趙 斌, 鄧仙梅, 劉 敬,3, 王 瓊,3, 賴小平
(1. 中山火炬職業(yè)技術學院,廣東 中山528436;2. 廣州中醫(yī)藥大學,廣東 廣州510006;3. 國家中藥現(xiàn)代化工程技術研究中心 中山健康產品分中心,廣東 中山528436)
燕窩(cubilose)是雨燕科動物金絲燕分泌唾液所筑成的巢窩[1],最早記載于《本草備要》,認為其“甘淡平,大養(yǎng)肺陰,化痰止咳。補而能清,為調理虛勞之圣藥”。燕窩是馳名中外的滋補良品,市場需求量巨大,但相關質量控制標準很不健全,導致市場上其質量參差不齊,偽品眾多[2](如豬皮、銀耳、瓊脂等),故亟需建立一套快速有效的鑒別燕窩真?zhèn)蔚姆椒?。在國內,已有很多學者對燕窩的性狀、理化性質、化學成分測定等方面進行分析研究[3-9],但均需對樣品進行前處理,費時費力。傅立葉紅外變換光譜法(FTIR)是一種無損、快速、簡便的分析技術,孫素琴等[10-11]采用該方法對燕窩的品質進行了研究,通過檢測不同產地燕窩及摻假物豬皮、銀耳的特征峰來比較其真?zhèn)?,但對鑒定人員的專業(yè)素質要求較高,而且主觀性較強。本實驗將FTIR 與化學計量學法相結合,期冀快速準確地鑒別燕窩的真?zhèn)巍?/p>
1.1 儀器與試劑 Nicolet iS10 傅里葉變換紅外光譜儀(美國Thermo Nicolet 公司);YP-2 壓片機(上海山岳科學儀器有限公司);HW-3 紅外烘干箱(安合盟天津科技發(fā)展有限公司)。KBr 為光譜純(美國Thermo Nicolet 公司)。
1.2 樣品來源及處理 收集28 份東南亞進口的燕窩樣品,經廣州中醫(yī)藥大學中藥學院賴小平教授鑒定為正品,與若干偽品(豬皮、瓊脂、銀耳)一起組成真、偽燕窩樣品集,見表1。將它們于60 ℃下干燥24 h,研成粉末,過100 目篩,儲存于干燥器中備用,然后準確稱取各樣品2 mg,置于瑪瑙研缽中,按1 ∶100 比例加入干燥KBr,研磨均勻后取適量混合樣品置于壓片模具中,用壓片機壓成均勻透明的薄片,用于測定紅外光譜。
表1 燕窩的鑒定結果及其偽品來源Tab.1 Result of identification of cubilose and sources of its counterfeit goods
1.3 光譜條件及樣品光譜采集 室溫20 ~25 ℃;相對濕度20% ~25%;掃描范圍4 000 ~400 cm-1;掃描次數(shù)16 次/s;掃描速度0.2 cm/s;分辨率4 cm-1。掃描時,除去水分和CO2的干擾。
在采集樣品光譜前,先以KBr 為背景,累積掃描32 次,每個樣品平行測3 次,取平均值,而且均須扣除KBr 背景光譜。然后,采用Spectrum v32 操作軟件(美國Thermo Nicolet 公司)進行數(shù)據采集及譜圖處理。
1.4 數(shù)據處理 采用SIMCA-P +12.0 軟件進行主成分分析,SPSS 16.0 軟件進行系統(tǒng)聚類分析。
2.1 樣品及偽品的紅外譜圖分析(圖1) 由圖1A 可知,28 批燕窩樣品(白燕、血燕和黃燕)均有很相似的紅外光譜,在特征區(qū)(4 000 ~1 300 cm-1)范圍內基本一致,但在指紋區(qū)(1 300 ~400,特別是1 000 ~400 cm-1)范圍內有差異,可能是由于燕窩樣品的不同批次或種類所致。由圖1B 可知,雖然不同種類燕窩紅外譜圖的峰形、峰位都很相似,但其峰強度在2 927、1 044 cm-1附近和1 450 ~1 100、960 ~800 cm-1特征范圍內的差異比較明顯。
圖1 真?zhèn)窝喔C的紅外譜圖Fig.1 IR spectra of real and false cubilose
燕窩的主要化學成分為蛋白質、氨基酸及多糖。在2 927 cm-1附近的吸收峰為甲基和亞甲基,而在1 641、1 532、1 044 cm-1附近為蛋白質、氨基酸和多糖。由圖1C 可知,瓊脂和銀耳在2 927 cm-1附近的吸收比燕窩弱,而豬皮及去油豬皮的吸收比較強;在1 641 cm-1附近,瓊脂、銀耳及去油豬皮的吸收都明顯弱于燕窩,而豬皮則沒有吸收峰;在1 750 cm-1附近,豬皮、銀耳及去油豬皮均有一個明顯而尖銳的脂肪類特征吸收峰;在1 532 cm-1附近,這幾類偽品都沒有吸收峰;在1 044 cm-1附近,豬皮及去油豬皮均無吸收峰,而瓊脂及銀耳在此處的吸收比燕窩強。綜上所述,以圖譜中這4 個特征區(qū)的峰特點為依據,即可初步將燕窩與其偽品區(qū)分開。
2.2 主成分分析 主成分分析(PCA)是一種降維統(tǒng)計分析技術,它可利用變量之間的相關關系,在最大限度保留原數(shù)據信息量的前提下,用較少的新變量來代替較多的舊變量,從而使問題簡單化。本實驗以真?zhèn)窝喔C的紅外譜圖為變量,將其轉化為數(shù)據矩陣,并選取了3 000 ~2 700、1 800 ~400 cm-1這兩個波段范圍內的光譜數(shù)據進行分析。然后,對其波數(shù)點所對應的百分透過率數(shù)據進行主成分分析,并選取特征根大于1 的特征波數(shù)點為聚類分析提供主要變量,用于減少交叉關聯(lián)信息對其結果的影響,提高分析的準確度,并建立真?zhèn)窝喔C的分類識別模型,見圖2。由圖可知,燕窩與瓊脂、銀耳、豬皮等偽品之間均互不干擾,可以很好地區(qū)分開。
圖2 真?zhèn)窝喔C3D-PCA 圖Fig.2 3D-PCA diagram of real and false cubilose
2.3 系統(tǒng)聚類分析 聚類分析是一種根據觀測變量,對未知事物進行分類的統(tǒng)計方法,它可獲取中藥材復雜化學體系中紅外光譜整體特征信息的差異,從不同樣本中找出決定其差異的變量,從而進行分類。本實驗以上述主成分分析提取的特征波數(shù)點所對應的百分透過率為變量,對燕窩及其偽品進行系統(tǒng)聚類分析,見圖3。由圖可知,該方法能很好地將燕窩(Ⅰ)與其偽品(Ⅱ)分為2 大類,而在Ⅱ類下又能很好地將豬皮(29)、去油豬皮(30)、銀耳(31 -33)及瓊脂(34)區(qū)分開。同時,在Ⅰ類下也能將不同批次的燕窩分為幾小類。
本實驗根據FTIR 譜圖、特征峰主成分及聚類分析結果,可將28 個燕窩真品與6 個豬皮、銀耳偽品清晰地區(qū)分開,表明FTIR 作為一種無損、快速、簡便、經濟的分析技術,可用于燕窩真?zhèn)蔚蔫b別。但由于偽品數(shù)目較少,故采用該方法進行真?zhèn)窝喔C的快速區(qū)分尚需更多樣品的驗證。
文獻[10-11]報道,通過對紅外譜圖的直觀分析,可區(qū)分不同種類燕窩,并同時評價其品質,但本實驗尚不能對不同種類燕窩(白燕、血燕及黃燕)進行辨別分析,可能是由于以上文獻中每類樣品只有1 個,并且是根據產地來進行燕窩種類的區(qū)分,而本實驗中每類樣品有5 ~18 個,并且來自不同產地或渠道,其數(shù)量及復雜程度要高于文獻報道。另外,文獻[12-13]采用FTIR 結合化學計量學法進行煙葉產地、部位的識別及真假牛奶的區(qū)分,發(fā)現(xiàn)天然產物樣品的復雜程度越高,對其分類識別的準確率越低,并且模式識別的方法對分類結果也有重要影響。另外,文獻[12] 表明,產地不同所導致樣品差異的程度要大于部位不同,提示燕窩真?zhèn)蔚膮^(qū)分可能應在同一產地樣品中進行,這有待于今后作進一步驗證。
[1] 山東省藥品監(jiān)督管理局. 山東省中藥材標準(2002 年版)[M]. 濟南:山東友誼出版社,2002:270.
[2] 林潔茹,周 華,賴小平,等. 燕窩研究概述[J]. 中藥材,2006,29(1):85-90.
[3] 馮夏紅,李 峰,赫 寧,等. 三種燕窩的真?zhèn)舞b別[J].中醫(yī)藥學刊,2004,22(5):956.
[4] 蔣華嵩. 真假燕窩的鑒別[J]. 中草藥,2000,31(1):58.
[5] 李兆奎,周紅艷,李衛(wèi)紅,等. 燕窩中亞硝酸鹽來源及定量分析[J]. 中國中醫(yī)藥科技,2010,17(5):419-420.
[6] 侯惠嬋,施亦斌,黃文青,等. 中國產燕窩總氮及氨基酸含量分析[J]. 中藥材,2007,30(8):961-963.
[7] 李憲華,奚星林,陳文銳. 進出口燕窩品質分析評價[J].廣州食品工業(yè)科技,2003,19(3):72,89.
[8] 王 慧,倪坤儀,王 玉. 燕窩中唾液酸的含量測定[J].藥物分析雜志,2006,26(6):1251-1253.
[9] 趙 斌,黎小鵬,劉 敬,等. 東南亞進口燕窩中總氮和氨基酸分析[J]. 中藥材,2014,37(6):949-952.
[10] 孫素琴,梁曦云. 6 種燕窩的傅里葉變換紅外光譜法原性狀快速鑒別[J]. 分析化學,2001,29(5):552-554.
[11] 鄧月娥,孫素琴,周 群,等. FTIR 光譜法與燕窩的品質分析[J]. 光譜學與光譜分析,2006,26(7):1242-1245.
[12] Ni L J,Zhang L G,Xie J,et al. Pattern recognition of Chinese flue-cured tobaccos by an improved and simplified K-nearest neighbors classification algorithm on near infrared spectra[J].Anal Chim Acta,2009,633(1):43-45.
[13] Zhang L G,Zhang X,Ni L J,et al. Rapid identification of adulterated cow milk by non-linear pattern recognition methods based on near infrared spectroscopy[J]. Food Chem,2014,145(15):342-348.