莊俊鈺，許佩勤，林丹，鐘舒潔（1.廣東省食品質(zhì)量監(jiān)督檢驗站，廣東廣州510308；2.廣東省食品工業(yè)研究所，廣東廣州510308；3.廣東省食品工業(yè)公共實驗室，廣東廣州510308）

?

基于特征氨基酸指紋圖譜的白燕窩識別摻假模型建立與驗證

莊俊鈺1，2，許佩勤1，2，林丹2，3，鐘舒潔1，2
（1.廣東省食品質(zhì)量監(jiān)督檢驗站，廣東廣州510308；2.廣東省食品工業(yè)研究所，廣東廣州510308；3.廣東省食品工業(yè)公共實驗室，廣東廣州510308）

摘要：測定各類燕窩和摻假樣品的氨基酸組成，通過主成分分析構(gòu)建白燕窩鑒別的綜合評價模型，運用多變量統(tǒng)計分析方法，初步建立燕窩摻假模型，并進行驗證。結(jié)果表明，前兩個主成分提取了原來18個指標87.75%的信息；利用綜合評價模型計算出各類樣品的主成分得分，燕窩樣品在主成分得分圖中分布的位置較集中，摻假燕窩樣品則較分散；以摻假物質(zhì)含量作為自變量，綜合評價得分作為因變量，進行線性回歸分析，單一物質(zhì)摻假的線性模型和混合摻假線性模型的線性系數(shù)R2＞0.98。模型驗證誤差平均值為3.25%，說明氨基酸指紋圖譜指紋譜圖鑒別法是一種有效且可靠性高的鑒別白燕窩的方法。

關(guān)鍵詞：白燕窩；摻假；主成分分析；多元線性回歸；建模

燕窩是由雨燕科動物金絲燕及多種同屬燕類用唾液與續(xù)羽等混合凝結(jié)所筑成的巢窩，其成分有水溶性蛋白質(zhì)、碳水化合物、微量元素以及對促進人體活力起重要作用的氨基酸。燕窩按顏色可分為白燕窩、黃燕窩和血燕窩3種。由于其性價比，白燕窩比另外兩種燕窩更加受消費者的青睞［1-3］。近年來，我國燕窩的消費量仍在持續(xù)增長。由于燕窩產(chǎn)品的珍貴及燕窩行業(yè)的高產(chǎn)值。為了牟取高額利潤，不法商人利用價廉的材料全部偽制或部分替代真實燕窩產(chǎn)品，以達到增加重量、提高賣相、以假亂真等目的，市場中燕窩產(chǎn)品的質(zhì)量安全狀況令人擔憂［4］。

燕窩中氨基酸的含量、種類及比例是評價其營養(yǎng)價值優(yōu)劣的主要指標之一［4］。所以，對燕窩的氨基酸組成的監(jiān)測分析具有重要意義。近年來，多變量統(tǒng)計學方法對食品科學研究及其應(yīng)用產(chǎn)生了非常大的影響，比如食品感官分析、食品風味及化合物分析、食用植物種類的分類與鑒別、食品腐壞的建模與預測等［5-6］。以此為出發(fā)點，本研究以白燕窩作為研究對象，采用氨基酸自動分析儀技術(shù)測定白燕窩氨基酸組成，通過主成分分析構(gòu)建白燕窩鑒別的綜合評價模型，以摻假物質(zhì)含量作為自變量，綜合評價得分作為因變量，運用多變量統(tǒng)計分析方法，初步建立燕窩摻假模型，并進行驗證。對規(guī)范燕窩市場秩序、促進產(chǎn)業(yè)發(fā)展和打擊假冒偽劣產(chǎn)品、維護消費者健康安全具有重大意義。

1　材料與方法

1.1材料與試劑

白燕窩：從各大品牌購買的經(jīng)專家鑒定為真品的燕窩；干豬皮、豬浮皮、銀耳、雞蛋：購于農(nóng)貿(mào)市場；漿糊：購于文具店。

鹽酸（GR）：廣州試劑廠；巰基乙酸（AR）：天津科密歐化學試劑有限公司；茚三酮（AR）、檸檬酸鈉（AR）：國藥集團化學試劑有限公司；氨基酸標準品：美國Sigma公司。

1.2儀器與設(shè)備

L-8900型高效氨基酸自動分析儀：日本日立公司；DGG-9420A電熱恒溫干燥箱：上海森信實驗儀器有限公司有限公司；分析天平：北京賽多利斯科學儀器有限公司；HHS-2型電熱恒溫水浴鍋等；HGC-12A氮吹儀：江蘇漢邦科技有限公司；高純氮氣：南京天澤氣體有限責任公司。

1.3方法

1.3.1試驗設(shè)計

選取4個經(jīng)鑒定為真品的燕窩作為該研究的對照組，豬浮皮、銀耳、瓊脂、雞蛋清和漿糊作為摻假物質(zhì)，分別在真品燕窩中摻入2%、5%、10%、20%和50%的豬浮皮、銀耳和瓊脂；以雞蛋清和漿糊作為涂層摻假物質(zhì)，在燕窩上涂上均勻的涂層；兩種以上不同比例摻假物質(zhì)的設(shè)計見表1。

1.3.2樣品的處理

根據(jù)各樣品蛋白質(zhì)含量，取一定量的樣品于水解管中，加入6 mol/L鹽酸15 mL，以及3滴巰基乙酸，混勻。水解管充氮氣后封口，置于110℃的恒溫干燥箱內(nèi)，水解22 h后，取出冷卻。用去離子水沖洗水解管，將水解液全部轉(zhuǎn)移到50 mL容量瓶中，用去離子水定容。吸取2 mL濾液于小燒杯中，水浴蒸干。殘留物用1 mL超純水溶解，再蒸干，重復2次。冷卻后，加入10 mL 0.02 mol/L鹽酸溶解，溶液用0.45 μm濾膜過濾，氨基酸自動分析儀檢測。

1.3.3色譜條件

離子交換柱規(guī)格4.6 mmID×60 mm，不銹鋼柱（日本公司生產(chǎn)的氨基酸分析專用樹脂）；泵流速P1：0.40 mL/min，P2：0.35 mL/min；柱溫：57℃，反應(yīng)溫度：135℃；進樣體積：20 μL。

1.3.4數(shù)據(jù)分析

以18種氨基酸作為指標，用SAS 9.1進行主成分分析和多元線性回歸分析。Excel進行線性回歸分析。

表1　混合摻假樣品Table 1　Samples of mixed adulteration

2　結(jié)果與分析

2.1燕窩摻假模型的氨基酸組成分析

4個真品燕窩、豬浮皮、銀耳、瓊脂、雞蛋清和漿糊的氨基酸組成結(jié)果見表2；單一物質(zhì)摻假燕窩的氨基酸組成結(jié)果見表3；兩種以上物質(zhì)不同比例摻假燕窩的氨基酸組成結(jié)果見表4。

由表2～表4可以看出，18種氨基酸組成為各類樣品特征性指標，不同類型樣品的氨基酸組成均有差異。由于變量個數(shù)太多，并彼此之間存在一定的相關(guān)性，因而使得所觀測到的數(shù)據(jù)在一定程度上反映的信息有所重疊；而當變量較多時，在高維空間中研究樣本的分布規(guī)律比較復雜，需要將多個指標化為小數(shù)綜合指標進行統(tǒng)計分析。

2.2各類樣品氨基酸組成的主成分分析

主成分分析是一種通過降維技術(shù)把多個變量化為少數(shù)幾個主成分（即綜合變量）的統(tǒng)計方法，利用模型“合成”為一個整體性的評價值，進而對樣品總體進行評價，不但可將多指標問題轉(zhuǎn)化為較少的綜合指標，而且能給出較為客觀的權(quán)重，為燕窩真?zhèn)蔚蔫b別提供科學而客觀的評價方法。

表2　燕窩對照組和摻假物質(zhì)的氨基酸組成Table 2　Amino acid of control group and adulterant g/100 g

表3　單一物質(zhì)摻假燕窩的氨基酸組成Table 3　Amino acid of single adulteration　g/100 g

表4　 混合摻假樣品的氨基酸組成Table 4　Amino acid of mixed adulteration g/100 g

利用SAS9.1統(tǒng)計分析軟件對各類樣品的氨基酸組成的原始數(shù)據(jù)進行主成分分析，表5為相關(guān)系數(shù)矩陣的特征值，相關(guān)系數(shù)矩陣的特征值越大，它所對應(yīng)的主成分變量包含的信息就越多。

表5　 特征值和方差貢獻率Table 5　Eigenvalues and variance contributionrate

從表5可以看出，第1和第2主成分的特征值較大，說明這兩個主成分包含了原來18個指標大部分的信息。第4列為每個主成分的貢獻率，第1和第2主成分的貢獻率分別為60.35%和27.40%，其余主成分的貢獻率較小，最后1列為累計貢獻率。由此列數(shù)值可知，前兩個主成分提取了原來18個指標87.75%的信息。綜合以上指標，對前兩個主成分進行深入分析。

表6為主成分分析得到的特征向量，根據(jù)特征向量構(gòu)建主成分與各類樣品氨基酸組成之間的線性關(guān)系如下：

Y1=0.301 9x1+0.262 6x2+0.274 3x3+0.246 1x4+ 0.112 1x5+0.039 3x6+0.154 3x7-0.103 3x8+0.294 9x9+ 0.213 9x10+0.280 4x11+0.300 0x12+0.254 3x13+0.292 3x14+ 0.268 3x15+0.257 6x16+0.255 7x17-0.015 8x18

Y2=0.022 9x1-0.173 9x2-0.108 8x3+0.234 2x4+ 0.326 7x5+0.428 6x6+0.382 8x7+0.311 8x8-0.102 9x9+ 0.108 2x10-0.011 0x11-0.034 1x12-0.204 7x13-0.111 8x14+ 0.142 8x15-0.195 4x16+0.214 0x17+0.431 4x18

式中：Y1、Y2為綜合指標，是樣品18個氨基酸組成的線性組合。

以兩個主成分Y1、Y2與其方差貢獻率構(gòu)建各類樣品氨基酸組成的綜合評價模型Z，Z為因變量，Y1、Y2為自變量，Z為Y1、Y2的線性組合：Z=0.6535Y1+ 0.274 0Y2。

表6　各指標主成分特征向量Table 6　Eigenvectors of each index on PC

利用該模型計算出各類樣品的主成分得分，真品燕窩和摻假樣品在第1、第2主成分的得分圖見圖1。

圖1　 主成分得分圖Fig.1　Diagram of PC scores

從圖1可以看出，燕窩樣品在主成分得分圖中分布的位置較集中，摻假燕窩樣品則較分散，可為初步判定燕窩真?zhèn)翁峁┮欢ǖ膮⒖純r值；部分摻假樣品與真品有不同程度的交叉重疊，需要建立不同水平的摻假模型進行鑒別。

2.3單一物質(zhì)摻假燕窩的線性模型建立

以各單一物質(zhì)的摻假量為橫坐標，樣品的綜合評價得分Z作為縱坐標繪制散點圖，見圖2。

從圖2可以看出，豬浮皮摻假會提高樣品的綜合評價，銀耳和瓊脂的摻假則會降低得分。對不同摻假水平下的樣品綜合得分進行擬合，其回歸方程和相關(guān)系數(shù)R2＞0.98，具有良好的相關(guān)性，擬合度高，說明該模型可用于單一物質(zhì)的摻假鑒別。

2.4兩種以上物質(zhì)摻假燕窩的多元線性模型建立

利用綜合評價模型Z計算出混合摻假樣品的綜合評價得分，見表6。將綜合得分作為因變量，將變量x1、x2、x3作為自變量，進行多元線性回歸分析?；貧w分析結(jié)果如表7、表8所示。

圖2　單一物質(zhì)摻假燕窩的線性模型Fig.2　Linear model of single adulteration

表7　 方差分析Table 7　Analysis of variance

表8　 參數(shù)估計Table 8　Parameter estimates

表7和表8結(jié)果表明，模型檢驗（F=133.66，P＜0.000 1），表示模型通過檢驗，達到顯著水平。在回歸系數(shù)檢驗中，常數(shù)項（t=8.74，P=0.000 3）、x1（t=7.51，P= 0.0007）、x2（t=-15.84，P＜0.0001）、x3（t=-9.67，P=0.000 2），達到顯著水平，表明Y和常數(shù)項、x1、x2、x3存在顯著的線性關(guān)系。所以回歸方程為Y=0.474 3+2.433 3x1-5.135 9x2-3.135 9x3。決定系數(shù)（R2）為0.987 7，表明在變量Y的總變異中，由變量x1-x3線性說明的部分占98.77%。

2.5模型驗證

測定4個樣品的18種氨基酸組成。以各摻假物質(zhì)的含量為預測變量，綜合評價得分為因變量，代入摻假模型，結(jié)果見表9。

表9　線性回歸模型檢驗Table 9　Validation of linear regression model

4個樣品的模型預測值和觀測值的誤差在-9.09%～22.22%之間，誤差平均值為3.25%，證明該方法建立的線性回歸模型對摻假物質(zhì)含量擬合良好。模型的誤差可能歸結(jié)于本研究中未納入考慮的將18種氨基酸指標轉(zhuǎn)化為一個綜合評價指標過程中所造成的誤差。

3　結(jié)論

1）利用SAS軟件對樣品的氨基酸組成進行主成分分析，前兩個主成分提取了原來18個指標87.75%的信息。根據(jù)特征向量構(gòu)建主成分與各類樣品氨基酸組成之間的線性模型Y1、Y2。以兩個主成分Y1、Y2與其方差貢獻率構(gòu)建各類樣品氨基酸組成的綜合評價模型Z=0.653 5Y1+0.274 0Y2。

2）利用綜合評價模型模型計算出各類樣品的主成分得分，燕窩樣品在主成分得分圖中分布的位置較集中，摻假燕窩樣品則較分散，可為初步判定燕窩真?zhèn)翁峁┮欢ǖ膮⒖純r值。

3）以摻假物質(zhì)含量作為自變量，綜合評價得分作為因變量，進行線性回歸分析，單一摻假的線性模型和混合摻假線性模型的線性系數(shù)R2＞0.98。模型驗證誤差在-9.09%～22.22%之間，誤差平均值為3.25%，證明該方法建立的線性回歸模型對摻假物質(zhì)含量擬合良好。

參考文獻：

［1］烏日罕，陳穎，吳亞君，等.燕窩真?zhèn)舞b別方法及國內(nèi)外研究進展［J］.檢驗檢疫科學，2007，17（4）：60-62

［2］ Lin J，Zhou H，Lai X.Overview of edible bird's nest research［J］. Journal of Chinese Medicinal Materials，2006，29（1）：85-90

［3］Sankaran R.The status and conservation of the Edible-nest Swiftlet （Collocalia fuciphaga）in the Andaman and Nicobar Islands［J］.Biological Conservation，2001，97（3）：283-294

［4］郭麗麗.表征屬性識別技術(shù)在燕窩真?zhèn)舞b別中的應(yīng)用研究［D］.北京：中國農(nóng)業(yè)大學，2014

［5］劉景，王蔭榆，郭本恒，等.發(fā)酵乳儲存期內(nèi)風味模型的建立與檢驗［J］.食品科學，2011，32（12）：296-300

［6］吳有煒.試驗設(shè)計與數(shù)據(jù)處理［M］.蘇州：蘇州大學出版社，2002：148-154

DOI：10.3969/j.issn.1005-6521.2016.11.031

基金項目：廣東省科技計劃項目（2012B040302015）

作者簡介：莊俊鈺（1981—），女（漢），高級工程師，碩士，主要從事食品安全檢測與質(zhì)量研究工作。

收稿日期：2015-05-08

Construction and Validation of Adulteration Model of Edible Bird's Nest by Amino Acid

ZHUANG Jun-yu1，2，XU Pei-qin1，2，LIN Dan2，3，ZHONG Shu-jie1，2

（1.Guangdong Food Quality Supervision and Inspection Station，Guangzhou 510308，Guangdong，China；2.Guangdong Provincial Public Laboratory of Food Industry，Guangzhou 510308，Guangdong，China；3.Guangdong Food Industry Institute，Guangzhou 510308，Guangdong，China）

Abstract：The amino acid composition of edible bird's nest（EBN）and adulterate EBN were analyzed by using an automatic amino.Principal component analysis（PCA）was applied to establish an evaluative model.Multivariate statistical methods were used to establish an adulteration model of EBN and verify.The results showed that prin 1 and prin 2 reflect 87.75%information of 18 indexes.Every sample was evaluated by PCA mathematical evaluative model and the PCA scores of EBNs were relative concentration than adulterate EBN.The parameters of adulteration content were analyzed as independent variables，and evaluative scores as the dependent variable for linear regression analysis.The final model were R2＞0.98.The determined values and the predicted values of the tested samples were fitted well with an average error of 3.25%.Therefore，the amino acids composition fingerprint could be used to distinguish adulterate bird's nest based on changes in content or proportion.

Key words：edible bird's nest；adulteration；multiple linear regression；principal components analysis （PCA）；modeling