依主成分分析法建立鱼类食用品质评价模型

任敬，问思恩，张军燕，余斌

（1.陕西省水产研究所，陕西 西安 710086；2.大连海洋大学，辽宁 大连 116023）

依主成分分析法建立鱼类食用品质评价模型

任敬1,2，问思恩1，张军燕1，余斌1

（1.陕西省水产研究所，陕西 西安 710086；2.大连海洋大学，辽宁 大连 116023）

采用主成分分析方法评价泥鳅Misgurnus anguillicaudatus、黄鳝Monopterus albus、鲫Carassius auratus、鲤Cyprinus carpio、乌鳢Channa argus、黄颡鱼Pelteobagrus fulvidraco，和虹鳟Oncorhynchus mykiss等7种常见食用鱼的食用品质价值，对其17种氨基酸进行综合评价。通过建立鱼类食用品质评价模型，构造综合评价函数计算综合得分并排序，来反映该种鱼类的食用品质。结果显示：虹鳟综合得分最高，其次是鲫，而黄颡鱼排在最末。通过主成分分析模型建立可量化的评价指标和新的评价方法，为鱼类营养价值评价提供更为准确、客观的方法。

鱼类；氨基酸；主成分分析

蛋白质是生物体的营养物和生命活动的基础，是塑造一切细胞、组织结构的重要组成成分。鱼类肌肉蛋白含有丰富平衡的氨基酸，味道鲜美，是易消化的食品和满足人类氨基酸需求的最适蛋白源[1]。鱼类蛋白在提供优质蛋白的同时也满足人们对食品多样化的要求，测定其营养成分有助于准确评估鱼类的食用品质[2]。因此，建立一种客观评价鱼类食用品质的方法极为重要。

主成分分析是一种将多个指标化为少数几个综合指标的统计分析方法，起到降维的作用，用少数几个综合指标来反映大量原始指标的主要信息，使问题简单化[3]。主成分分析方法构造综合评价函数来分析数据，不仅克服了指标之间可能存在的信息重叠，也保留了原有数据的绝大部分信息，可以较为全面地综合反映所要了解的信息。对各个主成分进行加权综合克服了主观因素的影响，保证综合评价的客观性和准确性。目前此方法已广泛应用于很多领域，如采用主成分分析法建立的小米使用品质评价分析[4]，对不同水稻品种（系）稻米品质性状分析[5]等。鱼类中含有多种氨基酸，研究鱼类的营养价值不能就单一的对一种或少数几种氨基酸含量进行分析。借鉴以上研究，本文运用主成分分析方法建立一种客观评价鱼类食用品质的方法，对系统研究鱼类营养价值具有重要意义。

1 指标选取及方法

1.1 材料

本文以泥鳅Misgurnus anguillicaudatus、黄鳝Monopterus albus、鲫 Carassius auratus、鲤 Cyprinus carpio、乌鳢 Channa argus、黄颡鱼 Pelteobagrus fulvidraco和虹鳟Oncorhynchus mykiss7种常见食用鱼类的17种氨基酸作为指标，研究鱼类的营养价值。

1.2 检测方法

选取同种、同规格鱼类背部两侧头后至尾柄前去皮去骨肌肉混合，采用GB/T5009.124-2003方法，使用日本日立L-8900型全自动氨基酸分析仪进行氨基酸组成及含量的测定。

1.3 评价方法

采用SPSS17.0对选取的指标进行主成分分析，构造综合评价函数，综合评判鱼类的营养价值。

利用因子载荷矩阵和相关系数矩阵的特征根来计算特征根向量，即其中，zij为第j个特征根向量的第i个元素；aij为因子载荷矩阵第i行第j列的元素；λj为第j个因子对应的特征根。根据主成分与特征根向量、原始数据向量的关系计算主成分，公式为Y=T'X，其中，T为特征根λ对应的特征向量，X为原始数据向量。特征根归一化即有其中 p 为所提取的主成分个数，记为 W=（ω1,ω2,…,ω）。构造综合评价函数为Z=W'Y[6]。

按综合评价函数计算综合得分后按大小排序，综合得分越大，综合质量越好。

2 结果与分析

2.1 氨基酸组成及含量测定

结果见表1。

表1 不同鱼类氨基酸含量（%）Tab.1 The amino acid contents（%）of various fishes in the experiment

2.2 主成分分析

表2的相关系数矩阵表明本研究中各个指标之间具有较高的相关性，说明方法选择正确，适合运用主成分分析法进行数据分析。

主成分的特征值及贡献率是选择主成分的依据，特征值越大表示其所对应的主成分变量包含的信息越多。实际分析过程中，往往采用累积方差贡献率来选择主成分的个数。前三个主成分的累积方差贡献率达到96.214%（表3），即提取三个主成分所建立的模型可以解释原始数据的96.214%，因此提取这三个主成分。

由图1可知，因子1与因子2、因子2与因子3、因子3与因子4之间的特征值差值比较大，而其他特征值差值比较小，说明保留3个因子能包括绝大部分信息概况。

所提取主成分与原始数据的相关系数绝对值越大，对该主成分的代表性也越大。由表4可知，第一主成分与人类必需氨基酸的相关性较大，最大的为苏氨酸THR，命名为必需氨基酸因子；第二主成分与胱氨酸CAS的相关性较大，命名为营养氨基酸因子；第三主成分也是人类非必需氨基酸相关性较大，命名为非必需氨基酸因子[7]。

表2 不同鱼类氨基酸的相关系数矩阵Tab.2 Correlation matrix of amino acid contents in the different fishes

2.3 因子得分

由总方差解释（Total variance explained）可以得出特征根为：λ=[13.681 1.890 0.785]T。

表3 总方差解释Tab.3 Total variance explained

图1 碎石图Fig.1 A scree plot

表4 因子载荷矩阵Tab.4 Component matrixa

根据因子载荷矩阵和相关系数矩阵的特征根来计算特征向量矩阵。经过SPSS17.0计算，得出特征向量矩阵T如表5。

根据主成分与特征根向量、原始数据向量的关系计算主成分值。计算结果如表6所示。由表6可知，必需氨基酸因子中，得分最高的鱼类是虹鳟，最低的是黄颡鱼；营养氨基酸因子中，得分最高的是泥鳅，最低的是鲫；非必需氨基酸因子中，得分最高的是黄颡鱼，最低的是泥鳅。

表5 特征向量矩阵TTab.5 The eigenvector matrix T

表6 主成分值及综合得分Tab.6 The principal component values and comprehensive score

2.4 综合评价

通过特征根归一化计算权重进行加权汇总，构造鱼类食用品质综合评价函数，计算主成分的综合得分（表6）。综合评价的排序为：虹鳟＞鲫＞鲤＞乌鳢＞黄鳝＞泥鳅＞黄颡。虹鳟综合得分最高，黄颡鱼最低。

3 讨论

本研究对7种常见食用鱼类的17种氨基酸进行主成分分析，提取3个主成分，计算主成分值。对单个主成分值进行排序，出现了3种排序结果。由此可以得出，用单个（表1）或同类指标来反应整体信息，会产生偏差。对特征根“归一化”，构建评价模型计算综合得分，通过分值排序来反应该种鱼类的食用品质，结果具有唯一性，能较为综合全面反映原始指标的信息。最终得出，虹鳟的综合食用价值最高，其次是鲫，而黄颡鱼排在最末。

此结果与黄权等[8]的研究结论存在差异。黄权等研究表明，乌鳢食用价值高于虹鳟。这可能与采样地点、标本规格、性别、年龄、检测方法等有关。鱼类的氨基酸含量不仅与种类有关，也受到环境、饵料、摄食等因素的影响。找到影响每种氨基酸含量的主要因素，有待于后续进一步的研究。

不同检测方法所测的氨基酸含量单位不尽相同，这样势必造成不同鱼类食用品质评价分析的困难，产生样品重复测试的浪费或单位换算的误差。建议按统一基酸含量单位写进氨基酸测定的国家标准中。

在鱼类食用品质评价中，利用主成分分析法建立主成分分析模型，建立了一种客观的评价方法，将多维问题简单化，可为今后鱼类食用品质评价提供更为准确、客观的方法。

［1］王桂芹,孙丽,李子平,等.不同食性鱼类的含肉率及肌肉营养组成与评价［J］.饲料工业,2010（s1）:94-98.

［2］梁向阳,刘少军,王静,等.湘云鲫2号肌肉营养成分和氨基酸组成分析［J］.湖南师范大学自然科学学报,2011,34（1）:71-74.

［3］王力宾.多元统计分析:模型、案例及SPSS应用［M］.北京:经济科学出版社,2010:200-224.

［4］张敏,刘辉.基于主成分分析法的小米食用品质评价模型的建立［J］.东北农业大学学报,2011,42（8）:7-12.

［5］孟维韧,全成哲,刘方明,等.不同水稻品种（系）稻米品质性状分析［J］.湖北农业科学,2011,51（2）:361-363.

［6］朱建平.多元统计分析（第三版）［M］.北京:科学出版社,2016:109-116.

［7］李晓杰.陕西主要银杏栽培品种氨基酸变异规律研究［D］.杨凌:西北农林科技大学,2011.

［8］黄权,孙兆和,赵静,等.数种鱼类肌肉中氨基酸成分及含量的比较研究［J］.氨基酸和生物资源,1996（1）:37-40.

［9］李新蕊.主成分分析、因子分析、聚类分析的比较与应用［J］.山东教育学院学报,2007,124（6）:23-26.

［10］杨元昊,贺玉良,周继术,等.兰州鲇与鲇、黄河鲤肌肉品质比较研究［J］.水生生物学报,2013,37（1）:54-61

［11］杨元昊,李维平,龚月生,等.兰州鲇肌肉生化成分分析及营养学评价［J］.水生生物学报,2009,33（1）:54-60.

［12］李忠义,林群,戴芳群,等.主成分分析对黄海6种主要饵料鱼类的质量分析评价［J］.渔业科学进展,2009,30（5）:64-68.

［13］林海明,杜子芳.主成分分析综合评价应该注意的问题［J］.统计研究,2013,30（8）:25-31.

［14］韩小孩,张耀辉,孙福军,等.基于主成分分析的指标权重确定方法［J］.四川兵工学报,2012,33（10）:124-126.

［15］薛敏,高贵田,赵金梅,等.不同品种猕猴桃果实游离氨基酸主成分分析与综合评价［J］.食品工业科技,2014,35（5）:294-298.

［16］胡晓航,吴玉梅,王皙玮.不同品种（系）甜菜氨基酸主成分分析与营养综合评价［J］.中国农学通报,2016,32（27）:69-75.

［17］高煜霞,田丽霞,刘永坚.鱼类氨基酸研究进展［J］.广东饲料,2012,21（s1）:53-57.

［18］易雪静,蒋利亚,徐中海.东洞庭湖区5种野生鱼类氨基酸营养成分分析［J］.湖南理工学院学报:自然科学版,2013（3）:80-83.

［19］张满龙,邓理.氨基酸在鱼类养殖中的作用［J］.水利渔业,2002,22（6）:25-26.

［20］陈宏民,钟文彪,许合金,等.鱼类对外源氨基酸利用的研究进展［J］.饲料与畜牧,2015（1）:29-32.

An Assessment Model of Food Quality in Fishes Based on a Principal Component Analysis Method

REN Jing1,2,WEN Si-en1,ZHANG Jun-yan1,YU Bin1
（1.Shanxi Fisheries Research Institute,Xi'an 710086,China;2.Dalian Ocean University,Dalian 116023,China）

In this paper,an assessment model based on the principal component analysis was used to evaluate food quality in 7 species of common food fishes including loach Misgurnus anguillicaudatus （Cantor）,ricefield eel Monopterus albus,crucian carp Carassius auratus,common carp Cyprinus carpio,Snakehead Channa argus Cantor,yellow catfish Pelteobagrus fulvidraco （Richardson）,and rainbow trout Oncorhynchus mykiss（Walbaum）and 17 kinds of amino acids.A fish food quality evaluation model was established to evaluate the comprehensive scoring and sorting,and to reflect the food quality of these fishes.Results showed that the maximal score was observed in rainbow trout,followed by crucian carp,and the minimal score in yellow catfish.Through the principal component analysis（PCA）model,a quantitative evaluation index has been established,and a new evaluation method is provided for assessment of food quality in fishes.

fish;amino acid;principal component analysis

TS254.7

A

1005-3832（2017）04-0023-05

2017-02-27

陕西省科技统筹创新工程计划项目；陕西省水产种质资源平台运行服务（2015FWPT-12）；秦巴山区冷水鱼生态健康养殖技术集成与示范（2015KTCL02-12）.

任敬(1988-)，女，硕士在读，助理工程师，从事渔业资源与环境、鱼类营养学研究.

问思恩.E-mail:kyb029@sina.com