CN105738417A - 一种大豆分离蛋白的辨别方法 - Google Patents

Abstract

本发明公开了一种大豆分离蛋白的辨别方法，属于生物样品鉴别技术领域。本发明采用电子鼻的混合电极传感器对不同的大豆分离蛋白样品进行辨别。不同的电极组合对SPI具有不同的辨别区分效果，混合电极传感器S4?S8?S10?S14对SPI具有最好的辨别能力，其DI（Discrimination Index，辨别指数）值高达97.642 6%。本发明采用电子鼻的混合电极传感器对不同大豆分离蛋白进行有效区分辨别，该辨别方法简单、快速、精确且重复性好。因此，电子鼻可以有效应用于大豆分离蛋白样品气味的区分辨别。

Description

一种大豆分离蛋白的辨别方法

技术领域

本发明涉及生物样品鉴别技术领域，特别涉及一种大豆分离蛋白的辨别方法。

背景技术

大豆分离蛋白是以低温脱溶大豆粕为原料生产的一种全价蛋白类食品配料。大豆分离蛋白中蛋白质含量在90%以上，氨基酸种类有近20种，并含有人体必需氨基酸，其营养丰富，不含胆固醇，是植物蛋白中为数不多的可替代动物蛋白的品种之一，用途广泛。

通过不同加工方法加工出来的大豆分离蛋白的风味差别很大，风味是评判大豆分离蛋白质量的一个重要指标，对于大豆分离蛋白的区分辨别，感官方法依赖人的嗅觉系统而受人个体主观因素影响较大，重复性较差。而气相色谱法、色谱-质谱联用法等仪器分析方法检测费用高、耗时长、样品前处理复杂，无法满足快速检测的需求。

发明内容

为了弥补现有技术的不足，以解决现有技术中对大豆分离蛋白的辨别主观影响大、重复性差或检测费用高、耗时长、样品前处理复杂的问题，本发明提供了一种快速、准确、重复性好的大豆分离蛋白的辨别方法。

本发明的技术方案为：

一种大豆分离蛋白的辨别方法，采用电子鼻的混合电极传感器对不同的大豆分离蛋白样品进行辨别。

电子鼻是针对挥发性成分检测的一种新型智能感官分析系统。本发明采用电子鼻对大豆分离蛋白（SPI）样品进行区分辨别研究，结果表明经过电极传感器的组合，可对不同的大豆分离蛋白（SPI）进行很好的辨别。

作为优选方案，所述电子鼻的电极传感器包括用于检测芳香族化合物的S1传感器、用于检测氮氧化合物和低分子胺类化合物的S2传感器、用于检测香辛硫化物类物质的S3传感器、用于检测有机酸酯类和萜类化合物的S4传感器、用于检测萜类和酯类化合物的S5传感器、用于检测甾醇类和三萜类的S6传感器、用于检测脂肪烃含氧衍生物类化合物的S7传感器、用于检测胺类的S8传感器、用于检测氢气的S9传感器、用于检测呋喃化合物的S10传感器、用于检测总挥发性有机化合物TVOC的S11传感器、用于检测硫化氢的S12传感器、用于检测乙烯的S13传感器、用于检测内酯类和吡嗪类的S14传感器。

其中，总挥发性有机物TVOC包括挥发性的烷类、芳烃类、烯类、卤烃类、醛类、酮类等。

作为优选方案，所述混合电极传感器的组合为S4传感器、S8传感器、S10传感器和S14传感器的组合；或S3传感器、S8传感器、S9传感器、S12传感器和S14传感器的组合；或S1传感器、S4传感器、S7传感器和S12传感器的组合；或S7传感器、S9传感器和S12传感器的组合；或S1传感器、S4传感器、S7传感器、S10传感器和S13传感器的组合；或S2传感器、S3传感器、S4传感器、S6传感器、S10传感器和S12传感器的组合；或S2传感器、S3传感器、S7传感器、S9传感器、S12传感器和S14传感器的组合。

作为优选方案，所述混合电极传感器的组合为S4传感器、S8传感器、S10传感器和S14传感器的组合。

不同的电极组合对SPI具有不同的辨别区分效果，混合电极传感器S4-S8-S10-S14对SPI具有最好的辨别能力，其DI（Discrimination Index，辨别指数）值高达97.642 6%。

作为优选方案，将大豆分离蛋白置于电子鼻的样品瓶中，对装入大豆分离蛋白的样品瓶进行封盖，在室温下用电子鼻的混合电极传感器对不同的大豆分离蛋白样品进行辨别。

进一步地，电子鼻使用前，用空气清洗传感器，清洗时间为150-300s。

作为优选方案，通过真空泵将样品中的气体吸入电子鼻中，进气速度为0.7-1.5L/min，检测时间为100-150s。

作为优选方案，每个大豆分离蛋白样品至少重复测定三次。

本发明的有益效果为：

本发明采用电子鼻的混合电极传感器对不同大豆分离蛋白进行有效区分辨别，该辨别方法辨别指数高，简单、快速、精确且重复性好。电子鼻可以有效应用于大豆分离蛋白样品气味的区分辨别。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为电子鼻对SPI的传感器响应曲线，图1中，从上到下分别为传感器S5、S11、S12、S8、S2、S13、S7、S4、S14、S3、S9、S1、S10、S6；

图2为电子鼻检测SPI的传感器响应雷达图；

图3为不同SPI样品的主成分分析图；

图4为不同SPI样品的判别函数分析图；

图5为不同SPI样品的软独立建模分析图；

图6为不同SPI样品的等级区分分析图。

具体实施方式

实施例1

样品：七种不同的大豆分离蛋白样品。

样品1：低腥味高稳定高分散型大豆分离蛋白；

样品2：低腥味高分散型大豆分离蛋白；

样品3：分散型大豆分离蛋白Ⅰ；

样品4：分散型大豆分离蛋白Ⅱ；

样品5：凝胶型大豆分离蛋白；

样品6：低钠型大豆分离蛋白；

样品7；高稳定高分散型大豆分离蛋白。

仪器：iNose型电子鼻，购于美国isenso。

iNose电子鼻含有14个传感器，具体如表1所示。

表1 iNose电子鼻的各传感器性能表

电子鼻采用系统自带的主成分分析、判别函数分析、软独立建模分析、等级区分四种方法对电子鼻的传感器所采集的数据进行分析数据分析。

测试方法：

每个大豆分离蛋白样品（SPI）准确称量3g，置于40mL电子鼻样品瓶中（带盖），在室温下用电子鼻检测。

先用空气清洗传感器，清洗时间为240s，然后通过真空泵将样品中的气体吸入到电子鼻中，进气速度为1L/min，检测时间为120s。每个样品重复测定3次。

1、进行传感器优化

电子鼻的不同传感器对SPI的响应情况见图1和图2。

由图1可以看出，图中的十四条曲线分别代表了十四种传感器对SPI的响应情况，显然不同传感器对同种样品的灵敏度不同。

图2是电子鼻检测SPI的传感器响应雷达图，由图2也可以看出不同传感器对同种样品的灵敏度不同，其响应程度变化可以说明SPI所含挥发性成分的变化。

2、分别以不同电极组合进行电子鼻混合电极最优组和筛选实验，部分组合实验结果见表2，从表2可以看出，混合电极传感器S4-S8-S10-S14的DI值最高，达到97.642 6%，DI值代表整体区分效果，DI值越大，整体区分效果越好，分析效果越好，故选择该优化后的混合电极进行SPI样品测试。

表2 部分电子鼻传感器组合对SPI样品的响应值

3、采用最佳分辨力的混合电极传感器S4-S8-S10-S14对七种SPI样品进行分辩测试；分析结果分别采用主成分分析法（PCA）、判别函数分析法（LDA）、软独立建模分析法（SIMCA）和等级区分分析法（DFA）进行分析。

A、SPI样品的主成分分析（PCA）

PCA（Principal Component Analysis, PCA）法即主成分分析法，是将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法，又称主分量分析，主要用于样品的区分辨别。PCA 是在对样品特性一无所知的前提下，通过对原始数据向量进行线性变换，从而在一定的视角来寻找样品间的差异的一种算法。用于挖掘有用的信息，给出具有不同气味区域和簇的描述性图表。该算法不丢失任何样品信息，仅仅通过改变坐标轴来达到区分样品的目的，是模式识别中最基本的多元统计分析方法。

不同SPI样品电子鼻PCA分析结果见图3，从图3可以看出，7个不同的SPI样品分布在图中不同的区域，相互之间没有重叠，且DI值为97.6%(DI值反映整体区分效果，DI值越大，整体区分效果越好)。另外，从图2中，我们可以看出1号样品与其它样品距离较远，4号样品与其他样品距离较远，6号样品与7号样品距离较近，说明6号样品与7号样品的气味较为相似，而1号样品和4号样品与其他样品的气味存在一定的差异。总而言之，电子鼻的主成分分析法可以用来区分不同的SPI样品。

B、不同SPI样品的判别函数分析（LDA）

LDA (Linear Discriminant Analysis，LDA)法即判别函数分析法，又称分辨法，是在分类确定的条件下，根据某一研究对象的各种特征值判别其类型归属问题的一种多变量统计分析方法，是模式识别的经典算法，在1996年由Belhumeur引入模式识别和人工智能领域。LDA具有分类效果好，易实现等优点，通常可与PCA法同时采用，并达到更好的分析目的。这两种方法在电子鼻气味检测领域已取得良好效果。

不同SPI样品电子鼻LDA分析结果见图4，从图4可以看出，7个SPI样品分布在图中的不同区域内，相互之间没有重叠，说明电子鼻的判别函数分析法也能将这7个SPI样品区分开。另外，从判别函数分析图中我们也能看出6号与7号样品较为接近，气味比较相似；而1号样品与其他SPI样品距离较远，气味存在一定的差异。可见，电子鼻的判别函数分析法也能用于SPI样品气味的研究。

C、不同SPI样品的软独立建模分析（SIMCA）

软独立建模分析（SIMCA，Soft Independent Modeling Analysis）是一种定性分析手段，用于简单的判别，能够给出好/坏或者合格/不合格的分析结果，并通过逐个验证样本的交叉有效性来计算识别百分比，在建立模型时需要足够多的参考样本保证样本的差异性被完全考虑到。

不同SPI样品电子鼻SIMCA分析结果见图5，从图5可以看出，将SPI样品1、2号作为标准样品，将其他的SPI样品3、4、5、6、7号作为未知样品来判断是否跟第一批次气味相似，从图6可以看出，3、4、5、6、7五个样品均与1号和2号的气味不同，判断结果与已知结果100%吻合。

D、不同SPI样品的等级区分分析（DFA）

等级区分(DFA，Distinction for Analysis)：是将已知等级的样品作为标准品建立DFA模型，通过DFA模型来预测未知样品属于什么等级或者什么物质。它既可以用于预测未知样品属于哪种物质也可以预测未知样品属于哪个等级。

该区分方法中，将第1号样品作为一个等级A，2号和3号样品作为一个等级B，4号和5号样品作为一个等级C，6号和7号样品作为一个等级D，将样品1、2、3、4、5、6、7代入DFA模型中检测模型可靠性。从图6可以看出，7个样品各自分布在自己的区间，1号样品分布在A区间，2、3号样品分布在B区间，4、5号样品分布在C区间，6、7号样品分布在D区间，与已知结果100%吻合。

由以上分析可知，采用电子鼻技术对不同SPI进行鉴别分析，结果表明不同的电极组合对SPI具有不同的辨别区分效果，经过电极组合优化试验，所选用的混合电极传感器为S4-S8-S10-S14，其DI值最高，达到97.6426%。基于电子鼻的主成分分析、判别函数分析、软独立建模分析、等级区分等方法都可以有效区分辨别不同SPI样品，电子鼻可以有效地应用于SPI样品气味的区分辨别研究。

Claims (8)

1.一种大豆分离蛋白的辨别方法，其特征在于：采用电子鼻的混合电极传感器对不同的大豆分离蛋白样品进行辨别。

2.如权利要求1所述大豆分离蛋白的辨别方法，其特征在于：所述电子鼻的电极传感器包括用于检测芳香族化合物的S1传感器、用于检测氮氧化合物和低分子胺类化合物的S2传感器、用于检测香辛硫化物类物质的S3传感器、用于检测有机酸酯类和萜类化合物的S4传感器、用于检测萜类和酯类化合物的S5传感器、用于检测甾醇类和三萜类的S6传感器、用于检测脂肪烃含氧衍生物类化合物的S7传感器、用于检测胺类的S8传感器、用于检测氢气的S9传感器、用于检测呋喃化合物的S10传感器、用于检测总挥发性有机化合物TVOC的S11传感器、用于检测硫化氢的S12传感器、用于检测乙烯的S13传感器、用于检测内酯类和吡嗪类的S14传感器。

3.如权利要求2所述大豆分离蛋白的辨别方法，其特征在于：所述混合电极传感器的组合为S4传感器、S8传感器、S10传感器和S14传感器的组合；或S3传感器、S8传感器、S9传感器、S12传感器和S14传感器的组合；或S1传感器、S4传感器、S7传感器和S12传感器的组合；或S7传感器、S9传感器和S12传感器的组合；或S1传感器、S4传感器、S7传感器、S10传感器和S13传感器的组合；或S2传感器、S3传感器、S4传感器、S6传感器、S10传感器和S12传感器的组合；或S2传感器、S3传感器、S7传感器、S9传感器、S12传感器和S14传感器的组合。

4.如权利要求1或3所述大豆分离蛋白的辨别方法，其特征在于：所述混合电极传感器的组合为S4传感器、S8传感器、S10传感器和S14传感器的组合。

5.如权利要求1所述大豆分离蛋白的辨别方法，其特征在于：将大豆分离蛋白置于电子鼻的样品瓶中，对装入大豆分离蛋白的样品瓶进行封盖，在室温下用电子鼻的混合电极传感器对不同的大豆分离蛋白样品进行辨别。

6.如权利要求5所述大豆分离蛋白的辨别方法，其特征在于：电子鼻使用前，用空气清洗传感器，清洗时间为150-300s。

7.如权利要求5所述大豆分离蛋白的辨别方法，其特征在于：通过真空泵将样品中的气体吸入电子鼻中，进气速度为0.7-1.5L/min，检测时间为100-150s。

8.如权利要求1所述大豆分离蛋白的辨别方法，其特征在于：每个大豆分离蛋白样品至少重复测定三次。