红外光谱法测定东亚飞蝗蛋白质含量的研究

连国云，何伟逸，陈义昆，刘志刚

1)深圳大学光电子器件与系统教育部重点实验室，广东省光电子器件与系统教育部重点实验室，深圳 518060;2)深圳大学过敏反应与免疫学研究所，深圳 518060

红外光谱法测定东亚飞蝗蛋白质含量的研究

连国云1，2，何伟逸2，陈义昆2，刘志刚2

1)深圳大学光电子器件与系统教育部重点实验室，广东省光电子器件与系统教育部重点实验室，深圳 518060;2)深圳大学过敏反应与免疫学研究所，深圳 518060

采用近红外光谱和中红外光谱技术测定不同个体东亚飞蝗的蛋白质含量.以化学分析值作参比，采用偏最小二乘回归算法，在近红外、中红外及全波段光谱范围内分别建立东亚飞蝗光谱信息与蛋白质含量定量模型.预测结果表明，利用红外光谱技术可实现对可食昆虫类蛋白质含量的快速检测，检测过程比传统化学检测法简捷高效，且中红外光谱区域的建模效果优于近红外光谱区域.该研究为快速检测可食昆虫类蛋白质含量提供了借鉴.

光谱学;近红外光谱技术;中红外光谱技术;东亚飞蝗;蛋白质含量测定;偏最小二乘回归算法

作为可食类昆虫的一种，东亚飞蝗富含蛋白质，因此，有必要建立准确的方法定量检测东亚飞蝗蛋白质含量.现有蛋白质含量的测定通常采用凯氏定氮法，该方法耗时，样本量大，实验过程繁琐，费用昂贵，且操作过程往往产生大量有害气体污染环境.红外光谱 (infrared spectroscopy，IRS)分析技术是利用物质在红外光谱区的吸收特性来测定样品中某种或多种化学成分含量的方法，具有分析样品量少、分析速度快、结果稳定性好、低成本及可同时检测多种成分等优点［1-2］，在食品分析领域受到越来越多的关注，已成为食品定量检测的一种重要技术.目前，该技术已广泛用于牛奶［3-4］、冷鲜猪肉［5］、大麦［6］、蔬菜［7］及奶粉［8-9］蛋白质含量的检测中，并取得了较好的结果.此外，在农作物育种方面，红外光谱技术在品质育种优选上也发挥着重要作用，如测定整粒小麦［10］和黄豆［11］的蛋白质含量.

在已有的研究［3-11］中，大都是利用近红外光谱(near infrared spectroscopy，NIRS)区 (约12 500～4 000 cm-1)所包含的光谱信息进行分析，它存在光谱信息吸收强度弱、谱峰宽和信噪比低等缺点.相比 NIRS，中红外光谱(mid-infrared spectroscopy，MIRS)区(约4 000～400 cm-1)能获得更多的光谱信息.近年，有研究［12-13］表明，MIRS所建立的光谱模型比NIRS建立的要好.本研究利用IRS分析技术，采用偏最小二乘(partial least squares，PLS)回归算法建立对东亚飞蝗蛋白质含量快速检测的定量分析模型，并通过分别对NIRS、MIRS以及NIRS与MIRS综合光谱范围建立模型，评估不同光谱波段对东亚飞蝗蛋白质含量检测的效果.

1 材料与方法

1.1 样品描述

东亚飞蝗成虫由中国农业科学院植物保护研究所提供，雌雄成体兼有.实验选择61只个体大小不同的东亚飞蝗，待其粪便排完后，用60℃的水将其烫死，然后平铺于搪瓷盘中置于55℃恒温箱，烘干至恒重.将烘干的蝗虫研磨过60目筛，样品处理完毕后立即混合均匀，装入磨口瓶放入干燥器中备用.

1.2 材料准备与实验

将实验用东亚飞蝗样本按约3∶1分为训练集和预测集，即45只作为训练样本，其余16只作为预测样本，测量值的最大和最小样本归为校正集.光谱测量仪器是日本JASCO FTIR-4000傅里叶红外光谱仪(Fourier transform infrared spectrometer).整个实验过程室内温度保持在25℃左右.为增加透射率(transmittance)，将东亚飞蝗粉末和干燥的溴化钾粉末混合(质量比为2∶100)，然后通过压片机将混合物压制成直径约5 mm、厚度约2 mm的圆柱体，放入光谱仪中进行透射率测试.仪器将对每个样品自动进行全区间扫描32次，扫描分辨率4 cm-1，并对测试值取平均.每个样品做3次平行实验，取平均光谱值，扫描后将采集的光谱反射强度值输入计算机存储.采集的光谱波数范围为350～7 800 cm-1.由于在检测范围边界存在一定的噪声，最终选取400～7 700 cm-1光谱范围进行分析.

1.3 东亚飞蝗蛋白质含量的化学测定

采用FOSS公司生产的全自动凯氏定氮分析仪测定干燥的东亚飞蝗粉末的蛋白质质量分数，作为近红外光谱分析的定标值.精确称取0.5 g样本置入消化管，加入2片消化片(V(硫酸铜)∶V(硫酸钾)=1∶5)和12 mL浓硫酸，稍微振荡，使浓硫酸浸湿样品.然后将消化管放入消化炉，400℃下消化1 h.消化结束后，室温冷却15 min后，进行蒸馏.蒸馏完毕，用标定好的盐酸进行滴定，至蓝灰色为滴定终点，并记录盐酸用量，以此计算东亚飞蝗的蛋白质质量分数.

其中，w为样品中蛋白质质量分数;V1为样品消耗硫酸或盐酸标准液的体积 (单位:mL);V2为试剂空白消耗硫酸或盐酸标准液的体积 (单位:mL);c为硫酸或盐酸标准溶液的浓度;m为样品的质量(单位:mg);F为氮换算为蛋白质的转换系数，乳制品为 6.38，面粉为 5.70，玉米和高粱为 6.24，花生为5.46，大豆及其制品为5.71，肉与肉制品为6.25，大麦、小米、燕麦和裸麦为5.83，因本实验所测东亚飞蝗蛋白质属于肉与肉制品类，此处F值取6.25.

1.4 东亚飞蝗蛋白质含量的光谱测定方法

采用化学方法测出用于训练的45个定标样本中蛋白质质量分数 (称化学值).在NIRS、MIRS及全波段范围内分别扫出这45个训练样本的光谱后，由计算机利用PLS分别建立化学值与NIRS、MIRS及全波段范围光谱信息之间的定标模型，求得不同波段范围光谱信息与化学测定结果间的相关关系.PLS是最普遍使用的定量分析方法，该方法可有效去除噪声，解决光谱共线问题，有效提取光谱信息［7，14-15］.在获得定标模型后，即可通过样品的光谱图计算出样品中蛋白质质量分数 (称预测值).为了检验定标模型的可靠性，用16只东亚飞蝗预测样品进行预测检验 (其蛋白质质量分数已用化学方法测定)，用PLS的拟合相关系数(R)、定标标准偏差 (root mean square error，RMSE)及预测标准偏差 (standard error of prediction，SEP)作为模型的评价指标.

2 结果与分析

2.1 光谱图谱分析

随机选取8个样本，分别绘制NIRS区域和MIRS区域的东亚飞蝗粉末的光谱透射率曲线图，如图1.从中可见，东亚飞蝗粉末光谱曲线在NIRS区域的整体趋势相对一致，且吸收波谷不明显，但在MIRS区域，不同样本透射光谱曲线间的差异性较大，且有多处明显的吸收波谷，这是因为不同样品蛋白质含量不同，吸收波谷大小也不同.因此，由光谱图分析可知，相对于NIRS，利用MIRS预测东亚飞蝗蛋白质含量的效果更佳，有利于对其进行定量分析.

2.2 红外光谱模型的建立及分析

45个训练样本的蛋白质质量分数范围为64.38% ～77.06%，平均值为70.55%.蛋白质质量分数红外分析模型采用PLS回归算法，预处理方法为9点平滑，一阶导数和SNV+Detrend.从45个训练样本中随机确定35个样本作为校正集，其余10个样本为检验集.为提高模型的运算速度，采用主成分分析 (principle component analysis，PCA)法确定贡献最高的8个主成分作为优化输入特征子集，进行PLS建模.在NIRS模型、MIRS模型及全波段模型建立后，利用检验集对这3个模型进行检验，检验集的蛋白质含量的化学值与NIRS模型预测值的相关系数R=0.972 9，相对标准偏差为2.2%，与MIRS模型预测值的相关系数R=0.983 0，相对标准偏差为0.76%，与全波段模型预测值的相关系数R=0.974 5，相对标准偏差为1.6%.利用红外光谱测定样品中蛋白质质量分数时，相关系数大于0.9即可判断为较好的预测模型.因此，从模型的相关性值和标准偏差可以认定，红外光谱分析法可较准确地快速检测出东亚飞蝗中的蛋白质质量分数.

图1 随机选取8个东亚飞蝗样本的近、中红外光谱图Fig.1 NIRS and MIRS spectra of eight random Locusta migratoria manilensis samples

2.3 NIRS和MIRS的比较

为检验定标模型的预测结果，分别采用NIRS模型、MIRS模型及全波段模型对16只东亚飞蝗样品进行预测，3个模型中样本的设置保持一致，各样品的化学测定值与利用3个模型分别得到的预测值结果见表1.

表1 预测样品用不同定标模型的预测结果Table 1 Predicting results of the test samples using different calibration models 单位:%

比较NIRS模型、MIRS模型及全波段模型对测试样品的预测结果性能，结果如表2.从中可见，3个模型的预测结果均较好，MIRS模型对东亚飞蝗蛋白质含量预测效果最佳，其次是全波段.这样的预测结果也可以从图1中的原始吸收光谱曲线分析得出，在NIRS部分，不同的东亚飞蝗透射率光谱曲线之间的区别主要是相互间的平行关系，这表明不同蛋白质含量的东亚飞蝗个体之间的区别不大.相对而言，在MIRS部分，不同东亚飞蝗个体之间的曲线差异性较大.表面上似乎更难以区分，但是利用PLS模型便能较好地从光谱信号中提取出有用的建模信息，获得较准确的东亚飞蝗蛋白质含量.因此，采用MIRS光谱透射率建模的效果要优于NIRS.

表2 不同光谱范围的PLS模型性能比较Table 2 Performance comparison of PLS model based on different spectra ranges

结 语

本研究通过NIRS、MIRS及全波段光谱技术对东亚飞蝗蛋白质含量进行了测定分析.以化学分析值作参比，采用PLS模型在NIRS、MIRS及全波段光谱范围内分别建立东亚飞蝗光谱信息与蛋白质含量的定量模型.预测结果表明，利用红外光谱技术能够实现对可食昆虫类蛋白质含量的快速检测，检测结果优于传统化学检测方法，且方法简捷、操作性强.同时，中红外光谱区域的建模效果要优于近红外光谱区域.该研究为今后可食类昆虫蛋白质含量的快速检测提供了新方法.

/References:

［1］Silvestre D，Fraga M，Gormaz M，et al.Comparison of mid-infrared transmission spectroscopy with biochemical methods for the determination of macronutrients in human milk ［J］.Maternal＆ Child Nutrition，2012，doi:10.1111/j.1740-8709.2012.00431.x.

［2］Luo Yajun，Zhang Qi，Zhang Xinshen，et al.Preparation and spectrum investigation of daidzein-phospholipid complex［J］.Journal of Shenzhen University Science and Engineering，2010，27(2):224-229.(in Chinese)

罗娅君，张 琦，张新申，等.大豆黄素磷脂复合物的制备及光谱学分析［J］.深圳大学学报理工版，2010，27(2):224-229.

［3］Li Xiaoyun，Wang Jiahua，Huang Yawei，et al.Determi

nation of fat，protein and DM in raw milk by portable short-wave near infrared spectrometer［J］.Spectroscopy and Spectral Analysis，2011，31(3):665-668.(in Chinese)

李晓云，王加华，黄亚伟，等.便携式近红外仪检测牛奶中脂肪、蛋白质及干物质含量［J］.光谱学与光谱分析，2011，31(3):665-668.

［4］Bogomolov A，Dietrich S，Boldrini B，et al.Quantitative determination of fat and total protein in milk based on visible light scatter［J］.Food Chemistry，2012，134(1):412-418.

［5］Liu Kuiwu，Cheng Fang，Lin Hongjian，et al.Visible/NIR analysis of fat，protein and water in chilled pork［J］.Spectroscopy and Spectral Analysis，2009，29(1):102-105.(in Chinese)

刘魁武，成 芳，林宏建，等.可见/近红外光谱检测冷鲜猪肉中的脂肪、蛋白质和水分含量 ［J］.光谱学与光谱分析，2009，29(1):102-105.

［6］Fox G P，Kelly A，Sweeney N，et al.Development of a single kernel NIR barley protein calibration and assessment of variation in protein on grain quality［J］.Journal of the Institute of Brewing，2011，117(4):582-586.

［7］Szigedi T，Lenart J，Dernovics M，et al.Protein content determination inBrassica oleraceaspecies using FT-NIR technique and PLS regression［J］.Food Science＆ Technology，2012，47(2):436-440.

［8］Wu Di，Cao Fang，Feng Shuijuan，et al.Application of infrared spectroscopy technique to protein content fast measurement in milk powder based on support vector machines［J］.Spectroscopy and Spectral Analysis，2008，28(5):1071-1075.(in Chinese)

吴 迪，曹 芳，冯水娟，等.基于支持向量机算法的红外光谱技术在奶粉蛋白质含量快速检测中的应用［J］.光谱学与光谱分析，2008，28(5):1071-1075.

［9］Chang Min，Chu Pengjiao，Xu Kexin.Study on noninvasive detection using NIR diffuse reflectance spectrum for monitoring protein content in milk powder［J］.Spectroscopy and Spectral Analysis，2007，27(1):43-45.(in Chinese)

常 敏，褚鹏蛟，徐可欣.近红外漫反射光谱无损检测乳粉蛋白质的研究［J］.光谱学与光谱分析，2007，27(1):43-45.

［10］Wang Weidong，Gu Yunhong，Qin Guangyong，et al.Prediction of protein content of intact wheat seeds with near infrared reflectance spectroscopy(NIRS)［J］.Spectroscopy and Spectral Analysis，2007，27(4):697-701.(in Chinese)

王卫东，谷运红，秦广雍，等.近红外漫反射光谱法测定整粒小麦单株蛋白质含量 ［J］.光谱学与光谱分析，2007，27(4):697-701.

［11］Li Ning，Min Shungeng，Qin Fangli，et al.Nondestructive analysis of protein and fat in whole-kernel soybean by NIR［J］.Spectroscopy and Spectral Analysis，2004，24(1):45-49.(in Chinese)

李 宁，闵顺耕，覃方丽，等.近红外光谱法非破坏性测定黄豆籽粒中蛋白质、脂肪含量 ［J］.光谱学与光谱分析，2004，24(1):45-49.

［12］Alexandrakis D，Downey G，Scannell A G M.Rapid nondestructive detection of spoilage of intact chicken breast muscle using near-infrared and fourier transform mid-infrared spectroscopy and multivariate statistics［J］.Food and Bioprocess Technology，2012，5(1):338-347.

［13］Wu Di，Nie Pengcheng，He Yong，et al.Determination of calcium content in powdered milk using near and mid-infrared spectroscopy with variable selection and chemometrics［J］.Food and Bioprocess Technology，2012，5(4):1402-1410.

［14］Reeves I J，Delwiche S R.SAS partial least squares regression for analysis of spectroscopic data［J］.Near Infrared Spectrosc.2003，11:415-431.

［15］Lu Wanzhen.Modern Near Infrared Spectroscopy Technology［M］.Beijing:China Petrochemical Press，2007.(in Chinese)

陆婉珍.现代近红外光谱分析技术 ［M］.北京:中国石化出版社，2007.

2012-09-12;

2012-12-11

Determination of protein content inLocusta migratoria manilensisbased on infrared spectroscopy

Lian Guoyun1，2，He Weiyi2，Chen Yikun2，and Liu Zhigang2†

1)Key Laboratory of Optoelectronic Devices and Systems of Ministry of Education，Key Laboratory of Optoelectronic Devices and Systems of Guangdong Province，Shenzhen University，Shenzhen 518060，P.R.China
2)Institute of Allergy and Immunology of Shenzhen University，Shenzhen 518060，P.R.China

The protein content inLocusta migratoria manilensisindividuals was determined by using near-and mid-infrared spectrum technology.Based on the chemical values of the protein content of these locusts，the quantitative relation models between the real protein content and the spectral information were respectively established in the near-infrared，mid-infrared and full-band spectral range by using the partial least squares(PLS)regression algorithm.The predicted results show that infrared spectrum technology can be used to rapidly determine the protein content of edible insects.In addition，the mid-infrared model exhibit better effects than the near-infrared one.Furthermore，the determination process is simpler and more effective than traditional chemical methods.This study provides a new method for rapid determination of protein content of edible insects.

spectroscopy;near-infrared spectroscopy;mid-infrared spectroscopy;Locusta migratoria manilensis;determination of protein content;partial least squares(PLS)regression algorithm

O 433.4

A

10.3724/SP.J.1249.2013.02200

Foundation:National High Technology Research and Development Program of China(2006AA10Z236)

†

Professor Liu Zhigang.E-mail:lgyun2005@gmail.com

:Lian Guoyun，He Weiyi，Chen Yikun，et al.Determination of protein content inLocusta migratoria manilensisbased on infrared spectroscopy ［J］.Journal of Shenzhen University Science and Engineering，2013，30(2):200-204.(in Chinese)

国家高技术研究发展计划资助项目 (2006AA10Z236)

连国云 (1977-)，男 (汉族)，江西省吉安市人，深圳大学讲师、博士.E-mail:lgyun2005@gmail.com

引 文:连国云，何伟逸，陈义昆，等.红外光谱法测定东亚飞蝗蛋白质含量的研究［J］.深圳大学学报理工版，2013，30(2):200-204.

book=204,ebook=165

【中文责编:晨 兮;英文责编:新 谷】