CN104569324A - 一种联合特征指标鉴别白燕窝的方法 - Google Patents
一种联合特征指标鉴别白燕窝的方法 Download PDFInfo
- Publication number
- CN104569324A CN104569324A CN201410805959.2A CN201410805959A CN104569324A CN 104569324 A CN104569324 A CN 104569324A CN 201410805959 A CN201410805959 A CN 201410805959A CN 104569324 A CN104569324 A CN 104569324A
- Authority
- CN
- China
- Prior art keywords
- nest
- sample
- amino acid
- bird
- white
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种联合指标鉴别白燕窝的方法,包括以下步骤:(1)对各类样品的17种水解氨基酸含量及氨基酸种类进行分析,根据白燕窝特征氨基酸排列及比例鉴别样品;(2)构建白燕窝的氨基酸指纹图谱数据库,建立各类样品的判别函数,利用此函数对给定的样品进行的判别;(3)测定白燕窝的特征矿物质含量,通过白燕窝特征矿物质元素含量的范围判定燕窝的真伪;再通过验证试验以及分析测定待测样品的氨基酸组成和特征矿物质含量指标,利用上述方法进行样品的鉴别。该方法能全面分析样品的特征,是一种有效且可靠性高的鉴别白燕窝的方法。
Description
技术领域
本发明属于燕窝鉴别技术领域,具体涉及一种联合特征指标鉴别白燕窝的方法。
背景技术
燕窝是燕子做的巢,但屋檐下的家燕筑的巢用禾草或者泥巴和唾液混合成,无法食用。可吃的燕窝是由金丝燕筑成,它们属于雨燕科,金丝燕用唾液和着纤细的海藻、身上的绒羽和柔软的植物纤维等做成巢穴。燕窝的营养较高,含50%蛋白质,30%糖类和一些矿物质。燕窝主要产地是中国南部沿海一带、越南、泰国、马来西亚、印尼及菲律宾等地。
燕窝按颜色可分为白燕窝、黄燕窝和血燕窝三种。一般釆摘时间较早的燕窝颜色较偏白色,此白色为自然白且白中稍微带黄,称之为白燕窝,又称官燕;釆摘时间较晚的整个燕窝或燕窝大部分的地方颜色较偏黄色,称之为黄燕窝,这是自然现象;整个燕窝颜色为不均匀的棕红或棕黄色,底部颜色较深,中间和边缘较浅的称之为血燕窝。血燕窝的颜色并非来自燕子口中的血,而是由于燕子栖息的环境及筑巢的岩洞壁含有大量的矿物质,这些矿物质逐渐向燕窝渗透而使其呈现红色。
有关统计资料显示,全球每年的燕窝总产量仅380吨左右,非常珍贵。香港地区每年消费燕窝100吨,我国每年进口燕窝及其制品以亿元计,在对外贸易中占有不少份额。
近期市场频频出现劣质燕窝事件:2011年,工商部门的抽检,使血燕窝成了社会关注的新闻热点,先是查出了血燕窝的亚硝酸盐含量严重超标,不合格率高达100%,接着血燕窝的身份和来源也遭到了质疑,市场上的血燕窝下架停售。把白燕窝制成所谓的血燕窝,为迎合消费者对血燕窝的崇拜,抬高燕窝价格,从中牟利;另有报道,瓶装燕窝造假的原料大多是银耳和猪皮,因为二者也富含胶原蛋白,且颜色与燕窝相当,煮烂后呈浓稠状,形状上也与真燕窝类似。“血燕”中添加亚硝酸盐等起防腐和增色作用的添加剂;白燕窝用过氧化氢进行漂白等。各种假冒伪劣的燕窝在市场上被曝光。
我国关于燕窝真伪鉴别手段单一,在打击燕窝掺假系统的过程中,缺乏综合性,现阶段这方面的研究主要有以下几点:
感官鉴别法:通过对燕窝的特征形状、外观、燃烧试验、浸水后和加盐酸煮沸后的现象进行对燕窝进行鉴别;显微鉴别法:燕窝主要成分是唾液腺的分泌物、绒羽,伪品主要是猪皮屑、银耳、琼脂的粉末,对此特征入手进行显微研究鉴定燕窝;现代仪器测定方法:随着仪器分析技术的发展,有许多研究是通过仪器分析用于鉴定燕窝成分,其中包括了氨基酸和蛋白质含量分析、特征物质亚硝酸盐分析,气相色谱法、分光光度法、液相色谱法、液相色谱-质谱联用法测定唾液酸等等。
综上所述,到目前为止,燕窝真伪的检测方法的报道其实并不少,但由于燕窝种类多,来源广,现有技术或多或少都存在一定盲区,准确率也有待提高,单一指标鉴别方法尚不足以充当监管“判官”。如何有效鉴别燕窝真伪在国内存在技术空白,国家、行业均急需针对不同类别的燕窝出台一项科学的检验方法和标准。
发明内容
本发明所要解决的技术问题是提供一种联合特征指标鉴别白燕窝的方法,该鉴别方法能全面分析样品的特征,是一种有效且可靠性高的鉴别白燕窝的方法。
本发明的上述技术问题是通过如下技术方案来实现的:一种联合特征指标鉴别白燕窝的方法,包括以下步骤:
(一)特征氨基酸排列及比例鉴别
(1)选取各类白燕窝、掺假白燕窝和燕窝掺假物质样品,测定17种水解氨基酸组成,得出各类样品的氨基酸指纹图谱;
(2)对各类样品的17种水解氨基酸含量及氨基酸种类进行分析,根据燕窝特征氨基酸排列及比例鉴别样品;
(二)氨基酸指纹图谱判别
(1)利用软件中的聚类分析Flexible-Beta Method对各样品中的氨基酸进行分类,计算样品两两间的距离,然后执行并类过程,直到类的总个数为1时停止,通过聚类分析图观察各类样品之间的差异;
(2)通过软件构建各类样品的氨基酸指纹图谱判别函数,按距离最近的准则对样品进行判别归类,利用判别函数计算其到各类样品的马氏距离,把样品判归距离最小的那个总体,实现白燕窝的真伪鉴别;
(三)特征矿物质指标鉴别
(1)测定各类燕窝样品的常量元素和微量元素,通过差异性分析找出存在白燕窝中的含量稳定的特征矿物质元素,并计算出特征矿物质元素含量的区间范围;
(2)测定白燕窝的特征矿物质元素含量,通过白燕窝特征矿物质元素含量的区间范围判定燕窝的真伪;
(四)验证实验
选取各类白燕窝、掺假白燕窝和燕窝掺假物质样品,按步骤(一)、(二)和(三)中的方法分别测定各样品的氨基酸组成和特征矿物质指标,根据所建立的特征氨基酸排列及比例、氨基酸指纹图谱判别和特征矿物质指标鉴别燕窝真伪,并与样品实际种类情况进行比较;
(五)样品鉴别
相同条件下,采用步骤(一)、(二)和(三)中的方法对未知样品进行氨基酸组成和特征矿物质指标测定,利用特征氨基酸排列及比例、氨基酸指纹图谱判别和特征矿物质指标含量进行燕窝真伪的鉴别。
本发明步骤(一)中所述的燕窝掺假物质包括猪浮皮、干猪皮、银耳、琼脂和鸡蛋清中的一种或几种。
本发明步骤(二)中判别函数是根据各类样品的氨基酸指纹数据库,设样品的氨基酸组成为17维总体,对于任一给定的样品,按距离最近的准则对其进行判别归类。
本发明步骤(五)中利用白燕窝的特征氨基酸排列、氨基酸指纹图谱判别和特征矿物质元素进行白燕窝真伪的鉴别,能够全面分析样品的特征,是一种有效且可靠性高的鉴别白燕窝的方法。
与现有技术相比,本发明具有如下优点:
(1)本发明方法构建了白燕窝、掺假白燕窝和燕窝掺假物质氨基酸组成数据库,得出白燕窝的特征氨基酸排列及比例,利用数据库建立判别函数,通过数学模型对白燕窝真伪进行鉴别;
(2)本发明建立白燕窝特征矿物质元素含量的含量区间,通过测定特征矿物质元素从而进行白燕窝真伪辨别;
(3)本发明方法的是基于白燕窝的特征氨基酸排列与比例为前提,若符合该项,则判定为白燕窝;若不符合该项,则进入氨基酸指纹图谱判别和特征矿物质鉴别,两项均符合才能判定为白燕窝,从而保证白燕窝鉴别的准确度,防止错判。
附图说明
图1是本发明方法流程框图;
图2是本发明具体实施方式中各类样品的氨基酸指纹图谱聚类分析图;
图3是本发明具体实施方式中各类样品中常量元素的对比分析;
图4是本发明具体实施方式中各类样品中微量元素的对比分析。
具体实施方式
下面将结合具体的实施方式进一步说明本发明,但本发明要求保护的范围并不局限与下列实施方式。
本发明提供的鉴别白燕窝真伪的方法,具体流程框图见图1,含以下步骤:
(一)特征氨基酸排列及比例鉴别
(1)选取经鉴定为真品的不同来源白燕窝样品、在批发市场购买的廉价掺假白燕窝样品和5个常见燕窝掺假物质(猪浮皮、干猪皮、银耳、琼脂、鸡蛋清),测定样品的17种水解氨基酸组成,换算成干物质的氨基酸含量,分析其各种氨基酸含量的排列。真品白燕窝的氨基酸含量排序为:必需氨基酸依次为缬氨酸(Val)>亮氨酸(Leu)>苏氨酸(Thr)>苯丙氨酸(Phe)>赖氨酸(Lys)>异亮氨酸(Ile)>蛋氨酸(Met),非必需氨基酸依次为天冬氨酸(Asp)>丝氨酸(Ser)>谷氨酸(Glu)>脯氨酸(Pro)>酪氨酸(Tyr)>甘氨酸(Gly)>丙氨酸(Ala)>胱氨酸(Cys)。
表1 样品的氨基酸组成和含量
注:*为必需氨基酸;△为非必需氨基酸;#为条件必需氨基酸。
(2)分析样品的必需氨基酸(EAA)、非必需氨基酸(NEAA)、总氨基酸含量(TAA)、必需氨基酸与总氨基酸比值(EAA/TAA/%)和必需氨基酸与非必需氨基酸比值(EAA/NEAA/%)。从表2可以看出,白燕窝的EAA/TAA/%和EAA/NEAA/%的比值稳定,通过计算,必需氨基酸与总氨基酸比值(EAA/TAA/%)范围值为39.6~40.0%(样本总体均数的99%置信区间),必需氨基酸与非必需氨基酸比值(EAA/NEAA/%)的范围值为81.3~82.7%(样本总体均数的99%置信区间)。
表2 样品的氨基酸种类分析
注:EAA为必需氨基酸(essential amino acids);NEAA为非必需氨基酸;TAA为总氨基酸(total amino acids)。
(二)氨基酸指纹图谱判别
(1)采用SAS软件对13种样样品两两间的距离,得到初始的距离矩阵D(1)。第一步将13个样品各自构成一类,得1类:Gi={X(i)}(i=1,2,…,13)。此时类间的距离就是样品间的距离,然后执行并类过程。每次合并类间距离最小的两类,此时的总个数减少1。计算新类与其它类之间的距离的新的距离矩阵D(i)。若此时类的总个数大于1,重复以上并类过程,直到类的总个数为1时停止。样品的氨基酸组成的聚类结果见图2和表3。
表3 样品的氨基酸组成聚类历史数据
从聚类历史图和树形图可以看出,根据13个样品的氨基酸组成,采用最小距离法,SAS在第一步到第三步先将真品白燕窝和两个掺假白燕窝两辆聚为一类,类别号分别为12(CL12)、11(CL11)和10(CL10),成员数分别为2;当标准最小距离值<0.0693时,两个掺假白燕窝没有归类,可能因为掺假白燕窝添加不同掺假物质导致氨基酸组成不一致;当标准最小距离值<0.2701时,猪浮皮、干猪皮、银耳、琼脂和鸡蛋清各为一类。因此,说明氨基酸指纹图谱进行白燕窝鉴别是合理的。
(2)采用SAS软件根据氨基酸指纹数据库,建立各类样品的判别函数,设13个样品的氨基酸组成为17维总体:G1,G2,…,G13。它们的均值、协差阵分别为ui,∑i(i=1,2,…,13),第1行为样品名称,第2行为常数项,第3到19行为x1到x17的系数。按距离最近的准则对样品进行判别归类,利用判别函数计算其到各类样品的马氏距离,把样品判归距离最小的那个总体,实现样品类别的鉴别。对于任给定的样品X=(x1,x2,…,x17),按距离最近的准则对其进行判别归类,首先计算样品X13个总体的马氏距离di2(X)(i=1,2,…,13),然后进行比较,把X判归距离最小的那个总体。各类样品的氨基酸指纹图谱判别函数见表4。
表4 各类样品的氨基酸指纹判别函数
(三)特征矿物质指标鉴别
(1)通过电感耦合等离子体质谱仪(ICP-MS)测定各类样品的常量元素(Ca、Mg、K、Na)和微量元素(Fe、Zn、Se、Cr、Cu、Pb),对各指标含量进行差异性分析,找出存在白燕窝中的含量稳定矿物质元素,常量元素的含量及差异性分析见表5、图3,微量元素的含量及差异性分析见表6、图4。结果显示,白燕窝中的常量元素Ca、Mg、K和微量元素Cu与掺假白燕窝、掺假物质有显著性差异。
表5 样品中常量元素的含量及差异性分析
注:同列不同小写字母表示在α=0.05水平上有显著性差异,相同字母表示差异不显著
表6 样品中微量元素的含量及差异性分析
注:同列不同小写字母表示在α=0.05水平上有显著性差异,相同字母表示差异不显著。
(2)计算出白燕窝中含量稳定的矿物质元素(Ca、Mg、K、Cu)的均值和抽样误差,通过公式计算出特征矿物质元素含量的置信区间端点,得出白燕窝中各个特征性矿物质元素的99%置信区间见表7。白燕窝中常量元素Ca含量范围为0.8~1.2g/kg,Mg含量范围为1.4~1.8g/kg,K含量范围为0.1~0.2g/kg,微量元素Cu含量范围为4.9~7.6%。
表7 白燕窝中特征矿物质元素含量的置信区间
(四)验证实验
选取已知种类的下述6种样品,按步骤(一)、(二)和(三)中的方法分别测定各样品的氨基酸组成和特征矿物质含量,根据所建立的特征氨基酸排列及比例、氨基酸指纹图谱判别和特征矿物质指标含量鉴别白燕窝真伪,并与样品实际种类进行比较。
以下为6种样品的测定过程:
(1)运用步骤(一)、(二)和(三)中的方法对样品1进行氨基酸组成和特征矿物质的测定,根据表8中的数据,样品的非必需氨基酸含量排列脯氨酸>谷氨酸,不符合白燕窝的特征氨基酸排序,EAA/TAA/%和EAA/NEAA/%的值分别为39.97%和82.30%,在范围值之内;表9中,氨基酸指纹图谱的判别结果为白燕窝;表10中,样品的K含量为0.22g/kg,超出白燕窝的K含量的范围。根据本发明的方法流程图,判定该样品为掺假白燕窝,样品的实际种类为掺假白燕窝。
(2)运用步骤(一)、(二)和(三)中的方法对样品2进行氨基酸组成和特征矿物质的测定,根据表8中的数据,样品的必需氨基酸苯丙氨酸>苏氨酸,非必需氨基酸含量排列谷氨酸>丝氨酸,不符合白燕窝的特征氨基酸排序,EAA/TAA/%和EAA/NEAA/%的值分别为39.99%和82.64%,在范围值之内;表9中,氨基酸指纹图谱判别结果为掺假白燕窝;表10中,样品的Ca、Mg、K、Cu的含量小于真品白燕窝含量的范围。根据本发明的方法流程图,判定该样品为掺假白燕窝,样品的实际种类为掺假白燕窝。
(3)运用步骤(一)、(二)和(三)中的方法对样品3进行氨基酸组成和特征矿物质的测定,根据表8中的数据,样品的必需氨基酸苯丙氨酸>苏氨酸,非必需氨基酸含量排列谷氨酸>丝氨酸,不符合白燕窝的特征氨基酸排序,EAA/TAA/%和EAA/NEAA/%的值分别为40.13%和84.12%,超出白燕窝的范围值;表9中,氨基酸指纹图谱的判别结果为白燕窝;表10中,各项指标均在范围值之内。根据本发明的方法流程图,判定该样品为白燕窝,样品的实际种类是白燕窝。
(4)运用步骤(一)、(二)和(三)中的方法对样品4进行氨基酸组成和特征矿物质的测定,根据表8中的数据,样品的必需氨基酸和非必需氨基酸符合白燕窝的特征氨基酸排序,EAA/TAA/%和EAA/NEAA/%的值分别为39.70%和81.99%,在范围值内;表9中,氨基酸指纹图谱的判别结果为白燕窝;表10中,各项元素含量均符合白燕窝的特征矿物质含量范围。根据本发明的方法流程图,判定该样品为白燕窝,样品的实际种类是白燕窝。
(5)运用步骤(一)、(二)和(三)中的方法对样品5进行氨基酸组成和特征矿物质的测定,根据表8中的数据,样品的必需氨基酸和非必需氨基酸符合白燕窝的特征氨基酸排序,EAA/TAA/%和EAA/NEAA/%的值分别为39.86%和81.80%,在范围值内;表9中,氨基酸指纹图谱的判别结果为白燕窝;表10中,各项元素含量均符合白燕窝的特征矿物质含量范围。根据本发明的方法流程图,判定该样品为白燕窝,样品的实际种类是白燕窝。
(6)运用步骤(一)、(二)和(三)中的方法对样品6进行氨基酸组成和特征矿物质的测定,根据表8中的数据,样品的必需氨基酸和非必需氨基酸含量排列不符合白燕窝的特征氨基酸排序,EAA/TAA/%和EAA/NEAA/%的值分别为18.94%和26.77%,与白燕窝的数值差距大;表9中,氨基酸指纹图谱判别结果为猪浮皮;表10中,样品的Ca、Mg、K、Cu的含量小于真品白燕窝含量的范围。根据本发明的方法流程图,判定该样品为猪浮皮,样品的实际种类为猪浮皮。
表8 样品的氨基酸指纹图谱及氨基酸含量比例
表9 氨基酸指纹图谱判别结果
表10 特征矿物质元素含量
经过上述验证发现,根据本发明方法所建立的联合特征氨基酸排列及比例、氨基酸指纹图谱判别和特征矿物质指标含量鉴别白燕窝真伪,与样品实际种类相同,说明本发明方法适于鉴别白燕窝真伪。
(四)样品鉴别
相同条件下,采用步骤(一)、(二)和(三)中的方法对未知样品进行氨基酸组成和特征矿物质指标测定,利用特征氨基酸排列及比例、氨基酸指纹图谱判别和特征矿物质指标含量进行白燕窝真伪的鉴别,见表11~表14。
从表11和14可以看出,运用步骤(一)氨基酸特征排列和比例进行鉴别,通过该项鉴别的即可判定为真品白燕窝(样品1、4、8),如不通过该项鉴别,则需进行步骤(二)和(三)进行鉴别;步骤(二)利用氨基酸指纹图谱判别函数对样品进行全面分析,没有通过该项鉴别的样品则直接判定为掺假白燕窝(样品5、7);步骤(三)对样品的特性矿物质元素进行分析,通过该项目鉴别即为真品白燕窝(样品2),未通过即为掺假白燕窝(样品3、6);步骤(二)和步骤(三)均通过鉴别才能判定为真品白燕窝,从而保证鉴别结果的准确性。
表11 未知样品的氨基酸特征排列和比例
注:a为不符合白燕窝特征氨基酸排列的氨基酸项目;“+”为高于该项目指标,“-”为低于该项目指标。
表12 未知样品的氨基酸指纹图谱判别
表13 未知样品的特征矿物质元素含量
注:“+”为高于该项目指标,“-”为低于该项目指标。
表14 未知样品的结论判定
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围。
Claims (3)
1.一种联合特征指标鉴别白燕窝的方法,其特征在于包括以下步骤:
(一)特征氨基酸排列及比例鉴别
(1)选取各类白燕窝、掺假白燕窝和燕窝掺假物质样品,测定17种水解氨基酸组成,得出各类样品的氨基酸指纹图谱;
(2)对各类样品的17种水解氨基酸含量及氨基酸种类进行分析,根据燕窝特征氨基酸排列及比例鉴别样品;
(二)氨基酸指纹图谱判别
(1)利用软件中的聚类分析Flexible-Beta Method对各样品中的氨基酸进行分类,计算样品两两间的距离,然后执行并类过程,直到类的总个数为1时停止,通过聚类分析图观察各类样品之间的差异;
(2)通过软件构建各类样品的氨基酸指纹图谱判别函数,按距离最近的准则对样品进行判别归类,利用判别函数计算其到各类样品的马氏距离,把样品判归距离最小的那个总体,实现白燕窝的真伪鉴别;
(三)特征矿物质指标鉴别
(1)测定各类燕窝样品的常量元素和微量元素,通过差异性分析找出存在白燕窝中的含量稳定的特征矿物质元素,并计算出特征矿物质元素含量的区间范围;
(2)测定白燕窝的特征矿物质元素含量,通过白燕窝特征矿物质元素含量的区间范围判定燕窝的真伪;
(四)验证实验
选取各类白燕窝、掺假白燕窝和燕窝掺假物质样品,按步骤(一)、(二)和(三)中的方法分别测定各样品的氨基酸组成和特征矿物质指标,根据所建立的特征氨基酸排列及比例、氨基酸指纹图谱判别和特征矿物质指标鉴别燕窝真伪,并与样品实际种类情况进行比较;
(五)样品鉴别
相同条件下,采用步骤(一)、(二)和(三)中的方法对未知样品进行氨基酸组成和特征矿物质指标测定,利用特征氨基酸排列及比例、氨基酸指纹图谱判别和特征矿物质指标含量进行燕窝真伪的鉴别。
2.根据权利要求1所述的联合特征指标鉴别白燕窝的方法,其特征在于:步骤(一)中所述的燕窝掺假物质包括猪浮皮、干猪皮、银耳、琼脂和鸡蛋清中的一种或几种。
3.根据权利要求1所述的联合特征指标鉴别白燕窝的方法,其特征在于:步骤(二)中判别函数是根据各类样品的氨基酸指纹数据库,设样品的氨基酸组成为17维总体,对于任一给定的样品,按距离最近的准则对其进行判别归类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410805959.2A CN104569324B (zh) | 2014-12-19 | 2014-12-19 | 一种联合特征指标鉴别白燕窝的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410805959.2A CN104569324B (zh) | 2014-12-19 | 2014-12-19 | 一种联合特征指标鉴别白燕窝的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104569324A true CN104569324A (zh) | 2015-04-29 |
CN104569324B CN104569324B (zh) | 2016-07-27 |
Family
ID=53085880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410805959.2A Active CN104569324B (zh) | 2014-12-19 | 2014-12-19 | 一种联合特征指标鉴别白燕窝的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104569324B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106611428A (zh) * | 2015-10-21 | 2017-05-03 | 中国人民解放军第三〇二医院 | 一种快速判断北五味子的质量等级的判别卡及其制备方法和应用 |
CN107490637A (zh) * | 2017-08-15 | 2017-12-19 | 佛山科学技术学院 | 一种用于检测燕窝有无掺杂其他含胶原蛋白物质的方法 |
CN108088968A (zh) * | 2017-11-23 | 2018-05-29 | 广东省食品工业研究所有限公司 | 一种鹅掌柴蜂蜜掺假的鉴别方法 |
CN109613190A (zh) * | 2018-12-05 | 2019-04-12 | 中国科学院亚热带农业生态研究所 | 一种基于氨基酸组成的肉产品种类及品质鉴别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103954583A (zh) * | 2014-05-23 | 2014-07-30 | 徐敦明 | 一种燕窝的红外光谱检测方法 |
-
2014
- 2014-12-19 CN CN201410805959.2A patent/CN104569324B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103954583A (zh) * | 2014-05-23 | 2014-07-30 | 徐敦明 | 一种燕窝的红外光谱检测方法 |
Non-Patent Citations (8)
Title |
---|
MASSIMO F. MARCONE等: "Characterization of the edible bird’s nest the "Caviar of the East"", 《FOOD RESEARCH INTERNATIONAL》, vol. 38, 31 December 2005 (2005-12-31) * |
ZAINAB HAMZAH等: "NUTRITIONAL PROPERTIES OF EDIBLE BIRD NEST", 《JOURNAL OF ASIAN SCIENTIFIC RESEARCH》, vol. 6, no. 3, 31 December 2013 (2013-12-31) * |
曹妍: "燕窝品质分析及印尼白燕盏糖蛋白的分离纯化与结构特性研究", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》, no. 3, 15 March 2013 (2013-03-15) * |
朱春红等: "燕窝真假鉴定技术研究", 《中国食品卫生杂志》, vol. 9, no. 3, 30 June 2007 (2007-06-30) * |
贾磊等: "燕窝保健饮品分析方法的研究", 《中国食品卫生杂志》, vol. 9, no. 4, 31 August 1997 (1997-08-31) * |
赵斌等: "东南亚进口燕窝中总氮和氨基酸分析", 《中药材》, vol. 37, no. 6, 30 June 2014 (2014-06-30) * |
郭丽丽: "表征属性识别技术在燕窝真伪鉴别中的应用研究", 《中国博士学位论文全文数据库工程科技I辑》, no. 8, 15 August 2014 (2014-08-15) * |
陈文锐: "毛细管气相色谱法测定燕窝中的氨基酸及掺伪鉴别方法的研究", 《旅行医学科学》, vol. 1, no. 3, 30 September 1995 (1995-09-30) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106611428A (zh) * | 2015-10-21 | 2017-05-03 | 中国人民解放军第三〇二医院 | 一种快速判断北五味子的质量等级的判别卡及其制备方法和应用 |
CN107490637A (zh) * | 2017-08-15 | 2017-12-19 | 佛山科学技术学院 | 一种用于检测燕窝有无掺杂其他含胶原蛋白物质的方法 |
CN107490637B (zh) * | 2017-08-15 | 2020-06-16 | 佛山科学技术学院 | 一种用于检测燕窝有无掺杂其他含胶原蛋白物质的方法 |
CN108088968A (zh) * | 2017-11-23 | 2018-05-29 | 广东省食品工业研究所有限公司 | 一种鹅掌柴蜂蜜掺假的鉴别方法 |
CN109613190A (zh) * | 2018-12-05 | 2019-04-12 | 中国科学院亚热带农业生态研究所 | 一种基于氨基酸组成的肉产品种类及品质鉴别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104569324B (zh) | 2016-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mi et al. | Characterization and discrimination of selected China's domestic pork using an LC-MS-based lipidomics approach | |
Veldhuis et al. | Application of flow cytometry in marine phytoplankton research: current applications and future perspectives | |
Shamsudin et al. | A comparative characterization of physicochemical and antioxidants properties of processed Heterotrigona itama honey from different origins and classification by chemometrics analysis | |
Li et al. | Authentication of fishery and aquaculture products by multi-element and stable isotope analysis | |
CN107228924B (zh) | 一种适宜蛋白加工用花生原料品质测定及其评价方法 | |
CN104569324A (zh) | 一种联合特征指标鉴别白燕窝的方法 | |
Guo et al. | Rapid authentication of edible bird's nest by FTIR spectroscopy combined with chemometrics | |
Fonseca et al. | Fatty acid profiles as natural tracers of provenance and lipid quality indicators in illegally sourced fish and bivalves | |
Rochfort et al. | Mussel metabolomics—Species discrimination and provenance determination | |
Zhang et al. | Accelerated chemotaxonomic discrimination of marine fish surimi based on Tri-step FT-IR spectroscopy and electronic sensory | |
Sayinci et al. | Determination of shape in fruits of cherry laurel (Prunus laurocerasus) accessions by using Elliptic Fourier analysis | |
Titarenko et al. | Identification of the varietal and regional origin of red wines by classification analysis | |
Peijin et al. | Rapid identification of the variety and geographical origin of Wuyou No. 4 rice by fourier transform near-infrared spectroscopy coupled with chemometrics | |
CN101957316A (zh) | 一种用近红外光谱技术鉴别响水大米的方法 | |
CN111024802B (zh) | 基于铅Pb稳定同位素的刺参产地溯源模型构建及鉴别方法 | |
Pereira et al. | Physical-chemical characterization of commercial honeys from Minas Gerais, Brazil | |
CN104749274B (zh) | 一种鉴别真假酿造酱油的方法 | |
Becker et al. | Feeding ecology of the long finned pilot whale, Globicephala melas edwardii, in the southwestern Atlantic Ocean, determined by stable isotopes analysis | |
CN103160609A (zh) | 食品过敏原小麦成分lamp现场快速检测方法 | |
CN102809635A (zh) | 一种适宜溶解型蛋白质加工的花生品质测定及其评价方法 | |
CN106324127B (zh) | 玛咖粉真伪鉴别及玛咖含量测定的方法 | |
CN108088968A (zh) | 一种鹅掌柴蜂蜜掺假的鉴别方法 | |
KR101837344B1 (ko) | 안정동위원소비 분석을 활용한 갯벌 이매패류의 원산지 판별방법 | |
Cliff et al. | Use of principal component analysis for the evaluation of judge performance at wine competitions | |
Shim et al. | Multivariate analysis of deboning data for classifying Hanwoo (Korean native cattle) by gender |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: 510308 No. 146 East Xingang Road, Guangzhou, Guangdong, Haizhuqu District Patentee after: Guangdong Food Industry Research Institute Co Ltd Address before: 510308 No. 146 East Xingang Road, Guangzhou, Guangdong, Haizhuqu District Patentee before: Guangdong Prov. Food Industry Inst. |
|
CP01 | Change in the name or title of a patent holder |