GC-IMS技术结合化学计量学方法在食用植物油分类中的应用

陈 通，陆道礼，陈 斌

(江苏大学 食品与生物工程学院，江苏 镇江 212013)

GC-IMS技术结合化学计量学方法在食用植物油分类中的应用

陈 通，陆道礼，陈 斌*

(江苏大学 食品与生物工程学院，江苏 镇江 212013)

建立了一种快速、无损分析食用植物油中挥发性有机物质的顶空进样/气相色谱-离子迁移谱(GC-IMS)联用方法。以芝麻油、菜籽油、山茶油共56个样品为研究对象，量取2 mL待测油样于标准样品瓶中，并用磁帽密封，直接进行GC-IMS分析检测。结果表明，基于GC-IMS三维谱中对应挥发性有机物质的特征峰强度可以有效表征不同类植物油的样品信息，选取对应三维谱中40个特征峰的强度作为变量，进行主成分(PCA)信息降维后，采用k最近邻(kNN)算法建立植物油种类的判别模型，训练集的识别率达到100%，预测集中仅有1个山茶油样品被误判成芝麻油样品，预测集的识别率达到94.44%。GC-IMS联用分析技术简单、快速、无损，可用于食用植物油等其他食品、农产品种类的快速分类识别。

气相色谱-离子迁移谱法(GC-IMS)；食用植物油；分类；化学计量学

食用油是人类生活所必需的基础食物之一。油脂是提供人体热量的主要来源，每克油脂所产生的热量比每克碳水化合物或蛋白质产生的热量高1倍[1]。植物油中含有人体不能自身合成的必需脂肪酸，并含有丰富的维生素A、D、E、K及其他营养成分[2]。食用不同的植物油，对人体健康影响的也不同[3-5]。以芝麻油为例，其含有丰富的维生素E和比较丰富的亚油酸，可调节毛细管的渗透作用，加强人体组织对氧的吸收能力，改善血液循环，促进性腺发育，延缓衰老[6-8]。然而，近年来，国内食用油品质屡屡出现问题，食用植物油的人为掺杂、掺假问题更是严重威胁国内消费者的身体健康[9-10]。因此，对食用植物油进行快速、无损检测，鉴别掺假掺杂油样并规范行业标准具有重要意义。

目前，国内外检测食用植物油的方法很多[11-14]，可分为感官检测法、常规理化指标检测法、色谱法、光谱法以及气相色谱-质谱联用等方法。感官检验方法简单、易行，但受限于检验人员的判断能力和实践经验，一致性较差，一般仅作为是否掺假的初步判断。应用食用植物油特征指标进行定性和定量鉴别的其他方法还有显色法、电子鼻法，而显色法受时间和显色剂稳定性的影响比较显著，且一些显色剂需现配现用，短时间内难以完成，且极易产生误差；电子鼻作为一种检测新方法，存在传感器漂移、精度低、结果一致性较差等缺点，在生产领域中的应用不尽人意；采用色谱法进行植物油的掺伪检测，具有高效、灵敏、准确、干扰因素少等优点，是国标推荐的方法。但由于不同植物种子类型、品种及加工方法生产出的植物油的特性不同，其脂肪酸组分有差异，使得色谱法应用有一定的局限性，且实验设备复杂、昂贵，需要操作人员具有较高的专业技能，难以满足现场快速检测的需要；光谱法虽具有简单、快速、廉价的优势，但其仅对样品中的某一成分进行检测，难以完全表征样品品质；气相色谱-质谱联用法是目前应用较普遍的检测方法，该法无需处理标样，通过谱图库检索对应峰结构进行定性以及相应峰截面积进行定量，与气相色谱相比具有更多优势，但气相色谱-质谱联用方法存在同分异构体难以鉴别、操作复杂以及设备昂贵等缺点，难以在国内推广普及。因此，适合食用植物油检测的简便、快速、准确、灵敏的技术方法有待进一步开发[15]。

图1 GC与IMS构成的二维分离系统Fig.1 Two dimensional separation system consisting of GC and IMS

气相色谱-离子迁移谱(Gas chromatography-ion mobility spectrometry,GC-IMS)作为一种新的联用技术[16-18]，将气相分析技术的简易快捷与离子迁移谱的高分辨、高准确度分析有机融合，为食用植物油的掺假、掺杂以及分类问题提供了新的解决方式。离子迁移谱(IMS)是基于气相中不同的气相离子在电场中迁移速度的差异对化学物质进行表征[19]，IMS技术在毒品、炸药、化学毒剂检测领域已得到成功应用。传统的IMS进行测量时，是将一束离子(或称离子群)引入一个线性电场(E，V/cm)，离子群在环境气压下通过电场中的气体(通常为空气)时获得一个恒定的速度，称之为迁移速率(Vd，cm/s)。离子的迁移速度Vd与电场强度E成正比，该技术对简单样品分析效果较好，而对复杂样品，尤其是食品、农产品领域中的复杂体系，其分析优势受到限制[20]，因此，为了克服IMS分离效率差的局限性，将其与其它化学分析仪器联用，可以充分发挥不同仪器的优点，产生长处相互叠加的分析效果[21]，其中GC-IMS将气相色谱高效的分离技术与离子迁移谱检测技术有机融合，充分发挥了气相色谱的超高分离效率和离子迁移谱的高灵敏性，可达到最佳分析效果，GC-IMS工作示意图如图1所示。将气相色谱与离子迁移谱联用，在测试时，样品中的挥发性有机物经色谱柱预分离后，直接洗脱至IMS电离室，这种联用获得的化学信息和测量特征比二者独立得到的结果相叠加的效果有更好的改进。一方面，离子迁移谱图通过离子漂移时间这个二维信息使色谱分离后得到的化学信息更加丰富；另一方面，离子迁移谱信号响应在质和量上的改善则是源于混合样品在色谱中进行的预先分离。GC-IMS作为分析仪器联用技术，在食品品质检测领域将开启一个全新的局面。

主成分分析(Principal component analysis,PCA)是一种多元统计分析技术，它是一种降维或者将多个指标转化为少数几个综合指标的方法，目的在于简化数据和揭示变量之间的关系，转换后的新变量可进一步进行聚类分析、判别分析等[22]。本研究采用GC-IMS技术结合化学计量学方法，对3种不同类的植物油的挥发性有机成分进行统计分析，并采用PCA和kNN(k Nearest Neighbor)算法建立不同类植物油的判别模型。

1 实验部分

1.1 仪器与装置

FlavourSpec 1H1-00053型气相色谱-离子迁移谱：配CTC CombiPAL自动顶空进样装置，德国GAS公司；CLOT毛细管柱(15 m×0.25 mm×0.50 μm，德国CS-Chromatographie Service GmbH)；YFR全自动商用智能榨油机(广东唯美天丽有限公司)。

1.2 材料与试剂

收集全国不同区域的食用植物油原料共56个样品，其中芝麻样品14个(分别取自镇江、南京、新乡、宿迁、徐州、济南、沧州，各2个样品)，菜籽样品32个(分别取自黑龙江、武汉、福建、济南、重庆、泰州、合肥、宿迁，各4个样品)、山茶籽样品10个(分别取自南宁、长沙，各5个样品)。采用手工压榨方式榨取油样，确保最终的油样是纯正、未掺杂其他物质的样品。

1.3 实验条件

1.3.1顶空进样条件顶空孵化温度：70 ℃；孵化时间：5 min；加热方式：振荡加热；顶空进样针温度：75 ℃；进样量：200 μL，不分流模式；用高纯氮气(纯度≥99.999%)推动和清洗顶空针；清洗时间：0.5 min。

1.3.2GC条件色谱柱：石英毛细管柱(30 m×0.25 mm×0.5 μm)；色谱柱温度：40 ℃；运行时间：10 min；载气(高纯N2，纯度≥99.999%)流速：初始5.0 mL/min，保持10 min 后在5 min 内线性增至150 mL/min。

1.3.3IMS条件漂移管长度：5 cm；管内线性电压：400 V/cm；漂移管温度：40 ℃；漂移气(高纯N2，纯度≥ 99.999%)流速：150 mL/min；IMS探测器温度：45 ℃。

1.4 数据处理

GC-IMS在正离子模式下通过有线网络传输并保存到计算机中，每张谱图平均扫描32次，使用网格脉冲宽度为100 μs，重复率为21 ms,采样频率为150 kHz。

对样品挥发性有机成分的指纹数据采用软件LAV 2.0.0(德国GAS，仪器自配)和Matlab R2016b(美国The Mathworks Inc.)处理完成。

GC-IMS三维谱中特征峰选取原则：GC-IMS三维谱中每个特征峰代表1种挥发性有机成分，以不同样品中特征峰的有无或者特征峰强度变化为原则，手动选择并以长方形标记特征峰所在区域，以该特征峰区域的峰强度(即特征区域离子强度的最大值)作为参数变量进行数据分析。

2 结果与讨论

2.1 不同植物油GC-IMS谱图分析

图2中标识的2-H、13-H、19-H分别为芝麻油、菜籽油及山茶油样品中各1个样品的GC-IMS三维谱对比图。由图2可知，从直观上看，不同类植物油在GC-IMS三维图谱上有明显的差异，具体体现在出峰的位置、数量以及对应的峰强度。

依据特征峰选取原则，将选取的各类食用植物油中不同有机挥发性物质对应的特征峰区域进行排序对照，结果如图3所示。图中X轴为选取的特征峰标识号，Y轴为样品编号。由图可知，通过选取原始图谱中不同特征峰进行简单的排列比较可发现，同类植物油因含共有挥发性有机成分，在特征峰对比中表现出明显的相似性，不同种类食用植物油因含有对应种类的特有气味，则表现出明显的差异，如图3中的红色矩形虚线框所示的区域1为不同地区收集的芝麻油样品，区域2为菜籽油样品，区域3为山茶油样品。

2.2 PCA投影分析

可通过不同特征区域的排序对比大致判别植物油种类，但仍受限于观察者的主观性，无法实现GC-IMS三维谱的数字化表达。因此，需结合化学计量学方法进一步分析。图4为以所选取的特征峰对应的峰强度值为特征参数变量，使用主成分分析得到的第一、二主成分图。由图4可知，不同植物油的GC-IMS谱经PCA处理后，可以较好地区分不同类别的食用植物油；芝麻油和菜籽油在PCA图中横跨区域范围较大，这与样品采集自不同的区域有关，间接说明了GC-IMS对植物油品质产地鉴别的可能性。

图2 3 类植物油的GC-IMS对比图Fig.2 Comparison of three kinds of vegetable oils by GC-IMS

图3 不同种类食用植物油对应不同特征峰的图片库Fig.3 Gallery of different kinds of edible vegetable oils with different characteristic peaks

图4 不同食用植物油的主成分图Fig.4 Principal component diagrams of different edible vegetable oils

2.3 kNN分类判别

采用kNN算法对经过PCA信息压缩后的数据进行分类识别，分别选择不同种类食用植物油中的70%样品作为训练集，30%作为预测集，建立分类模型，由于样本量较少，故模型训练时采用k折法(k-Fold Cross Validation)进行交叉验证，训练结果如表1所示，交叉验证识别正确率为100%。未进行交叉验证，其识别正确率(即回判识别率)也为100%，表明该模型稳健、可靠，模型预测结果如表2所示，从表中可以看出，仅有1个山茶油样品被误判成芝麻油样品，模型预测时总体识别率为94.44%。

表1 训练集中的识别结果Table 1 Recognition result of training set

表2 预测集中的识别结果Table 2 Recognition result of predicting set

3 结 论

本文采用GC-IMS联用分析技术结合化学计量学方法建立了一种简便、快速、准确的不同植物油种类判别方法。对植物油中的挥发性有机成分进行了分析，以GC-IMS三维谱中的特征峰截强度作为表征植物油品质信息的特征参数，并使用化学计量学方法进行分类判别，结果表明：训练集样品中的识别率为100%，预测集的识别率为94.44%。由此可见，依据植物油中挥发性有机成分信息对不同植物油进行分类和判别是可行的，GC-IMS技术可望发展成为快速高效的植物油指纹信息鉴别技术。

[1] Xiong Y.ChinaGrain.Econ.(熊源.中国粮食经济),2014,(6):72.

[2] Ng S W,Zhai F,Popkin B M.Soc.Sci.Med.,2008,66(2):414-426.

[3] Ghazani S M,Marangoni A G.HealthyFatsandOils,EncyclopediaofFoodGrains(SecondEdition).Oxford:Academic Press,2016:257-267.

[4] Zickgraf H F,Schepps K.FoodQual.Preference,2016,54:39-50.

[5] Hashempour-Baltork F,Torbati M,Azadmard-Damirchi S,Savage G.Trends.FoodSci.Technol.,2016,57(Part A):52-58.

[6] Ghafari H,Rezaeian M,Sharifi S D,Khadem A A,Afzalzadeh A.Anim.Fee.Sci.Technol.,2016,220:216-225.

[7] Zhuang X,Han M,Kang Z L,Wang K,Bai Y,Xu X L,Zhou G H.MeatSci.,2016,113:107-115.

[8] Sankar D,Ali A,Sambandam G,Rao R.Clin.Nutr.,2011,30(3):351-358.

[9] Shi X H.TheoryMon.(石秀华.理论月刊),2015,(1):122-125.

[10] Tian H Y,Wang A Z,Feng W,Zhou C J,Wang W T.J.AnhuiAgric.Sci.(田洪芸,王爱竹,冯炜,周传静,王文特.安徽农业科学),2016,(11):101-102.

[11] Chen Q L,Xia X,Deng X H,He H,Wu C.ChinaFoodSafety.Mag.(陈麒麟,夏湘,邓新华,何花,吴昌.食品安全导报),2016,(6):87.

[12] Wang J R,Zhou J P,Zhang L F,Liu R,Deng Z J.ChinaOilsFats(王江蓉,周建平,张令夫,刘荣,邓志坚.中国油脂),2007,32(6):78-81.

[13] Lan D M,Xiu P,Lin X L,Hu S G,Zhu Q Q.Farm.Prod.Proc.(兰冬梅,许平,林晓岚,胡树国,朱巧巧.农产品加工),2015,(3):68-70.

[14] Wang T Z,Yu L,Qiu S C,Chen X J,Cai S Q,Cao W Q.J.Instrum.Anal.(王同珍，余林，邱思聪，陈孝建，蔡淑琴，曹维强.分析测试学报)，2015，34(1):50-55.

[15] Gallegos J,Arce C,Jordano R,Arce L,Medina L M.FoodChem.,2017,220:362-370.

[16] Zhang L,Shuai Q,Li P,Zhang Q,Ma F,Zhang W,Ding X X.FoodChem.,2016,192:60-66.

[18] Kafle G K,Khot L R,Sankaran S,Bahlol H Y,Tufariello J A,Jr H H.EngineeringinAgriculture,EnvironmentandFood,2016,9(4):346-357.

[19] Cravath A M.NipponSugaku-Buturigakkwaishi,1929,33(4):605-613.

[20] Graaff R J V D.Nature,1929,124(3114):10-11.

[21] Garridodelgado R,Arce L,Valcárcel M.Anal.Bioanal.Chem.,2011,402(1):489-498.

[22] Qian C,Liao Y H,Liu M Y,Xu J,Liu L.J.Chin.Inst.FoodSci.Technol.(钱冲,廖永红,刘明艳，徐谨,刘丽.中国食品学报),2017,(2):243-255.

Application of Headspace/Gas Chromatography-Tandem Ion Mobility Spectrometry with Chemometrics in Classification of Edible Vegetable Oils

CHEN Tong,LU Dao-li,CHEN Bin*

(School of Food and Biological Engineering,Jiangsu University,Zhenjiang 212013,China)

A rapid and nondestructive method was established for the analysis of the volatile organic compounds in edible vegetable oils by headspace/gas chromatography-tandem ion mobility spectrometry(GC-IMS).56 sesame oil,rapeseed oil and camellia oil samples were taken as the research objects.2 mL tested sample was put into the standard sample bottle which was sealed with a magnetic cap for direct GC-IMS analysis.The results showed that the characteristic peaks in GC-IMS 3D spectra corresponding to volatile organic substances can effectively characterize the sample information areas of different types of vegetable oils.With the sectional intensities of 40 characteristic peaks in corresponding three-dimensional spectra as variables,the principal components analysis(PCA) algorithm was used to reduce information dimensionality,establishing the training model for discriminating the type of vegetable oil by kNN algorithm,and the recognition rate was up to 100%,only 1 camellia oil sample was judged as sesame oil in the predicted set,and the prediction set recognition rate was 94.44%.GC-IMS technique is simple,rapid and nondestructive,and could be used for the rapid identification of agricultural products and other foods such as edible vegetable oils.

gas chromatography-ion mobility spectrometry(GC-IMS);edible vegetable oil;classification；chemometrics

10.3969/j.issn.1004-4957.2017.10.012

O657.7；TQ645.1

A

1004-4957(2017)10-1235-05

2017-05-22；

2017-06-19

国家重大科学仪器开发专项(2014YQ491015)；江苏高校优势学科建设工程资助项目

*

陈 斌，博士，教授，研究方向：食品、农产品无损检测，Tel：13952871790，E-mail:ncp@ujs.edu.cn