曹曉寧++田翔++趙小娟++王君杰+++劉思辰++穆志新++陳凌++王海崗++陸平++陶梅++秦慧彬++喬治軍

摘要：為了探索一種快速測(cè)定完整藜麥（Chenopodium quinoa Willd）子粒脂肪含量的方法，采集100個(gè)藜麥樣品的近紅外光譜，運(yùn)用近紅外光譜法建立數(shù)學(xué)模型并進(jìn)行預(yù)測(cè)。結(jié)果表明，在10 000～4 000 cm-1波長(zhǎng)范圍內(nèi)，運(yùn)用一階導(dǎo)數(shù)+矢量歸一化光譜方法進(jìn)行預(yù)處理，結(jié)合化學(xué)方法所得數(shù)據(jù)建立藜麥粗脂肪近紅外光譜定量模型，校正和預(yù)測(cè)效果最佳，所得的粗脂肪近紅外定量模型的交叉驗(yàn)證決定系數(shù)（R2cv）為0.939 3，外部驗(yàn)證決定系數(shù)（R2val）為0.9235。建立的脂肪近紅外光譜模型，可以用于藜麥脂肪含量的快速檢測(cè)。

關(guān)鍵詞：藜麥（Chenopodium quinoa Willd）；脂肪；近紅外光譜；快速檢測(cè)

中圖分類號(hào)：O657.33 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2016）18-4796-03

DOI：10.14088/j.cnki.issn0439-8114.2016.18.041

藜麥（Chenopodium quinoa Willd）又稱南美藜、奎藜等，是有著 5 000～7 000年種植歷史的一年生雙子葉植物，為印加人的傳統(tǒng)食物，主要分布在南美洲安第斯高原[1，2]。藜麥具有耐寒、耐旱、耐瘠薄、耐鹽堿等特性，其子粒不僅含有豐富的蛋白質(zhì)及均衡的氨基酸組成，而且含有豐富的不飽和脂肪酸。不飽和脂肪酸大部分含有碳碳雙鍵，如亞油酸、亞麻酸、花生四烯酸，是人體的必需脂肪酸。不飽和脂肪酸及其代謝物對(duì)防治前列腺素、血栓、動(dòng)脈粥樣硬化，免疫、抗炎和膜功能有重要作用[3]。Bligh等[4]運(yùn)用萃取提純方法測(cè)得粗脂肪含量。Ory等[5]、St Angelo等[6]運(yùn)用沉淀法檢測(cè)脂肪含量。這些方法測(cè)定脂肪含量存在步驟繁瑣、測(cè)定速度慢、成本高、子粒破損等問(wèn)題。

近紅外光譜法是近年來(lái)迅速發(fā)展的檢測(cè)分析技術(shù)，具有快速、高效、制樣簡(jiǎn)單以及無(wú)污染等優(yōu)點(diǎn)[7]。它是利用有機(jī)化學(xué)物質(zhì)在其近紅外光譜區(qū)內(nèi)（780～2 500 nm）的光學(xué)特性快速估測(cè)樣品中的一種或多種化學(xué)成分含量，是分析農(nóng)作物品質(zhì)的重要手段[8-10]。利用近紅外反射光譜進(jìn)行藜麥完整子粒的脂肪測(cè)量，可以避免化學(xué)方法對(duì)藜麥子粒造成破壞，對(duì)藜麥品質(zhì)育種工作有重要的實(shí)踐意義。本研究利用化學(xué)方法測(cè)定了100份藜麥水分和粗脂肪的含量，然后將其分為校正集和驗(yàn)證集，建立了脂肪近紅外光譜法快速檢測(cè)預(yù)處理模型，為進(jìn)一步的農(nóng)作物子粒分析奠定基礎(chǔ)。

1 材料與方法

1.1 材料

供試的100份藜麥品種（系）由中國(guó)農(nóng)業(yè)科學(xué)院作物科學(xué)研究所外引室陸平研究員和陶梅研究員以及山西省農(nóng)業(yè)科學(xué)院農(nóng)作物品種資源研究所提供。

1.2 儀器

BSA124S型分析天平，德國(guó)Sartorius公司；Cyclotec1093型旋風(fēng)磨、Soxtec 2055型索氏提取儀，丹麥Foss公司；電熱恒溫鼓風(fēng)干燥箱，寧波東南儀器有限公司；MPA傅里葉變換近紅外光譜儀，德國(guó)Bruke公司。

1.3 方法

1.3.1 藜麥脂肪測(cè)定方法 粗脂肪測(cè)定：參考GB2906-82，重復(fù)稱取同一樣品兩份，每份2 g，準(zhǔn)確至0.001 g。利用索氏提取儀測(cè)定計(jì)算粗脂肪百分含量。

1.3.2 近紅外光譜采集 為了獲得最佳的模型建立及預(yù)測(cè)效果，將收集的藜麥樣品于室溫下放置一周左右，平衡水分，同時(shí)去除每一樣品中的雜質(zhì)及外形明顯不同的子粒（一類脫殼，另一類脫殼后磨粉過(guò)60目篩）。將近紅外光譜儀器預(yù)熱30 min，進(jìn)行性能測(cè)試和白板參比后開始測(cè)定樣品。工作譜區(qū)選用12 000～4 000 cm-1，掃描次數(shù)64次，分辨率16 cm-1，掃描溫度25 ℃，每份樣品均掃描2次。光譜用Bruker公司OPUS 5.5近紅外處理軟件得到平均光譜，計(jì)算機(jī)自動(dòng)將反射光譜信息轉(zhuǎn)換成吸光度儲(chǔ)存，然后在OPUS建模軟件上分析試驗(yàn)數(shù)據(jù)。

1.3.3 近紅外數(shù)學(xué)模型的建立 采用Bruker公司OPUS/QUAN T5.5光譜定量分析軟件和DPS軟件，進(jìn)行上述光譜數(shù)據(jù)預(yù)處理、剔除異常樣品以及回歸統(tǒng)計(jì)分析。根據(jù)徐廣通等[11]對(duì)建數(shù)據(jù)的要求，將100個(gè)藜麥樣品數(shù)據(jù)進(jìn)行分組，其中80%用于建立近紅外模型，為校正集；20%用于檢驗(yàn)所建模型的精度，為驗(yàn)證集。為尋找各模型的最優(yōu)建模方法，選用不同的建模方法建立藜麥主要成分定量模型，先用校正集進(jìn)行內(nèi)部驗(yàn)證，最后通過(guò)隨機(jī)選取的建模之外樣品對(duì)模型進(jìn)行外部檢驗(yàn)，考察模型的適應(yīng)性和精度，即根據(jù)校正決定系數(shù)R2cal，校正標(biāo)準(zhǔn)誤RMSEE，交叉驗(yàn)證決定系數(shù)R2cv，交叉驗(yàn)證標(biāo)準(zhǔn)誤RMSECV，外部驗(yàn)證決定系數(shù)R2val，預(yù)測(cè)標(biāo)準(zhǔn)誤RMSEP等指標(biāo)確定最優(yōu)模型。

2 結(jié)果與分析

2.1 藜麥原始光譜與化學(xué)值表

100個(gè)藜麥樣品的原始光譜見(jiàn)圖1，藜麥在光譜波段范圍10 000～4 000 cm-1內(nèi)存在多個(gè)吸收峰，其變化趨勢(shì)一致但是不重合，說(shuō)明樣品含量變化范圍較大。

100個(gè)藜麥樣品的脂肪含量分析結(jié)果見(jiàn)表1，其中包括校正集和驗(yàn)證集，粗脂肪含量4.19%～6.46%，3次重復(fù)試驗(yàn)平均值為5.33%，數(shù)據(jù)變幅較寬，適合建立近紅外光譜分析模型，有較好的適用性。

2.2 藜麥脂肪模型的建立

本試驗(yàn)利用OPUS/QUAN T5.5軟件中的自動(dòng)優(yōu)化功能，篩選建模的最佳光譜預(yù)處理方法、主因子數(shù)和譜區(qū)范圍。通過(guò)交叉驗(yàn)證，比較不同光譜預(yù)處理方法與譜區(qū)范圍組合的交叉驗(yàn)證決定系數(shù)R2、交叉驗(yàn)證標(biāo)準(zhǔn)誤RMSECV等參數(shù)，確定最優(yōu)校正模型。結(jié)果（圖2）表明，采用一階導(dǎo)數(shù)+矢量歸一化光譜預(yù)處理，建立脂肪含量的校正模型，校正效果最佳。脂肪含量交叉驗(yàn)證決定系數(shù)（R2cv）為0.939 3，交叉驗(yàn)證標(biāo)準(zhǔn)誤（RMSECV）為0.131。

2.3 藜麥脂肪模型外部檢驗(yàn)

采用未參加模型建立的完全獨(dú)立的、化學(xué)成分已知的驗(yàn)證集樣品對(duì)所建模型的質(zhì)量或?qū)嶋H預(yù)測(cè)效果進(jìn)行評(píng)價(jià)。外部驗(yàn)證決定系數(shù)（R2val）為0.923 5，預(yù)測(cè)標(biāo)準(zhǔn)誤（RMSEP）為0.152，模型的預(yù)測(cè)值與真實(shí)值間沒(méi)有顯著差異。兩種方法測(cè)試脂肪含量的結(jié)果基本一致，表明近紅外光譜測(cè)定的結(jié)果是準(zhǔn)確的。

3 小結(jié)與討論

本研究選用100個(gè)普通藜麥樣品，通過(guò)近紅外光譜分析技術(shù)初步建立的藜麥完整子粒脂肪含量預(yù)測(cè)模型，決定系數(shù)較高、誤差小，結(jié)果較為準(zhǔn)確。在藜麥品質(zhì)育種中的早代材料篩選和藜麥資源品質(zhì)快速鑒定上是可行的，能夠滿足大批量資源品系的快速、無(wú)損檢測(cè)要求，極大地縮短了工作周期和減小了工作量，對(duì)提高資源的快速鑒定及育種效率具有重要意義。

本研究中所用材料具有較好的代表性，但由于資源樣品較少，樣品中脂肪含量的變化范圍未必能夠覆蓋未來(lái)藜麥研究中資源脂肪的高（低）含量，且在模型的建立過(guò)程中剔除了部分異常值，對(duì)模型的準(zhǔn)確性也有一定影響。因此應(yīng)在現(xiàn)有研究的基礎(chǔ)上，通過(guò)藜麥資源數(shù)量的不斷增加，使其能夠盡可能覆蓋今后藜麥生產(chǎn)或育種材料中這些成分的變化范圍，并對(duì)快速檢測(cè)模型不斷進(jìn)行優(yōu)化，提高其準(zhǔn)確性和利用效率。

參考文獻(xiàn)：

[1] JACOBSEN S E，MUJICA A，JENSEN C R. The resistance of quinoa（Chenopodium quinoa Willd）to adverse abiotic factors[J].Food Rev Int，2003，19（1/2）：99-109.

[2] IQBAL M J，REDDY O K，ELZIK K M，et al. A genetic bot-tleneck in the envolution under domestication of upland cotton Gossypium hirsutum L. examined using DNA fingerprinting[J].Theoretical and Appliede Genetics，2001，103（4）：547-554.

[3] ABUGOCH J L E. Quinoa（Chenopodium quinoa Willd.）： Composition， chemistry， nutritional， and functional properties[J]. Advances in Food and Nutrition Research，2009，58：1-31.

[4] BLIGH E G，DYER W J. A rapid method of total lipid extraction and purification[J].Canadian Journal of Biochemistry and Physiology，1959，37（8）：911-917.

[5] ORY R L，DELUCCA A J，ST ANGELO A J，et al. Storage quality of brown rice as affected by packaging with and without carbon dioxide[J].Journal of Food Protection，1980，43：929-932.

[6] ST ANGELO A J，ORY R L. Effect of minor constituents and additives upon peroxidation of oil in peanut butter[J].Journal of the American Oil Chemists Society，1975，52：38-40.

[7] 嚴(yán)衍祿，趙龍蓮，李軍會(huì)，等.現(xiàn)代近紅外光譜分析的信息處理技術(shù)[J].光譜學(xué)與光譜分析，2000，20（6）：777-780.

[8] 嚴(yán)衍祿，陳 斌，朱大洲，等.近紅外光譜分析的原理技術(shù)與應(yīng)用[M].北京：中國(guó)輕工業(yè)出版社，2013.

[9] 嚴(yán)衍祿，趙龍蓮，韓東海，等.近紅外光譜分析基礎(chǔ)與應(yīng)用[M].北京：中國(guó)輕工業(yè)出版社，2005.

[10] DELWICHE S R，HRUSCHKA W R. Protein content of bulk wheat from near-infrared reflectance of individual kernels[J].Cereal Chemistry，2000，77（1）：86-89.

[11] 徐廣通，袁洪福，陸婉珍.近紅外光譜儀器概況與進(jìn)展[J].現(xiàn)代科學(xué)儀器，1997（3）：9-11.