基于骨蛋白拉曼光譜特異性的肉骨粉種屬鑒別方法

韓婭紅，蹇 林，杜瑞銘，蘇衍輔，朱 明，韓魯佳，劉 賢※

（1. 農業部長江中下游農業裝備重點實驗室，華中農業大學工學院，武漢 430070；2. 中國農業大學工學院，北京 100083）

0 引 言

肉骨粉（Meat and Bone Meal，MBM）是動物骨頭和殘余碎肉組織加工而成的混合粉末，因其具有高蛋白含量，高生物學價值等特點[1]，曾被作為一種重要的蛋白飼料原料廣泛用于養殖業。然而，一些通過肉骨粉在食物鏈中傳播的瘋牛病給養殖業帶來巨大的安全風險[2-3]。于是，世界各國紛紛制定相關法規[4]。目前，禁用措施最嚴厲的是歐盟，自 2001 年以來相繼頒布了一系列法令法規（2001/999/EC，2002/1774/EC，2003/1234/EC，2013/56/EC），禁止在反芻動物，家禽和豬飼料中添加任何來源的肉骨粉并永久禁止畜禽動物的同類相食。同時，根據國務院令第609 號和農牧發（2000）21 號文，中國目前同樣禁止在反芻動物飼料中添加任何來源的肉骨粉，禁止畜禽動物的同類相食，但允許豬和家禽飼用非同類肉骨粉。同時根據農牧發（2019）5 號文，受非洲豬瘟疫情的影響，豬肉骨粉的飼用安全也將在未來很長一段時間內被嚴密監控。盡管朊病毒的主要傳播途徑（反芻動物食用反芻動物肉骨粉）已清楚明了，歐盟依然禁止反芻動物肉骨粉，雞肉骨粉和豬肉骨粉用于飼喂非反芻動物，正是反映了目前仍缺乏可靠的肉骨粉種屬鑒別方法[5-6]。深入分析發現，要保障肉骨粉的飼料化安全使用，確保無論是歐盟最嚴禁令還是中國現行法令法規的有效實施，核心問題均為實現不同種屬肉骨粉（牛羊/豬/雞）的準確鑒別。

目前肉骨粉檢測的標準方法是顯微鏡法和聚合酶鏈式反應法（Polymerase Chain Reaction，PCR）。但是兩種方法各有其局限性，PCR 法存在無法區分乳制品（允許添加）和肉骨粉導致的假陽性率高和檢測效率低等難以突破的局限性，而顯微鏡法無法進一步區分不同種屬肉骨粉，同時存在完全依靠專家經驗和檢測效率低等局限性。為了克服標準方法的局限性，許多研究學者采用光譜技術表征肉骨粉組成成分的特異性來開發肉骨粉種屬鑒別分析方法[5,7-12]。歐盟第五框架計劃“STRATFEED”項目（G6RD-2000-CT-00414）經系統研究提出了以有機物官能團分析為基礎的近紅外技術和顯微近紅外技術，兩種方法均可有效地鑒別配合飼料和魚粉中的肉骨粉[5,7]，但近紅外方法難以鑒別不同種屬肉骨粉，而顯微近紅外技術可以實現豬肉骨粉，雞肉骨粉和反芻動物肉骨粉鑒別[8]，但模型精度不高。相比于近紅外光譜顯示出的含氫基團振動的倍頻與合頻的復雜信息，紅外光譜反映的是分子基頻振動信息，在定性鑒別上更具優勢[13]。Gao 等[9]采用紅外光譜對不同種屬肉骨粉脂肪酸組成結構特異性進行快速表征，建立不同種屬肉骨粉（豬，雞，牛和羊源）的快速鑒別方法與模型，正確判別率高于95%。但是肉骨粉的儲存環境和時間會引起油脂氧化酸敗，易導致假陽性結果。進一步從化學組成分析，肉骨粉的主要成分為蛋白，脂肪和灰分。相比于脂肪，蛋白是肉骨粉的主要成分，美國飼料管理員協會（Association of American Feed Control Officials，AAFCO）規定優質肉骨粉蛋白質量分數需達 50%以上。因此，本研究擬提出從肉骨粉蛋白入手，結合光譜技術研究不同種屬肉骨粉的鑒別分析問題。

相關研究表明，紅外光譜可以表征不同物種蛋白組成與結構的差異性，從而實現羽毛、大麥、小麥和燕麥的鑒別[14]，以及豬膠原蛋白、魚膠原蛋白和牛膠原蛋白的鑒別[15]。拉曼光譜和紅外光譜是一種互補技術，均可以對分子組成與結構進行“指紋性”識別，在定性鑒別上具有優勢。但目前并沒有基于蛋白拉曼光譜特性的肉骨粉種屬鑒別分析研究的相關報道。由于蛋白提取步驟復雜，本研究采用提取骨顆粒的方法富集骨蛋白，采集其拉曼光譜數據，結合偏最小二乘判別分析（Partial Least Squares Discriminant Analysis，PLS-DA），建立基于骨蛋白的拉曼光譜特性的肉骨粉種屬鑒別分析模型，并深入分析模型鑒別機理。

1 材料與方法

1.1 不同種屬肉骨粉樣品制備及其前處理

本研究共有87 個肉骨粉樣品（肉骨粉是以畜禽屠宰后的骨頭和殘余碎肉組織等部分經滅菌、干燥、擠壓、脫脂、風干和粉碎處理后制成的動物蛋白產品），其中雞肉骨粉22 個，牛肉骨粉20 個，羊肉骨粉22 個以及豬肉骨粉23 個。部分樣品收集于中國農科院，部分樣品為實驗室根據歐盟的標準方法制備[16]。首先，新鮮動物骨和殘余碎肉組織清洗干凈，切成小塊，裝到燒杯中（最多 2/3），經高溫滅菌蒸煮（133 ℃，20 min）。蒸煮結束后，回收漂浮的油脂并將剩余固體轉移至托盤，放入烘箱干燥（105 ℃，24 h）。然后，利用三氯甲烷/甲醇法脫脂（2∶1，體積比；試劑為分析純，中國國藥集團化學試劑有限公司），每 50.0 g原料分3 次用900.0 mL 三氯甲烷/甲醇溶液（質量濃度55.6 g/L）脫除脂肪。脫脂樣品自然風干后用 ZM200型旋風磨（德國Retsch 公司）粉碎至0.5 mm，密封保存于-20 ℃。

1.2 樣品前處理

根據Mandrile 等[17]方法采用骨顆粒的提取方法富集肉骨粉骨蛋白。具體步驟為：稱取3.0 g 肉骨粉樣品于分液漏斗中，加入50 mL 四氯乙烯（質量濃度 60 g/L），連續振蕩混合至少30 s，再量取不少于50 mL 四氯乙烯，沿分液漏斗內壁倒入徹底洗凈著壁樣品，靜置5 min，打開活塞，分離沉淀物于濾紙過濾后風干，4 ℃密封保存。

1.3 拉曼光譜采集

取50.0 mg 肉骨粉骨顆粒均勻研磨，壓片測量其拉曼光譜。掃描范圍400～3 600 cm-1，激光強度400 mW，分辨率4 cm-1，樣品掃描128 次。為了使光譜具有代表性，每個壓片取6 個點，求取平均光譜。所有樣品重復3 次，求取平均光譜。

1.4 數據處理與分析

采用基線校正、標準正態變量變換和二階導數作為前處理方法，采用Kennard-Stone 算法將肉骨粉樣品分為校正集（75%）和驗證集（25%），每個模型均會進行留一交互驗證和獨立外部驗證。判別分析模型評價指標為靈敏度（Sensitivity），特異度（Specificity）和誤判率（Classification error）[18-19]，分別用公式表示。

式中TP 為真陽性樣本個數，表示類別為1 的樣本被判定為類別1 的個數；FP 為假陽性，代表非類別1 的樣本被判別為類別1 的個數；TN 為真陰性，表示非類別1（類別0）的樣本被判定為類別0 的個數；FN 為假陰性，代表類別1 的樣本被判別為類別0 的個數。

2 結果與分析

2.1 不同種屬肉骨粉骨蛋白相關拉曼光譜特性分析

圖 1 為不同種屬肉骨粉骨顆粒拉曼光譜圖，其中3 600～1 200 cm-1和900～800 cm-1均和骨蛋白的分子振動相關[20-28]。不同種屬肉骨粉骨顆粒的拉曼光譜位移和強度具有一定差異性。由表 1 和圖 1 可知，在 3 600～1 200 cm-1波段，特征譜帶主要集中于3 200～2 800 cm-1和 1 800～1 200 cm-1波段。3 200～2 800 cm-1波段反映了骨蛋白的官能團振動。其中，在2 930 cm-1附近特征譜帶強度最高，反映了C-H（CH2）的不對稱伸縮振動[20-21]，而在3 060 cm-1附近特征峰是其肩峰，與酰胺B 帶的O-H振動相關[21]。前一個特征峰在豬、雞、牛、羊 4 種肉骨粉拉曼光譜上的位置分別為 2 935、2 933、2 937 和2 937 cm-1，后一個特征峰在4 種肉骨粉拉曼光譜上的位置分別為3 060、3 059、3 060 和3 061 cm-1，這兩個特征峰在肉骨粉的拉曼光譜中，在拉曼位移上是不同的，這與不同肉骨粉中骨蛋白的官能團振動頻率有關[20-21]。而在1 800～1 200 cm-1波段的特征譜帶均與酰胺帶有關。其中，在1 659 cm-1附近有強譜帶，反映了酰胺I 帶的C=O和C-N 振動[22-24]；而在1 554 cm-1附近特征譜帶與酰胺II帶N-H 彎曲振動和C-N 拉伸振動相關[21]，反映在豬、雞、牛、羊4 種肉骨粉拉曼光譜上的位置分別為1 555、1 555、1 557 和1 561 cm-1。在1 455 cm-1附近有強譜帶，反映了CH2振動[23-26]，對應的豬、雞、牛、羊4 種肉骨粉拉曼光譜上的位置分別為1 450、1 449、1 451 和1 451 cm-1；而在1 305 cm-1附近特征譜帶反映了酰胺III 帶的C-N 振動[21,24,26]。在900～800 cm-1波段和氨基酸的官能團振動相關，其中在878 cm-1處特征譜帶與羥脯氨酸相關，而在853 cm-1處特征譜帶和脯氨酸相關[23,25-27]。總體而言，拉曼光譜反映了豬、雞、牛和羊四類肉骨粉骨蛋白的 C-H（CH2）的不對稱伸縮振動、酰胺I 帶的C=O 和C-N 振動、CH2振動以及酰胺III 帶的C-N 官能團振動。由于不同種屬肉骨粉骨蛋白組成與含量各不相同，因此其官能團在 拉曼光譜上的響應各不相同。

圖1 不同種屬肉骨粉骨顆粒的拉曼光譜圖Fig.1 Raman spectra of bone particle from different MBM samples

表1 不同種屬肉骨粉骨顆粒的拉曼特征譜帶及其歸屬Table 1 Raman characteristic bands of bone proteins from different MBM samples and their assignment

2.2 基于骨蛋白拉曼光譜特性的肉骨粉種屬鑒別分析

本研究采用 PLS-DA 算法分析不同種屬肉骨粉骨顆粒拉曼全譜。如圖 2 所示，采用第二、三和四潛變量建立雞和哺乳動物（豬，牛和羊）肉骨粉 PLS-DA 圖，其中第二、三和四潛變量得分分別為 33.10%，0.17%和0.11%；采用第一、三和第七潛變量建立豬和反芻動物（牛和羊）肉骨粉的 PLS-DA 圖，其中第一、三和第七潛變量得分分別為49.38%，0.20%和0.01%。因此，雞和哺乳動物（豬、牛和羊）肉骨粉，豬和反芻動物（牛和羊）肉骨粉可明顯區分，這一結論和Mandrile 的結論相似[17]。

因此，本研究采用多步模型策略：首先，建立禽類/哺乳動物肉骨粉的PLS-DA 模型。隨著潛變量個數增加，交互驗證標準偏差逐漸減小，誤判率逐漸降低，但潛變量個數過多會出現過擬合現象。綜合分析，本研究采用前7 個潛變量建立基于骨顆粒拉曼全譜的禽類/哺乳動物肉骨粉的PLS-DA 判別模型。由表2 判別1 可知，禽類（雞）肉骨粉和哺乳動物（豬、牛和羊）肉骨粉樣品的靈敏度和特異度均為100%。結果說明，禽類（雞）肉骨粉和哺乳動物（豬、牛和羊）肉骨粉無錯判樣品。這表明禽類/哺乳動物肉骨粉PLS-DA 模型效果較好，可很好區分禽類（雞）肉骨粉和哺乳動物（豬、牛和羊）肉骨粉。為進一步區分非反芻（豬）肉骨粉和反芻動物（牛和羊）肉骨粉，采用前13 個潛變量建立基于骨顆粒拉曼全譜的非反芻/反芻動物肉骨粉的PLS-DA 判別分析模型。如表2 所示，判別2 為非反芻/反芻動物肉骨粉的PLS-DA 模型分析結果。所有肉骨粉的靈敏度和特異度均為100%，這表明非反芻/反芻動物肉骨粉PLS-DA 模型效果較好，可很好區分非反芻（豬）肉骨粉和反芻動物（牛和羊）肉骨粉。

為進一步區分反芻動物（牛和羊）肉骨粉，采用前13 個潛變量建立基于骨顆粒拉曼全譜的牛/羊肉骨粉的PLS-DA 判別分析模型。如表2 所示，判別3 為牛/羊肉骨粉的 PLS-DA 模型分析結果。交互驗證結果表明牛肉骨粉和羊肉骨粉誤判率分別為6.25%和3.13%，外部驗證結果表明無誤判樣品。這說明牛/羊肉骨粉PLS-DA 判別分析模型效果較好，可較好區分牛肉骨粉和羊肉骨粉。

2.3 基于骨蛋白拉曼特征波段的肉骨粉種屬鑒別分析

為挖掘骨蛋白在肉骨粉種屬鑒別分析模型中的貢獻，本研究建立基于骨蛋白拉曼特征波段（3 200～2 800 cm-1，1 800～1 200 cm-1和 900～800 cm-1）的不同種屬肉骨粉的 PLS-DA 判別分析模型。首先，采用前 6個潛變量建立禽類/哺乳動物肉骨粉的PLS-DA 判別分析模型。如表3所示，判別1為禽類/哺乳動物肉骨粉PLS-DA模型的分析結果。交互驗證和外部驗證結果均表明所有肉骨粉的靈敏度和特異度均為100%，無誤判樣品，和基于全譜的建模結果一致。這說明基于骨蛋白拉曼特征波段的禽類/哺乳動物肉骨粉的PLS-DA 判別分析模型可以很好地區分禽類（雞）肉骨粉和哺乳動物（豬，牛和羊）肉骨粉，從而說明骨蛋白對區分禽類（雞）肉骨粉和哺乳動物（豬，牛和羊）肉骨粉具有重要貢獻。

圖2 基于骨顆粒拉曼全譜的不同種屬肉骨粉PLS-DA 分析圖Fig.2 PLS-DA score plots of MBM from different species based on Raman spectral analysis of bone particle

表2 基于骨顆粒拉曼全譜的不同種屬肉骨粉PLS-DA 分析結果Table 2 Results of PLS-DA discrimination based on Raman spectral analysis of bone particle from different MBM samples

表3 基于骨蛋白拉曼特征波段的不同種屬肉骨粉PLS-DA 分析結果Table 3 Results of PLS-DA discrimination based on Raman characteristic regions of bone protein from different MBM samples

為進一步分析骨蛋白拉曼特征波段在禽類/哺乳動物肉骨粉 PLS-DA 模型中的貢獻，采用變量投影重要性得分對骨蛋白拉曼特征波段進行評價，見圖3a 所示。

變量投影重要性得分是用來評價每個波數對PLS-DA 模型的重要性，當得分大于1，被認為是重要的[29-30]。由圖3a 可知，有476 個波數對禽類/哺乳動物肉骨粉的 PLS-DA 模型具有重要貢獻。一般而言，與蛋白官能團特征譜帶相鄰的波數也會受到此蛋白官能團振動的影響。經分析發現，反映酰胺I 帶的C=O 和C-N 振動的相關波數（1 659 cm-1）變量投影重要性得分最高，其次是反映C-H（CH2）伸縮振動的相關波數（2 930 cm-1和2 852 cm-1）。依次是反映酰胺III 帶的C-N 振動的相關波數（1 246 cm-1）和反映蛋白 CH2振動的相關波數（1 455 cm-1）。這說明，基于拉曼光譜特性的禽類/哺乳動物肉骨粉 PLS-DA 模型的鑒別機理主要是基于在1 659，2 930，2 852，1 246 和 1 455 cm-1附近的與骨蛋白相關特征譜帶的差異性。為了進一步驗證變量投影重要性指標的穩定性，本研究還采用隨機的方法平行計算后，發現驗證變量投影重要性得分圖基本一致，說明本結果可靠。

圖3 基于骨蛋白拉曼特征波段的肉骨粉PLS-DA 模型變量投影重要性得分Fig.3 Plot of variable importance in projection scores of PLS-DA model of MBM based on Raman characteristic regions of bone protein

為了研究骨蛋白拉曼特征波段對非反芻/反芻動物肉骨粉判別分析模型的貢獻，本研究采用前10 個潛變量，建立基于骨蛋白拉曼特征波段的非反芻/反芻動物肉骨粉的PLS-DA 鑒別模型。如表3 所示，判別2 為非反芻/反芻動物肉骨粉的 PLS-DA 判別模型的分析結果。交互驗證和外部驗證結果表明，所有肉骨粉樣品的靈敏度和特異度均為100%，無誤判樣品，和基于全譜的建模結果一致。為進一步研究骨蛋白在非反芻/反芻動物肉骨粉PLS-DA 模型中的貢獻，采用了變量投影重要性得分對骨蛋白拉曼特征波段進行評價。由圖3b 可知，有269 個波數對非反芻/反芻動物肉骨粉的PLS-DA 模型具有重要貢獻。經分析發現，反映C-H（CH2）不對稱伸縮振動的相關波數（2 852 cm-1）的變量投影重要性得分最高，其次是反映酰胺 I 帶的 C=O 和 C-N 振動的相關波數（1 659 cm-1），最后是反映酰胺III 帶的C-N 振動的相關波數（1 246 cm-1）。這說明，基于拉曼光譜特性的非反芻/反芻動物肉骨粉PLS-DA 模型的鑒別機理主要是基于在2 852，1 659 和1 246 cm-1附近與骨蛋白相關特征譜帶的差異性。

為了研究骨蛋白拉曼特征波段對牛/羊肉骨粉判別分析模型的貢獻，本研究采用前11 個潛變量，建立基于骨蛋白拉曼特征波段的牛/羊肉骨粉的PLS-DA 判別分析模型。如表3 所示，判別3 為牛/羊肉骨粉的PLS-DA 判別模型的分析結果。交互驗證結果表明，所有肉骨粉樣品的靈敏度和特異度均為93.8%，而外部驗證結果表明所有肉骨粉樣品的靈敏度和特異度均為100%。基于骨蛋白拉曼特征波段的建模結果，比基于全譜的建模結果略好。為進一步分析骨蛋白拉曼光譜特性在牛/羊肉骨粉PLS-DA 模型中的貢獻，采用了變量投影重要性得分對骨蛋白拉曼特征波段進行評價。由圖3c 可知，有397 個波數對牛/羊肉骨粉的PLS-DA 模型具有重要貢獻。經分析發現，反映羥脯氨酸和脯氨酸相關波數（878 和853 cm-1）的變量投影重要性得分最高，其次是反映C-H（CH2）不對稱伸縮振動的相關波數（2 930 和2 852 cm-1），依次是反映酰胺III 帶的C-N 振動的相關波數（1 246 cm-1），反映蛋白CH2振動的相關波數（1 455 cm-1）以及反映酰胺I 帶的C=O 和C-N 振動的相關波數（1 659 cm-1）。這說明，基于拉曼光譜特性的牛/羊肉骨粉PLS-DA 模型的鑒別機理主要是基于在878，853，2 930，2 852，1 246，1 455 和1 659 cm-1附近與骨蛋白相關特征譜帶的差異性。

3 結 論

基于骨蛋白拉曼光譜特性，結合 PLS-DA 算法，采用多步模型策略，首先建立禽類（雞）和哺乳動物（豬，牛和羊）肉骨粉的 PLS-DA 判別分析模型，其次建立非反芻（豬）和反芻動物（牛和羊）肉骨粉的 PLS-DA 判別分析模型，其靈敏度和特異度均為100%，無誤判樣品。最后建立反芻動物中的牛和羊肉骨粉的 PLS-DA 判別分析模型，牛和羊肉骨粉的鑒別靈敏度和特異度均為93.8%，誤判率為6.25%。機理分析發現，骨蛋白對區分不同種屬肉骨粉具有重要貢獻，對禽類（雞）和哺乳動物（豬，牛和羊）肉骨粉的 PLS-DA 模型具有貢獻的波數共有476個，其中1 659，2 930，2 852，1 246和1 455 cm-1附近與骨蛋白相關的特征譜帶對區分禽類（雞）和哺乳動物（豬、牛和羊）肉骨粉具有重要作用；對非反芻（豬）和反芻動物（牛和羊）肉骨粉的 PLS-DA 模型具有貢獻的波數共有269 個，其中2 852，1 659 和1 246 cm-1附近與骨蛋白相關的特征譜帶對區分非反芻（豬）和反芻動物（牛和羊）肉骨粉具有重要作用；對牛/羊肉骨粉的PLS-DA 模型具有貢獻的波數共有397 個，其中878，853，2 930，2 852，1 246，1 455 和 1 659 cm-1附近與骨蛋白相關的特征譜帶對區分牛和羊肉骨粉具有重要作用。