稳定同位素质谱法鉴别芝麻油中掺杂大豆油、玉米油的研究

靳欣欣，潘立刚，李 安

(北京农业质量标准与检测技术研究中心 农业部农产品质量安全风险评估实验室(北京)，农产品产地环境监测北京市重点实验室，北京100097)

作为油料作物，芝麻在我国历史久远，压榨芝麻油(市场上多以香油形式售卖)营养价值高、风味独特，属于优质高价的食用油类[1]。近年来，人们越来越注重生活品质，对芝麻油的需求量不断上涨，一些不法商家为了牟取暴利对芝麻油进行掺假，比如高价芝麻油中掺入异种廉价植物油、非食用油类甚至香油精等，致使芝麻油品质参差不齐[2]。

显色法是芝麻油掺假检测中应用最广泛的方法，利用芝麻油中特征物质芝麻酚与显色剂反应检验，但步骤复杂，重复性差，且多为定性测定；紫外分光光度法是利用芝麻油中木脂素(包括芝麻素、芝麻林素、芝麻酚等)在紫外光区有明显区别于其他油品的特征吸收峰进行定性定量检测的方法，操作简单快速，但不适合现场检测，且芝麻油中木脂素含量受品种和工艺影响差别较大，存在误差。近年来，学者们尝试利用现代分析仪器进行鉴别，如比色法、电子鼻法、气相色谱法、核磁共振法、红外光谱法等，在一定程度上提高了掺杂定性和定量判定的准确性[3-4]。

稳定同位素质谱(Isotope Ratio Mass Spectrometry, IRMS) 技术作为近年来发展较快的检测技术，具有灵敏度高、检测限低的特点，尤其对于掺假物质与原物质成分接近的样品检测具有独特的应用优势，被广泛应用于食品掺杂掺假和产地溯源领域。目前，IRMS已被逐步应用于食品领域，如白酒、蜂蜜、水果等食品的掺假鉴别和产地溯源[5-7]，在食用油掺杂鉴别研究中，国外学者主要针对橄榄油掺伪进行了大量研究[8-10]，我国在该领域的研究尚处于起步阶段。朱绍华等[11]利用δ13C在茶油和玉米油中的明显区别来鉴定茶油中是否添加玉米油，可准确判定添加量15%以上的玉米油；金青哲等[12]绘制了花生油和玉米油不同比例掺合下各脂肪酸的δ13C的曲线图，以最灵敏曲线作为特征脂肪酸进行检测；吴玉銮等[13]测定大豆油、花生油、玉米油、调和油的δ13C和δ2H，制作二维图表，对食用油掺假进行判定。目前，国内尚未见利用稳定同位素技术进行芝麻油掺伪鉴别的文献报道。

食用油脂中大量存在C、H、O 3种元素，关于食用油中IRMS技术的研究多是围绕C元素开展的，也有一些C、H元素二维数值的研究，本课题拟通过在大型超市购买大品牌的商品芝麻油，采集其C、H、O 3种元素的稳定同位素值，并选取大豆油作为典型C3植物油、玉米油作为典型C4植物油，比较3种植物油的稳定同位素值(δ)特征范围，之后将芝麻油与掺杂油进行梯度比例混合，探索利用C、H、O 3种元素进行IRMS技术鉴别芝麻油掺杂的可行性。

1 材料与方法

1.1 试验材料

本试验所用20个芝麻油、3个大豆油、3个玉米油样品均购自北京市大型超市。

试验中所用的标准物质为：C使用NBS22(δ13C为-29.72×10-3)标定, H、O使用UC04(δ2H为+113.6×10-3,δ18O为+38.95×10-3)、GISP (δ2H为-190×10-3,δ18O为-24.8×10-3)、VSMOW(δ2H为0×10-3,δ18O为0×10-3)标定。

MAT 253气体稳定同位素比值质谱仪(配备FLASH 2000HT元素分析仪，美国Thermo公司)，VORTEX 4 涡旋混合器(德国IKA公司)，2.5 μL 移液器(德国Eppendorf公司)。

锡杯(8 mm×5 mm，Element Microanalysis公司)，用于δ13C值测定；银杯(5 mm×3.5 mm，Element Microanalysis公司)，用于δ2H值和δ18O值测定。

1.2 试验方法

1.2.1 样品制备

样品集中在一周时间内进行采购，且生产日期均不超过3个月。将样品储存于棕色密闭小瓶中，置于冰箱冷藏室备用。

δ13C的测定：用移液枪头蘸取适量样品于锡杯底部，用镊子将杯身压扁排出空气，并折叠为小方块，密封备用。

δ2H与δ18O的测定：用移液枪头蘸取适量样品于银杯底部，用镊子将杯身压扁排出空气，并折叠为小方块，密封备用。

混合样品的制备：将掺杂油依照0%、5%、10%、15%、20%、30%、50%、80%、100%的质量分数，掺入芝麻油中，将混合样品涡旋1 min，依照以上取样方法进行取样，密封备用。

检测时，将样品小方块依照顺序放入固体进样盘中进行测定，每个样品取3个平行，每3个样品插入一次工作标样(3个平行)。

1.2.2δ13C、δ2H、δ18O值的测定

测定时，δ13C值先进行测定，之后δ2H值与δ18O值一起进行测定，测定采用元素分析仪-稳定同位素质谱(EA-IRMS)系统，该系统主要运行参数见表1。

表1 EA-IRMS系统主要运行参数

样品经自动进样器进入元素分析仪，C在960℃下燃烧转化为CO2，H、O在1 400℃下裂解为H2、CO。

1.2.3 数据分析

数据均采用SPSS进行分析处理，数据图表绘制采用Origin软件。

2 结果与讨论

2.1 芝麻油、大豆油、玉米油稳定同位素比值分布的比较

20个商品芝麻油样品，以及选定为掺杂油的大豆油、玉米油样品的稳定同位素比值测定结果见表2。

利用Origin将表2数据绘制成δ13C-δ2H-δ18O为坐标的三维图形，如图1所示。

表2 3种植物油样品的稳定同位素比值测定结果 10-3

注：数据以“平均值±标准差”的形式表示；同行不同小写字母表示具有显著差异。

图1 芝麻油、大豆油、玉米油的C/H/O稳定同位素比值三维分布散点图

因受到样品数量所限，玉米油和大豆油作为掺杂油采集的样品数量(n=3)小于芝麻油(n=20)。由图1可以看出，芝麻油、大豆油、玉米油具有清晰的区域分布，在一定程度上说明利用三维分布图进行3种植物油鉴别可行。

2.2 芝麻油与大豆油、玉米油的梯度比例混合

依据2.1中C、H、O的δ值分布在中间区域的油样为梯度混合试验所用样品，即芝麻油1号，大豆油2号，玉米油1号，依照0%、5%、10%、15%、20%、30%、50%、80%、100%的质量分数，将其掺入芝麻油中，检测混合样品的δ值，通过所得数据评估某一种或几种δ值对掺杂油质量分数预测的可行性及拟合程度。

2.2.1 芝麻油掺杂的一维C/H/O稳定同位素比值鉴别效果

图2～图4分别是以大豆油、玉米油质量分数为纵坐标，δ13C、δ2H、δ18O测定值为横坐标的折线图。从图2、图3可以看出，δ13C、δ2H值与掺杂油质量分数都存在明显的相关性，相关系数达到0.99以上，而从图4可以看出，δ18O值与大豆油、玉米油掺杂质量分数没有显著相关性。

图2 掺杂油质量分数与混合油δ13C值分布点线图

图3 掺杂油质量分数与混合油δ2H值分布点线图

图4 掺杂油质量分数与混合油δ18O值分布点线图

表3为梯度混合试验中对所用芝麻油、大豆油、玉米油样品纯品的δ值。混合样品测定的标准差最大值，可以视为本研究中所用仪器精度。

表3 芝麻油和大豆油、玉米油纯品的稳定同位素比值测定结果 10-3

由表3可知，大豆油、玉米油的δ13C、δ2H值与芝麻油的δ13C、δ2H值差值的绝对值均大于仪器精度，而δ18O值差值的绝对值则小于仪器精度，无显著性差异。因此，EA-IRMS方法中，难以仅通过δ18O值来鉴别芝麻油和大豆油、玉米油。

依据文献[14]，混合样品的理论δ值依照下式计算。

(1)

(2)

式中：A表示掺杂油；B表示芝麻油；XA表示掺杂油质量分数。

依据公式(1)、公式(2)计算大豆油的XA，结果见表4。

表4 芝麻油与大豆油梯度混合样品的一维δ13C、δ2H值及大豆油质量分数的实际值和理论值

由表4可以看出：在δ13C值测定中，当大豆油质量分数在20%以上时，测得的混合样的δ13C值与纯芝麻油的δ13C值(-28.388)差值的绝对值已大于本试验中δ13C值测定的标准差最大值(0.367)，可以定性判别；在δ2H值测定中，当大豆油质量分数在10%以上时，测得的混合样品的δ2H值与纯芝麻油的δ2H值(-156.351)差值的绝对值已大于本试验中δ2H值测定的标准差最大值(2.602)，可以定性判别。

将芝麻油-玉米油混合样的δ13C、δ2H值进行同样的分析，发现利用δ13C值和δ2H值可以对玉米油进行5%和10%以上的掺杂定性判别。

2.2.2 芝麻油掺杂的二维C-H稳定同位素比值鉴别效果

由2.2.1结论可知，混合油的δ13C、δ2H值都与芝麻油中掺杂油的质量分数有明显的线性关系，将两种掺杂油的质量分数、δ13C、δ2H值绘制在一张三维图中，如图5所示。

图5 芝麻油掺杂大豆油、玉米油的质量分数-δ13C值-δ2H值分布三维点线图

二元线性回归模型的标准形式为：

Y=β0+β1X1+β2X2

(3)

具体各项系数的计算公式为：

(4)

公式(3)中的Y为掺杂油质量分数，X1为掺杂油δ13C值，X2为掺杂油δ2H值。利用公式(3)、公式(4)掺杂油质量分数、掺杂油δ13C值、掺杂油δ2H值进行二元线性回归分析，得出如下回归方程：

(5)

(6)

依据公式(5)计算大豆油的XA，结果见表5。

表5 芝麻油与大豆油梯度混合样品的二维δ13C、δ2H值及大豆油质量分数的实际值和理论值

由表5可以看出：在定性测定方面，可以选取δ13C值和δ2H值对定性鉴别效果最好的掺杂值，本例对于大豆油掺杂，即以δ2H值的10%判别限为准；同样的，对于玉米油掺杂，依据δ13C值可以做到掺杂5%判别。

2.2.3 一维与二维δ13C、δ2H值判定芝麻油中掺杂大豆油、玉米油的比较

表6为一维与二维δ13C、δ2H值判定芝麻油中掺杂大豆油、玉米油的比较，对于回归曲线拟合优度利用判定系数(R2)评价，回归曲线计算的XA理论值与XA实际值的误差情况用残差平方和(RSS)评价。

表6 利用一维与二维δ13C、δ2H值判定芝麻油中掺杂大豆油、玉米油的效果评价

由表6可以看出：二维δ13C、δ2H值的R2总体比一维的更接近1，一维δ13C比一维δ2H的R2值更接近1；一维曲线的评价效果中，玉米油的δ13C效果最佳(R2最接近1)，这是因为作为C4植物油的玉米油，其δ13C与C3植物油芝麻油的差异较大，且IRMS对δ13C值检测精度高于δ2H值；XA理论值误差范围数据中，大豆油二维回归曲线的最大误差值(1.550%)和RSS(4.800)低于一维回归曲线的最大误差值(δ13C值2.773%，δ2H值7.910%)和RSS(δ13C值18.254，δ2H值97.632)；玉米油二维回归曲线的最大误差值与RSS和δ13C值一维回归曲线接近，都低于δ2H值一维回归曲线。最大误差值的改善对于利用δ13C、δ2H值进行掺杂比例的定量分析具有实际意义。

3 结 论

本研究利用IRMS测定了芝麻油、大豆油、玉米油样品，并绘制了δ13C值-δ2H值-δ18O值三维图谱，可以直观地看到3种植物油有明显的区域分布差别，说明利用三维分布图进行3种植物油鉴别的可行性。对芝麻油掺杂C3植物油大豆油和C4植物油玉米油δ值进行了测定，发现δ13C、δ2H值与质量分数呈明显的线性关系，而δ18O值不存在线性关系。在利用单一δ值对芝麻油进行掺杂鉴别的试验中，玉米油掺杂的δ13C值鉴别效果最好，可以达到5%的定性鉴别。二元回归模型可以对芝麻油中掺杂10%大豆油或5%玉米油定量判别。