近红外光谱法快速测定海产品处理过程中牛磺酸含量的研究

张慧恩，金依楠，季成子，朱碧云

（浙江万里学院，浙江宁波　315000）

近红外光谱法快速测定海产品处理过程中牛磺酸含量的研究

张慧恩，金依楠，季成子，朱碧云

（浙江万里学院，浙江宁波315000）

利用近红外光谱分析技术，建立快速检测水产品下脚料提取过程中牛磺酸含量的方法。利用氨基酸分析仪测定样品中牛磺酸含量，采用一阶导数对原始光谱进行处理，采用偏最小二乘法建立校正模型，并预测样品中牛磺酸含量。所建模型回归系数（R2）为99.12%，交叉检验均方根为0.086；经验证，预测值与参考值的回归系数（R2）为99.9%，预测误差均方根为0.040，模型预测值与氨基酸分析仪测定值之间没有显著差异。因此，近红外光谱分析法可以检测水产品下脚料提取过程中牛磺酸含量。

近红外光谱分析；牛磺酸；快速检测

0　引言

牛磺酸是一种含硫的非蛋白质结构氨基酸，在生物体内以游离形式存在。研究表明，牛磺酸具有促进大脑发育、增强视力、调节神经组织的兴奋性、增加心肌收缩力、促进脂类物质的消化等作用［1］。因此，被广泛应用于保健食品和医药领域。牛磺酸广泛存在于海产品中，尤其在贝类、甲壳类海产品中牛磺酸含量丰富。目前，从海产品或其加工废料中分离提取是天然牛磺酸的主要来源。在提取过程中牛磺酸的测定、检测多采用酸碱滴定法、薄层色谱法、高效液相色谱法等，这些方法均存在操作繁琐、耗时、准确性不高的缺点，不能满足生产过程中在线、快速测定与实时监控的要求［2］。

近红外光谱分析技术是近年来发展较快速的一种物理检测技术［3］。近红外光谱指红外光谱区到可见光谱区之间的电磁波，通常将近红外光谱区的范围定义为780～2526 nm（12 820～3 959 cm-1），光谱信息主要来源于分子内部振动的倍频与合频，光谱能够反映分子中C-H，N-H，O-H基团的倍频和合频振动吸收，其化学信息量相当丰富。而且，近红外光谱能反映样品的化学全貌，通过化学计量学方法使近红外图谱与相关物质含量之间形成一定的映射关系，从而实现快速检测。近红外光谱法适用于各类物质的测定，使用场合十分广泛，目前已用于非破坏性测定、原位分析、在线分析、活体分析等方面［4-5］。该技术的优点刚好可以弥补以往测定牛磺酸方法的不足之处，为快速检测牛磺酸提供一种新方法。

1　材料与方法

1.1样品的采集

牛磺酸的提取过程：水提取（如贝壳类蒸煮液、内脏、裙边等）→过滤→多级膜分离→浓缩→调节滤液质量浓度→离子交换树脂吸附→洗脱→洗脱质量液浓缩→结晶→干燥。

采集提取工艺中各阶段提取液为样品，每个样品分成2份，1份样品测近红外光谱，另1份样品在氨基酸分析仪（日立L-8900型）上测定样品中牛磺酸含量。其中，水提取液34份，过滤液52份，浓缩液61份，调节质量浓度后的滤液47份，洗脱液57份，洗脱浓缩液42份。

1.2近红外光谱的采集

样品用孔径0.45 μm滤膜过滤后，再进行光谱采集。近红外光谱仪（布鲁克MPA）采集光谱。

仪器工作参数设定：采集模式为液体透射方式，光谱采集范围4 000～12 500 cm-1，分辨率8 cm-1，扫描次数32次，温度30℃。仪器使用前，预热30 min，每个样品光谱采集3次，以减少仪器波动和装样对光谱扫描的干扰，保证数据的准确性。

1.3建立牛磺酸近红外预测模型

利用OPUS 6.5软件对采集得到的293个近红外光谱数据进行定量分析，定量分析采用偏最小二乘法建立回归模型。回归模型的评价指标有回归系数（R2）、交叉检验均方根（RMSECV）和预测误差均方根（RMSEP），其计算公式如下：

式中：m——样品数；

Yi——第i个样品参考值（氨基酸分析仪测定）；

Yˆi——校正模型预测的结果；

Y¯i——样品的平均值。

式中：Yˆcvi——校正模型交叉验证的预测结果；

m——校正集样品数；

n——用于检验模型的验证集样品数。RMSECV和RMSEP都表示近红外测定值与真值间的拟合程度。

2　结果分析

2.1样品中牛磺酸含量

样品中牛磺酸含量的测定，利用氨基酸自动分析仪进行测定［6］。293个样品的牛磺酸含量分布在0.58～5.04 mg/mL，平均值2.01 mg/mL。

校正集样品的近红外吸收光谱见图1。

图1　校正集样品的近红外吸收光谱

由图1可知，可见原始光谱图重叠严重，不同含量样品的近红外光谱非常接近，必须对光谱进行适当的前处理，使光谱在一定区间内的差异增大，通过这些差异可以建立数学模型来确定近红外光谱和牛磺酸含量的关系。

2.2近红外光谱的预处理

通过比较无光谱预处理、最小-最大归一化、消除常量偏移、矢量归一化、多元散射校正，以及一阶和二阶导数等前处理，建立其对模型的回归系数（R2）和RMSECV的影响。

不同光谱预处理方法对校正模型的回归系数和交叉检验均方根的影响见表1。

表1　不同光谱预处理方法对校正模型的回归系数和交叉检验均方根的影响

由表1可知，这7种光谱预处理方法对样品中牛磺酸的校正模型处理效果不同，其中采用一阶导数进行处理所得模型的R2最大，而RMSECV的值最小。R2反映模型的拟合能力，R2越接近100%，模型拟合性越高。因此，试验中采用的是一阶导数对原始光谱进行预处理。采用一阶导数进行预处理，OPUS 6.5软件自动优化后，对应的最佳光谱范围为9 493.5～7 698.4 cm-1。

校正集参考值与预测值关系见图2，一阶导数处理后的近红外光谱见图3。

图2　校正集参考值与预测值关系

图3　一阶导数处理后的近红外光谱

图3是原始图谱经过一阶导数处理后的图谱，经过处理后图谱在8 800～8 600 cm-1范围内样品之间有较为明显的差异，图中已标示。这些差异是由样品中所含牛磺酸质量浓度不同引起的，是具体化学值与谱图建立起联系的关键。

2.3预测模型的验证

对预测模型的验证一般采用性质与建模的校正集性质相似，但未参与建模的样品，通过比较这些未参与建模样品的化学值与预测值的差异来判别预测模型的准确性。试验选取20个样品应用预测模型进行预测，所得预测值与氨基酸分析仪测定的分析值进行比较。

校正模型的外部验证见表3。

近红外模型预测值与参考值的回归系数（R2）99.9%，预测误差均方根（RMSEP）为0.040，RMSEP反映模型的预测准确性，RMSEP越小，准确性越高；并对预测值和仪器测定值进行t检验（SPSS 19.0），结果判断2组测定结果之间不存在显著差异（p＞0.05）。说明这2种方法得到的结果没有差异，近红外预测模型有很好的预测能力，与氨基酸分析仪测定的结果一致。

3　结论

天然牛磺酸具有广泛的生理药理活性，能调节机体的糖类和脂类代谢，提高机体免疫力。牛磺酸作为一种新型的营养强化剂已得到广泛应用，但在天然牛磺酸的检测中存在着检测方法复杂、样品前处理繁琐、检测时间长等缺点。将近红外光谱技术应用到天然牛磺酸的提取过程中，可以实现快速、实时、高效地检测。运用OPUS 6.5分析软件对原始光谱进行一阶导数处理，选取范围为9 493.5～7 698.4 cm-1的光谱，利用偏最小二乘法建模，预测模型回归系数（R2=99.12%），该模型用于实际样品的检测，所得结果与传统化学法检测结果不存在显著差异。与传统化学法相比，该方法快速、环保、便捷，可用于牛磺酸提取过程中的快速检测。

表3　校正模型的外部验证

［1］张磊，杨程，侯志成.牛磺酸的生理作用 ［J］.武警医学院学报，1999，11（1）：54-56.

［2］刘亚风，袁萍，祝伟霞，等.牛磺酸检测技术研究进展 ［J］.中国卫生检验杂志，2010，20（7）：1 831-1 833.

［3］石吉勇，邹小波，赵杰文，等.黄瓜叶片叶绿素含量近红外光谱无损检测 ［J］.农业机械学报，2011，42（5）：178-182．

［4］赵丽丽，张录达，宋忠祥，等.近红外光谱定量检测腌腊肉制品品质的研究 ［J］.光谱学与光谱分析，2007，27（1）：46-49.

［5］张建新，李慧.傅立叶变换近红外光谱法测定豆腐干中总酸、蛋白质和水分含量 ［J］.食品与发酵工业，2008，34（1）：124-128.

［6］王洪建，周兴起，冯志强，等.氨基酸自动分析仪测定食品中牛磺酸的方法建立 ［J］.现代食品科技，2012，28（3）：348-350.◇

Rapid Determination of Taurine in Seafood Processing by Near Infrared Spectroscopy

ZHANG Huien，JIN Yi'nan，JI Chengzi，ZHU Biyun
（Zhejiang Wanli University，Ningbo，Zhejiang 315000，China）

A fast method of determination of taurine in seafood processing is established.The concentration of taurine is determined by amino acid analyzer，first derivative processing is applied in original spectral data.A quantitive model is established by partial least squares（PLS） regression algorithm to predict the taurine content in sample.The determination of coefficient（R2） is 99.12%，root mean square error of cross validation is 0.086.The determination of coefficient（R2）between the predicted value and the reference value is 99.9%，root mean square error of cross validation is 0.040.There is no significant difference between the predicted value and the reference value near infrared spectroscopy can quickly and exactly detect taurine in seafood processing

near infrared spectroscopy；taurine；rapid detection

TS202

A

10.16693/j.cnki.1671-9646（X）.2016.01.037

2015-10-19

国家级大学生创新创业训练计划项目（201410876017）；浙江省生物工程“重中之重”学科项目（ZS2015013）；浙江省教育厅项目（Y201328766）。

张慧恩（1981— ），男，硕士，讲师，研究方向为食品检测。