技术领域
本发明涉及分析鉴别技术领域,尤其涉及一种牦牛肉产地的鉴别方法。
背景技术
牦牛是一种长毛的驯养反刍动物,其90%以上的数量生活在我国的青藏高原,为偏远的中国地区的农民提供肉类、牛奶和皮革。验证肉的地理来源引起人们的广泛关注。
目前,产地溯源技术方法众多,其中运用稳定同位素比率分析是肉类及相关动物产品的真实性验证和来源评估的有效分析方法。SunShumin等用同位素质谱仪我国不同5个省市所产的羊肉及羊毛样品中稳定同位素(δ
发明内容
有鉴于此,本发明的目的在于提供一种牦牛肉产地的鉴别方法,本发明提供的鉴别方法准确度高。
为了实现上述发明目的,本发明提供以下技术方案:
本发明提供了一种牦牛肉产地的鉴别方法,包括以下步骤:
将待测牦牛肉进行脱脂处理,得到脱脂牦牛肉;
测定所述脱脂牦牛肉的稳定同位素比率;所述稳定同位素比率为δ
将所述稳定同位素比率代入多个产地判别模型,得到多个F值,每个产地判别模型为以产地为因变量,以稳定同位素比率为自变量的方程:
F(产地)=A+B×δ
方程中,A、B、C、D为常数;
当MaxF(产地)≥0.5,则MaxF(产地)代表的产地即为待测牦牛肉的产地。
优选地,所述产地判别模型包括西藏那曲判别模型、甘肃甘南判别模型、四川甘孜判别模型和青海西宁判别模型,具体为:
F(西藏那曲)=-1.660-0.006×δ
F(甘肃甘南)=-0.921-0.111×δ
F(四川甘孜)=5.023+0.069×δ
F(青海西宁)=-1.660-0.006×δ
优选地,所述脱脂处理包括:将待测牦牛肉冷冻干燥后粉碎、过筛,得到肉粉;将所述肉粉与石油醚混合进行脱脂至恒重。
优选地,所述冷冻干燥为:将待测牦牛肉在-18℃~-20℃冷冻12小时,然后在-75℃~-80℃进行冷冻干燥23~25h。
优选地,所述肉粉和石油醚的用量比为3.0g:70~80mL;所述脱脂的温度为70~80℃。
优选地,所述测定脱脂牦牛肉的稳定同位素比率值用设备为元素分析仪和气体同位素质谱仪。
优选地,当测定δ
优选地,当测定δ
优选地,所述产地判别模型的构建方法包括以下步骤:
将已知产地的牦牛肉进行脱脂处理,得到脱脂牦牛肉标样;
测定所述脱脂牦牛肉标样的稳定同位素比率;所述稳定同位素比率为δ
建立稳定同位素比率数据库;
通过偏最小二乘回归对所述数据库中因变量产地与自变量稳定同位素比率建立两个投影数据集并计算提取主成分个数;利用判别函数建立产地判别模型。
本发明提供了一种牦牛肉产地的鉴别方法,包括以下步骤:
将待测牦牛肉进行脱脂处理,得到脱脂牦牛肉;
测定所述脱脂牦牛肉的稳定同位素比率;所述稳定同位素比率为δ
将所述稳定同位素比率代入多个产地判别模型,得到多个F值,每个产地判别模型为以产地为因变量,以稳定同位素比率为自变量的方程:
F(产地)=A+B×δ
方程中,A、B、C、D为常数;
当MaxF(产地)≥0.5,则MaxF(产地)代表的产地即为待测牦牛肉的产地。
本发明的鉴别方法通过测定牦牛肉中δ
进一步地,本发明利用偏最小二乘回归(PLS)和判别函数DA),建立的产地判别模型准确度高。
附图说明
图1为已知牦牛肉产地的判别PLS-DA得分图,其中GN:甘肃甘南;GZ:四川甘孜;NQ:西藏那曲;XN:青海西宁。
具体实施方式
本发明提供了一种牦牛肉产地的鉴别方法,包括以下步骤:
将待测牦牛肉进行脱脂处理,得到脱脂牦牛肉;
测定所述脱脂牦牛肉的稳定同位素比率;所述稳定同位素比率为δ
将所述稳定同位素比率代入多个产地判别模型,得到多个F值,每个产地判别模型为以产地为因变量,以稳定同位素比率为自变量的方程:
F(产地)=A+B×δ
方程中,A、B、C、D为常数;
当MaxF(产地)≥0.5,则MaxF(产地)代表的产地即为待测牦牛肉的产地。
本发明将待测牦牛肉进行脱脂处理,得到脱脂牦牛肉。在本发明中,所述脱脂处理优选包括以下步骤:将待测牦牛肉冷冻干燥后粉碎、过筛,得到肉粉;将所述肉粉与石油醚混合进行脱脂至恒重,得到脱脂牦牛肉。在本发明中,所述冷冻干燥优选为:将待测牦牛肉在-18~-20℃冷冻12小时,然后在-75~-80℃进行冷冻干燥23~25h,进一步优选为将待测牦牛肉在-20℃冷冻12小时,然后在-80℃进行冷冻干燥24小时。本发明对所述粉碎的参数不做具体限定,在本发明的具体实施例中,所述粉碎优选采用液氮在陶瓷研钵中进行粉碎;所述过筛用筛子优选为尼龙筛;所述尼龙筛的目数优选为100目。在本发明中,所述肉粉和石油醚的用量比优选为3.0g:70~80mL,进一步优选为3.0g:75mL;所述脱脂的温度优选为70~80℃,进一步优选为75℃;所述脱脂优选在萃取仪中进行,所述萃取仪优选为入SER148型号脂肪萃取仪(VELP Scientifica);本发明对所述脱脂的时间不做具体限定,只要将脱脂牦牛肉至恒重即可;所述脱脂牦牛肉脱脂至恒重的方法优选为:未脱脂样品分别设置不同的脱脂时间进行试验,直至脱脂牦牛肉的重量不再变化。
得到脱脂牦牛肉后,本发明测定所述脱脂牦牛肉的稳定同位素比率;所述稳定同位素比率为δ
在本发明中,所述测定脱脂牦牛肉的稳定同位素比率用设备优选为元素分析仪和气体同位素质谱仪。
在本发明中,当测定δ
在本发明中,当测定δ
在本发明中,所述测定δ
得到所述脱脂牦牛肉的稳定同位素比率后,本发明将所述稳定同位素比率代入多个产地判别模型,得到多个F值,每个产地判别模型为以产地为因变量,以稳定同位素比率为自变量的方程:
F(产地)=A+B×δ
方程中,A、B、C、D为常数。
在本发明中,所述产地判别模型的构建优选包括以下步骤:
将已知产地的牦牛肉进行脱脂处理,得到脱脂牦牛肉标样;
测定所述脱脂牦牛肉标样的稳定同位素比率;所述稳定同位素比率为δ
建立稳定同位素比率数据库;
通过偏最小二乘回归对所述数据库中因变量产地与自变量稳定同位素比率建立两个投影数据集并计算提取主成分个数;利用判别函数建立产地判别模型。
本发明将已知产地的牦牛肉进行脱脂处理,得到脱脂牦牛肉标样。本发明对所述已知产地的牦牛肉进行脱脂处理的方法与待测牦牛肉进行脱脂处理的参数一致,在此不再赘述。
得到脱脂牦牛肉标样后,本发明测定所述脱脂牦牛肉标样的稳定同位素比率;所述稳定同位素比率为δ
得到所述脱脂牦牛肉的稳定同位素比率后,本发明建立稳定同位素比率数据库。本发明对所述建立稳定同位素比率数据库的方法不做具体限定。
得到稳定同位素比率数据库后,本发明通过偏最小二乘回归(PLS)对所述数据库中因变量产地与自变量稳定同位素比率建立两个投影数据集并计算提取主成分个数;利用判别函数(DA)建立产地判别模型。
在本发明中,所述产地判别模型因产地的不同包括多个。
在本发明中,所述产地判别模型优选包括西藏那曲判别模型、甘肃甘南判别模型、四川甘孜判别模型和青海西宁判别模型,具体为:
F(西藏那曲)=-1.660-0.006×δ
F(甘肃甘南)=-0.921-0.111×δ
F(四川甘孜)=5.023+0.069×δ
F(青海西宁)=-1.660-0.006×δ
本发明将所述稳定同位素比率代入多个产地判别模型后,当MaxF(产地)≥0.5,则MaxF(产地)代表的产地即为待测牦牛肉的产地。
在本发明中,将稳定同位素比率δ
下面结合实施例对本发明提供的牦牛肉产地的鉴别方法进行详细的说明,但是不能把它们理解为对本发明保护范围的限定。
实施例1
由于我国的牦牛肉主要来自西藏那曲、甘肃甘南、四川甘孜和青海西宁,所以建立国产牦牛肉的鉴别方法。
产地判别模型的建立:
1.收集样品
在四个真实原产地多个牧场收集具有代表性的牦牛肉(背部、臀部或腿部)样品,所用西藏那曲25个、青海西宁15个、甘肃甘南15个及四川甘孜12个样品,总计67个样品。
2.样品预处理
对收集的样品在-20℃冷冻12小时,然后在-80℃进行冷冻干燥24小时,干燥后的样品采用液氮在陶瓷研钵中进行粉碎,过100目尼龙筛,制备成精细粉末样本;称取3.0g过筛粉末放入SER148型号脂肪萃取仪(VELP Scientifica),用75mL石油醚在75℃下进行脱脂至恒重,收集固体样品(脱脂样品),待测。
3.稳定同位素比率测定
3.1用十万分之一天平称取脱脂样品5.0~6.0mg(确保仪器信号强度在参考物质可控的响应内)放入锡箔舟(规格为4mm×4mm×11mm)中进行包样并放入元素分析仪(VarioIsotopecube,德国Elementar公司)中,经过高温燃烧还原为CO
3.2用百万分之一天平称取脱脂样品1.0~1.2mg(确保仪器信号强度在参考物质可控的响应内),用银杯(规格为4mm×4mm×11mm)包好后放置实验室一周后再放入元素分析仪(VarioPYROcube,德国Elementar公司),样品经高温裂解后转化为H
所述δ
δE=(R
式中,E为目标元素同位素;R
4.数据统计分析及产地判别模型构建
对数据进行标准化;
利用偏最小二乘法(PLS)建立因变量产地与自变量稳定同位素比率的回归模型,计算得出各产地判别模型;在本次实验中,提取出3个主成分,分类数据集(Y)对应累计方差为70.6%(R
所述产地判别模型分别为:
F(西藏那曲)=-1.660-0.006×δ
F(甘肃甘南)=-0.921-0.111×δ
F(四川甘孜)=5.023+0.069×δ
F(青海西宁)=-1.660-0.006×δ
将待测牦牛肉按照样品预处理的方法进行脱脂处理,得到脱脂牦牛肉;再按照稳定同位素比率测定的参数对脱脂牦牛肉进行测定,得到δ
最后,对各产地的脱脂牦牛肉样品进行组内验证,以验证模型的准确性,统计该模型的各产地及总体判别准确率。
图1为已知牦牛肉产地的判别PLS-DA得分图,其中GN:甘肃甘南;GZ:四川甘孜;NQ:西藏那曲;XN:青海西宁。
从图1可以看出:青海西宁、四川甘孜和其他两个区域的牦牛肉产地能够得到较好区分,甘肃甘南和西藏那曲的样品虽然较靠近,但也能清楚地判别两个不同的产地来源,其中1~25号代表的西藏那曲的样品,26~40号代表的是青海西宁的样品,41~55号为甘肃甘南的样品,剩下的56-67号则是四川甘孜的样品。通过对待测牦牛肉进行验证,结果如表1所示。
表1基于稳定同位素比率(δ
从表1可以看出:67个来自不同产地及总体判别准确率较高,充分地说明了三种稳定同位素比率构建的PLS-DA产地判别模型能够用于牦牛肉的产地溯源。
对比例1
选取任两种稳定同位素比率进行PLS-DA建模,计算的产地判别准确率如表2所示。
表2基于任意两种稳定同位素比率PLS-DA建模判别准确率
注:a,b,c代表的不同稳定同位素比率的产地判别模型如下:
Fa(甘肃甘南)=1.634+0.006×δ
Fa(西藏那曲)=-3.640-0.029×δ
Fb(甘肃甘南)=-0.890-0.107×δ
Fb(西藏那曲)=-2.148+0.045×δ
Fc(甘肃甘南)=-1.672-0.087×δ
Fc(西藏那曲)=1.719+0.003×δ
从表2中可看出,以δ
通过比较实施例1和对比例1可看出,牦牛肉中三种稳定同位素比率(δ
对比例2
在δ
表3基于多种稳定同位素比率PLS-DA建模判别准确率
注:d,e,f代表的不同稳定同位素比率的产地判别模型如下:
Fd(甘肃甘南)=-0.624-0.122×δ
Fd(四川甘孜)=0.703+0.015×δ
Fd(西藏那曲)=-0.083+0.076×δ
Fd(青海西宁)=1.004+0.031×δ
Fe(甘肃甘南)=-0.153-0.121×δ
Fe(四川甘孜)=3.553+0.059×δ
Fe(西藏那曲)=-1.864+0.061×δ
Fe(青海西宁)=-0.536+0.0001×δ
Ff(甘肃甘南)=-0.761-0.118×δ
Ff(四川甘孜)=0.519+0.019×δ
Ff(西藏那曲)=0.088+0.071×δ
Ff(青海西宁)=1.154+0.027×δ
从表3中可看出,以四种稳定同位素比率进行建模的判别结果,δ
因此,通过比较实例1和对比例2可看出,牦牛肉中三种稳定同位素比率(δ
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
机译: 基于病毒的颜色传感器对农产品原产地的鉴别方法及包括颜色传感器的农产品原产地鉴别系统
机译: 基于病毒的颜色传感器对农产品原产地的鉴别方法及包括颜色传感器的农产品原产地鉴别系统
机译: 比例分析含量法和同位素微量无机元素法的猪肉原产地鉴别方法