昆士兰大学D. Cozzolino等在Food Research International期刊上发表了《The ability of a portable near infrared instrument to evaluate the shelf-life of fresh and thawed goat muscles》（通讯作者：D. Cozzolino）
背景
山羊肉是世界上消费最广泛的肉类之一，特别是在亚洲和非洲国家。国际贸易的山羊肉中有大部分是冷冻形式。冷冻会影响来自不同物种的新鲜程度和加工（切碎），因此，冷冻的影响以及随之而来的解冻影响需要进一步探索。供应链和价值链中可能影响肉类或肌肉储存条件的问题（例如温度变化、包装不足以及保质期延长），这会对肉类变色、异味和异味的积累、感官特性的变化以及肉类是否适合人类食用产生直接影响。肉类的保质期取决于不同的变量因素，主要与储存温度、暴露于氧气和光以及微生物生长产生的氧化过程有关。因此，通过延缓氧化变质和细菌生长来延长肉类保质期的可能性对肉类行业具有商业重要性。
业界使用多种非破坏性方法来评估和监测肉类的成分和其他特性。与固定式仪器相比，便携式红外仪器由于其优势被广泛用于不同领域，包括肉类成分分析。这些设备高度便携、轻便且易于使用，允许对任何类型的样品（包括肉类）进行直接、无损和原位测量。这些仪器在价值链上是使用的理想选择，因为它们在测试过程中非常高效，并且提供了在现场（例如在加工厂或市场中）做出明智决策的信息。此外，这些设备的使用避免了将样品运输到实验室，从而在评估和监测肉类成分期间节省了时间和成本，还最大限度地减少了运输阶段样品污染的风险。尽管近红外光谱是预测包括山羊在内的不同种类肉类的近似成分的理想选择，但关于使用这种技术来评估或监测不同肉类物种的保质期的研究并不多。在文献中没有报道关于使用近红外光谱法评估山羊肉或单个肌肉的保质期。
主要内容
本研究旨在评估使用便携式近红外（NIR）仪器监测四种山羊肌肉（胸腰长肌（LTL）、半膜肌（SM）、半腱肌（ST）和股二头肌（BF））的保质期（4℃）。使用MicroNIR仪器（900-1600 nm）采集了肌肉样本在第0天、储存1天、4天和8天后的近红外光谱。预测贮藏天数的交叉验证决定系数（R2）和交叉验证标准误差（SECV）介于0.76和0.86之间，其中交叉验证标准误差介于0.32和0.41之间。在交叉验证中，BF样品的贮藏天数预测统计结果最好，其次是ST和LTL肌肉。由于不同肌肉样本和贮藏天数之间的相互作用，交叉验证模型的PLS负载出现了差异。总之，这些结果表明了近红外光谱具有鉴定四种不同山羊肌肉贮藏时间的潜力。类似的数据和技术可用于预测不同种类肉类在贮藏过程中的剩余保质期。这些信息可作为一种工具，用于预测和保证肉类样品在肉类供应和价值链上对消费者的安全性。
研究成果
图1：（a）新鲜和解冻山羊胸腰长肌（LTL）、半膜肌（SM）、半腱肌（ST）和股二头肌（BF）的平均原始近红外光谱和（b）二次导数近红外光谱。红线--新鲜；蓝线--解冻。
图2. 使用近红外反射光谱分析新鲜和解冻的胸腰长肌（LTL）、半膜肌（SM）、半腱肌（ST）和股二头肌（BF）山羊肌肉样本的主成分得分面板图。红色 - 新鲜；蓝色 - 解冻。
图3. 新鲜和解冻山羊胸腰长肌（LTL）、半膜肌（SM）、半腱肌（ST）和股二头肌（BF）4天和8天的平均二阶导数近红外光谱（红线--第1天；蓝线--第4天；绿线--第8天）。
图4. 经过1天（红线）、4天（蓝线）和8天（绿线）储存后，使用近红外光谱法分析的胸腰长肌（LTL）、半膜肌（SM）、半腱肌（ST）和股二头肌（BF）山羊肌肉样本的主成分得分图。
图 5.利用近红外光谱分析胸腰长肌（LTL）、半膜肌（SM）、半腱肌（ST）和股二头肌（BF）山羊肌肉样本的主成分分析得出的载荷。红线：加载主成分1；蓝线：加载主成分2，绿线：加载主成分3。
图6. 使用近红外光谱对胸腰长肌（LTL）、半膜肌（SM）、半腱肌（ST）和股二头肌（BF）的储存天数预测得出的偏最小二乘法载荷。
结论
这项研究证明了近红外光谱法具有监测四只山羊肌肉在冷藏8天后的保质期的潜力。由于不同类型的肌肉、储存（例如新鲜与解冻）以及在冷藏条件下可能发生变化，因此观察到PLS负荷的差异。这些结果显示了近红外光谱在识别不同肌肉中储存时间的潜力。这些信息还可以用作保证供应链和价值链上向消费者提供肉类样品质量的工具。
✦
原文链接
✦
Cozzolino D, Wu W, Zhang S, et al. The ability of a portable near infrared instrument to evaluate the shelf-life of fresh and thawed goat muscles[J]. Food Research International, 2024, 180: 114047.
https://doi.org/10.1016/j.foodres.2024.114047
✦
推荐阅读
✦
Food Chemistry│基于负载银纳米粒子的花形双金属有机框架结合机器学习的便携式黄水葡萄糖检测传感器
文字：李令琦
校编：赵 雪
排版：陈天龙
审核：李春保
