基于ICP-MS測定蜂蜜礦物質元素進行蜂蜜產地溯源

（哈爾濱市產品質量監(jiān)督檢驗院，哈爾濱 150090）

1 引言

我國幅員遼闊，蜜源植物資源豐富且分布較廣。蜂蜜品種繁多，其中洋槐蜜、荊條蜜、油菜蜜和棗花蜜的產量較高。然而，蜂蜜的產量和品質與蜜源植物的種類、蜜蜂的飼養(yǎng)條件、氣候環(huán)境等因素密切相關。我國蜜源植物的分布也具有一定的地域性特征。國內外研究表明，不同蜂蜜品種間的感官特性具有一定的差異性，即使是同一蜜種，由于地域上的差異其蜂蜜的品質也具有差異性[1-5]。不同品種的蜂蜜其色澤、氣味和口感等感官特性不同，繼而導致其價格各異。例如椴樹蜜顏色較淺，具有濃郁的芳香氣味和較高的營養(yǎng)價值，深受消費者的喜愛，相比其他蜜種的蜂蜜價格較高。

食品的產地特征研究是食品安全分析的熱點領域，國內外部分課題組研究人員對該領域進行了大量的探索。在過去10年中，許多研究小組測定了不同蜂蜜樣品中的元素，發(fā)現蜂蜜的元素組成有很大的不同[6-10]。蜂蜜中的元素組成與蜜蜂采集花蜜、花粉或蜜露的植物來源密切相關，與地理來源有關的包括養(yǎng)蜂場的選址、土壤的組成及氣候條件等也會影響蜂蜜的元素組成[11-13]。在已建立的分析方法中，礦物質元素分析技術是一個非常有效的方法。

電感耦合等離子體質譜儀（ICP-MS）具有較快的分析速度、較低的檢出限、能夠快速地同時測定多種礦物質元素等優(yōu)點[14]。該技術在近些年發(fā)展迅速，在谷物、蔬菜、酒類等食品和農產品中已經得到廣泛應用[15-17]。本文應用ICP-MS測定不同產地椴樹蜂蜜中礦物質元素含量，了解不同產地椴樹蜜和元素之間的關系，并結合多變量模型對椴樹蜜進行產地溯源研究。

2 實驗部分

2.1 試劑和儀器

Agilent 7700x ICP-MS（安捷倫公司，日本），CEM MARS6微波消解儀（CEM，USA），Milli-Q超純水系統(tǒng)（Millipore，Bedford，MA，USA）。濃硝酸，優(yōu)級純，科密歐；雙氧水，優(yōu)級純，科密歐；超純水（18.2MΩ·cm）；20種待測元素標準曲線各點由元素標準儲備液（Agilent Technologies，USA）稀釋配制。

這項研究使用了158個椴樹蜂蜜樣品。它們都是在2019年7月間從有產地證明的蜂農那里直接采集來的：A區(qū)（86個椴樹蜜樣品），B區(qū)（72個椴樹蜜樣品）。所有樣品在分析前都在4℃條件下裝在塑料容器里儲存；分析前，蜂蜜樣品在50℃下液化并超聲波振蕩至少30min。

2.2 數據分析

元素含量測定后使用質量分析專業(yè)軟件（MPP）（安捷倫公司）進行基本統(tǒng)計及多變量分析。使用主成分分析（PCA）、決策樹（Decision Tree）、樸素貝葉斯（naive bayes）、神經網絡（neural network）和支持向量機（support vector machine）等化學計量方法對所有數據進行分析以對蜂蜜樣品根據其植物源進行辨別和分類。

3 結果與分析

3.1 不同產地椴樹蜜中元素含量概況

椴樹蜜有自己的特征元素譜圖。同種植物源蜂蜜之間也有很大差別，通過表1和表2中最小值與最大值之間的差距就可以看出。因此，需要用化學計量法對樣品聚集的趨勢進行評估。

根據所測定20種元素在椴樹蜜中的含量，將其分為兩組，即含量低的微量元素（見表1）和含量高的常量元素（見表2）。

表1給出了不同地區(qū)椴樹蜜中含量較低的V、Cr、Co、Ni、As、Se、Mo、Cd、Sb、Tl等10種元素的測定結果。比較上述10種元素的椴樹蜜分布，可以看出B區(qū)椴樹蜜Se和Sb的平均含量高于A區(qū)，其余8種元素A區(qū)椴樹蜜的平均含量均高于B區(qū)。

從表2可以看出，Na、Mg、K、Ca、Fe元素的含量均高于1mg/kg。K的含量在20種元素中最高，平均含量均高于1468mg/kg，B區(qū)椴樹蜜中K的含量明顯高于A區(qū)椴樹蜜。這和最近文獻報道的蜂蜜中K的含量最高的結論一致[12]。其次是Ca元素，平均含量高于150mg/kg，其中A區(qū)椴樹蜜中鈣的含量高于B區(qū)椴樹蜜中鈣的含量。然后是Mg元素，平均含量分別是23.36mg/kg和13.43mg/kg，也是A區(qū)椴樹蜜高于B區(qū)椴樹蜜。Na元素平均含量分別是4.76mg/kg和5.17mg/kg，較為接近，說明Na元素在不同地域的椴樹蜜中具有相似的含量。Al、Mn、Cu、Ba的平均含量均低于5mg/kg，其中Al、Mn、Ba三種元素B區(qū)椴樹蜜的平均含量均高于A區(qū)。

表1 ICP-MS方法測得的各種蜂蜜中礦物元素的含量（μg/kg）

表2 ICP-MS方法測得的各種蜂蜜中礦物元素的含量（mg/kg）

從上述分析可以看出，所研究的20種元素含量在不同產地椴樹蜜中存在一定差異，大多數元素在A區(qū)椴樹蜜中的平均含量高于B區(qū)椴樹蜜。

3.2 化學計量分析

實驗采用安捷倫 MassHunter 軟件采集質譜數據，由 Mass Profiler Professional 軟件進行統(tǒng)計學分析，包括主成分分析。主成分分析是一種無監(jiān)督的模式識別技術，它減少了維數，提供了空間數據的局部視圖和趨勢[18]，被廣泛應用于尋找變量和樣品類型之間的關系。為了減少不同產地椴樹蜜中的非顯著性變量，本實驗用T檢驗對數據組進行了第一次統(tǒng)計分析。見圖1，當p＜0.05時，Na、Mg、Al、K、Ca、Mn、Ni、Cu、Zn、As、Sb、Ba和Th13種元素在來自不同植物源的蜂蜜樣品中顯示出統(tǒng)計學上的有效值。用MPP軟件中的PCA算法對158個蜂蜜樣品中13種象征性元素的含量水平進行了分析，13個作為變量的元素被削減至4個主成分（PCs），4個主成分可以解釋70.15%的總體差異。如圖3所示，第一個主成分（PC1）占有37.29%的差異，其他3個主成分（PC2、PC3、PC4）分別占有13.69%、10.45%和8.72%的差異，PC1和PC2是主要成分代表了50.98%的變量。

圖2給出了不同產地椴樹蜂蜜樣品在第一和第二主成分中的得分散點圖。通過第一和第二主成分可以區(qū)分A區(qū)和B區(qū)的椴樹蜜樣品。除個別樣品外，大部分A區(qū)蜂蜜第二主成分得分為正值，大部分B區(qū)蜂蜜第一主成分得分為負值。

利用第一主成分、第二主成分和第三主成分的標準化得分作散點圖，從圖3可以看出A區(qū)蜂蜜和B區(qū)蜂蜜被有效的區(qū)分開。由此可見，PCA基本能夠反映元素分布和不同產地椴樹蜂蜜的關系。

3.3 不同產地椴樹蜂蜜模型建立及預判

從主成分分析結果來看，不同產地椴樹蜂蜜中元素含量存在一定差異，因此，以蜂蜜中各元素含量為變量對不同產地椴樹蜂蜜進行溯源研究是可行的。為了更好地通過元素圖譜對蜂蜜樣品進行分類，利用MPP軟件提供的多種類別預測算法建立決策樹、樸素貝葉斯、神經網絡和支持向量機四種模型。本文從不同產地椴樹蜂蜜樣本中隨機選出26個樣品用于對模型進行確認。A區(qū)蜂蜜14個，B區(qū)蜂蜜12個，其中A區(qū)蜂蜜標號為1～14，B區(qū)蜂蜜標號為15～26。

圖1 T檢驗結果

圖2 蜂蜜樣品第一和第二主成分得分散點圖

圖3 第一、第二和第三主成分3D標準化得分散點圖

從表3可以看出決策樹模型有些樣品可信度不高，但是由于具有分類精度高及很好的降噪功能，結果有2個誤判，總體預判準確率為92.31%。樸素貝葉斯NBC模型所需估計的參數很少，對缺失數據不太敏感，算法也比較簡單。但由于NBC模型假設屬性之間相互獨立，這個假設在這個應用中是不成立的。礦物元素屬性之間相關性較大，所以NBC模型結果有12個誤判，從表3結果可以看出，總體預判準確率只有53.85%。

表3 Decision tree模型和naive bayes模型分析的樣品結果

表4 Neural network模型和Support vector machine模型分析的樣品結果

從表4可以看出神經網絡模型有13個誤判結果，總體預判準確率為50.00%。其原因是由于神經網絡模型陷入了局部極小加之預測模型需要大量的數據才能實現，給結果帶來一定的誤差。支持向量機模型有14個誤判結果，總體預判準確率為46.15%。由于支持向量機模型當觀測樣本很多時，效率并不是很高，有時候很難找到一個合適的核函數，所以預判準確率比較低。

從表3、表4中4個模型的結果可以看出，本實驗適合的模型為決策樹模型，總體預判準確率都為92.31%。

4 結論

應用ICP-MS測定了來自黑龍江省A區(qū)、B區(qū)兩個地區(qū)158個椴樹蜜樣品中20種元素含量，結果表明，不同地區(qū)椴樹蜂蜜樣品中元素含量存在差異。化學計量工具的礦物質元素分析能夠可靠的區(qū)分蜂蜜樣品的植物源，決策樹預判模型具有高精度和可靠性。總之，應用礦物質元素對不同產地椴樹蜂蜜進行分類是可行的，尤其是在元素含量隨食品來源變化的食品溯源和摻假研究領域里具有應用前景。