guó)約有20種，其中只有10種有較高的商業(yè)價(jià)值，仿刺參(Apostichopusjaponicus)為其一[1-2]。海參品質(zhì)的研究指標(biāo)主要有蛋白質(zhì)、皂苷、多糖、氨基酸、脂肪酸、維生素含量等常規(guī)營(yíng)養(yǎng)指標(biāo)。此外有研究者對(duì)仿刺參體壁和內(nèi)臟的16種無機(jī)元素含量進(jìn)行測(cè)定，發(fā)現(xiàn)體壁和內(nèi)臟中鉀(K)、鈣(Ca)、鎂(Mg)、鐵(Fe)含量都較高，還含有較為豐富的微量元素鋅(Zn)、硒(Se)和釩(V)，普遍高于鮑魚、海膽、魚翅等其他海洋水產(chǎn)食品[3]。隨著消費(fèi)需求的增加，國(guó)內(nèi)海參養(yǎng)殖規(guī)模不斷擴(kuò)大，世界各地的海參也紛紛涌入中國(guó)市場(chǎng)，造成海參產(chǎn)品種類繁多、品質(zhì)參差不齊。海參產(chǎn)品的產(chǎn)地不同、加工方式不同、營(yíng)養(yǎng)成分及其含量各異等因素導(dǎo)致其價(jià)格相差巨大。部分商販為追求高額利潤(rùn)，在海參產(chǎn)品加工銷售過程中以劣充優(yōu)、摻假造假等行為時(shí)有發(fā)生，甚至有人造海參產(chǎn)品出現(xiàn)[4]。因此，建立一種安全無損快速地檢測(cè)技術(shù)鑒定仿刺參營(yíng)養(yǎng)成分的差異，不僅有助于仿刺參養(yǎng)殖生產(chǎn)過程中的品質(zhì)性狀篩選，而且可應(yīng)用于市場(chǎng)上對(duì)海產(chǎn)品品質(zhì)與質(zhì)量安全進(jìn)行檢測(cè)和管控，對(duì)促進(jìn)仿刺參養(yǎng)殖效益和保障產(chǎn)品市場(chǎng)健康發(fā)展均有重要意義。

近紅外光譜法有著高效快速便捷的優(yōu)點(diǎn)，已經(jīng)廣泛應(yīng)用于中草藥[5-9]、飼料生產(chǎn)[10-11]和化工分析[12-13]等領(lǐng)域，近年來，可見/近紅外檢測(cè)技術(shù)在水產(chǎn)品中的應(yīng)用越來越多，但對(duì)于海參的相關(guān)報(bào)道甚少。陶琳等[14]采用近紅外漫反射光譜法對(duì)4個(gè)不同產(chǎn)地干海參的鑒別分析，獲得較滿意的地理分類結(jié)果。本研究采用近紅外光譜分析技術(shù)對(duì)仿刺參的蛋白質(zhì)、鋅和硒3個(gè)營(yíng)養(yǎng)成分指標(biāo)進(jìn)行定量分析并建模，為仿刺參營(yíng)養(yǎng)品質(zhì)多種指標(biāo)同時(shí)快速鑒定提供有效方法。

1 材料與方法

1.1 樣品的采集與制備

475個(gè)不同大小仿刺參樣品采集于山東省東營(yíng)市和煙臺(tái)市等地不同養(yǎng)殖場(chǎng)和市場(chǎng)；將仿刺參進(jìn)行解剖，去除內(nèi)臟、腹部的管足、頭尾部分；將每一份仿刺參取出，用勻漿機(jī)勻漿，放入樣品袋中，編號(hào)，保存于-20 ℃冰箱中。將樣品取出解凍，放入大型真空冷凍干燥機(jī)(ZDGX5)干燥48 h，然后迅速粉碎，裝入樣品袋中放入干燥器中待測(cè)。

1.2 仿刺參營(yíng)養(yǎng)成分含量的測(cè)定

鋅和硒的含量按照SN/T2208—2008方法測(cè)定[15]，蛋白質(zhì)含量按照凱氏定氮法(GB5009.5—2016)測(cè)定(自動(dòng)凱氏定氮儀)[16]。每個(gè)樣品重復(fù)檢測(cè)2次，取平均值作為化學(xué)真值。

1.3 仿刺參近紅外分析

1.3.1 近紅外光譜的采集

采用便攜式NIR光譜儀MicroNIRTM1700(JDSU,USA)進(jìn)行樣品全光譜漫反射掃描，光譜波長(zhǎng)范圍為900～1 700 nm，每次光譜采集重復(fù)掃描次數(shù)為100次，單次積分時(shí)間為15 ms。樣品掃描前，光譜儀開機(jī)預(yù)熱至少0.5 h，并采集背景光譜來消除背景的影響和進(jìn)行校準(zhǔn)。測(cè)量時(shí)的環(huán)境溫度20 ℃、相對(duì)濕度10%，將樣品平鋪放置，在不同位置掃描5次，取平均光譜為該樣品光譜。

1.3.2 異常樣品的剔除

采用馬氏距離對(duì)原始光譜進(jìn)行光譜異常值剔除，再用杠桿值和學(xué)生化殘差檢驗(yàn)，對(duì)各個(gè)成分的質(zhì)量濃度異常樣品進(jìn)行分析[17]。經(jīng)軟件MATLAB對(duì)異常光譜的樣品進(jìn)行判斷和剔除，然后將杠桿值和學(xué)生殘差較大的樣品暫定為異常樣品，再采用逐一回收的方法分析該異常樣品對(duì)模型性能的影響。剔除異常值后采用Kennard-Stone(K-S)算法進(jìn)行樣品集分類[18]，將475份樣品按照2∶1劃分為校正集和驗(yàn)證集。

1.3.3 近紅外定量模型的建立和優(yōu)化

采集近紅外光譜信息以及測(cè)得的各成分含量，采用全光譜偏最小二乘法(PLS)建立定量模型。定量前，通過標(biāo)準(zhǔn)正態(tài)變量校正(SNV)、多元散射校正(MSC)、MSC+一階導(dǎo)數(shù)和SNV+一階導(dǎo)數(shù)四種預(yù)處理方法對(duì)原始光譜進(jìn)行優(yōu)化和比較，以選出最優(yōu)的預(yù)處理方式。

1.3.4 評(píng)價(jià)指標(biāo)

定量模型的評(píng)價(jià)指標(biāo)：以校正決定系數(shù)(Rc2)、預(yù)測(cè)決定系數(shù)(Rp2)、預(yù)測(cè)均方根誤差(RMSEP)、校正均方根誤差(RMSEC)和交互驗(yàn)證均方根誤差(RMSECV)判斷模型的好壞[19-20]。如果Rp2和Rc2越接近1，RMSEC、RMSEP和RMSECV越接近0，說明模型越好。同時(shí)，通過相對(duì)分析誤差(RPD)對(duì)定量模型進(jìn)行進(jìn)一步驗(yàn)證。如果RPD≥3說明模型精度高，可用于實(shí)際檢測(cè)；如果2.0≤RPD<3.0，模型可用于樣品的定量分析；如果RPD<2.0，模型難以用于定量檢測(cè)分析[21]。

2 結(jié)果與分析

2.1 原始光譜

仿刺參個(gè)體干樣的近紅外原始光譜見圖1。從圖中可以明顯看出光譜存在基線漂移和異常光譜，需要對(duì)光譜進(jìn)行進(jìn)一步預(yù)處理。

圖1 仿刺參個(gè)體干樣原始光譜

2.2 樣品各成分含量值

根據(jù)上文分析方法測(cè)得的仿刺參不同品質(zhì)成分質(zhì)量濃度范圍作為模型質(zhì)量濃度矩陣分別代入所建模型，樣品的蛋白質(zhì)質(zhì)量分?jǐn)?shù)范圍為31.85%～53.52%，高于測(cè)定的硒含量(0.33～15.80)μg/g，而鋅含量的質(zhì)量濃度范圍最廣，在4.67～141.05μg/g之間，說明不同產(chǎn)地的仿刺參，其鋅含量差異較大。

2.3 剔除異常值

2.3.1 光譜異常值的剔除

采用馬氏距離對(duì)光譜異常樣品進(jìn)行剔除，其結(jié)果如圖2和圖3，從圖3中可以看出，異常光譜被剔除，效果明顯。

2.3.2 質(zhì)量濃度異常值的剔除

基于近紅外光譜仿刺參的蛋白質(zhì)、鋅和硒的杠桿值和學(xué)生殘差分布如圖4～圖6所示，圖中包括暫時(shí)被判定為異常值的樣品。表1～表3為剔除及逐一回收各質(zhì)量濃度異常樣品后模型Rc2、RMSEC、Rcv2和RMSECV的值。其中標(biāo)注+的為保留樣品，將其回收，其余定為異常樣品。PC為主成分?jǐn)?shù)，Rcv2為交互驗(yàn)證決定系數(shù)。

圖2 用馬氏距離剔除(紅色)與保留(黑色)的光譜圖

圖3 剔除異常光譜后的光譜圖

由圖4、表1可知，蛋白質(zhì)模型中，共選出24個(gè)暫定為異常樣品，對(duì)其逐一回收建模，發(fā)現(xiàn)回收編號(hào)為2028的樣品時(shí)，Rc2不變，RMSEC和RMSECV降低，模型性能得到改善，因此將編號(hào)為2028的樣品作為正常樣品回收，將其余樣品作為異常樣品全部剔除。由圖5、表2可知，鋅模型中，共選出25個(gè)暫定為異常樣品，對(duì)其逐一回收建模，模型性能均未得到改善，故將這25個(gè)樣品作為異常樣品全部刪除。由圖6、表3可知，硒模型中，共選出22個(gè)暫定為異常樣品，對(duì)其逐一回收建模，其中，回收編號(hào)為88、97、130、883、912、1247、686、1032的樣品Rc2都提高或不變，但RMSEC和RMSECV也提高，說明模型穩(wěn)定性較差；回收編號(hào)為555和1089的樣品Rc2從0.529減小到0.528，RMSEC增大而RMSECV減小，模型性能變差。因此將22個(gè)樣品作為異常樣品剔除。

圖4 仿刺參樣品蛋白質(zhì)的杠桿值-學(xué)生殘差圖

圖5 仿刺參樣品鋅的杠桿值-學(xué)生殘差圖

圖6 仿刺參樣品硒的杠桿值-學(xué)生殘差圖

2.4 光譜預(yù)處理方法的確定

采用常用的預(yù)處理方法進(jìn)行定量模型比較分析，包括標(biāo)準(zhǔn)正態(tài)變量(SNV)、多元散射校正(MSC)及算法結(jié)合。不同光譜預(yù)處理方法對(duì)仿刺參3種營(yíng)養(yǎng)成分的分析結(jié)果見表4～表6。

由表4可知，經(jīng)預(yù)處理后模型質(zhì)量明顯提升，Rc2和Rp2均變大，RMSEC和RMSEP都相應(yīng)減小，說明這4種預(yù)處理方法對(duì)模型性能均有所改善，同時(shí)，經(jīng)SNV+一階導(dǎo)數(shù)預(yù)處理建立的模型RMSEC和RMSEP相對(duì)最小，Rc2和Rp2最高，故選SNV+一階導(dǎo)數(shù)為蛋白質(zhì)模型的最優(yōu)預(yù)處理方法。對(duì)鋅和硒含量PLS模型，由表5和表6可知，經(jīng)MSC預(yù)處理建立的模型Rc2和Rp2優(yōu)于其他預(yù)處理建立的模型，RMSEC和RMSEP均減小且差異不大，模型預(yù)測(cè)精度更好，因此確認(rèn)MSC為鋅和硒模型的相對(duì)最優(yōu)預(yù)處理方式。

表1 仿刺參個(gè)體干樣蛋白質(zhì)剔除異常值后定量模型結(jié)果

表2 仿刺參個(gè)體干樣鋅剔除異常值后定量模型結(jié)果

表3 仿刺參個(gè)體干樣硒剔除異常值后定量模型結(jié)果

(續(xù)表3)

表4 不同預(yù)處理方法的仿刺參個(gè)體干樣蛋白質(zhì)含量PLS模型的分析結(jié)果

注：*為最優(yōu)預(yù)處理方法;Rp2表示預(yù)測(cè)決定系數(shù)；RMSEP表示預(yù)測(cè)均方根誤差。下同

表5 不同預(yù)處理方法的仿刺參個(gè)體干樣鋅含量PLS模型的分析結(jié)果

表6 不同預(yù)處理方法的仿刺參個(gè)體干樣硒含量PLS模型的分析結(jié)果

2.5 定量模型的建立

近紅外光譜構(gòu)建的仿刺參粗蛋白、鋅和硒的PLS定量分析模型結(jié)果如圖7所示。表7顯示，蛋白質(zhì)的Rc2和Rp2分別是0.889和0.904，相對(duì)分析誤差RPD=3.22>3，說明蛋白質(zhì)定量分析模型可用于實(shí)際檢測(cè)；鋅和硒的Rc2和Rp2均低于0.6，RPD均小于2.5，說明模型預(yù)測(cè)精度一般，建模穩(wěn)定性相比蛋白質(zhì)模型較差，用于測(cè)定仿刺參中鋅和硒含量可能有誤差。可以進(jìn)一步提高優(yōu)化這些元素的模型參數(shù)，達(dá)到較好的預(yù)測(cè)效果。

圖7 蛋白質(zhì)(a)、鋅(b)和硒(c)含量預(yù)測(cè)值和實(shí)測(cè)值關(guān)系圖

3 討論

3.1 仿刺參營(yíng)養(yǎng)成分定量模型評(píng)價(jià)

本研究探討了近紅外光譜技術(shù)對(duì)仿刺參樣品中蛋白質(zhì)、鋅和硒進(jìn)行快速定量分析的可行性。利用便攜式光譜儀獲得仿刺參樣品的光譜數(shù)據(jù)，通過不同的光譜預(yù)處理方法結(jié)合偏最小二乘算法建立定量分析模型，結(jié)果表明，本研究獲得的蛋白質(zhì)近紅外定量分析模型可用于實(shí)際檢測(cè)，但鋅和硒的模型效果不理想。近紅外技術(shù)通過對(duì)樣品中不同頻率的含氫基團(tuán)(O—H鍵、C—H鍵和N—H鍵等)的吸收，形成特征光譜[21-22]。由于蛋白質(zhì)含氫基團(tuán)比較多，在近紅外產(chǎn)生較強(qiáng)吸收峰，因此，蛋白質(zhì)含量模型可獲得較好的定量效果。本研究中，鋅和硒模型的預(yù)測(cè)決定系數(shù)較低，原因可能為：一是鋅和硒則為微量元素，在仿刺參本身含量過低；二是鋅和硒這類無機(jī)元素預(yù)測(cè)的可行性在于鋅和硒可與其他含氫化學(xué)基團(tuán)以某種方式(耦合等)進(jìn)行結(jié)合，形成有機(jī)硒和鋅進(jìn)行間接測(cè)量，然而，因?yàn)橛胁糠衷嘏c樣品中有機(jī)物結(jié)合得不夠充分[19]，以游離形式存在，無法被NIR檢測(cè)到，導(dǎo)致本試驗(yàn)中鋅和硒模型的效果低于蛋白質(zhì)模型。

3.2 仿刺參質(zhì)量檢測(cè)和品質(zhì)分析的研究現(xiàn)狀

近年來，海參養(yǎng)殖業(yè)不斷擴(kuò)大，消費(fèi)者對(duì)海參的需求量也不斷增加，因此，為了提高市場(chǎng)競(jìng)爭(zhēng)力，需要對(duì)不同種類可食用海參進(jìn)行品質(zhì)測(cè)定和質(zhì)量評(píng)估。國(guó)內(nèi)外對(duì)海參的研究更多地集中在海參的種類區(qū)分和產(chǎn)地鑒定方面[23-28]，但對(duì)海參品質(zhì)的研究較少，隨著近紅外光譜技術(shù)越來越多的應(yīng)用在海產(chǎn)品品質(zhì)成分檢測(cè)，海參品質(zhì)近紅外檢測(cè)研究也隨之開展，邵月華等[29]應(yīng)用傅立葉變換衰減全反射紅外光譜法(ATR-FTIR)實(shí)現(xiàn)對(duì)優(yōu)質(zhì)海參和摻糖海參的種類鑒別；鄒小波等[30]建立了膠原蛋白含量預(yù)測(cè)模型， Guo等[31]建立了總脂肪含量的預(yù)測(cè)模型，相關(guān)系數(shù)均達(dá)到了0.9以上，說明效果較好。對(duì)于海參品質(zhì)的評(píng)價(jià)，基于多種營(yíng)養(yǎng)指標(biāo)的綜合評(píng)價(jià)有效性更高更具有實(shí)際應(yīng)用價(jià)值，將近紅外光譜技術(shù)與仿刺參中多種營(yíng)養(yǎng)因素指標(biāo)含量進(jìn)行聯(lián)合分析為快速進(jìn)行仿刺參樣品品質(zhì)的評(píng)價(jià)提供了可能。本研究中，利用近紅外光譜技術(shù)對(duì)仿刺參樣品中蛋白質(zhì)、鋅和硒3種代表性營(yíng)養(yǎng)指標(biāo)進(jìn)行了同時(shí)測(cè)定定量模型的構(gòu)建，初步建立了仿刺參品質(zhì)多指標(biāo)綜合評(píng)價(jià)近紅外模型，對(duì)市場(chǎng)仿刺參產(chǎn)品品質(zhì)與質(zhì)量安全進(jìn)行檢測(cè)和管控提供了快速有效方法。

表7 仿刺參個(gè)體干樣3種成分最終模型參數(shù)

4 結(jié)論

采用近紅外光譜結(jié)合化學(xué)分析法建立一種仿刺參品質(zhì)成分快速檢測(cè)方法。采集仿刺參不同成分對(duì)應(yīng)的光譜特征后，比較不同的預(yù)處理方法并采用PLS法建立仿刺參蛋白質(zhì)、鋅和硒含量定量模型；所建模型蛋白質(zhì)、鋅和硒的預(yù)測(cè)決定系數(shù)(Rp2)分別為0.904、0.498和0.526，蛋白質(zhì)的RPD=3.22>3，而鋅和硒的RPD均小于2.0。利用近紅外光譜特征可實(shí)現(xiàn)仿刺參蛋白質(zhì)含量的快速檢測(cè)，而鋅和硒的模型需要進(jìn)一步優(yōu)化。在今后的研究中，還可以補(bǔ)充不同地區(qū)、不同品種的樣品，擴(kuò)大仿刺參中無機(jī)元素的含量范圍，調(diào)整校正模型，為刺參微量元素的快速測(cè)定提供基礎(chǔ)。

□