高興盛 李艷茹 郭衛(wèi)華

摘要 為研究鮑魚的無損檢測技術，提出了一種基于低場核磁共振技術的快速、無損預測鮑魚水分和脂肪含量的新方法，采用CPMG序列測定橫向弛豫時間T2，結果表明：鮑魚肉中含有3種不同組分水，分別是結合水（T2b）、肌原纖維內水（T21）和肌原纖維間隙水（T22）。并結合化學計量學建立2種關于鮑魚水分和脂肪含量的預測模型：校正集（Calibration）用于預測樣品水分和脂肪含量，而交互驗證集（Validation）被用來驗證預測結果的穩(wěn)健性和預測標準誤差（SEP）值。PCR和PLSR預測模型相關系數(shù)R2均大于0.9。然而PLS預測模型則給出了最好的預測結果：在水分預測模型中R2val=0.993 5，SEP=0.140 1；脂肪含量預測模型中R2val=0.967 5，SEP=0.265 0。由此表明，2種預測模型都具有評價鮑魚品質的良好潛力，并且PLS預測模型的精準性和穩(wěn)健性優(yōu)于PCR預測模型。

關鍵詞 低場核磁共振；鮑魚；化學計量學；預測

中圖分類號 TS254 文獻標識碼 A 文章編號 1007-5739（2016）08-0267-04

Abstract In order to study abalone nondestructive testing technology，this paper proposes a fast，non-destructive prediction abalone new methods of moisture and fat content，based on the technology of low field nuclear magnetic resonance （NMR）.This research adopts the CPMG sequence determination of transverse relaxation time T2，The result showed that the abalone meat contains three different components of water，respectively，combined water （T2b），myofibril inland waters （T21） and myofibril interstitial water （T22）.Combined with chemometrics to establish two kinds of prediction model about abalone moisture and fat content.Grade correction （Calibration） model is used to predict the sample moisture and fat content and interaction level verification （Validation） model is used to verify the robustness of results and standard error （SEP） value.PCR and PLSR model correlation coefficient R2 were greater than 0.9.However PLS forecast model gives the best results：R2val=0.993 5 in moisture prediction model，SEP=0.140 1；Fat content prediction model of R2val=0.967 5，SEP=0.265 0.Thus the two kinds of prediction model has good potential of evaluation quality of abalone，and precision and robustness of the PLS model is better than that of PCR prediction model.

Key words low field-nuclear magnetic resonance；abalone；chemometrics；prediction

鮑魚是一種高蛋白、低脂肪的海產品，水分和脂肪作為鮑魚的兩大組分，對其口感、風味和營養(yǎng)價值均有較大影響，更與鮑魚肉品質高低直接相關。脂肪含量的高低不僅直接影響肉質的營養(yǎng)價值，也影響鮑魚的深加工。此外，由于鮑魚中含有大量的水分，存儲過程中水分含量高低影響微生物群落的增長，從而影響鮑魚制品的貨架期[1-2]。目前，測量水分和脂肪含量的標準方法主要是直接干燥和有機溶劑萃取獲得的，這些化學方法雖然可以得到較可靠的結果，但是它們是破壞性的方法，且只檢測小部分代表性的樣本以獲得平均值，無法保證數(shù)據(jù)的實時性。近紅外光譜近年來普遍用于檢測魚類中水分和脂肪的含量，與物理化學分析方法測得的結果具有較高相關性[3-4]。然而，近紅外光譜的主要缺點是反射光譜僅提供樣品表層的信息[5]。與近紅外光譜相比，低場核磁共振檢測特異性質子，它能夠測量完整樣品而不受表面性質的影響，可以同時得到樣品中水和脂肪的弛豫信號，通過對弛豫信號分析可得到樣品中水分和脂肪的含量[6-8]。該試驗利用低場核磁共振分析儀，以大連產皺紋盤鮑為研究對象，并結合主成分回歸分析（PCR）和偏最小二乘回歸法（PLSR）建立鮑魚水分和脂肪含量的預測模型，為鮑魚及其他海產品的加工貯藏提供依據(jù)。

1 材料與方法

1.1 試驗材料

皺紋盤鮑，購于大連市長興水產品交易市場，平均體重為（99.0±16.2） g，平均體長為（90.5±3.9） mm，加冰塊運到實驗室。

1.2 試驗設備及試劑

小動物核磁共振成像系統(tǒng)（Mini MR-Rat，上海紐邁電子科技有限公司生產）；60 mm核磁共振專用測試管；AR2140型電子天平（美國OHAUS生產）；索氏提取器；旋轉蒸發(fā)器RE-52C（鞏義市予華儀器有限責任公司生產）；Dragonmed移液槍（上海大龍醫(yī)療設備有限公司生產）；石油醚（北京化工廠生產，分析純）。

1.3 試驗方法

1.3.1 鮑魚LF-NMR 檢測。試驗利用裝備有0.5T永磁體的低場核磁共振儀（中國上海紐邁電子科技有限公司）在32 ℃（儀器工作溫度）下采用CPMG （Carr-Purcell-Meiboom-G ill）脈沖序列測定樣品的自旋-自旋弛豫時間T2。將鮑魚置于永磁場中心位置的射頻線圈的中心進行CPMG脈沖序列試驗。CPMG序列采用的參數(shù)：P1=20 s（硬脈沖90度脈寬），P2=40 s（硬脈沖180度脈寬），TD=263 434個（采樣點數(shù)），SW=200 kHz（采樣頻率），NS=4（累加次數(shù)），TW=3 000 ms（重復采樣等待時間），NECH=3 000個 （回波個數(shù)）。每個樣品重復測定3次，取其平均值，作為這一樣品的檢測結果。最后應用MultiExp Inv Analysis軟件進行多指數(shù)擬合得到鮑魚的橫向弛豫譜圖。

1.3.2 鮑魚水分和脂肪含量的測定。一是含水率的測定。按照中華人民共和國食品安全標準《食品中水分的測定（GB 5009.3—2010）》[9]。二是脂肪含量的測定。按照中華人民共和國國家標準《食品中脂肪的測定（GB/T 5009.6—2003）》[10]。

1.4 數(shù)據(jù)處理

PCR和PLSR模型的建立是基于The Unscrambler軟件。文中所有圖形繪制和線性、指數(shù)曲線擬合均用Origin 8.5軟件處理完成。

2 結果與分析

2.1 物理化學結果

鮑魚樣品中水分和脂肪含量的最大值、最小值、平均值、標準偏差以及變異系數(shù)見表1?？梢钥闯?，鮑魚樣品的水分含量在5.253～9.174 g之間，脂肪含量在0.035～0.154 g之間，水分和脂肪含量的平均值分別為（7.128±1.260） g和（0.078±0.030） g，變異系數(shù)分別為17.68%和38.46%。

2.2 低場核磁共振分析結果

2.2.1 NMR （T2）連續(xù)分布馳豫衰減曲線。眾所周知，低場核磁共振結果反應物質中H質子的信號量。由于不同個體間相關質子含量和移動性的不同導致T2馳豫衰減曲線表現(xiàn)出差異性[11]，在10只鮑魚樣品中1號鮑魚的弛豫衰減速率最快；9號鮑魚的弛豫衰減速率最慢，這與其自身H 質子含量和化學環(huán)境相關[12]，相應個體的脂肪和水分信號很容易分開。然而，在鮑魚T2分布曲線譜圖中很難區(qū)分相應水組分和水分分布（圖1a）。

2.2.2 T2多指數(shù)擬合馳豫曲線。低場核磁共振T2多指數(shù)擬合結果表明鮑魚體內存在3種不同水組分，分別為結合水、不易流動水和自由水。從圖1b可以看出，馳豫時間最短的T2b（ 0～10 ms）表示水分子與細胞內大分子結合非常牢固的水分子層；馳豫時間處于中間的組分T21（10～100 ms）表示水分子作 為一種高度有組織的結構存在于肌纖絲、肌原纖維及膜之間的不易流動水，占總積分面積的80%左右，相當于水分子被束縛在蛋白質的三、四級結構上或處于密度很高的肌纖維群中，包括肌動蛋白和肌球蛋白。最后，也就是弛豫時間最長的組分T22（100～1 000 ms）表示存在于肌纖維細胞外的間隙中能自由流動的水[13-14]。因此，多指數(shù)擬合NMR橫向弛豫譜圖可以直觀表明水分的自由度以及表征鮑魚組織中存在的水組分群及它們的分布狀態(tài)。但是還不能通過鮑魚樣品的T2橫向弛豫譜圖進行水分和脂肪含量的定量分析，本試驗利用低場核磁共振技術結合化學計量學方法用于鮑魚樣品中水分和脂肪含量的定量分析。

2.3 預測模型的建立

建模集樣本的3 000個CPMG回波峰點數(shù)據(jù)作為自變量X，因變量Y是鮑魚的水分或脂肪含量，采用PCR和PLSR建立X與Y的相關性模型。與傳統(tǒng)通過核磁共振技術檢測肉中水分和脂肪含量的方法相比，本試驗 采用了完整鮑魚樣品的弛豫信號，更能精確地代表整個樣本。建模過程中，交互驗證試驗 與校正模型的建立過程同時進行。一般來說，一個表現(xiàn)良好的預測模型應該具有較高的相關系數(shù)R2和較低的預測標準誤差SEP[15]。

合理確定參加建模的主因子數(shù)是充分利用光譜信息和濾除噪音的有效方法之一。建模時如果所用的因子數(shù)太多，則會出現(xiàn)過擬合現(xiàn)象，雖然校正集樣品的校正結果很好，但是預測結果很差。如果所用的因子數(shù)太少則會出現(xiàn)欠擬合，那么光譜中一些有用的信息沒有包含在模型中，校正的結果和預測的結果不準確[16]。

2.3.1 PCR預測模型建立。圖2為鮑魚樣品的PCR模型水分和脂肪殘余方差散點圖，通過殘余方差散點圖可以確定建立預測模型的最優(yōu)因子數(shù)，殘余方差從第一個因子數(shù)開始減小，當因子數(shù)n和n+1的殘余方差的變化可以忽略不計時，n就被確定為最優(yōu)的因子數(shù)[9]。從圖2可以看出，PCR建立預測模型時，通過鮑魚水分和脂肪含量殘余方差分析得到水分和脂肪的最佳因子數(shù)分別為5和4，從而得到鮑魚樣品水分和脂肪低場核磁共振預測模型測量值和預測值的散點分布（圖3）。圖3a、3b分別是PCR校正集（Calibration）水分和脂肪含量預測模型；圖3c、3d分別是PCR交互驗證集（Validation）水分和脂肪含量預測模型。圖3中橫坐標均為通過物理化學方法測得的水分和脂肪含量實際值，縱坐標為水分和脂肪含量預測值。

表2給出了基于橫向弛豫信號對鮑魚樣品水分和脂肪含量的預測模型評價結果。可以看出水分的PCR預測模型取得了較好的結果，校正集和交互驗證集的結果相近，相關系數(shù)R2cal和R2val分別為0.992 5和0.993 2，均大于0.9，預測標準誤差SEP為0.144 2，預測標準誤差較小，RPD值為8.737 9，大于3；脂肪的PCR預測模型同樣取得了較好的結果，校正集和交互驗證集相關系數(shù)R2cal和R2val分別為0.967 2和0.961 0，均大于0.9，預測標準誤差SEP為0.286 7。

2.3.2 PLSR預測模型建立。圖4為鮑魚樣品的PLS模型水分和脂肪殘余方差散點圖，從圖4可以看出，PLS建立預測模型時，通過殘余方差分析得到水分和脂肪的最佳因子數(shù)與PCR方法分析得到的最佳因子數(shù)相同，分別為5和4，由最優(yōu)因子數(shù)得到鮑魚樣品水分和脂肪低場核磁共振預測模型實際值和預測值的散點分布（圖5）。其中，圖5a和圖5b分別是PLS校正集（Calibration）水分和脂肪含量預測模型；圖5c和圖5 d分別是PLS交互驗證集（Validation）水分和脂肪含量預測模型。圖5中橫坐標均為通過物理化學方法測得的水分和脂肪含量實際值，縱坐標為水分和脂肪含量預測值。

表3同樣給出了預測模型評價結果。PLS水分預測模型校正集和交互驗證集相關系數(shù)R2cal和R2val分別為 0.994 6和0.993 5，預測標準誤差SEP為0.140 1，RPD值為8.993 6，大于3；PLS脂肪預測模型校正集和交互驗證集相關系數(shù)R2cal和R2val分別為0.972 1和0.967 5，預測標準誤差SEP為 0.265 0，預測標準誤差較小。

2.3.3 PCR與PLSR預測模型的比較。在這項研究中，這2個方法似乎都適合用于評估鮑魚的水分和脂肪含量。然而，相比較PLS和PCR模型的精準性和重復預測穩(wěn)健性而言，PLS模型無論是在校正集還是交互驗證集模型方面都表現(xiàn)出了更高的相關系數(shù)R2值和更低的預測標準誤差SEP值，并且PCR模型給出了最高的SEP值。這說明相對于PLS方法而言，PCR法還不是一個預測結果既精準又穩(wěn)定的預測模型建立方法。PLS方法更適合作為鮑魚品質評估工具的原因是PLS更專注于主成分分析、典型相關分析和線性回歸分析功能[17]。

3 結論

低場核磁共振技術作為一種快速、無損的現(xiàn)代分析技術，在鮑魚以及其他海產品的體成分分析和水分、脂肪含量預測方面有著很大應用潛力[18]。本試驗 選擇了大連皺紋盤鮑為研究對象，利用低場核磁共振技術結合主成分分析法（PCR）和偏最小二乘回歸法（PLSR）在內的化學計量學方法建立鮑魚水分和脂肪含量的預測模型。結果表明：不同個體間相關質子含量和移動性的不同導致T2馳豫衰減曲線表現(xiàn)出差異性，這與其自身H 質子含量和化學環(huán)境相關。橫向弛豫參數(shù)反演譜圖清晰顯示鮑魚體內含有 結合水（T2b）、肌原纖維內水（T21）和肌原纖維間隙水（T22）3種水分組分。通過交互驗證試驗 表明，所建立的2種預測模型均具有較高的預測準確性，相對而言PLS預測模型有著更為精準的預測結果和穩(wěn)健的重復預測表現(xiàn)性。

4 參考文獻

[1] 張亞琦.鮑魚的物性學研究及加工工藝探討[D].青島：中國海洋大學，2008.

[2] ESPINOSA H D，JVSTER A L.Tablet-level origin of toughening in abalo-ne shells and translation to synthetic composite materials[J].Nature Com-munications，2011，2（2）：509-527.

[3] NORTVEDT R，TORRISSEN O J，TUENE S.Application of near-infrared transmittance spectroscopy in the determination of fat，protein and dry matter in Atlantic halibut fillet[J].Chemometrics & Intelligent Laboratory Systems，1998，42（1）：199-207.

[4] COLLELL，CARLESGOU，PEREARNAU，et al.Nondestructive estimati-on of moisture，water activity and NaCl at ham surface during resting and drying using NIR spectroscopy[J].Food Chemistry，2011，129（2）：601-607.

[5] MARTELO-VIDAL M J，V？魣ZQUEZ M.Determination of polyphenolic compounds of red wines by UV-VIS-NIR spectroscopy and chemometrics tools[J].Food Chemistry，2014，158（5）：28-34.

[6] SANCHEZ-ALONSO I，MORENO P，CARECHE M.Low field nuclear magnetic resonance （LF-NMR） relaxometry in hake （Merluccius merlu-ccius，L.） muscle after different freezing and storage conditions[J].Food Chem，2014，153：250-257.

[7] MICKLANDER E，THYBO A K，VAN DEN BERG F，Changes occurring in potatoes during cooking and reheating as affected by salting and cool or frozen storage - a LF-NMR study[J].LWT - Food Science and Techn-ology，2008，41（9）：1710-1719.

[8] LI，TENG RUI，XIN L I，et al.Water distribution in tofu and application of T2 relaxation measurements in determination of tofu's water-holding ca-pacity[J].Journal of agricultural and food chemistry，2014，62（34）：8594-8601.

[9] 食品安全國家標準 食品中水分的測定：GB5009.3-2010[S].北京：中華人民共和國衛(wèi)生部，2010.

[10] 食品安全國家標準 食品中脂肪的測定：GB/T5009.6-2003[S].北京：中華人民共和國衛(wèi)生部，2010.

[11] SHAO X，LI Y.Application of Low-Field NMR to Analyze Water Chara-cteristics and Predict Unfrozen Water in Blanched Sweet Corn[J].Food and Bioprocess Technology，2011，6（6）：1593-1599.

[12] RIBEIRO，ROBERTA D O R，ELIANE T C，et al.Classification of Braz-ilian honeys by physical and chemical analytical methods and low fieldnuclear magnetic resonance （LF 1 H NMR）[J].LWT - Food Science andTechnology，2014，55：90-95.

[13] PEREIRA，F(xiàn)ABIOLA M V，SERGIO B G，et al.Fast determination of beef quality parameters with time-domain nuclear magnetic resonance spectroscopy and chemometrics[J].Talanta，2013，108：88-91.

[14] S？魣NCHEZ-ALONSO，MARTINEZ I，SANCHEZ-VALENCIA I，et al.Estimation of freezing storage time and quality changes in hake （Merlu-ccius merluccius，L.） by low field NMR[J].Food chemistry，2012，135（3）：1626-1634.

[15] FLUCKIGER，BROWN M，RWARD M，et al.Predicting glycogen conc-entration in the foot muscle of abalone using near infrared reflectance spectroscopy （NIRS）[J].Food Chemistry，2011，126（4）：1817-1820.

[16] TRIPATHI，MARKANDEY M K，SVNDAR R S，et al.Chemiluminesce-nce-based multivariate sensing of local equivalence ratios in premixed atmospheric methane-air flames[J].Fuel，2012，93（1）：684-691

[17] SIGNE M J，PEDERSEN H T，S？覫REN B E.Application of chemometrics to low-field 1H NMR relaxation data of intact fish flesh[J].Journal of the Science of Food and Agriculture，1999，79：1793-1802.

[18] PEDERSEN H T，MUNCK L.Low-Field 1H Nuclear Magnetic Resona-nce and Chemometrics Combined for Simultaneous Determination of Wat-er，Oil，and Protein Contents in Oilseeds[J].Food Technology，2000，77（10）：1069-1077.