CN113358806A - 一种肉制品特征性代谢挥发物的快速筛选、检测方法及系统 - Google Patents
一种肉制品特征性代谢挥发物的快速筛选、检测方法及系统 Download PDFInfo
- Publication number
- CN113358806A CN113358806A CN202110730688.9A CN202110730688A CN113358806A CN 113358806 A CN113358806 A CN 113358806A CN 202110730688 A CN202110730688 A CN 202110730688A CN 113358806 A CN113358806 A CN 113358806A
- Authority
- CN
- China
- Prior art keywords
- analysis
- characteristic metabolic
- meat product
- volatile matters
- screening
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
- G01N21/658—Raman scattering enhancement Raman, e.g. surface plasmons
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
- G01N2030/8809—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种肉制品特征性代谢挥发物的快速筛选、检测方法及系统,以肉制品特征性代谢挥发物为研究对象,以化合物不同保留时间以及离子强度来表征各代谢挥发物特征信息;利用MetaboAnalyst数据分析系统并结合多元统计学等代谢组学分析方法实现数据可视化,从而快速准确地筛选出猪肉样本的特征性代谢挥发物。同时,开发便携式智能化拉曼光谱检测系统,开发集成化、微型化、便携式拉曼光谱设备,构建云端计算模型资源库及可远程调用的拉曼光谱云端分析平台;采集独立未知样本集拉曼光谱数据,利用云端计算模型获得检测结果;本发明为肉制品特征性代谢挥发物的快速筛选及检测提供了新思想、开拓了新的技术领域,能够克服现有检测方法繁琐、准确性差的局限性。
Description
技术领域
本申请涉及肉制品特征性代谢挥发物检测技术领域,尤是一种肉制品特征性代谢挥发物的快速筛选、检测方法及系统。
背景技术
肉和肉制品是人们日常生活中摄取蛋白质和脂肪等营养物质的重要来源,在人们的饮食中占据重要地位。我国是世界上重要的的肉制品生产国和消费国,随着人们生活水平的不断提高,肉制品品质也越来越受到人们关注。风味是衡量肉类品质的重要指标,其中挥发性风味物质的产生主要是由于肌肉风味前体物质在加热后发生分解、氧化和还原等一系列化学反应。肉制品的腐败主要是由于自身酶的作用以及微生物因素而导致蛋白质和脂肪分解为小分子的游离氨基酸以及脂肪酸,从而产生不良气味,影响肉的品质与新鲜度。在肉制品风味方面,许多国内外专家学者通过固相微萃取(Solid phase micro-extraction,SPME)、气相色谱-质谱(Gas chromatography-mass spectrometry,GC-MS)、顶空固相微萃取技术结合气质联用技术(Solid phase microextraction-gas chromatography-massspectrometry,GC-MS)、电子鼻分析肉制品中的挥发性风味成分。电子鼻技术是模拟人的嗅觉系统,用气体传感器的响应图谱识别样品的挥发性成分来评价样品整体的新鲜情况。顶空固相微萃取技术结合气质联用技术具有灵敏度高、成本低、操作简单快捷、重现性好等优点,已广泛用于多种食品挥发性成分的测定。目前,对猪肉挥发性风味物质的研究主要集中在肉品的新鲜度、猪种的选育及不同处理下肉品风味物质的变化等方面,而对于猪肉贮藏过程中代谢挥发物成分变化的关注较少,对于影响猪肉代谢挥发物变化的内在机理尚不明确,因此,本研究旨在应用HS-SPME-GC-MS技术探讨猪肉贮藏过程中挥发性气味的变化规律,从中找到能够表征猪肉新鲜度变化的特征挥发物,以期找到猪肉贮藏过程中代谢挥发物快速筛选方法并实现其精准检测,在猪肉贮藏品质控制与监测方面提供指导与见解。
在对于肉制品贮藏过程中特征性气体的检测方面,按照其分析原理,传统的检测方法主要有化学法和物理法以及气相质谱法。如利用蒸馏法以及盐酸副玫瑰苯胺比色法检测食品中的二氧化硫;采用碘量法、汞量法、亚甲基蓝法、检测食品中的硫化氢;采用酸碱指示剂检测食品中的氨气等等。现有的这些分析方法虽各有优势,但都存在一定的局限性,或者操作步骤复杂、时间长,易受环境影响或者仪器设备庞大昂贵等。
发明内容
为了解决现有技术中存在的不足,本申请提出了一种肉制品特征性代谢挥发物的快速筛选、检测方法及系统;其筛选及检测方法快速、可靠、高灵敏、高重现、低成本,检测系统集成化、微型化、便捷化更适用于现场快速检测。实现对猪肉中代谢挥发物筛选与检测的目的,适用于食品安全、环境监测等技术领域。
本发明所采用的技术方案如下:
一种肉制品特征性代谢挥发物的快速筛选、检测方法,包括如下步骤:
S1、对猪肉样品进行预处理,对不同保存时间下的猪肉样品进行HS-SPME-GC-MS检测;获取不同保存时间下多种肉制品代谢挥发物的保留时间、峰高、峰面积、匹配度、相对含量、CAS号等信息的离子图谱数据;
其中,对猪肉样品进行HS-SPME-GC-MS检测的过程为:
S1.1、称取不同保存时间下的猪肉样品进行顶空固相微萃取;
进一步,顶空固相微萃取的参数设定为:取5g±0.05g猪肉样品于20mL顶空瓶中,加入5.0mL纯水和氯化钠,再加入3μL内标后,用带有聚四氟乙烯隔垫的盖子密封,将内装肉样的顶空瓶置于20℃温水平衡20min后,以SPME针管插入顶空瓶的硅橡胶瓶垫,伸出50/30μmCAR/PDMS萃取头,进针深度4cm,在73℃下吸附40min;待吸附完毕,取出萃取头并插入GC-MS进样口,250℃解吸5min,解析进针深度为3cm,热脱附进GC-MS检测。
S1.2、将顶空固相微萃取的多个样本分别进行GC-MS测定,进而获取不同保存时间下多种肉制品代谢挥发物的保留时间、峰面积、质荷比等信息的离子图谱数据。
进一步,GC-MS测定的参数设定为:
色谱柱:DB-35弹性毛细管柱;不分流模式;
升温程序:起始柱温35℃,保持5min,然后以1/min升至40℃,保留2min,再以2℃/min升至50℃,保留2min,接着以10℃/min升至180℃,保留2min,最后以20℃/min升至220℃,保留2min。载气为He,流量1ml/min,气化室温度为250℃;
质谱条件:电子轰击离子源,电子能量为70eV,灯丝发射电流为200uA,离子源温度为200℃,质量扫描范围m/z30-450,接口温度为250℃,检测器电压为350V。
S2、对S1中获取的代谢挥发物的保留时间、峰面积、质荷比的离子图谱数据进行预处理,预处理后的信息进行规范化处理;最后对规范化处理后的离子图谱数据进行主成分分析以及载荷分析;基于PCA和载荷分析结果,筛选出待分析化合物;对筛选出的待分析化合物进行不同代谢物显著性分析、以及层次聚类分析和单因素方差分析等多元统计学分析,最终确定猪肉贮藏过程中的特征性代谢挥发物;
S2.1首先,预处理包括对离子图谱数据数据完整性校验、缺失值填充、数据过滤、以2-甲基-3-庚酮为标准品进行数据标准化处理;再对离子图谱数据进行Log数据变换以及Pareto数据变换完成对挥发物数据信息的读取与规范化处理;
S2.2进一步,基于PCA和载荷分析结果选取待分析化合物的选取条件是:在载荷图上以原点为圆心,选取半径范围,选取处于该圆范围以外的化合物;且从选取出的化合物中,再次选取化合物的PCA主成分的VIP值大于1的化合物为待分析化合物。
S2.3进一步,在S2中,显著性分析是通过获得不同代谢物显著性差异箱图分析实现的,选取具有明显线性关系的化合物为特征性代谢挥发物x;对不具有明显线性关系的化合物y进行热图分析,筛选出潜在的特征性代谢挥发物z;对特征性代谢挥发物x和特征性代谢挥发物z进行单因素ANOVA方差分析,验证对特征性代谢挥发物筛选的可靠性,最终确定猪肉贮藏过程中的特征性代谢挥发物。
S3、为特异性检测筛选出的特征性代谢挥发物,针对S2中筛选出的特征性代谢挥发物,利用有机桥联配体诱导PCPs界面自组装技术合成能够与特征性代谢挥发物发生特异性显色的多孔配位聚合物;凭借多孔配位聚合物的有机桥联配体长度和柔性结构的任意可调性及特异性识别能力,能够对肉制品特征性代谢挥发物产生指数级拉曼信号增强;进而实现对肉制品特征性代谢挥发物的快速筛选、检测。
S4、一种肉制品特征性代谢挥发物的快速筛选、检测系统,包括采集单元、输出单元以及拉曼光谱云端分析平台;
采集单元包括光纤耦合半导体激光器和拉曼探头,拉曼探头通过光纤连接光纤耦合半导体激光器,实现两者之间信号的相互传输;光纤耦合半导体激光器与集成控制电路电性直连,构建一个紧凑的光谱采集设备;
输出单元包括MCU、显示模块、蓝牙模块、电源模块,MCU的输入端连接采集单元,用于接收采集单元获得的光谱数据;MCU的输出端分别电连接显示模块、蓝牙模块、电源模块;蓝牙模块于客户端之间通过蓝牙实现信号传输;
拉曼光谱云端分析平台与输出单元之间实现拉曼信号远程传输,拉曼光谱云端分析平台内搭载多种算法;算法包括分类算法、定量算法、变量筛选算法等多种算法;基于所接受的拉曼信号可以构建相应的模型。
进一步,拉曼光谱云端分析平台与客户端的连接方式为:用户管理网页和计算模型算法部署在服务器上,服务器提供ip地址和监听端口给客户端请求访问,构建一个可远程调用的拉曼光谱云端分析平台;拉曼光谱云端分析平台方便用户对历史拉曼光谱数据的查询访问和计算模型的增改。
本发明的有益效果:
1.本研究采用的HS-SPME-GC-MS技术,在萃取温度、方式、升温程序、萃取头型号等参数进行了优化,实验结果更加准确、可靠。
2.本研究采用的MetaboAnalyst数据分析系统,可以实现数据的实时上传、以及数据分析结果的实时获取,以信息智能化以及数据可视化为特色,集成多元统计学、化学计量学、海量模型资源存储、云数据传输、计算模块调用等技术优势,可以对猪肉样本的特征性代谢挥发物实现快速准确筛选。
3.鉴于特异性多孔配位聚合物有机桥联配体长度和柔性结构的任意可调性,本研究构筑了具有不同微观形貌、孔径尺寸、气味特异性显色效果的PCPs,实现其在纳米尺度下的可控合成。
4.本研究提供一种肉制品特征性代谢挥发物的快速筛选、检测方法及系统,便携式智能化检测系统通过蓝牙与手机连接,结合SERS响应媒介,能够实现拉曼光谱实时显示、光谱数据实时上传以及检测结果的实时获取有效的解决了现场人员光谱建模困难、建模时间长的问题,使设备操作更加简单智能,该检测系统凭借集成化、微型化、便携式的突出优势,为肉制品特征性代谢挥发物的快速筛选及检测开拓了新的技术领域;
5本研究提供一种肉制品特征性代谢挥发物的快速筛选、检测方法及系统,便携式智能化检测系统采用化学计量学方法建立检测模型,相比单个峰建立的标准曲线更加稳定,其在避免复杂食品基质的干扰,提高模型鲁棒性及重现性方面,展现出突出优势;所述便携式智能化检测系统上位机软件设计将采集光谱与光谱建模分析进行解耦,任意检测设备均可以连接到同一个云端光谱处理平台,调用计算模型资源,获得检测结果;所述便携式智能化检测系统在操作上更适用于普通用户,同时有效解决了手机硬件处理和计算复杂数据时资源有限,计算模型现场建立困难和模型无法共享、复用率不高等问题。
6.本研究以肉制品特征性代谢挥发物为研究对象,以HS-SPME-GC-MS、表面增强拉曼光谱(SERS)技术为基础,以信息智能化处理为特色,具体融合多元统计学、数据可视化、化学计量学、海量模型资源存储、云数据传输、计算模块调用等技术优势,构建快速、准确、可靠的便携式智能化检测方法及系统,克服现有检测方法繁琐、准确性差的局限性。为肉制品特征性代谢挥发物的快速筛选及检测提供了新思想、开拓了新的技术领域。
附图说明
图1.基于HS-SPME-GC/MS的猪肉在不同贮藏时间下的挥发性代谢物离子流图。第一天(A),第2天(B),第3天(C),第4天(D),第5天(E),第6天(F),第7天(G),第8天(H)
图2.基于HS-SPME-GC/MS的猪肉贮藏过程中的挥发性代谢物分析的示意图描述。
如图3是猪肉贮藏期间挥发性化合物相对峰面积的变化(平均±SD)及与贮藏天数的相关性分析数据表。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用于解释本发明,并不用于限定本发明。
一种肉制品特征性代谢挥发物的快速筛选、检测方法,具体通过以下步骤实现:
S1、样品预处理:购新鲜猪肉,猪背最长肌约1kg,剔除表面可见脂肪、筋膜及结缔组织,按每袋约10g分装于食品真空保鲜袋中封口,4℃恒温恒湿条件储存,分别于第1-8天进行HS-SPME-GC-MS检测。对猪肉样品进行HS-SPME-GC-MS检测的过程为:
S1.1、顶空固相微萃取(HS-SPME):称取不同保存时间下的猪肉样品(5g±0.05g)(精确到0.01g)于20mL顶空瓶中,加入5.0mL纯水和一定量的氯化钠,再加入3μL内标(2-甲基-3-庚酮,质量浓度为0.272μg/μL)后,用带有聚四氟乙烯隔垫的盖子密封,将内装肉样的顶空瓶置于20℃温水平衡20min后,以SPME针管插入顶空瓶的硅橡胶瓶垫,伸出50/30μmCAR/PDMS萃取头,进针深度4cm,在73℃下吸附40min。待吸附完毕,取出萃取头并插入GC-MS进样口,250℃解吸5min,解析进针深度为3cm,热脱附进GC-MS检测,萃取过程进行了优化且快速、灵敏、经济、简单易操作、无溶剂残留。每个样本测6个平行。
S1.2、GC-MS测定:
将顶空固相微萃取的多个样本分别进行GC-MS测定,进而获取不同保存时间下多种肉制品代谢挥发物的保留时间、峰面积、质荷比等信息,并将肉制品代谢挥发物的保留时间、峰面积、质荷比等信息的离子图谱数据以txt文件形式保存,经过化合物信息手动检验以及保留时间、峰对齐的处理,最终得到CSV文件形式的肉制品代谢挥发物的保留时间、峰面积、质荷比等信息的离子图谱数据。
GC-MS测定的参数设定为:
色谱柱:DB-35弹性毛细管柱(30m*0.25mm*0.25mm);不分流模式;
升温程序:起始柱温35℃,保持5min,然后以1/min升至40℃,保留2min,再以2℃/min升至50℃,保留2min,接着以10℃/min升至180℃,保留2min,最后以20℃/min升至220℃,保留2min。载气为He,流量1ml/min,气化室温度为250℃。
质谱条件:电子轰击(EI)离子源,电子能量为70eV,灯丝发射电流为200uA,离子源温度为200℃,质量扫描范围m/z30-450,接口温度为250℃,检测器电压为350V。
S2、特征性代谢物的筛选:
将所获取的离子图谱数据上传至MetaboAnalyst云数据分析平台,通过数据完整性校验、缺失值填充、数据过滤、以2-甲基-3-庚酮为标准品进行数据标准化,再对离子图谱数据进行Log数据变换(Log transformation)以及Pareto数据变换(Pareto scaling)完成对挥发物数据信息的读取与规范化处理,然后进行统计与机器学习数据分析,最后对规范化处理后的离子图谱数据进行PCA(主成分分析)以及载荷分析,初步完成对肉制品代谢挥发物进行筛选确定肉制品代谢挥发物的种类(图1、2),
基于PCA和载荷分析结果选取待分析化合物的选取条件是:在载荷图上远离原点的化合物,且该化合物的PCA主成分的VIP值大于1,在本实施例中,如图2所示,以原点为圆心,半径取0.1作圆,认为处于该圆范围以外的化合物为远离原点的化合物。采用PCA和载荷分析能够对快速识别差异明显并且贡献值高的化合物变量,作为待分析化合物,其筛选过程更加迅速、快捷、准确。
进一步,对筛选出的待分析化合物进行不同代谢物显著性分析、以及层次聚类分析和单因素方差分析等多元统计学分析,本实施例中的显著性分析是通过获得不同代谢物显著性差异箱图分析实现的,选取具有明显线性关系的化合物为特征性代谢挥发物x;对不具有明显线性关系的化合物y进行热图分析,筛选出潜在的特征性代谢挥发物z;对特征性代谢挥发物x和特征性代谢挥发物z进行单因素ANOVA方差分析,验证对特征性代谢挥发物筛选的可靠性。最终确定猪肉贮藏过程中的特征性代谢挥发物。多元统计学、数据可视化。如图3所示的猪肉贮藏期间挥发性化合物相对峰面积的变化(平均±SD)及与贮藏天数的相关性分析。
上述筛选过程通过MetaboAnalyst数据分析平台实现,该系统是一个全面的、在线分析工具,用于处理、分析和解释代谢组数据,广泛适用于农业、生物医学和临床环境中,其中以代谢组学分析研究最为广泛,同时涉及了基因组学、表观基因组学和蛋白质组学等多种不同的科学领域,其显著优越性特性主要如下:
1)海量数据分析方法,功能强大的代谢组学分析工具,支持各种复杂的统计学计算,数据容量大,可以给予用户更多地数据处理方法选择。主要分为八大功能模块大致可以分为三类:第一类探索性统计分析——统计分析和时间序列分析。第二类:功能分析——富集分析、通路分析和综合通路分析。第三类:翻译研究的高级方法:生物标志物分析和能量分析。
2)清晰明了的界面框架,基于最新的在线分析技术,分析速度快、性能稳定,且具有很好的用户交互性。
3)升级图形输出、拓展复合库和添加更加多样化的自定义选择,给予用户更好地交互性和定制化体验。
S3、多孔配位聚合物的合成:为特异性检测筛选出的特征性代谢挥发物,针对S4中筛选出的特征性代谢挥发物,利用有机桥联配体诱导PCPs界面自组装技术合成能够与特征性代谢挥发物发生特异性显色的多孔配位聚合物,该多孔配位聚合物是以锰离子为金属簇,以不同基团取代对苯二甲酸衍生物为有机桥联配体,具体可参考[1]“霍峰蔚.多孔配位聚合物复合材料的研究与应用[A].中国化学会高分子学科委员会.2013年全国高分子学术论文报告会论文摘要集——主题E:分子组装与超分子聚合物[C].中国化学会高分子学科委员会:中国化学会,2013:1.”;凭借多孔配位聚合物的有机桥联配体长度和柔性结构的任意可调性及特异性识别能力,能够对肉制品特征性代谢挥发物产生指数级拉曼信号增强;
所述的合成特征挥发物的特异性拉曼增强基底有以下优势:一方面利用金属离子与有机桥联配体间几何构型的可变性,通过配位键键合作用构筑具有高孔隙率的多样拓扑结构,凭借其优异的多孔传质通道,将不同金属离子精准组装到反应位点上,得到PCPs;另一方面凭借有机桥联配体长度和柔性结构的任意可调性,构筑具有不同微观形貌、孔径尺寸、气味特异性显色效果的PCPs,实现其在纳米尺度下的可控合成。
S 4.基于上述检测方法,一种肉制品特征性代谢挥发物的快速筛选、检测系统,包括采集单元、输出单元以及拉曼光谱云端分析平台。
采集单元包括光纤耦合半导体激光器和拉曼探头,拉曼探头通过光纤连接光纤耦合半导体激光器,实现两者之间信号的相互传输;光纤耦合半导体激光器与集成控制电路电性直连,构建一个紧凑的光谱采集设备;采集上述方法所采集的拉曼信号。
输出单元包括MCU、显示模块、蓝牙模块、电源模块,MCU的输入端连接采集单元,用于接收采集单元获得的光谱数据;MCU的输出端分别电连接显示模块、蓝牙模块、电源模块;蓝牙模块于客户端之间通过蓝牙实现信号传输;电源模块与各个用电单元之间电性连接,实现功能;所述便携式智能化检测系统输出单元有以下优势:通过蓝牙与手机连接,结合SERS响应媒介,能够实现拉曼光谱实时显示、光谱数据实时上传以及检测结果的实时获取有效的解决了现场人员光谱建模困难、建模时间长的问题,使设备操作更加简单智能,该检测系统凭借集成化、微型化、便携式的突出优势,为肉制品特征性代谢挥发物的快速筛选及检测开拓了新的技术领域;
拉曼光谱云端分析平台与输出单元之间实现拉曼信号远程传输,拉曼光谱云端分析平台内搭载多种算法;算法包括分类算法(PCA、LDA、KNN等)、定量算法(BP神经网络、PLS、ELM等)、变量筛选算法(CARS、UVE、ACO、RF等)等多种算法;基于所接受的拉曼信号可以构建相应的模型。例如,将所接受的拉曼信号作为BP神经网络的输入信号,建立水果中农残含量的定量模型;基于PCA算法结合化学计量学,建立猪肉中中抗生素种类的分类模型等。
进一步,拉曼光谱云端分析平台与客户端的连接方式为:用户管理网页和计算模型算法部署在服务器上,服务器提供ip地址和监听端口给客户端请求访问,构建一个可远程调用的拉曼光谱云端分析平台。拉曼光谱云端分析平台方便用户对历史拉曼光谱数据的查询访问和计算模型的增改。该拉曼光谱分析平台具体有以下优势(1)可提供多种计算模型供多个客户端用户调用,提高了检测模型的复用率和检测系统的智能化。(2)所述的便携式智能化检测系统拉曼光谱云端分析平台采用化学计量学方法建立检测模型,相比单个峰建立的标准曲线更加稳定,其在避免复杂食品基质的干扰,提高模型鲁棒性及重现性方面,展现出突出优势;(3)所述便携式智能化检测系统上位机软件设计将采集光谱与光谱建模分析进行解耦,任意检测设备均可以连接到同一个云端光谱处理平台,调用计算模型资源,获得检测结果;(4)所述便携式智能化检测系统在操作上更适用于普通用户,同时有效解决了手机硬件处理和计算复杂数据时资源有限,计算模型现场建立困难和模型无法共享、复用率不高等问题。
综上实施例所记载的内容,本申请所设计的方法及其系统能够克服常规理化检测速度慢、化学试剂对环境不友好的问题,克服传统检测方法盲目性、特异性差问题,克服传统检测方法灵敏度性和准确性差的问题,检测过程样品无需前处理,显著提高肉制品特征代谢挥发物的检测速度和检测的可靠性。鉴于申请人在食品拉曼无损检测领域积累了良好的工作基础,此检测系统通过蓝牙与手机连接,结合SERS响应媒介,能够实现拉曼光谱实时显示、光谱数据实时上传以及检测结果的实时获取有效的解决了现场人员光谱建模困难、建模时间长的问题,使设备操作更加简单智能,该检测系统凭借集成化、微型化、便携式的突出优势,为肉制品特征性代谢挥发物的快速筛选及检测开拓了新的技术领域。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (10)
1.一种肉制品特征性代谢挥发物的快速筛选、检测方法,其特征在于,包括如下步骤:
S1、对猪肉样品进行预处理,对不同保存时间下的猪肉样品进行HS-SPME-GC-MS检测;获取不同保存时间下多种肉制品代谢挥发物的保留时间、峰面积、质荷比的信息的离子图谱数据;
S2、对S1中获取的代谢挥发物的保留时间、峰面积、质荷比的离子图谱数据进行预处理,预处理后的信息进行规范化处理;最后对规范化处理后的离子图谱数据进行主成分分析以及载荷分析;基于PCA和载荷分析结果,筛选出待分析化合物;对筛选出的待分析化合物进行不同代谢物显著性分析、以及层次聚类分析和单因素方差分析等多元统计学分析,最终确定猪肉贮藏过程中的特征性代谢挥发物;
S3、为特异性检测筛选出的特征性代谢挥发物,针对S4中筛选出的特征性代谢挥发物,利用有机桥联配体诱导PCPs界面自组装技术合成能够与特征性代谢挥发物发生特异性显色的多孔配位聚合物;凭借多孔配位聚合物的有机桥联配体长度和柔性结构的任意可调性及特异性识别能力,能够对肉制品特征性代谢挥发物产生指数级拉曼信号增强;进而实现对肉制品特征性代谢挥发物的快速筛选、检测。
2.根据权利要求1所述的一种肉制品特征性代谢挥发物的快速筛选、检测方法,其特征在于,对猪肉样品进行HS-SPME-GC-MS检测的过程为:
S1.1、称取不同保存时间下的猪肉样品进行顶空固相微萃取;
S1.2、将顶空固相微萃取的多个样本分别进行GC-MS测定,进而获取不同保存时间下多种肉制品代谢挥发物的保留时间、峰面积、质荷比等信息的离子图谱数据。
3.根据权利要求2所述的一种肉制品特征性代谢挥发物的快速筛选、检测方法,其特征在于,顶空固相微萃取的参数设定为:取5g±0.05g猪肉样品于20mL顶空瓶中,加入5.0mL纯水和氯化钠,再加入3μL内标后,用带有聚四氟乙烯隔垫的盖子密封,将内装肉样的顶空瓶置于20℃温水平衡20min后,以SPME针管插入顶空瓶的硅橡胶瓶垫,伸出50/30μmCAR/PDMS萃取头,进针深度4cm,在73℃下吸附40min;待吸附完毕,取出萃取头并插入GC-MS进样口,250℃解吸5min,解析进针深度为3cm,热脱附进GC-MS检测。
4.根据权利要求2所述的一种肉制品特征性代谢挥发物的快速筛选、检测方法,其特征在于,GC-MS测定的参数设定为:
色谱柱:DB-35弹性毛细管柱;不分流模式;
升温程序:起始柱温35℃,保持5min,然后以1/min升至40℃,保留2min,再以2℃/min升至50℃,保留2min,接着以10℃/min升至180℃,保留2min,最后以20℃/min升至220℃,保留2min。载气为He,流量1ml/min,气化室温度为250℃;
质谱条件:电子轰击离子源,电子能量为70eV,灯丝发射电流为200uA,离子源温度为200℃,质量扫描范围m/z30-450,接口温度为250℃,检测器电压为350V。
5.根据权利要求1所述的一种肉制品特征性代谢挥发物的快速筛选、检测方法,其特征在于,利用MetaboAnalyst云数据分析平台对S2中所获取的代谢挥发物的保留时间、峰面积、质荷比的离子图谱数据进行预处理。
6.根据权利要求5所述的一种肉制品特征性代谢挥发物的快速筛选、检测方法,其特征在于,预处理包括对离子图谱数据数据完整性校验、缺失值填充、数据过滤、以2-甲基-3-庚酮为标准品进行数据标准化处理;再对离子图谱数据进行Log数据变换以及Pareto数据变换完成对挥发物数据信息的读取与规范化处理。
7.根据权利要求5所述的一种肉制品特征性代谢挥发物的快速筛选、检测方法,其特征在于,基于PCA和载荷分析结果选取待分析化合物的选取条件是:在载荷图上以原点为圆心,选取半径范围,选取处于该圆范围以外的化合物;且从选取出的化合物中,再次选取化合物的PCA主成分的VIP值大于1的化合物为待分析化合物。
8.根据权利要求5所述的一种肉制品特征性代谢挥发物的快速筛选、检测方法,其特征在于,在S2中,显著性分析是通过获得不同代谢物显著性差异箱图分析实现的,选取具有明显线性关系的化合物为特征性代谢挥发物x;对不具有明显线性关系的化合物y进行热图分析,筛选出潜在的特征性代谢挥发物z;对特征性代谢挥发物x和特征性代谢挥发物z进行单因素ANOVA方差分析,验证对特征性代谢挥发物筛选的可靠性,最终确定猪肉贮藏过程中的特征性代谢挥发物。
9.一种基于如权利要求1所述肉制品特征性代谢挥发物的快速筛选、检测方法的肉制品特征性代谢挥发物的快速筛选、检测系统,其特征在于,包括采集单元、输出单元以及拉曼光谱云端分析平台;
采集单元包括光纤耦合半导体激光器和拉曼探头,拉曼探头通过光纤连接光纤耦合半导体激光器,实现两者之间信号的相互传输;光纤耦合半导体激光器与集成控制电路电性直连,构建一个紧凑的光谱采集设备;
输出单元包括MCU、显示模块、蓝牙模块、电源模块,MCU的输入端连接采集单元,用于接收采集单元获得的光谱数据;MCU的输出端分别电连接显示模块、蓝牙模块、电源模块;蓝牙模块于客户端之间通过蓝牙实现信号传输;
拉曼光谱云端分析平台与输出单元之间实现拉曼信号远程传输,拉曼光谱云端分析平台内搭载多种算法;算法包括分类算法、定量算法、变量筛选算法等多种算法;基于所接受的拉曼信号可以构建相应的模型。
10.根据权利要求1所述的一种肉制品特征性代谢挥发物的快速筛选、检测系统,其特征在于,拉曼光谱云端分析平台与客户端的连接方式为:用户管理网页和计算模型算法部署在服务器上,服务器提供ip地址和监听端口给客户端请求访问,构建一个可远程调用的拉曼光谱云端分析平台;拉曼光谱云端分析平台方便用户对历史拉曼光谱数据的查询访问和计算模型的增改。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110730688.9A CN113358806B (zh) | 2021-06-29 | 2021-06-29 | 一种肉制品特征性代谢挥发物的快速筛选、检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110730688.9A CN113358806B (zh) | 2021-06-29 | 2021-06-29 | 一种肉制品特征性代谢挥发物的快速筛选、检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113358806A true CN113358806A (zh) | 2021-09-07 |
CN113358806B CN113358806B (zh) | 2023-10-10 |
Family
ID=77537229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110730688.9A Active CN113358806B (zh) | 2021-06-29 | 2021-06-29 | 一种肉制品特征性代谢挥发物的快速筛选、检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113358806B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114267413A (zh) * | 2021-12-03 | 2022-04-01 | 中国人民解放军军事科学院军事医学研究院 | 一种基于一级谱图与深度学习的色谱保留时间对齐方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101915815A (zh) * | 2010-07-29 | 2010-12-15 | 华南理工大学 | 一种检测肉类新鲜度的方法 |
CN102788849A (zh) * | 2012-06-01 | 2012-11-21 | 中国人民解放军第二军医大学 | 一种色谱-质谱代谢组学数据分析的新方法 |
CN104964963A (zh) * | 2015-07-14 | 2015-10-07 | 华中农业大学 | 基于拉曼光谱生鲜猪肉中鲜味物质肌苷酸的快速检测方法 |
US20160002696A1 (en) * | 2013-02-20 | 2016-01-07 | Alifax Holding Spa | Method to identify bacterial species by means of gas chromatography/mass spectrometry in biological samples |
CN105277516A (zh) * | 2015-11-16 | 2016-01-27 | 江苏大学 | 一种基于激光成像技术的猪肉新鲜度的快速检测方法 |
CN106596531A (zh) * | 2016-11-21 | 2017-04-26 | 江苏大学 | 一种检测挥发性有机化合物的方法及装置 |
CN110702663A (zh) * | 2019-10-29 | 2020-01-17 | 中国肉类食品综合研究中心 | 一种冷冻肉品贮藏时间的无损快速检测方法 |
CN110987826A (zh) * | 2019-12-16 | 2020-04-10 | 江苏大学 | 一种肉类品质检测装置 |
CN111307792A (zh) * | 2020-02-20 | 2020-06-19 | 江苏大学 | 一种猪肉食源性致病菌挥发性代谢物的色敏仿生传感检测方法 |
CN111329006A (zh) * | 2020-03-03 | 2020-06-26 | 宁波大学 | 一种低生物胺含量且道地风味的鳗鱼鲞的制作方法 |
AU2020103502A4 (en) * | 2020-11-18 | 2021-01-28 | Institute of Food Science and Technology, Chinese Academy of Agricultural Sciences | Profile analysis method of active compounds in sauced meat products |
-
2021
- 2021-06-29 CN CN202110730688.9A patent/CN113358806B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101915815A (zh) * | 2010-07-29 | 2010-12-15 | 华南理工大学 | 一种检测肉类新鲜度的方法 |
CN102788849A (zh) * | 2012-06-01 | 2012-11-21 | 中国人民解放军第二军医大学 | 一种色谱-质谱代谢组学数据分析的新方法 |
US20160002696A1 (en) * | 2013-02-20 | 2016-01-07 | Alifax Holding Spa | Method to identify bacterial species by means of gas chromatography/mass spectrometry in biological samples |
CN104964963A (zh) * | 2015-07-14 | 2015-10-07 | 华中农业大学 | 基于拉曼光谱生鲜猪肉中鲜味物质肌苷酸的快速检测方法 |
CN105277516A (zh) * | 2015-11-16 | 2016-01-27 | 江苏大学 | 一种基于激光成像技术的猪肉新鲜度的快速检测方法 |
CN106596531A (zh) * | 2016-11-21 | 2017-04-26 | 江苏大学 | 一种检测挥发性有机化合物的方法及装置 |
CN110702663A (zh) * | 2019-10-29 | 2020-01-17 | 中国肉类食品综合研究中心 | 一种冷冻肉品贮藏时间的无损快速检测方法 |
CN110987826A (zh) * | 2019-12-16 | 2020-04-10 | 江苏大学 | 一种肉类品质检测装置 |
CN111307792A (zh) * | 2020-02-20 | 2020-06-19 | 江苏大学 | 一种猪肉食源性致病菌挥发性代谢物的色敏仿生传感检测方法 |
CN111329006A (zh) * | 2020-03-03 | 2020-06-26 | 宁波大学 | 一种低生物胺含量且道地风味的鳗鱼鲞的制作方法 |
AU2020103502A4 (en) * | 2020-11-18 | 2021-01-28 | Institute of Food Science and Technology, Chinese Academy of Agricultural Sciences | Profile analysis method of active compounds in sauced meat products |
Non-Patent Citations (6)
Title |
---|
ANTHOULA A. ARGYRI等: "The dynamics of the HS/SPME–GC/MS as a tool to assess the spoilage of minced beef stored under different packaging and temperature conditions", 《INTERNATIONAL JOURNAL OF FOOD MICROBIOLOGY》 * |
张甜等: "SPME-GC-NPD法测定肉制品中挥发性N-亚硝胺的条件优化", 《肉类研究》 * |
戴煌等: "GC-MS结合模式识别评价鱼新鲜度的研究", 《食品安全质量检测学报》 * |
甘盛等: "表面增强拉曼光谱法研究β受体激动剂在生猪体内代谢与残留", 《中国兽医学报》 * |
陈雪等: "代谢组学在肉及肉制品品质监测中的应用", 《农业工程学报》 * |
马瑜璐等: "顶空固相微萃取-气质联用检测猪肉新鲜度", 《食品科学》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114267413A (zh) * | 2021-12-03 | 2022-04-01 | 中国人民解放军军事科学院军事医学研究院 | 一种基于一级谱图与深度学习的色谱保留时间对齐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113358806B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103134850B (zh) | 一种基于特征香气的茶叶品质快速检测方法 | |
CN106501470B (zh) | 利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法 | |
Wang et al. | A smartphone-based colorimetric reader coupled with a remote server for rapid on-site catechols analysis | |
CN1453584A (zh) | 基于气体传感器阵列技术的食品气味快速无损检测方法及装置 | |
CN110018203A (zh) | 基于电子鼻电子舌智能感官技术的香醋风味定量表征方法 | |
CN110702815A (zh) | 一种面粉储存品质的嗅觉传感检测方法 | |
CN113358806B (zh) | 一种肉制品特征性代谢挥发物的快速筛选、检测方法及系统 | |
CN104316489A (zh) | 一种近红外光谱检测灵芝提取物掺假的方法 | |
CN109374556A (zh) | 基于可见-近红外光谱的复合肥中水分含量快速检测方法 | |
CN106404884A (zh) | 一种利用hs‐imr‐ms快速评价挥发性烟用香精香料质量一致性的方法 | |
CN111308004A (zh) | 一种卤制食品挥发性风味成分差异的鉴别方法 | |
WO2022104083A2 (en) | Apparatus and methods for assaying a liquid sample | |
CN113340943B (zh) | 基于指纹图谱的水体中嗅味类型和嗅味强度的分析方法 | |
CN113176353B (zh) | 基于可视化技术的香醋风味嗅觉-味觉交互表征方法 | |
CN110426366A (zh) | 基于可视化嗅觉传感器及近红外的肉类掺假比例检测方法 | |
Cui et al. | Colorimetric sensor array–smartphone–remote server coupling system for rapid detection of saccharides in beverages | |
CN202794093U (zh) | 一种基于仿生嗅觉的烘焙食品质量快速检测装置 | |
CN103134848A (zh) | 一种用于离子迁移谱检测样品的定性、半定量分析方法 | |
Wang et al. | A Research of Neural Network Optimization Technology for Apple Freshness Recognition Based on Gas Sensor Array | |
CN109932354A (zh) | 一种用于表面增强拉曼光谱痕量分析的原位分离富集装置及应用 | |
CN109916830B (zh) | 利用气体吸脱附的动态过程实现气体探测的方法 | |
CN113311076A (zh) | 一种基于醛类化合物快速区分不同品种大米的方法 | |
Lawson et al. | Breath biopsy OMNI: Advanced global breath VOC Analysis | |
CN117929298A (zh) | 一种可视化检测硫离子浓度试剂盒以及检测方法 | |
CN116519865A (zh) | 一种质谱快速检测柑橘黄龙病的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |