肉类掺假是对消费者权益的严重威胁，也是一个普遍存在的食品安全问题。目前肉类掺假检测方法大多是色谱、蛋白质图谱、毛细管电泳、脱氧核糖核酸法等生化分析方法，所有这些都可以定性和定量地获得肉末掺假的状态。然而，这些方法费时费力，难以满足工业化生产和销售过程中对简单、快速、无损检测的需求。
中国肉类食品综合研究中心赵燕教授等在Journal of Food Composition and Analysis期刊上发表了题为Identification and quantification of adulteration in frozen-thawed meat of different breeds by NIR spectroscopy and chemometrics（通过近红外光谱和化学计量法鉴定和定量不同品种冻融肉中的掺假）的研究论文。该研究旨在比较不同品种肉类的特征近红外吸收带，并开发一种基于近红外光谱和化学计量方法的定性和半定量检测各类冷冻肉中掺假的方法。
1
不同类型掺假样品的平均光谱
图1显示了不同掺假类型样品在不同掺假百分比（0、50%、100%）下的全波段（950–1650 nm）平均光谱。可以看出，光谱的总体趋势是相似的，主要区别在于光谱吸光度和某些区域的光谱形状。由于解冻肉中的水分含量高（约75%），所有样品光谱在1200 nm（组合色调）和1450 nm（第一泛音OH拉伸）处对水分特征带的吸收相对较大。此外，不同掺假类型下不同掺假百分比的样品的光谱吸光度分别收敛到1450 nm波段附近的同一水平。这可能是由于所有肉类物种中的水分含量较高，从而导致—OH的吸收更强。
2
PCA结果：a）所有以不同颜色和形状区分的掺假样品的评分图; b） 以不同颜色区分的羊肉鸭掺假样品的分数图; c） 所有样品的PC加载图; d） 羔羊样品中掺假鸭的PC加载图
为了深入研究不同样品光谱差异的细节，PCA一起应用于所有掺假样品的光谱。评估了不同的预处理方法，在解释方差（SG-7）方面的最佳方法如图2a所示。从图中可以清楚地看出，肉的种类没有可见的模式，这意味着不同类型的方差不是系统的。相反，相同掺假类型（羔羊-鸭）的样品的不同掺假水平导致它们沿PC1方向分布（图2b）。所有掺假类型样品的PCA负载图如图2c所示。在该波段范围内，1200 nm（组合音调）处的PC1负载量相当低，这是由于它所代表的水分含量在不同肉类类型之间没有太大差异。如图2d所示，在具有不同掺假水平的羔羊鸭样品的PC的PCA载荷图中PC2和PC3的负荷主要表现为与水有关的吸收带。
3
表 1 采用最佳预处理方法对光谱进行预处理后，使用SPA和CARS识别优选波长的掺假肉类的PLS-DA分类模型的结果。
表1显示了PLS-DA分类模型在通过最佳预处理方法对光谱进行预处理后，使用SPA和CARS识别掺假肉的优选波长的结果，其中优选特征波长的最佳方法用粗体表示。可以看出，所有用特征波长光谱构建的判别模型结果与全波长模型结果基本相同。这表明全波段光谱可以被波长较少的光谱数据所取代，以提高建模速度并减少干扰。此外，SPA在两种滤波特征波长的方法中适用范围更广，其构建的模型也更有效。虽然CARS与识别模型一起在所有类别中筛选特征波长最有效，但它筛选的特征波长是全波段。
4
PLSR模型的结果，在通过最佳预处理方法对光谱进行预处理后，使用SPA和CARS对优选波长的肉类掺假进行半定量
显示了使用SPA和CARS对首选波长进行PLSR建模的结果，在通过最佳预处理方法对光谱进行预处理后，其中首选特征波长的最佳方法用粗体表示。
5
表 3.优选PLSR模型的特征波长选择结果：肉类掺假的半定量
显示的是构建判别模型的最佳特征波长。可以看出，特征波长结果与PCA结果一致。特征波长主要集中在有水分的吸收带，这体现在对所有掺假类型的定性鉴定和半定量检测上。每种掺假类型的定性鉴定模型和半定量检测模型所优选的特征波长也不完全相同。从特征波长偏好的结果来看，脂肪含量是羊肉-鸡肉和牛肉-鸡肉定性鉴别的更重要基础。脂肪含量对牛猪肉和猪肉鸡肉的半定量检测有更重要的影响。由于肉中水分含量占比更高，所以水分含量是所有肉类掺假半定量检测和定性鉴别的更重要基础
6
表4 不同掺假样品组的最佳PLS-DA模型结果
根据不同预处理和不同特征波长选择方法构建的PLS-DA和PLSR模型结果，得到不同掺假样品组的最优模型结果，如表4和表5所示。基本上，除了对所有掺假类型进行半定量检测外，所有最优模型都是使用特征波长光谱信息构建的。在所有最优PLS-DA模型的鉴别结果中，PLS-DA模型同时识别所有掺假类型的准确率最低（AUCP=0.827），而PLS-DA模型对羊肉-鸡肉和牛肉-鸡肉的准确度最高（AUCP=1.000）。其他掺假类型的AUCP均高于0.955。在PLSR模型的所有最优结果中，所有掺假类型共同预测的模型结果最差（Rp2= 0.5348，RMSECV=0.1895，RPD=1.47）。掺假类型预测的PLSR预测模型结果均达到预期值（Rp2= 0.8932–0.9693，RMSECV= 0.0622–0.1199，RPD= 3.19–5.71）。在所有类型的掺假检测中，掺假鸡的鉴别模型和预测模型的结果相对较好
近红外光谱和适当的多元回归建模可以成为快速识别和量化各种肉类掺假的可靠工具。同时识别多种不同掺假肉类的能力是一个重要结果，它解决了需要构建多个模型的问题。然而，不同掺假肉类同时半定量检测的模型需要进一步优化。具体的优化方法可以考虑扩大样本范围、优化建模方法等。当然，该模型在定性鉴别和定性检测不同掺假类型肉类方面都非常有效。当然，在获得样品时，可以通过定性检测模型识别掺假类型，然后利用掺假类型的定量预测模型来预测掺假比例，达到检测目的。
✦ +
+
原文链接
Bai J, Zang M, Shi Y, et al. Identification and quantification of adulteration in frozen-thawed meat of different breeds by NIR spectroscopy and chemometrics[J]. Journal of Food Composition and Analysis, 2024,130:106192.
✦ +
+
推荐阅读
FRI│基于实时低场核磁和拉曼光谱技术揭示多次冻融循环对牛背最长肌水分迁移、蛋白构象和品质特性的影响
文字：陶庆云
校编：张 淼
排版：张大卫
审核：李春保
