CN104048940A - 生猪血液中皮质醇含量的近红外快速检测方法 - Google Patents

Abstract

本发明提供一种生猪血液中皮质醇含量的近红外快速检测方法，包括步骤：1)采集血液样品，离心后对血清进行近红外光谱数据信息采集；同时用试剂盒检测皮质醇；2)将近红外光谱数据信息与试剂盒测得的皮质醇化学测定值一一对应建立样品集，确定针对生猪血液皮质醇的最佳近红外光谱数据信息预处理方法和最佳预测模型；3)利用最佳近红外光谱数据信息预处理方法和最佳预测模型，对待测生猪血液样品的皮质醇进行检测。本方法基于近红外光谱对生猪血液中皮质醇含量进行检测，具有检测时间短、检测速度快、省时、省人力的优点；无需对检测样品进行复杂前期处理，节约成本；微处理器智能化程度高，检测自动完成，操作简单、便捷。

Description

生猪血液中皮质醇含量的近红外快速检测方法

技术领域

本发明属于光谱检测领域，具体涉及一种应用近红外光谱检测血液样品中皮质醇含量的方法。

背景技术

我国是猪肉生产和消费大国，猪肉产业在我国畜牧业生产和城乡居民生活消费中都占据举足轻重的位置。随着生产规模的扩大，同时受环境条件、饲养密度、运输管理等因素的影响，生猪产生应激，使肌肉pH值不正常，导致肉类质量发生变化，产生劣质肉如黑干肉(DFD)越来越多，已经成为猪肉生产中一大难题。生猪体内能量较低即皮质醇浓度较低时，在宰前受到慢性应激的情况下，宰后24h仍然无法产生大量乳酸使pH值下降到6.0以下，产生DFD肉^[1]，有研究表明产生DFD肉的对应生猪皮质醇浓度(0.51mmol/L)显著高于正常肉(0.25mmol/L)，说明皮质醇浓度是能够指示产生DFD肉的重要预警指标^[2]。

现有检测皮质醇含量的方法只有试剂盒和色谱法。试剂盒法(竞争蛋白结合法、放射免疫分析法、电化学发光免疫分析法)、高分辨色谱分析法操作步骤较多、成本高、耗时长；猪毛中提取和检测皮质醇的方法^[3]也存在前处理步骤较多、提取复杂的问题。现有的检测方法速度慢成本高，无法实现大批量快速检测皮质醇。

近红外光谱技术综合运用了光谱检测领域、计算机领域、化学计量学领域的先进技术，该技术具有方便、快速、高效、准确和成本较低，不破坏样品，不消耗化学试剂，不污染环境等优点。近红外光谱分析技术已广泛应用于农产品检测领域，目前尚无发现针对生猪皮质醇近红外检测的研究。因此，为了填补应用近红外光谱分析技术检测生猪皮质醇含量的技术空白，提高我国猪肉中DFD肉预警能力，提高生猪屠宰产业链效益，开发可以实现生猪血液中皮质醇含量的近红外快速检测方法，具有十分重要的意义。

参考文献

[1]TARRANT P V.The effects of handling,transport,slaughter andchilling on meat quality and yield in pigs:a review[J].Irish Journal ofFood Science and Technology,1989,13:70-107

[2]田寒友，邹昊，刘文营，李金春，李家鹏，乔晓玲，皮质醇激素和血液生化指标变化对猪肉劣质肉的指示作用，肉类研究，2013，27(10):6-9

[3]杨晓静，黄燕平，马文强，赵茹茜(南京农业大学)，一种从猪毛中提取和检测皮质醇的方法，201410064922.9。

发明内容

本发明的目的在于针对现有技术存在的不足，提供一种生猪血液中皮质醇含量的近红外快速检测方法。

实现本发明目的的技术方案为：

一种生猪血液中皮质醇含量的近红外快速检测方法，包括步骤：

1)采集生猪血液样品，离心后对血清进行近红外光谱数据信息采集；同时采用试剂盒检测方法对生猪血液样品的皮质醇进行检测；

2)将步骤1)中采集的所有生猪血液样品的近红外光谱数据信息与试剂盒测得的皮质醇化学测定值一一对应建立样品集，按比例分为校正集和验证集，使用不同光谱预处理方法对采集的光谱数据信息进行预处理后，利用校正集的光谱数据信息和皮质醇化学测定值，建立生猪血液中皮质醇的预测模型；利用验证集的光谱数据信息、皮质醇化学测定值和模型参数评价预测模型的精准度，确定针对生猪血液皮质醇的最佳近红外光谱数据信息预处理方法和最佳预测模型；

3)利用步骤2)中确定的针对生猪血液皮质醇的最佳近红外光谱数据信息预处理方法和最佳预测模型，对待测生猪血液样品的皮质醇进行检测。

其中，所述步骤1)中对样品进行离心的参数范围为3000-3800rpm，离心10-15分钟。

优选地，所述步骤1)中对样品进行近红外光谱数据信息采集使用的光谱范围为1000nm～1800nm。

其中，所述步骤2)中针对生猪血液样品的近红外光谱数据信息预处理方法包括Savitzky-Golay平滑、Savitzky-Golay一阶导数、差分一阶导数、多元散射校正MSC、标准正太变量变换SNV、净分析信号NAS、正交信号校正OSC，去趋势校正DT、基线校正、均值中心化、标准化中的一种或多种方法。

具体地，所述预处理通过Savitzky-Golay平滑、求导、信号校正、标准化四个步骤进行处理，其中，求导的方法包括Savitzky-Golay一阶导数和差分一阶导数；信号校正的方法包括多元散射校正MSC、标准正太变量变换SNV、净分析信号NAS、正交信号校正OSC，去趋势校正DT和基线校正；标准化的方法包括均值中心化和标准化；所述Savitzky-Golay平滑、求导、信号校正、标准化四个步骤为以上方法的组合。

优选地，所述步骤2)中校正集和验证集的比例为4.5-5.5：1。即近似5：1的比例，例如校正集53个样品、验证集11个样品。

其中，所述步骤2)中针对生猪血液皮质醇的最佳预测模型的精准度评价参数包括校正集标准偏差、交互验证标准偏差、验证集标准偏差、校正集相关系数、验证集相关系数。

其中，所述步骤2)中，若模型校正集标准偏差(SEC)、交互验证标准偏差(SECV)、验证集标准偏差(SEP)值越接近0且同时相互之间越接近，则相应的预测模型越好；校正集相关系数(Rc)、验证集相关系数(Rp)值越接近1，则相应的预测模型越好。确定了最佳预处理方法之后，根据此预处理方法得到最佳模型。

具体地，首先选择交互验证标准偏差最小的预处理方法，在交互验证标准偏差相似的情况下选择模型校正集标准偏差、验证集标准偏差值越接近0以及校正集相关系数、验证集相关系数值越接近1的预处理方法，确定最佳近红外光谱数据信息预处理方法，得到最佳预测模型。

优选地，所述步骤1)-3)中，使用便携式近红外仪对生猪血液样品进行快速无损检测。

本发明的有益效果在于：

本方法基于近红外光谱对生猪血液中皮质醇含量进行检测，与传统皮质醇检测含量的方法相比，具有检测时间短、检测速度快、省时、省人力；无需对检测样品进行复杂前期处理，节约成本；因微处理器(系统程序)智能化程度高，检测自动完成，自动分析并显示检测结果，检测人员无需特殊培训，操作简单、便捷。

本发明的方法优选使用便携式的近红外仪，输入到最佳预测模型中，对样品的皮质醇含量进行检测。该装置可随身携带，使用便捷，从而达到快速无损检测的要求。

附图说明

图1为便携式近红外仪的结构示意图；其中，1为内置光源和光栅、2为输出光纤、3为输入光纤、4为比色皿组件，5为比色皿，6为检测器，7为微处理器(系统程序)，8为生猪血液血清样品。

图2为本发明实施例1中建立生猪血液中皮质醇含量预测模型的流程图。

图3为本发明实施例1中所有生猪血液的近红外光谱信息图。

图4为本发明实施例1中最佳生猪血液中皮质醇含量预测模型不同主因子数的PRESS值。

图5为本发明实施例1中最佳生猪血液中皮质醇含量预测模型校正集参数。

图6为本发明实施例1中最佳生猪血液中皮质醇含量预测模型验证集参数。

具体实施方式

以下实施例进一步说明本发明的内容，但不应理解为对本发明的限制。在不背离本发明精神和实质的情况下，对本发明方法、步骤或条件所作的修改或替换，均属于本发明的范围。

若未特别指明，实施例中所用的技术手段为本领域技术人员所熟知的常规手段。

实施例中，使用的便携式近红外仪(图1)，该装置由内置光源和光栅1、输出光纤2、输入光纤3、比色皿组件4，比色皿5，检测器6和微处理器7组成，其中，输出光纤2、输出光纤3与比色皿组件4连接，比色皿5置于比色皿组件4中；采集样品近红外光谱数据信息时，将生猪血液血清样品8加入比色皿中，光由内置光源发出，经光栅分光形成近红外光谱范围内的单色光，单色光经过输出光纤2穿过比色皿组件4内比色皿5中的样品，经过输入光纤3到达检测器6，检测器6记录该波长下样品的光谱数据信息并传送至微处理器7；微处理器7将光谱信息转换成光谱数据信息。

本发明中，根据载入的针对生猪皮质醇含量的最佳光谱数据信息预处理方法和最佳预测模型自动对采集的待测样品近红外光谱数据信息进行预处理，输入到最佳预测模型中，对样品的皮质醇含量进行检测。该装置可作为随身携带的便携式近红外仪，从而达到快速无损检测的要求。

实施例1生猪血液中皮质醇含量的近红外快速检测方法的建立

应用便携式近红外仪快速检测生猪血液中皮质醇含量的方法建立流程示意图如图2所示。

(1)样品采集

从不同生猪屠宰场分批次采集64份生猪血液样品，离心取血清。

(2)样品近红外光谱采集

采集步骤(1)中64份生猪血清样品的近红外光谱信息(图3)。近红外光谱信息采集过程中，将血清样品装入比色皿中，置于比色皿组件内，因近红外光谱的采集对温度敏感，所有样品在光谱采集过程中始终保持在0-4℃。采集的近红外光谱波长范围为1000nm-1800nm，分辨率为10nm，每个样品进行2次光谱采集，每次间隔5秒钟，每次光谱采集，光谱扫描次数为10次。

(3)皮质醇含量化学测定值的检测

根据皮质醇检测试剂盒的化学检测方法对步骤(1)中的64个生猪血液样品进行皮质醇含量化学测定值的检测。

(4)校正集和验证集的划分

将步骤(2)采集的所有生猪血液样品的近红外光谱数据信息与步骤(3)检测的生猪血液样品的皮质醇含量化学测定值一一对应建立样品集，按照约5:1的比例分为校正集和验证集即将其中53个样品的近红外光谱数据信息及对应的皮质醇含量化学测定值作为校正集，11个样品的近红外光谱数据信息及对应的皮质醇含量化学测定值作为验证集。

(5)光谱的预处理与模型建立

对步骤(4)中校正集和验证集的近红外光谱数据信息进行预处理以去除光谱中的无关干扰信息、降低随机噪声和强化谱带特征。将不同的预处理方法包括Savitzky-Golay平滑、求导(Savitzky-Golay一阶导数、差分一阶导数)、信号矫正(多元散射校正MSC、标准正太变量变换SNV、净分析信号NAS、正交信号校正OSC，去趋势校正DT、基线校正)、标准化(均值中心化、标准化)进行组合，应用偏最小二乘法(PLS)建立多个生猪血液中皮质醇含量预测模型。

(6)模型的评价

根据模型校正集标准偏差(SEC)、交互验证标准偏差(SECV)、验证集标准偏差(SEP)值越接近0且同时相互之间越接近越好；校正集相关系数(Rc)、验证集相关系数(Rp)值越接近1越好；主因子数较少的原则对步骤(5)建立的模型的预测准确性、重复性、稳健性等性能进行评价。选出针对生猪血液中皮质醇含量的最佳预测模型和最佳近红外光谱数据信息预处理方法，同时应用学生化残差对模型中的异常值进行剔除，优化模型。

最佳近红外光谱数据信息预处理方法为均值中心化、差分求导、净分析信号(NAS)、Savitzky-Golay平滑。

最佳皮质醇含量预测模型的主因子数为5(图4)，校正集相关系数Rc＝0.97，校正集标准偏差SEC＝0.05(图5)，验证集相关系数Rp＝0.64，验验证集标准偏差SEP＝0.15(图6)。

将针对生猪血液中皮质醇含量的最佳近红外光谱数据信息预处理方法和最佳可靠地预测模型载入到便携式近红外仪中的系统程序内，通过建立的检测方法对生猪血液样品中的皮质醇含量进行快速检测。

应用便携式近红外仪及载入的最佳近红外光谱数据信息预处理方法和最佳皮质醇含量预测模型，对从生猪屠宰场采集的的40个生猪血液样品的皮质醇含量进行检测，同时根据皮质醇检测试剂盒的化学检测方法对样品的皮质醇含量进行检测，并以预警值0.51mmol/L为界判定是否预警准确，部分结果如表1所示。

表1生猪血液样品中皮质醇含量预测值与化学测定值的比较

40个样品中，34个样品的预警结果准确，准确率达到85.0％。

实施例2便携式近红外仪在生猪血液样品中皮质醇含量的快速检测中的应用

应用实施例1中的便携式近红外仪及载入的最佳近红外光谱数据信息预处理方法和最佳皮质醇含量预测模型对从市场上采集的另外39个生猪血液样品的皮质醇含量进行检测，同时根据皮质醇检测试剂盒的化学检测方法对样品的皮质醇含量进行检测，并以预警值0.51mmol/L为界判定是否预警准确，部分结果如表表2所示。

表2生猪血液样品中皮质醇含量预测值与化学测定值的比较

39个样品中，33个样品的预警结果准确，准确率达到84.6％。

虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (8)

1.一种生猪血液中皮质醇含量的近红外快速检测方法，包括步骤：

1)采集生猪血液样品，离心后对血清进行近红外光谱数据信息采集；同时采用试剂盒检测方法对生猪血液样品的皮质醇进行检测；

2)将步骤1)中采集的所有生猪血液样品的近红外光谱数据信息与试剂盒测得的皮质醇化学测定值一一对应建立样品集，按比例分为校正集和验证集，使用不同光谱预处理方法对采集的光谱数据信息进行预处理后，利用校正集的光谱数据信息和皮质醇化学测定值，建立生猪血液中皮质醇的预测模型；利用验证集的光谱数据信息、皮质醇化学测定值和模型参数评价预测模型的精准度，确定针对生猪血液皮质醇的最佳近红外光谱数据信息预处理方法和最佳预测模型；

3)利用步骤2)中确定的针对生猪血液皮质醇的最佳近红外光谱数据信息预处理方法和最佳预测模型，对待测生猪血液样品的皮质醇进行检测。

2.根据权利要求1所述的检测方法，其特征在于，所述步骤1)中对样品进行离心的参数范围为3000-3800rpm，离心10-15分钟。

3.根据权利要求1所述的检测方法，其特征在于，所述步骤1)中对样品进行近红外光谱数据信息采集使用的光谱范围为1000nm～1800nm。

4.根据权利要求1所述的检测方法，其特征在于，所述步骤2)中针对生猪血液样品的近红外光谱数据信息预处理方法为通过Savitzky-Golay平滑、求导、信号校正、标准化四个步骤进行处理，其中，求导的方法包括Savitzky-Golay一阶导数和差分一阶导数；信号校正的方法包括多元散射校正MSC、标准正太变量变换SNV、净分析信号NAS、正交信号校正OSC，去趋势校正DT和基线校正；标准化的方法包括均值中心化和标准化；所述Savitzky-Golay平滑、求导、信号校正、标准化四个步骤为以上方法的组合。

5.根据权利要求1所述的检测方法，其特征在于，所述步骤2)中校正集和验证集的比例为4.5-5.5：1。

6.根据权利要求1所述的检测方法，其特征在于，所述步骤2)中针对生猪血液皮质醇的最佳预测模型的精准度评价参数包括校正集标准偏差、交互验证标准偏差、验证集标准偏差、校正集相关系数、验证集相关系数。

7.根据权利要求1-6任一项所述的检测方法，其特征在于，所述步骤2)中，首先选择交互验证标准偏差最小的预处理方法；在交互验证标准偏差相似的情况下，选择模型校正集标准偏差、验证集标准偏差值越接近0以及校正集相关系数、验证集相关系数值越接近1的预处理方法，从而确定最佳近红外光谱数据信息预处理方法，得到最佳预测模型。

8.根据权利要求1-6任一项所述的检测方法，其特征在于，所述步骤1)-3)中，使用便携式近红外仪对生猪血液样品进行快速无损检测。