CN112285302A - 一种乳品的有机属性鉴别方法 - Google Patents

一种乳品的有机属性鉴别方法 Download PDF

Info

Publication number
CN112285302A
CN112285302A CN202011343882.3A CN202011343882A CN112285302A CN 112285302 A CN112285302 A CN 112285302A CN 202011343882 A CN202011343882 A CN 202011343882A CN 112285302 A CN112285302 A CN 112285302A
Authority
CN
China
Prior art keywords
milk
sample
organic
data
isotope ratio
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.)
Pending
Application number
CN202011343882.3A
Other languages
English (en)
Inventor
赵超敏
徐思雁
邓晓军
张润何
曲栗
曾静
古淑青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Technical Center For Animal Plant and Food Inspection and Quarantine of Shanghai Customs
University of Shanghai for Science and Technology
Original Assignee
Technical Center For Animal Plant and Food Inspection and Quarantine of Shanghai Customs
University of Shanghai for Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Technical Center For Animal Plant and Food Inspection and Quarantine of Shanghai Customs, University of Shanghai for Science and Technology filed Critical Technical Center For Animal Plant and Food Inspection and Quarantine of Shanghai Customs
Priority to CN202011343882.3A priority Critical patent/CN112285302A/zh
Publication of CN112285302A publication Critical patent/CN112285302A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02Food
    • G01N33/04Dairy products
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00Sampling; Preparing specimens for investigation
    • G01N1/28Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q

Landscapes

  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明公开了一种乳品的有机属性鉴别方法,包括如下步骤:S1)预先获取不同来源的牛奶样品,包括有机奶和普通奶;S2)测定牛奶样品稳定同位素比质谱数据;S3)检测牛奶样品的元素数据;S4)测定牛奶样品的脂肪酸数据;S5)构建基于稳定同位素比质谱数据、元素数据和脂肪酸数据的正交偏最小二乘判别分析模型,对不同来源有机属性已知的牛奶样品进行识别,进而筛选出区分有机奶和普通奶的关键质量指标,用于判别实际待测牛奶的有机属性。本发明提供的乳品的有机属性鉴别方法,能够解决有机产品市场标签混乱、以次充好、掺假等问题,大大提高了鉴别的准确度,有效避免片面性、不稳定性等缺点。

Description

一种乳品的有机属性鉴别方法
技术领域
本发明涉及一种乳品属性鉴别方法,尤其涉及一种乳品的有机属性鉴别方法。
背景技术
有机农业是一个环境友好的系统,它采用一套支持农场资源循环的文化、生物和机械实践来促进生态平衡和保护生物多样性。有机农业中避免使用合成肥料、辐射和基因工程产品,可保持或提高土壤和水的质量;保护湿地、林地和野生动物;因此,有机产品和传统替代品在质量和安全性方面存在明显差异。比如干物质含量、多不饱和脂肪酸、维生素、P、Fe、Mg等元素以及其他营养成分。同时,有机产品中有害成分较少,如重金属、杀虫剂、合成肥料等有害物质。因此,食用有机食品在促进人类健康、维护生物多样性和保护生态等方面具有诸多优势。随着对有机产品需求的增加和价格的上涨,越来越多的假冒有机产品出现在市场上以获取更多的利润。最终,食品安全与质量问题的风险变高,因此,采取有效的有机属性鉴别方法以保护消费者及维护市场秩序至关重要。
近年来,有机奶等有机产品的鉴别研究受到了各国研究者的关注,尤其是利用稳定同位素比值对产品鉴别的研究,而且这个技术已被广泛应用于水稻、蜂蜜、奶酪、蔬菜、乳及乳制品等产品中。同时,元素与脂肪酸含量特征也在诸多研究中被报告具有对产品的有机质量属性进行鉴别的潜力。但目前对有机奶鉴别的研究还存在一定的缺陷,多数研究主要是基于牛奶中一种或两种质量指标,因鉴别因子单一使得区别数据范围有交叉,造成鉴别质量指标不明确难以精准鉴别有机奶质量真实属性,同时研究牛奶样本多是来自一个国家或地区,对遍布多国的牛奶样品有机鉴别的研究较少。另外,目前针对有机产品的质量真实属性鉴定未有确切的检测方法和标准,因此基于多变量对多来源牛奶有机属性的鉴别具有重要意义。
发明内容
本发明所要解决的技术问题是提供一种乳品的有机属性鉴别方法,能够解决有机产品市场标签混乱、以次充好、掺假等问题,大大提高了鉴别的准确度,有效避免片面性、不稳定性等缺点。
本发明为解决上述技术问题而采用的技术方案是提供一种乳品的有机属性鉴别方法,包括如下步骤:S1)预先获取不同来源的牛奶样品,包括有机奶和普通奶;S2)测定牛奶样品稳定同位素比质谱数据;S3)检测牛奶样品的元素数据;S4)测定牛奶样品的脂肪酸数据;S5)构建基于稳定同位素比质谱数据、元素数据和脂肪酸数据的OPLS-DA模型,对不同来源有机属性已知的牛奶样品进行识别,进而筛选出区分有机奶和普通奶的关键质量指标,用于判别实际待测牛奶的有机属性。
进一步地,所述步骤S2包括利用稳定同位素比质谱仪检测所述牛奶样品在液体状态下的δ18O值,然后将牛奶样品经过冷冻干燥,并研磨成粉,接着对冻干奶粉样品继续检测δ13C、δ15N值;所述步骤S3和步骤S4对冻干奶粉样品检测元素数据和脂肪酸数据。
进一步地,所述牛奶样品冷冻干燥过程如下:将样品分装在干燥、洁净的培养皿中,放置于台式冷冻干燥机中,在-45℃温度下冻干过夜。
进一步地,所述步骤S2中每个样品利用稳定同位素比质谱仪平行检测多次求取平均值得到每个牛奶样品的稳定同位素比值质谱数据;并根据牛奶样品中稳定同位素比值质谱数据的方差及标准差,剔除奇异点样本,得到最终的牛奶样品稳定同位素比值质谱数据。
进一步地,所述步骤S3利用电感耦合等离子体发射光谱测定元素钠Na、钾K、锰Mn、磷P、锌Zn、钙Ca、铁Fe和镁Mg,利用电感耦合等离子体质谱测定其他元素物质,每个样品平行测定多次求取平均值得到每个牛奶样品的元素数据;并根据牛奶样品中元素数据的方差及标准差,剔除奇异点样本,得到最终的牛奶样品元素数据。
进一步地,所述步骤S4利用气相色谱仪检测冻干奶粉样品的脂肪酸含量,每个样本利用气相色谱平行检测多次求取平均值得到每个牛奶样品的脂肪酸数据;并根据牛奶样品中脂肪酸数据的方差及标准差,剔除奇异点样本,得到最终的牛奶样品脂肪酸数据。
进一步地,所述奇异点样本剔除过程如下:计算每个牛奶样品的检测数据的平均值,当样本的标准偏差超过设定阈值,将该样本从样本集中剔除并重新进行检测。
进一步地,所述步骤S5还包括根据已建立的OPLS-DA模型中的VIP值对建模的数据集进行筛选,移除VIP值低于0.5的变量,筛选出统计学差异P值小于0.05且VIP值大于1的变量作为关键质量因子。
进一步地,所述步骤S5中筛选出的关键质量指标为稳定碳同位素比值δ13C、稳定氮同位素比值δ15N、钕Nd、铕Eu、铥Tm、钡Ba、硒Se、钾K和α-亚麻酸;如果实际待测牛奶的δ13C、δ15N和Se的测定值均低于普通奶,且Eu、Tm、ALA、K、Nd和Ba的测定值均高于普通奶,则由OPLS-DA模型判定为合格的有机奶。
进一步地,所述步骤S5中,如果实际待测牛奶的δ13C、δ15N和Se的测定值范围分别在-29.60‰~-23.33‰、4.51‰~7.24‰和0.050~0.236mg/kg之间,且Eu、Tm、ALA、K、Nd和Ba的测定值范围分别在0~0.058mg/kg、0~2.052μg/kg、0~0.313g/100g、1.170~1.761g/100g、0~4.706μg/kg、0.427~2.373mg/kg之间,则由OPLS-DA模型判定为合格的有机奶。
本发明对比现有技术有如下的有益效果:本发明提供了一种基于稳定同位素比值、元素和脂肪酸的多变量有机奶质量属性鉴别模型;首先收集不同来源的有机奶和普通奶样品,对液体样品的δ18O进行稳定同位素比质谱分析,同时样品经过冷冻干燥、研磨成粉等前处理后,对样品中δ13C、δ15N、51种元素和35种脂肪酸分别进行稳定同位素比质谱分析、电感耦合等离子体质谱与电感耦合等离子体发射光谱分析、气相色谱分析,通过正交偏最小二乘判别分析构建了有机奶质量属性判别模型,对有机奶和普通奶的质量属性进行判别,进而筛选出针对不同类型牛奶的质量属性中关键的质量指标。本发明选取的样本来自多个国家,鉴别模型基于多变量,分析结果避免了片面性、不稳定性等缺点,提高了鉴别的准确度。
附图说明
图1是根据本发明实施例的差异显著的稳定同位素比值的箱线图;
图2A-2D是根据本发明实施例的基于不同变量有机奶属性鉴别的OPLS-DA模型得分图;
图3A是根据本发明实施例的基于三种变量有机奶属性鉴别的OPLS-DA模型的载荷图;
图3B是根据本发明实施例的基于三种变量有机奶属性鉴别的OPLS-DA模型的VIP值示意图;
图4是根据本发明实施例的基于三种变量对牛奶有机属性鉴别的OPLS-DA模型的置换验证结果图。
具体实施方式
下面结合附图和实施例对本发明作进一步的描述。
本发明提供的乳品的有机属性鉴别方法,包括如下步骤:
S1、采集不同来源的牛奶样品,包括有机奶和普通奶。首先利用稳定同位素比质谱仪测定上述牛奶样品液体状态下水中的稳定氧同位素比值δ18O,然后对牛奶样品进行冷冻干燥并研磨成粉。牛奶样品的冷冻干燥具体为:将样品分装在干燥、洁净的培养皿中,于台式冷冻干燥机在-45℃冻干过夜。
S2、利用稳定同位素比质谱仪检测上述S1中液体牛奶样品的δ18O值和冻干牛奶粉末样品中δ13C、δ15N的值,每个样本利用稳定同位素比质谱仪平行检测六次,对六次所采集的稳定同位素比值数据求取平均值得到每个牛奶样本的稳定同位素比值质谱数据;根据牛奶样品中稳定同位素比值数据的方差及标准差,剔除奇异点样本,得到最终的牛奶样品稳定同位素比值质谱数据。
S3、参照国标GB 5009.268-2016对上述S1中冻干牛奶粉末样品的元素含量进行检测,元素钠Na、钾K、锰Mn、磷P、锌Zn、钙Ca、铁Fe和镁Mg利用电感耦合等离子体发射光谱(ICP-OES)测定,其他元素物质利用电感耦合等离子体质谱(ICP-MS)测定,每个样本平行测定三次,对三次所采集的元素数据求取平均值得到每个牛奶样本的元素数据;根据牛奶样品中元素数据的方差及标准差,剔除奇异点样本,得到最终的牛奶样品元素数据。
S4、参照国标GB 5009.168-2016利用气相色谱仪检测上述S1中冻干牛奶粉末样品的脂肪酸含量,每个样本利用气相色谱平行检测三次,对三次所采集的脂肪酸数据求取平均值得到每个牛奶样本的脂肪酸数据;根据牛奶样品中脂肪酸数据的方差及标准差,剔除奇异点样本,得到最终的牛奶样品脂肪酸数据。
进一步地,所述剔除奇异点样本具体为:
计算每个牛奶样品的检测数据的平均值,当样本的标准偏差超过设定阈值,将该样本从样本集中剔除并重新进行检测;所述检测数据包括稳定同位素比值数据、元素数据及脂肪酸数据。
S5、对所述牛奶样品的稳定同位素比值数据、元素数据和脂肪酸数据集分别建模、两两组合建模及多变量建模,构建一个稳健的、且可识别出该模型中对有机属性鉴别重要的关键质量因子的OPLS-DA模型(正交偏最小二乘判别分析,Orthogonal Projection toLatent Structure-Discriminant Analysis)。具体为:对数据集进行分别建模、两两组合建模和多变量建模,可得到分别基于稳定同位素比值、元素、脂肪酸、稳定同位素比值-元素;稳定同位素比值-脂肪酸、元素-脂肪酸、稳定同位素比值-元素-脂肪酸对牛奶质量属性进行鉴别的OPLS-DA模型。
本发明可进一步根据已建立的OPLS-DA模型中的VIP(Variable Important inthe Projection)值对建模数据集进行筛选,移除VIP值较低的变量以获得更稳健的模型。具体为:VIP值不仅代表模型中变量对X的解释率,还代表着其与Y之间的相关性。VIP>1的变量通常被认为是该模型中比较重要的变量,而VIP<0.5的变量通常是不重要的变量,而值在0.5和1之间的变量被认为是灰色区域,这些变量的重要性取决于数据集的规模,因此VIP值较低的变量将从模型中移除。
本发明还可进一步对比上述模型的性能并选择最佳、最稳健的模型作为最终的有机奶质量属性鉴别模型,判断牛奶样品是否属于有机奶。具体为:
在OPLS-DA模型中,Q2值是通过7倍交叉验证将每次预测值与实际值对比得到的,其大小代表模型的稳定性及鉴别样本的预测能力。模型在建立时,一部分的数据会被留出,而这部分留出的数据会被用来做预测,然后将模型预测的值与实际值比较,一直重复直到所有变量都被用来预测一次。因此该值越接近1,模型越稳健。Q2>0.8的模型通常被认为是很好的模型,Q2>0.6的模型被认为是一个较好的模型,Q2>0.5则是可接受的。
下面给出一个具体实施例,样品采集:分别采集了8个国家的牛奶样品,共52份,其中包括31份有机奶和21份普通奶。收集到的牛奶样品先利用稳定同位素比质谱仪测定其液体状态下水中的稳定氧同位素比值δ18O,然后在冷冻干燥机中冻干过夜,取出后,研磨成均匀的粉末,再测定其稳定碳同位素比值δ13C、稳定氮同位素比值δ15N、元素和脂肪酸含量。
1、稳定同位素比值的测定:
(1)δ18O的测定
使用水平衡-连续流动稳定同位素比质谱仪(GasBench II-CF-IRMS)测定牛奶样品中的稳定氧同位素比值。样品制备采用CO2-H2O平衡法。将少量苯甲酸加入干净的样品瓶中,然后加入200μL牛奶样品并加盖密封。样品瓶中的残留空气通过自动进样器辅助吹扫程序从样品瓶中排出,以含0.5%CO2的He混合气充满样品瓶,经100mL/min的流速吹扫5min,然后以混合气体为平衡气,样品在28℃下平衡20h,顶部空间中少量的CO2确保平衡期间氧同位素可完全转移(CO2/H2O<1:3000)。采集顶空10μL气体经70℃恒温气相色谱柱分离纯化,然后通过分流接口进入IRMS进行测定。Gasbench-IRMS状态:样品盘温度28℃;EI离子源模式,离子源电压为3.07kv;真空度为1.6×10-6mbar;He和CO2/He压力4bar。
(2)δ13C和δ15N的测定
利用元素分析-稳定同位素比质谱仪(EA-IRMS)测定牛奶样品中的稳定碳、氮同位素比值。分别称取适量样品用锡杯包裹后,通过自动进样器进样。样品中的碳和氮元素首先在氧化还原管中于980℃燃烧并转化为CO2和氮氧化物,然后通过铜丝将氮氧化物还原为N2。载气(He)将其稀释后转移到稳定同位素比质谱仪中进行检测。EA的工作条件为:氧化炉温度980℃;柱温50℃;载气(He)流速为100mL/min;氧气流速为175mL/min;吹扫气体(N2)为180mL/min;注氧时间为4s。IRMS设置如下:电离模式为EI离子源;离子源电压为3.07kv;真空度为1.6×10-6mbar;氦气、氧气、二氧化碳和氮气压力都是4bar。
2、元素含量的测定:
参考GB 5009.268-2016《食品安全国家标准食品中多元素的测定》标准,称取0.5g样品到塑料消化管中,加入5mL硝酸,将其密封后涡旋30s。然后将其放入微波消解仪中进行消解。消解程序的条件:初始温度120℃,保持5min;升至150℃并保持10min;升至190℃,保持20min。消解后,取出所得混合溶液并冷却至室温。最后用水定容至50mL待测。
元素钠Na、钾K、锰Mn、磷P、锌Zn、钙Ca、铁Fe和镁Mg用电感耦合等离子体发射光谱(ICP-OES)测定,其他元素物质(钒V、钴Co、银Ag、铂Pt、金Au、铊Tl、钪Sc、钇Y、镧La、铈Ce、镨Pr、钕Nd、钐Sm、铕Eu、钆Gd、铽Tb、镝Dy、钬Ho、铒Er、铥Tm、镱Yb、镥Lu、锂Li、铝Al、钛Ti、镍Ni、锶Sr、钼Mo、铑Rh、锑Sb、碲Te、钡Ba、汞Hg、铷Rb、铯Cs、铱Ir、铬Cr、铜Cu、砷As、硒Se、镉Cd、锡Sn和铅Pb)用电感耦合等离子体质谱(ICP-MS)检测。
电感耦合等离子体发射光谱仪的基本参数:重复3次;泵速为12rpm;提升延时为15s,测量条件如下:读取时间为3s;射频功率为1.2kw;稳定时间为10s;观察模式为SVDV(径向和轴向双向观察);观察高度为8mm;等离子气体流速为12.0L/min;雾化气体流速为0.70L/min;辅助气体流速为1.0L/min;无额外的空气流动。所有气体如载气和等离子体气体都是纯度为99.999%的氩气(Ar)。
所用的电感耦合等离子体质谱方法的测量参数如下:扫描方式为峰跃;每个光谱峰值检测3个点;每次复制的读取时间为3次;取样深度为10mm;雾化室温度为2℃;样品提升速率为0.5r/s;载气和氢气的流速分别为0.82mL/min和4mL/min;稀释等离子体的流速为0.3L/min;射频功率为1600w。
3、脂肪酸含量的测定:
参考国标GB5009.168-2016中方法,称取0.5g奶粉样品在20mL玻璃试管中,加入6mL 10%的乙酰氯-甲醇溶液(1:10,v:v)、5mL甲苯和200μL 5mg/mL的十一碳酸甘油三酯,并将所得混合物涡旋30s,然后迅速放入水浴(80℃)中振荡加热2h(30min后取出振荡一次)。最后将样品转移到50mL离心管中,用3mL 6g/100mL碳酸铵清洗3次,以4500r/min离心5min,取上清液放入样品瓶中进行测试。
脂肪酸组成及含量通过配有自动进样器的气相色谱系统测定。脂肪酸甲酯通过色谱柱(100m×0.25μm,0.25μm;美国安捷伦科技有限公司)分离,在60:1的分流模式下,进样量为1μL;载气是氮气;进样口温度为280℃;升温程序设定如下:120℃保持5min,然后以4℃/min升至240℃并保持25min。FID检测器的温度为260℃。
4、数据分析和模型构建
分别统计有机奶和普通奶中3种稳定同位素比值,方差分析结果如表1所示。在本发明中,有机奶中3种稳定同位素比值平均值均比普通奶的低,有机奶的δ13C值在-29.60‰~-23.33‰之间,普通奶的δ13C值在-30.63‰~-22.22‰之间,其平均值分别为-27.35‰和-25.68‰。有机奶中δ15N和δ18O的平均值分别为5.53‰和-3.65‰,而普通奶的平均值分别为6.20‰和-3.61‰。有机奶的δ15N值在4.51‰~7.24‰之间,而普通奶的δ15N值在5.08‰~7.19‰之间。有机奶中δ18O值的变化范围为-9.82‰~3.90‰,普通奶中δ18O值的变化范围为-10.32‰~1.42‰。方差分析结果表明,稳定同位素比值δ13C和δ15N在有机奶和普通奶之间有显著差异(P<0.05),但δ18O无显著差异。从图1的箱线图也可看出有机奶中稳定碳、氮同位素比的测定值均分布在比普通奶较低的区域,因此有机奶中稳定同位素比值存在比普通奶中较低的特征。
表1有机奶与普通奶中同位素比值对比
Figure BDA0002799325880000081
分别统计有机奶和普通奶中51种元素的含量和35种脂肪酸含量,方差分析结果表明,51种元素中只有7种元素存在明显差异,分别为钕Nd(P=0.033)、铕Eu(P=0.003)、铥Tm(P=0.024)、钡Ba(P=0.033)、砷As(P=0.017)、硒Se(P=0.002)、钾K(P=0.030)。35种脂肪酸中只有一种脂肪酸——α-亚麻酸(ALA,P=0.024)在有机奶和普通奶间有显著差异,即统计学差异p值小于0.05。具有显著差异的元素和脂肪酸比较少可能是因为在这些牛奶样品间还存在产地的影响。因此选择多种变量对多产地有机奶进行鉴别很有必要。
当使用一种变量建模时,有机奶样品和普通奶样品有很大重叠的区域,因此本发明对三种变量两两组合,共有三种组合方式:稳定同位素比值-脂肪酸,如图2A;稳定同位素比值-元素,如图2B;元素-脂肪酸,如图2C,并将其与基于三种变量的模型进行比较,如图2D。在建模过程中,当把所有变量信息用于建模时,有较多对鉴别模型无贡献的指标,因此VIP值较低的变量被移除以得到更稳健、可靠的模型。四个模型之间的比较如图2A-2D所示,CM为普通奶,OM为有机奶。
由图2A可看出当鉴别模型是基于稳定同位素比值与脂肪酸时,有机奶与普通奶有较大的重叠区域,且Q2值低于0.5,模型的鉴别效果较差,但当基于稳定同位素比值与元素或元素与脂肪酸时(图2B和图2C),模型的鉴别效果较好,且Q2值都在0.6以上,尤其是基于元素与脂肪酸的模型,有机奶与普通奶样品可清晰的分开,没有重叠区域。但与基于三种变量的模型(图2D)对比时,基于三种变量的模型Q2值达到了0.821,是一个分类鉴别效果非常好的模型,而基于元素与脂肪酸的模型Q2值只有0.613。由此可见,对于多产地的有机奶与普通奶样本,基于三种变量的模型相比变量少的模型更稳健、可靠。
另外,在该模型中对牛奶有机属性鉴别比较重要的质量因子有δ15N、Se、δ13C和Eu、ALA、K、Ba、Tm、Nd(VIP>1)(图3B),且这些质量因子在有机奶与普通奶间具有显著差异(P<0.05)。从载荷图(图3A)中可看出δ15N、Se、δ13C位于载荷图左侧,Eu、ALA、K、Ba、Tm和Nd在载荷图右侧,它们在该鉴别模型中具有较高的贡献度,综合得分图(图2D)可看出上述变量分别在普通奶和有机奶中有较高的测定值。而且载荷图中大多数脂肪酸都位于右侧,因此有机奶相比普通奶含有较多的脂肪酸,品质优于普通奶。
筛选出P值小于0.05且VIP值大于1的变量作为关键质量因子,具体为稳定碳同位素比值δ13C、稳定氮同位素比值δ15N、硒Se、铕Eu、钾K、钡Ba、铥Tm、钕Nd和α-亚麻酸(ALA)。如果实际待测牛奶的δ13C(P=0.014)、δ15N(P=0.00)和Se(P=0.002)的测定值均显著低于普通奶,其范围分别在-29.60‰~-23.33‰、4.51‰~7.24‰和0.050~0.236mg/kg之间,且Eu(P=0.003)、Tm(P=0.024)、ALA(P=0.024)、K(P=0.03)、Nd(P=0.033)和Ba(P=0.033)的测定值均显著高于普通奶,其范围分别在0~0.058mg/kg、0~2.052μg/kg、0~0.313g/100g、1.170~1.761g/100g、0~4.706μg/kg、0.427~2.373mg/kg之间,则由OPLS-DA模型判定为合格的有机奶。
最后对该模型中普通奶和有机奶样品数据进行置换验证,请参见图4,验证结果显示普通奶和有机奶的200次置换验证Q2值的回归线截距分别为-1.68和-1.6,均小于-0.5,这表明本发明构建的多变量模型具有可靠的稳定性,选择的变量具有对牛奶进行有机鉴别的能力,所建的模型能够准确的预测牛奶样品的有机质量属性。
综上所述,本发明提供的乳品的有机属性鉴别方法,选择了三种具有鉴别潜力的质量指标——稳定同位素比值、元素和脂肪酸的特征,构建基于多变量数据的OPLS-DA模型,可有效鉴别多来源牛奶的有机质量真实属性。综合了三种变量的鉴别技术,相比仅使用一种或两种变量的鉴别方法,其稳健性和可靠性有很大程度的提高。因此,本发明的牛奶有机属性鉴别方法能为保护具有较优品质的有机奶提供数据支撑,有效保护有机产品的质量安全,避免以次充好的现象发生,具有广泛的应用前景。OPLS-DA模型与其他常用的聚类分析模型相比,更适合处理多变量数据,且分类鉴别效果更佳。另外本发明中预先获取的牛奶样本来自多个国家,因此避免了单一产地样本分析可能会带来的片面性,适用范围不会局限于一个国家。可规范有机奶市场,保护消费者权益,提高食品安全监管部门的监控技术水平,保障有机产品的质量安全。
虽然本发明已以较佳实施例揭示如上,然其并非用以限定本发明,任何本领域技术人员,在不脱离本发明的精神和范围内,当可作些许的修改和完善,因此本发明的保护范围当以权利要求书所界定的为准。

Claims (10)

1.一种乳品的有机属性鉴别方法,其特征在于,包括如下步骤:
S1)预先获取不同来源的牛奶样品,包括有机奶和普通奶;
S2)测定牛奶样品稳定同位素比质谱数据;
S3)检测牛奶样品的元素数据;
S4)测定牛奶样品的脂肪酸数据;
S5)构建基于稳定同位素比质谱数据、元素数据和脂肪酸数据的OPLS-DA模型,对不同来源有机属性已知的牛奶样品进行识别,进而筛选出区分有机奶和普通奶的关键质量指标,用于判别实际待测牛奶的有机属性。
2.如权利要求1所述的乳品的有机属性鉴别方法,其特征在于,所述步骤S2包括利用稳定同位素比质谱仪检测所述牛奶样品在液体状态下的δ18O值,然后将牛奶样品经过冷冻干燥,并研磨成粉,接着对冻干奶粉样品继续检测δ13C、δ15N值;所述步骤S3和步骤S4对冻干奶粉样品检测元素数据和脂肪酸数据。
3.如权利要求2所述的乳品的有机属性鉴别方法,其特征在于,所述牛奶样品冷冻干燥过程如下:将样品分装在干燥、洁净的培养皿中,放置于台式冷冻干燥机中,在-45℃温度下冻干过夜。
4.如权利要求2所述的乳品的有机属性鉴别方法,其特征在于,所述步骤S2中每个样品利用稳定同位素比质谱仪平行检测多次求取平均值得到每个牛奶样品的稳定同位素比值质谱数据;并根据牛奶样品中稳定同位素比值质谱数据的方差及标准差,剔除奇异点样本,得到最终的牛奶样品稳定同位素比值质谱数据。
5.如权利要求2所述的乳品的有机属性鉴别方法,其特征在于,所述步骤S3利用电感耦合等离子体发射光谱测定元素钠Na、钾K、锰Mn、磷P、锌Zn、钙Ca、铁Fe和镁Mg,利用电感耦合等离子体质谱测定其他元素物质,每个样品平行测定多次求取平均值得到每个牛奶样品的元素数据;并根据牛奶样品中元素数据的方差及标准差,剔除奇异点样本,得到最终的牛奶样品元素数据。
6.如权利要求2所述的乳品的有机属性鉴别方法,其特征在于,所述步骤S4利用气相色谱仪检测冻干奶粉样品的脂肪酸含量,每个样本利用气相色谱平行检测多次求取平均值得到每个牛奶样品的脂肪酸数据;并根据牛奶样品中脂肪酸数据的方差及标准差,剔除奇异点样本,得到最终的牛奶样品脂肪酸数据。
7.如权利要求4、5或6中所述的乳品的有机属性鉴别方法,其特征在于,所述奇异点样本剔除过程如下:计算每个牛奶样品的检测数据的平均值,当样本的标准偏差超过设定阈值,将该样本从样本集中剔除并重新进行检测。
8.如权利要求1所述的乳品的有机属性鉴别方法,其特征在于,所述步骤S5还包括根据已建立的OPLS-DA模型中的VIP值对建模的数据集进行筛选,移除VIP值低于0.5的变量,筛选出统计学差异P值小于0.05且VIP值大于1的变量作为关键质量因子。
9.如权利要求8所述的乳品的有机属性鉴别方法,其特征在于,所述步骤S5中筛选出的关键质量指标为稳定碳同位素比值δ13C、稳定氮同位素比值δ15N、钕Nd、铕Eu、铥Tm、钡Ba、硒Se、钾K和α-亚麻酸;如果实际待测牛奶的δ13C、δ15N和Se的测定值均低于普通奶,且Eu、Tm、ALA、K、Nd和Ba的测定值均高于普通奶,则由OPLS-DA模型判定为合格的有机奶。
10.如权利要求9所述的乳品的有机属性鉴别方法,其特征在于,所述步骤S5中,如果实际待测牛奶的δ13C、δ15N和Se的测定值范围分别在-29.60‰~-23.33‰、4.51‰~7.24‰和0.050~0.236mg/kg之间,且Eu、Tm、ALA、K、Nd和Ba的测定值范围分别在0~0.058mg/kg、0~2.052μg/kg、0~0.313g/100g、1.170~1.761g/100g、0~4.706μg/kg、0.427~2.373mg/kg之间,则由OPLS-DA模型判定为合格的有机奶。
CN202011343882.3A 2020-11-25 2020-11-25 一种乳品的有机属性鉴别方法 Pending CN112285302A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011343882.3A CN112285302A (zh) 2020-11-25 2020-11-25 一种乳品的有机属性鉴别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011343882.3A CN112285302A (zh) 2020-11-25 2020-11-25 一种乳品的有机属性鉴别方法

Publications (1)

Publication Number Publication Date
CN112285302A true CN112285302A (zh) 2021-01-29

Family

ID=74426734

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011343882.3A Pending CN112285302A (zh) 2020-11-25 2020-11-25 一种乳品的有机属性鉴别方法

Country Status (1)

Country Link
CN (1) CN112285302A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113219118A (zh) * 2021-05-18 2021-08-06 河北农业大学 一种牛奶产地opls-da鉴别模型的构建方法及应用

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106841428A (zh) * 2017-01-04 2017-06-13 华中农业大学 一种有机液态奶的鉴别方法
KR20170125202A (ko) * 2016-05-04 2017-11-14 건국대학교 산학협력단 지방산 비율을 이용한 일반 우유와 유기농 우유를 판별하는 방법
CN108982692A (zh) * 2018-07-27 2018-12-11 深圳出入境检验检疫局食品检验检疫技术中心 元素分析-稳定同位素质谱判别奶粉产地的方法
KR101991634B1 (ko) * 2018-10-26 2019-06-20 건국대학교 산학협력단 성분별 안정동위원소 분석을 이용한 유기농 우유 및 일반 우유의 판별 방법
CN110501439A (zh) * 2019-09-06 2019-11-26 浙江省检验检疫科学技术研究院 一种稳定同位素比值鉴别牛奶不同产地的分析方法
CN110954500A (zh) * 2019-11-20 2020-04-03 中国计量大学 一种进口牛肉产地混合溯源方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170125202A (ko) * 2016-05-04 2017-11-14 건국대학교 산학협력단 지방산 비율을 이용한 일반 우유와 유기농 우유를 판별하는 방법
CN106841428A (zh) * 2017-01-04 2017-06-13 华中农业大学 一种有机液态奶的鉴别方法
CN108982692A (zh) * 2018-07-27 2018-12-11 深圳出入境检验检疫局食品检验检疫技术中心 元素分析-稳定同位素质谱判别奶粉产地的方法
KR101991634B1 (ko) * 2018-10-26 2019-06-20 건국대학교 산학협력단 성분별 안정동위원소 분석을 이용한 유기농 우유 및 일반 우유의 판별 방법
CN110501439A (zh) * 2019-09-06 2019-11-26 浙江省检验检疫科学技术研究院 一种稳定同位素比值鉴别牛奶不同产地的分析方法
CN110954500A (zh) * 2019-11-20 2020-04-03 中国计量大学 一种进口牛肉产地混合溯源方法及系统

Non-Patent Citations (13)

* Cited by examiner, † Cited by third party
Title
ILL-MIN CHUNG: "Discrimination of organic milk by stable isotope ratio, vitamin E, and fatty acid profiling combined with multivariate analysis: A case study of monthly and seasonal variation in Korea for 2016–2017", 《FOOD CHEMISTRY》 *
ILL-MIN CHUNG: "Discrimination of organic milk by stable isotope ratio, vitamin E, and fatty acid profiling combined with multivariate analysis: A case study of monthly and seasonal variation in Korea for 2016–2017", 《FOOD CHEMISTRY》, 7 April 2018 (2018-04-07), pages 113 - 114 *
姜丽: "基于GC-TOF-MS代谢组学研究高度黑糯米酒后发酵阶段代谢差异", 食品科学, vol. 41, no. 14 *
崔琳琳: "碳同位素在不同奶源鉴别中的应用探讨", 《质谱学报》 *
崔琳琳: "碳同位素在不同奶源鉴别中的应用探讨", 《质谱学报》, vol. 32, no. 3, 31 May 2011 (2011-05-31), pages 164 - 169 *
李政: "动物源性农产品产地溯源技术研究", 《农产品质量与安全》 *
李政: "动物源性农产品产地溯源技术研究", 《农产品质量与安全》, no. 3, 31 December 2019 (2019-12-31), pages 61 - 62 *
李鑫: "元素分析-稳定同位素质谱同时测定δ~(13)C/δ~(15)N在原料乳粉检验中的应用", 《分析科学学报》 *
李鑫: "元素分析-稳定同位素质谱同时测定δ~(13)C/δ~(15)N在原料乳粉检验中的应用", 《分析科学学报》, vol. 29, no. 3, 30 June 2013 (2013-06-30), pages 356 - 360 *
杨春秀: "基于血清代谢物的血管内皮功能障碍预测模型研究", 中国循环杂志, vol. 35, no. 10 *
胡桂仙: "多元素及稳定同位素技术在有机食品鉴定中的应用", 《农产品质量与安全》 *
胡桂仙: "多元素及稳定同位素技术在有机食品鉴定中的应用", 《农产品质量与安全》, no. 6, 31 December 2016 (2016-12-31), pages 47 - 54 *
韦人月: "基于LC-MS技术的患乳腺癌猫血清代谢组学分析", 畜牧兽医学报, vol. 51, no. 9 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113219118A (zh) * 2021-05-18 2021-08-06 河北农业大学 一种牛奶产地opls-da鉴别模型的构建方法及应用

Similar Documents

Publication Publication Date Title
Gonzálvez et al. Geographical traceability of “Arròs de Valencia” rice grain based on mineral element composition
Zheng et al. Discrimination of different kinds of Luzhou-flavor raw liquors based on their volatile features
CN112362827A (zh) 一种牛奶产地溯源方法
Aceto et al. A preliminary study on the authentication and traceability of extra virgin olive oil made from Taggiasca olives by means of trace and ultra-trace elements distribution
Liu et al. Authentication of the geographical origin of Guizhou green tea using stable isotope and mineral element signatures combined with chemometric analysis
KR101470363B1 (ko) 연소전처리-동위원소희석질량분석법
Weiner et al. A method for analyzing the δ18O of resin‐extractable soil inorganic phosphate
CN105699472B (zh) 基于稳定同位素比例差异的扁形茶产地判别方法
Rajapaksha et al. XRF to support food traceability studies: Classification of Sri Lankan tea based on their region of origin
CN106483240B (zh) 简化定量香稻香味特征物质2-乙酰-1-吡咯啉含量的气相质谱联用方法
CN108226275A (zh) 一种土壤中33种元素同时准确测定的方法
Chang et al. Characteristic volatiles fingerprints and profiles determination in different grades of coconut oil by HS‐GC‐IMS and HS‐SPME‐GC‐MS
CN103983705B (zh) 一种测定卷烟制丝过程中料液持留率的方法
CN105092750B (zh) 一种判别烟草代谢组学新鲜烟叶样品质量的方法及试剂盒
CN112285302A (zh) 一种乳品的有机属性鉴别方法
CN111474275A (zh) 一种基于矿物元素和稳定同位素的马铃薯产地溯源的方法
Giraldo et al. Development of validation methods to determine cadmium in cocoa almond from the beans by ICP-MS and ICP-OES
CN106168600A (zh) 一种同时检测再造烟叶成品中碳酸钙和重金属含量的方法
Moehring et al. Analysis of wine and its use in tracing the origin of grape cultivation
Wang et al. The identification of soy sauce adulterated with bean species and the origin using headspace solid-phase microextraction coupled with gas chromatography-mass spectrometry
CN111257452B (zh) 一种检测镇江香醋中添加合成醋酸的方法
KR20170024192A (ko) 동위원소 비율 분석 및 미량 무기원소 함량 비율 분석에 의한 돈육의 원산지 판별방법
Chen et al. Mineral element fingerprints verified the geographical origin of years and quantities of rice
Spitaler et al. PTR-MS in enology: Advances in analytics and data analysis
McLeod et al. Determining the most effective combination of chemical parameters for differentiating the geographic origin of food products: An example using coffee beans

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210129