CN112326766A - 一种牦牛肉产地的鉴别方法 - Google Patents

一种牦牛肉产地的鉴别方法 Download PDF

Info

Publication number
CN112326766A
CN112326766A CN202011199537.7A CN202011199537A CN112326766A CN 112326766 A CN112326766 A CN 112326766A CN 202011199537 A CN202011199537 A CN 202011199537A CN 112326766 A CN112326766 A CN 112326766A
Authority
CN
China
Prior art keywords
origin
yak meat
stable isotope
delta
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
CN202011199537.7A
Other languages
English (en)
Inventor
聂晶
张永志
李春霖
夏魏
傅乐
邵圣枝
袁玉伟
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.)
Zhejiang Academy of Agricultural Sciences
Original Assignee
Zhejiang Academy of Agricultural Sciences
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 Zhejiang Academy of Agricultural Sciences filed Critical Zhejiang Academy of Agricultural Sciences
Priority to CN202011199537.7A priority Critical patent/CN112326766A/zh
Publication of CN112326766A publication Critical patent/CN112326766A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/42—Low-temperature sample treatment, e.g. cryofixation

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明提供了一种牦牛肉产地的鉴别方法，属于分析鉴别技术领域。包括以下步骤：将待测牦牛肉进行脱脂处理，得到脱脂牦牛肉；测定所述脱脂牦牛肉的稳定同位素比率；将所述稳定同位素比率代入多个产地判别模型，得到多个F值，每个产地判别模型为以产地为因变量，以稳定同位素比率为自变量的方程：F(产地)＝A+B×δ13C+C×δ2H+D×δ18O；方程中，A、B、C、D为常数；当MaxF(产地)≥0.5，则MaxF(产地)代表的产地即为待测牦牛肉的产地。本发明的鉴别方法通过测定牦牛肉中δ13C、δ2H与δ18O三种稳定同位素比率，再根据判别模型，能够快速精准判断出为样品产自于哪个产地。

Description

一种牦牛肉产地的鉴别方法
技术领域
本发明涉及分析鉴别技术领域，尤其涉及一种牦牛肉产地的鉴别方法。
背景技术
牦牛是一种长毛的驯养反刍动物，其90％以上的数量生活在我国的青藏高原，为偏远的中国地区的农民提供肉类、牛奶和皮革。验证肉的地理来源引起人们的广泛关注。
目前，产地溯源技术方法众多，其中运用稳定同位素比率分析是肉类及相关动物产品的真实性验证和来源评估的有效分析方法。SunShumin等用同位素质谱仪我国不同5个省市所产的羊肉及羊毛样品中稳定同位素(δ13C、δ15N、δ2H)，结合多元统计的线性判别方法(LDA)对产地进行建模，初步判别了这几个省市所产羊肉情况，正确判别率为84％。Camin等采用稳定同位素(δ13C、δ15N、δ2H、δ34S)测定欧洲不同国家的羊肉样品，结合LDA法对测试数据进行分析建模，结果表明采用上述四种同位素对各国家的判别结果的准确率达到100％。CN109239176A公开了一种基于多元素和稳定同位素的牦牛肉产地溯源方法，该方法结合稳定同位素(δ13C、δ2H)及矿质元素Ti含量为基础，结合判别模型，建立四川和青海四县牦牛肉产地判别方法，以达到产地溯源鉴别的目的。但是上述鉴别方法同位素指标准确度低。
发明内容
有鉴于此，本发明的目的在于提供一种牦牛肉产地的鉴别方法，本发明提供的鉴别方法准确度高。
为了实现上述发明目的，本发明提供以下技术方案：
本发明提供了一种牦牛肉产地的鉴别方法，包括以下步骤：
将待测牦牛肉进行脱脂处理，得到脱脂牦牛肉；
测定所述脱脂牦牛肉的稳定同位素比率；所述稳定同位素比率为δ13C、δ2H和δ18O；
将所述稳定同位素比率代入多个产地判别模型，得到多个F值，每个产地判别模型为以产地为因变量，以稳定同位素比率为自变量的方程：
F(产地)＝A+B×δ13C+C×δ2H+D×δ18O；
方程中，A、B、C、D为常数；
当MaxF(产地)≥0.5，则MaxF(产地)代表的产地即为待测牦牛肉的产地。
优选地，所述产地判别模型包括西藏那曲判别模型、甘肃甘南判别模型、四川甘孜判别模型和青海西宁判别模型，具体为：
F(西藏那曲)＝-1.660-0.006×δ13C-0.001×δ2H+0.171×δ18O；
F(甘肃甘南)＝-0.921-0.111×δ13C+0.017×δ2H-0.085×δ18O；
F(四川甘孜)＝5.023+0.069×δ13C+0.017×δ2H-0.144×δ18O；
F(青海西宁)＝-1.660-0.006×δ13C-0.001×δ2H+0.171×δ18O。
优选地，所述脱脂处理包括：将待测牦牛肉冷冻干燥后粉碎、过筛，得到肉粉；将所述肉粉与石油醚混合进行脱脂至恒重。
优选地，所述冷冻干燥为：将待测牦牛肉在-18℃～-20℃冷冻12小时，然后在-75℃～-80℃进行冷冻干燥23～25h。
优选地，所述肉粉和石油醚的用量比为3.0g：70～80mL；所述脱脂的温度为70～80℃。
优选地，所述测定脱脂牦牛肉的稳定同位素比率值用设备为元素分析仪和气体同位素质谱仪。
优选地，当测定δ13C稳定同位素比率时，所述元素分析仪的参数包括：载气为氦气，所述氦气的纯度为99.999％，载气的流量为235mL·min-1，氧化炉的温度为1150℃，还原炉的的温度为850℃；所述气体同位素质谱仪的参数包括：CO2阱电流100μA。
优选地，当测定δ2H、δ18O稳定同位素比率时，所述元素分析仪的参数包括：载体为氦气，所述氦气的纯度为99.999％，载气的流量为135mL·min-1，高温裂解炉的温度为1450℃；所述气体同位素质谱仪的参数包括：H2阱电流400μA，CO阱电流200μA。
优选地，所述产地判别模型的构建方法包括以下步骤：
将已知产地的牦牛肉进行脱脂处理，得到脱脂牦牛肉标样；
测定所述脱脂牦牛肉标样的稳定同位素比率；所述稳定同位素比率为δ13C、δ2H和δ18O；
建立稳定同位素比率数据库；
通过偏最小二乘回归对所述数据库中因变量产地与自变量稳定同位素比率建立两个投影数据集并计算提取主成分个数；利用判别函数建立产地判别模型。
本发明提供了一种牦牛肉产地的鉴别方法，包括以下步骤：
将待测牦牛肉进行脱脂处理，得到脱脂牦牛肉；
测定所述脱脂牦牛肉的稳定同位素比率；所述稳定同位素比率为δ13C、δ2H和δ18O；
将所述稳定同位素比率代入多个产地判别模型，得到多个F值，每个产地判别模型为以产地为因变量，以稳定同位素比率为自变量的方程：
F(产地)＝A+B×δ13C+C×δ2H+D×δ18O；
方程中，A、B、C、D为常数；
当MaxF(产地)≥0.5，则MaxF(产地)代表的产地即为待测牦牛肉的产地。
本发明的鉴别方法通过测定牦牛肉中δ13C、δ2H与δ18O三种稳定同位素比率，再根据产地判别模型，能够快速精准判断出为样品产自于哪个产地。
进一步地，本发明利用偏最小二乘回归(PLS)和判别函数DA)，建立的产地判别模型准确度高。
附图说明
图1为已知牦牛肉产地的判别PLS-DA得分图，其中GN：甘肃甘南；GZ：四川甘孜；NQ：西藏那曲；XN：青海西宁。
具体实施方式
本发明提供了一种牦牛肉产地的鉴别方法，包括以下步骤：
将待测牦牛肉进行脱脂处理，得到脱脂牦牛肉；
测定所述脱脂牦牛肉的稳定同位素比率；所述稳定同位素比率为δ13C、δ2H和δ18O；
将所述稳定同位素比率代入多个产地判别模型，得到多个F值，每个产地判别模型为以产地为因变量，以稳定同位素比率为自变量的方程：
F(产地)＝A+B×δ13C+C×δ2H+D×δ18O；
方程中，A、B、C、D为常数；
当MaxF(产地)≥0.5，则MaxF(产地)代表的产地即为待测牦牛肉的产地。
本发明将待测牦牛肉进行脱脂处理，得到脱脂牦牛肉。在本发明中，所述脱脂处理优选包括以下步骤：将待测牦牛肉冷冻干燥后粉碎、过筛，得到肉粉；将所述肉粉与石油醚混合进行脱脂至恒重，得到脱脂牦牛肉。在本发明中，所述冷冻干燥优选为：将待测牦牛肉在-18～-20℃冷冻12小时，然后在-75～-80℃进行冷冻干燥23～25h，进一步优选为将待测牦牛肉在-20℃冷冻12小时，然后在-80℃进行冷冻干燥24小时。本发明对所述粉碎的参数不做具体限定，在本发明的具体实施例中，所述粉碎优选采用液氮在陶瓷研钵中进行粉碎；所述过筛用筛子优选为尼龙筛；所述尼龙筛的目数优选为100目。在本发明中，所述肉粉和石油醚的用量比优选为3.0g：70～80mL，进一步优选为3.0g：75mL；所述脱脂的温度优选为70～80℃，进一步优选为75℃；所述脱脂优选在萃取仪中进行，所述萃取仪优选为入SER148型号脂肪萃取仪(VELP Scientifica)；本发明对所述脱脂的时间不做具体限定，只要将脱脂牦牛肉至恒重即可；所述脱脂牦牛肉脱脂至恒重的方法优选为：未脱脂样品分别设置不同的脱脂时间进行试验，直至脱脂牦牛肉的重量不再变化。
得到脱脂牦牛肉后，本发明测定所述脱脂牦牛肉的稳定同位素比率；所述稳定同位素比率为δ13C、δ2H和δ18O。
在本发明中，所述测定脱脂牦牛肉的稳定同位素比率用设备优选为元素分析仪和气体同位素质谱仪。
在本发明中，当测定δ13C稳定同位素比率时，所述元素分析仪的参数优选包括：载气为氦气，所述氦气的纯度为99.999％，载气的流量为235mL·min-1，氧化炉的温度为1150℃，还原炉的温度为850℃；所述气体同位素质谱仪的参数优选包括：CO2阱电流100μA。在本发明中，当所述脱脂牦牛肉用元素分析仪和质谱仪测定δ13C稳定同位素比率时，所述脱脂牦牛肉优选先利用锡箔杯进行包样，然后上机检测。
在本发明中，当测定δ2H、δ18O稳定同位素比率时，所述元素分析仪的参数优选包括：载体为氦气，所述氦气的纯度为99.999％，载气的流量为135mL·min-1，高温裂解炉的温度为1450℃；所述气体同位素质谱仪的参数包括：H2阱电流400μA，CO阱电流200μA。在本发明中，当所述脱脂牦牛肉用元素分析仪和质谱仪测定δ2H、δ18O稳定同位素比率时，所述脱脂牦牛肉优选先利用银杯进行包样，然后放置一周后上机检测。
在本发明中，所述测定δ2H、δ18O稳定同位素比率和测定δ13C稳定同位素比率所用样品优选为同一个样品，即从同一个样品中取两份小样品，分别测定δ2H、δ18O稳定同位素比率和测定δ13C稳定同位素比率。
得到所述脱脂牦牛肉的稳定同位素比率后，本发明将所述稳定同位素比率代入多个产地判别模型，得到多个F值，每个产地判别模型为以产地为因变量，以稳定同位素比率为自变量的方程：
F(产地)＝A+B×δ13C+C×δ2H+D×δ18O；
方程中，A、B、C、D为常数。
在本发明中，所述产地判别模型的构建优选包括以下步骤：
将已知产地的牦牛肉进行脱脂处理，得到脱脂牦牛肉标样；
测定所述脱脂牦牛肉标样的稳定同位素比率；所述稳定同位素比率为δ13C、δ2H和δ18O；
建立稳定同位素比率数据库；
通过偏最小二乘回归对所述数据库中因变量产地与自变量稳定同位素比率建立两个投影数据集并计算提取主成分个数；利用判别函数建立产地判别模型。
本发明将已知产地的牦牛肉进行脱脂处理，得到脱脂牦牛肉标样。本发明对所述已知产地的牦牛肉进行脱脂处理的方法与待测牦牛肉进行脱脂处理的参数一致，在此不再赘述。
得到脱脂牦牛肉标样后，本发明测定所述脱脂牦牛肉标样的稳定同位素比率；所述稳定同位素比率为δ13C、δ2H和δ18O。在本发明中，所述测定脱脂牦牛肉标样的稳定同位素比率所用仪器和仪器的参数设置与上述技术方案一致，在此不再赘述。
得到所述脱脂牦牛肉的稳定同位素比率后，本发明建立稳定同位素比率数据库。本发明对所述建立稳定同位素比率数据库的方法不做具体限定。
得到稳定同位素比率数据库后，本发明通过偏最小二乘回归(PLS)对所述数据库中因变量产地与自变量稳定同位素比率建立两个投影数据集并计算提取主成分个数；利用判别函数(DA)建立产地判别模型。
在本发明中，所述产地判别模型因产地的不同包括多个。
在本发明中，所述产地判别模型优选包括西藏那曲判别模型、甘肃甘南判别模型、四川甘孜判别模型和青海西宁判别模型，具体为：
F(西藏那曲)＝-1.660-0.006×δ13C-0.001×δ2H+0.171×δ18O；
F(甘肃甘南)＝-0.921-0.111×δ13C+0.017×δ2H-0.085×δ18O；
F(四川甘孜)＝5.023+0.069×δ13C+0.017×δ2H-0.144×δ18O；
F(青海西宁)＝-1.660-0.006×δ13C-0.001×δ2H+0.171×δ18O。
本发明将所述稳定同位素比率代入多个产地判别模型后，当MaxF(产地)≥0.5，则MaxF(产地)代表的产地即为待测牦牛肉的产地。
在本发明中，将稳定同位素比率δ13C、δ2H和δ18O，分别代入不同产地判别模型中，得到多个F值；取F值最大，且F≥0.5，则该F值的判别模型代表的产地就是待测牦牛肉的产地。
下面结合实施例对本发明提供的牦牛肉产地的鉴别方法进行详细的说明，但是不能把它们理解为对本发明保护范围的限定。
实施例1
由于我国的牦牛肉主要来自西藏那曲、甘肃甘南、四川甘孜和青海西宁，所以建立国产牦牛肉的鉴别方法。
产地判别模型的建立：
1.收集样品
在四个真实原产地多个牧场收集具有代表性的牦牛肉(背部、臀部或腿部)样品，所用西藏那曲25个、青海西宁15个、甘肃甘南15个及四川甘孜12个样品，总计67个样品。
2.样品预处理
对收集的样品在-20℃冷冻12小时，然后在-80℃进行冷冻干燥24小时，干燥后的样品采用液氮在陶瓷研钵中进行粉碎，过100目尼龙筛，制备成精细粉末样本；称取3.0g过筛粉末放入SER148型号脂肪萃取仪(VELP Scientifica)，用75mL石油醚在75℃下进行脱脂至恒重，收集固体样品(脱脂样品)，待测。
3.稳定同位素比率测定
3.1用十万分之一天平称取脱脂样品5.0～6.0mg(确保仪器信号强度在参考物质可控的响应内)放入锡箔舟(规格为4mm×4mm×11mm)中进行包样并放入元素分析仪(VarioIsotopecube，德国Elementar公司)中，经过高温燃烧还原为CO2后，进入气体同位素质谱仪(Biovision，德国Elementar公司)中进行δ13C稳定同位素比率的测定。元素分析仪的参数包括：氦气(99.999％)流量235mL·min-1，氧化炉和还原炉温度分别为1150℃和850℃；气体同位素质谱仪的参数包括：CO2阱电流100μA，钢瓶CO2气体作为参考气。标准物质采用IAEA-CH-6(δ13CVPDB＝-10.449‰)、B2155(δ13CVPDB＝-26.98‰)、USGS64(δ13CVPDB＝-40.81‰)进行多点校正。
3.2用百万分之一天平称取脱脂样品1.0～1.2mg(确保仪器信号强度在参考物质可控的响应内)，用银杯(规格为4mm×4mm×11mm)包好后放置实验室一周后再放入元素分析仪(VarioPYROcube，德国Elementar公司)，样品经高温裂解后转化为H2和CO后，经稀释器进入气体同位素质谱仪(Isoprime100，德国Elementar公司)进行δ2H、δ18O检测。元素分析仪的参数包括：氦气(99.999％)流量为135mL·min-1，高温裂解炉温度为1450℃；气体同位素质谱仪的参数包括：H2阱电流400μA，CO阱电流200μA，钢瓶H2和钢瓶CO作为参考气。标准物质采用KHS(δ2HVSMOW＝-35.3‰，δ18OVSMOW＝20.3‰)、CBS(δ2HVSMOW＝-157.0‰，δ18OVSMOW＝3.8‰)进行校正。
所述δ13C、δ2H、δ18O稳定同位素比率计算公式为：
δE＝(R样品/R标准)/R标准；
式中，E为目标元素同位素；R样品为所测牦牛肉样品中重同位素与轻同位素丰度比，即13C/12C、18O/16O、2H/1H；R标准为国际标准样品中重同位素与轻同位素丰度比；该δ值乘以1000即为最终的单位‰。采用国际通用标准进行定值确认，其中δ13C为VPDB、δ18O和δ2H为VSMOW。
4.数据统计分析及产地判别模型构建
对数据进行标准化；
利用偏最小二乘法(PLS)建立因变量产地与自变量稳定同位素比率的回归模型，计算得出各产地判别模型；在本次实验中，提取出3个主成分，分类数据集(Y)对应累计方差为70.6％(R2Y)，这3个主成分的方差贡献率分别为32.8％、22.1％和15.7％，能够有效提取判别产地分类信息；根据采集的样本数据建立因变量(产地)与自变量(稳定同位素比率)的产地判别模型；
所述产地判别模型分别为：
F(西藏那曲)＝-1.660-0.006×δ13C-0.001×δ2H+0.171×δ18O；
F(甘肃甘南)＝-0.921-0.111×δ13C+0.017×δ2H-0.085×δ18O；
F(四川甘孜)＝5.023+0.069×δ13C+0.017×δ2H-0.144×δ18O；
F(青海西宁)＝-1.660-0.006×δ13C-0.001×δ2H+0.171×δ18O；
将待测牦牛肉按照样品预处理的方法进行脱脂处理，得到脱脂牦牛肉；再按照稳定同位素比率测定的参数对脱脂牦牛肉进行测定，得到δ13C、δ2H、δ18O；将脱脂牦牛肉的稳定同位素比率数据代入各产地判别模型，得到多个F值，当MaxF(产地)≥0.5，则MaxF(产地)代表的产地即为待测牦牛肉的产地。
最后，对各产地的脱脂牦牛肉样品进行组内验证，以验证模型的准确性，统计该模型的各产地及总体判别准确率。
图1为已知牦牛肉产地的判别PLS-DA得分图，其中GN：甘肃甘南；GZ：四川甘孜；NQ：西藏那曲；XN：青海西宁。
从图1可以看出：青海西宁、四川甘孜和其他两个区域的牦牛肉产地能够得到较好区分，甘肃甘南和西藏那曲的样品虽然较靠近，但也能清楚地判别两个不同的产地来源，其中1～25号代表的西藏那曲的样品，26～40号代表的是青海西宁的样品，41～55号为甘肃甘南的样品，剩下的56-67号则是四川甘孜的样品。通过对待测牦牛肉进行验证，结果如表1所示。
表1基于稳定同位素比率(δ13C、δ2H、δ18O)PLS-DA建模判别准确率
Figure BDA0002755014100000081
Figure BDA0002755014100000091
从表1可以看出：67个来自不同产地及总体判别准确率较高，充分地说明了三种稳定同位素比率构建的PLS-DA产地判别模型能够用于牦牛肉的产地溯源。
对比例1
选取任两种稳定同位素比率进行PLS-DA建模，计算的产地判别准确率如表2所示。
表2基于任意两种稳定同位素比率PLS-DA建模判别准确率
Figure BDA0002755014100000092
注：a,b,c代表的不同稳定同位素比率的产地判别模型如下：
Fa(甘肃甘南)＝1.634+0.006×δ2H-0.069×δ18O；Fa(四川甘孜)＝4.669+0.025×δ2H-0.149×δ18O；
Fa(西藏那曲)＝-3.640-0.029×δ2H+0.048×δ18O；Fa(青海西宁)＝-1.663-0.002×δ2H+0.170×δ18O；
Fb(甘肃甘南)＝-0.890-0.107×δ13C+0.008×δ2H；Fb(四川甘孜)＝1.868+0.074×δ13C-0.002×δ2H；
Fb(西藏那曲)＝-2.148+0.045×δ13C-0.028×δ2H；Fb(青海西宁)＝2.170-0.012×δ13C+0.018×δ2H；
Fc(甘肃甘南)＝-1.672-0.087×δ13C+0.014×δ18O；Fc(四川甘孜)＝2.496+0.092×δ13C-0.047×δ18O；
Fc(西藏那曲)＝1.719+0.003×δ13C-0.131×δ18O；Fc(青海西宁)＝-1.543-0.008×δ13C-0.163×δ18O。
从表2中可看出，以δ2H、δ18O进行建模的判别结果，虽然西藏那曲和青海西宁的判别准确率为100％，但甘肃甘南的判别率为0，整体判别准确率仅76.1％，判别效果差；以δ13C、δ2H进行建模的判别结果，甘肃甘南和西藏那曲的判别准确率为100％，但青海西宁的判别准确率仅为67.7％，整体判别率为89.6％，判别效果一般；以δ13C、δ18O进行建模的判别结果，仅青海西宁的判别准确率为100％，其余均在80％以上，整体判别率为89.6％，判别效果一般。
通过比较实施例1和对比例1可看出，牦牛肉中三种稳定同位素比率(δ13C、δ2H、δ18O)是产地判别模型的典型和关键判别指标。
对比例2
在δ13C、δ2H和δ18O基础上，附加另外两种稳定同位素比率(δ15N、δ34S)进行PLS-DA模型构建，计算产地判别率如表3所示。
表3基于多种稳定同位素比率PLS-DA建模判别准确率
Figure BDA0002755014100000101
注：d,e,f代表的不同稳定同位素比率的产地判别模型如下：
Fd(甘肃甘南)＝-0.624-0.122×δ13C+0.011×δ2H+0.035×δ15N-0.039×δ18O；
Fd(四川甘孜)＝0.703+0.015×δ13C+0.006×δ2H+0.205×δ15N-0.044×δ18O；
Fd(西藏那曲)＝-0.083+0.076×δ13C-0.022×δ2H-0.101×δ15N-0.032×δ18O；
Fd(青海西宁)＝1.004+0.031×δ13C+0.005×δ2H-0140×δ15N+0.115×δ18O；
Fe(甘肃甘南)＝-0.153-0.121×δ13C+0.015×δ2H+0.074×δ34S-0.063×δ18O；
Fe(四川甘孜)＝3.553+0.059×δ13C+0.013×δ2H+0.116×δ34S-0.113×δ18O；
Fe(西藏那曲)＝-1.864+0.061×δ13C-0.030×δ2H-0.095×δ34S+0.027×δ18O；
Fe(青海西宁)＝-0.536+0.0001×δ13C+0.002×δ2H-0.095×δ34S+0.150×δ18O；
Ff(甘肃甘南)＝-0.761-0.118×δ13C+0.012×δ2H-0.002×δ15N-0.043×δ18O+0.097×δ34S；
Ff(四川甘孜)＝0.519+0.019×δ13C+0.006×δ2H+0.179×δ15N-0.046×δ18O+0.078×δ34S；
Ff(西藏那曲)＝0.088+0.071×δ13C-0.023×δ2H-0.059×δ15N-0.027×δ18O-0.113×δ34S；
Ff(青海西宁)＝1.154+0.027×δ13C+0.006×δ2H-0.118×δ15N+0.116×δ18O-0.062×δ34S。
从表3中可看出，以四种稳定同位素比率进行建模的判别结果，δ13C、δ2H、δ18O和δ15N构建的模型中西藏那曲和青海西宁产地判别率分别为92.0％和93.3％，其他两个产地的准确率均为100％，模型整体判别率为95.5％；以δ13C、δ2H、δ18O和δ34S构建的模型中，四个产地的判别率均在100％，模型整体稳健。除此之外，以五种稳定同位素比率共同构建模型，各产地的判别率及总体判别率均在100％。
因此，通过比较实例1和对比例2可看出，牦牛肉中三种稳定同位素比率(δ13C、δ2H、δ18O)与四种或五种同位素构建出的模型是同样稳健可靠的。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种牦牛肉产地的鉴别方法，其特征在于，包括以下步骤：
将待测牦牛肉进行脱脂处理，得到脱脂牦牛肉；
测定所述脱脂牦牛肉的稳定同位素比率；所述稳定同位素比率为δ13C、δ2H和δ18O；
将所述稳定同位素比率代入多个产地判别模型，得到多个F值，每个产地判别模型为以产地为因变量，以稳定同位素比率为自变量的方程：
F(产地)＝A+B×δ13C+C×δ2H+D×δ18O；
方程中，A、B、C、D为常数；
当MaxF(产地)≥0.5，则MaxF(产地)代表的产地即为待测牦牛肉的产地。
2.根据权利要求1所述的鉴别方法，其特征在于，所述产地判别模型包括西藏那曲判别模型、甘肃甘南判别模型、四川甘孜判别模型和青海西宁判别模型，具体为：
F(西藏那曲)＝-1.660-0.006×δ13C-0.001×δ2H+0.171×δ18O；
F(甘肃甘南)＝-0.921-0.111×δ13C+0.017×δ2H-0.085×δ18O；
F(四川甘孜)＝5.023+0.069×δ13C+0.017×δ2H-0.144×δ18O；
F(青海西宁)＝-1.660-0.006×δ13C-0.001×δ2H+0.171×δ18O。
3.根据权利要求1或2所述的鉴别方法，其特征在于，所述脱脂处理包括：将待测牦牛肉冷冻干燥后粉碎、过筛，得到肉粉；将所述肉粉与石油醚混合进行脱脂至恒重。
4.根据权利要求3所述的鉴别方法，其特征在于，所述冷冻干燥为：将待测牦牛肉在-18℃～-20℃冷冻12小时，然后在-75℃～-80℃进行冷冻干燥23～25h。
5.根据权利要求3所述的鉴别方法，其特征在于，所述肉粉和石油醚的用量比为3.0g：70～80mL；所述脱脂的温度为70～80℃。
6.根据权利要求1或2所述的鉴别方法，其特征在于，所述测定脱脂牦牛肉的稳定同位素比率值用设备为元素分析仪和气体同位素质谱仪。
7.根据权利要求6所述的鉴别方法，其特征在于，当测定δ13C稳定同位素比率时，所述元素分析仪的参数包括：载气为氦气，所述氦气的纯度为99.999％，载气的流量为235mL·min-1，氧化炉的温度为1150℃，还原炉的温度为850℃；所述气体同位素质谱仪的参数包括：CO2阱电流100μA。
8.根据权利要求6所述的鉴别方法，其特征在于，当测定δ2H、δ18O稳定同位素比率时，所述元素分析仪的参数包括：载体为氦气，所述氦气的纯度为99.999％，载气的流量为135mL·min-1，高温裂解炉的温度为1450℃；所述气体同位素质谱仪的参数包括：H2阱电流400μA，CO阱电流200μA。
9.根据权利要求1或2所述的鉴别方法，其特征在于，所述产地判别模型的构建方法包括以下步骤：
将已知产地的牦牛肉进行脱脂处理，得到脱脂牦牛肉标样；
测定所述脱脂牦牛肉标样的稳定同位素比率；所述稳定同位素比率为δ13C、δ2H和δ18O；
建立稳定同位素比率数据库；
通过偏最小二乘回归对所述数据库中因变量产地与自变量稳定同位素比率建立两个投影数据集并计算提取主成分个数；利用判别函数建立产地判别模型。
CN202011199537.7A 2020-11-02 2020-11-02 一种牦牛肉产地的鉴别方法 Pending CN112326766A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011199537.7A CN112326766A (zh) 2020-11-02 2020-11-02 一种牦牛肉产地的鉴别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011199537.7A CN112326766A (zh) 2020-11-02 2020-11-02 一种牦牛肉产地的鉴别方法

Publications (1)

Publication Number Publication Date
CN112326766A true CN112326766A (zh) 2021-02-05

Family

ID=74324017

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011199537.7A Pending CN112326766A (zh) 2020-11-02 2020-11-02 一种牦牛肉产地的鉴别方法

Country Status (1)

Country Link
CN (1) CN112326766A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002059614A1 (es) * 2001-01-26 2002-08-01 Fisintec Innovacion Tecnologica S.L. Un método para evaluar el origen protéico en muestras de un componente proteínico obtenidas de un animal, y su uso, asi como la calidad de los elementos provenientes del animal
CN109239176A (zh) * 2018-09-19 2019-01-18 青海省畜牧兽医科学院 一种基于多元素和稳定同位素的牦牛肉产地溯源方法
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
CN112285192A (zh) * 2020-09-30 2021-01-29 中国肉类食品综合研究中心 一种鉴定羊肉产地的方法及其应用

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002059614A1 (es) * 2001-01-26 2002-08-01 Fisintec Innovacion Tecnologica S.L. Un método para evaluar el origen protéico en muestras de un componente proteínico obtenidas de un animal, y su uso, asi como la calidad de los elementos provenientes del animal
CN109239176A (zh) * 2018-09-19 2019-01-18 青海省畜牧兽医科学院 一种基于多元素和稳定同位素的牦牛肉产地溯源方法
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
CN112285192A (zh) * 2020-09-30 2021-01-29 中国肉类食品综合研究中心 一种鉴定羊肉产地的方法及其应用

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吕军等: "利用稳定同位素进行牛肉产地溯源的研究", 《检验检测》 *

Similar Documents

Publication Publication Date Title
Biasioli et al. Direct-injection mass spectrometry adds the time dimension to (B) VOC analysis
Wojnowski et al. Electronic noses in medical diagnostics
CN108982692A (zh) 元素分析-稳定同位素质谱判别奶粉产地的方法
EP3907493A1 (en) Chemical pattern recognition method for evaluating quality of traditional chinese medicine based on medicine effect information
CN111879846B (zh) 一种利用元素分析-稳定同位素质谱鉴别燕窝真伪的方法及应用
JP2021081407A (ja) 輸入牛肉産地の混合追跡方法およびシステム
Du et al. Combination of stable isotopes and multi-elements analysis with chemometric for determining the geographical origins of Rhizoma Coptidis
CN111721715A (zh) 一种基于色度值结合熵权法的烟丝掺配均匀度测定方法
CN111007032B (zh) 一种快速无损鉴别甘草及其伪品刺果甘草的近红外光谱法
Yang et al. Fast determination of oxide content in cement raw meal using NIR spectroscopy with the SPXY algorithm
CN110687189A (zh) 一种基于多元素、多指标区分牛奶产地追溯鉴定方法
Liu et al. Detection of lung cancer with electronic nose using a novel ensemble learning framework
CN111610174A (zh) 一种含重金属的烟草基体标准物质制备方法
JP2016180599A (ja) データ解析装置
CN109324016A (zh) 一种复烤片烟香型风格的判定方法
CN103411895A (zh) 珍珠粉掺伪的近红外光谱鉴别方法
CN106770607B (zh) 一种利用hs‐imr‐ms鉴别卷烟真伪的方法
Liu et al. Geographical authenticity evaluation of Mentha haplocalyx by LIBS coupled with multivariate analyses
Lin et al. Identification of Panax notoginseng powder in different parts based on the electronic nose and time-domain feature extraction
Du et al. Discrimination of the species and authenticity of Rhizoma Coptidis based on stable isotope and multielement fingerprinting and multivariate statistical analysis
CN112326766A (zh) 一种牦牛肉产地的鉴别方法
CN110068605A (zh) 一种基于pca-lda分析鉴别大米产地的方法
CN105158321B (zh) 一种鉴别牦牛肉产品真伪的方法
CN113176227A (zh) 一种快速预测河南石斛掺伪霍山石斛的方法
CN105334183A (zh) 一种基于近红外光谱鉴别法定麻黄药材的方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210205