陳 通，陸道禮，陳 斌

(江蘇大學(xué) 食品與生物工程學(xué)院，江蘇 鎮(zhèn)江 212013)

GC-IMS技術(shù)結(jié)合化學(xué)計量學(xué)方法在食用植物油分類中的應(yīng)用

陳 通，陸道禮，陳 斌*

(江蘇大學(xué) 食品與生物工程學(xué)院，江蘇 鎮(zhèn)江 212013)

建立了一種快速、無損分析食用植物油中揮發(fā)性有機物質(zhì)的頂空進樣/氣相色譜-離子遷移譜(GC-IMS)聯(lián)用方法。以芝麻油、菜籽油、山茶油共56個樣品為研究對象，量取2 mL待測油樣于標準樣品瓶中，并用磁帽密封，直接進行GC-IMS分析檢測。結(jié)果表明，基于GC-IMS三維譜中對應(yīng)揮發(fā)性有機物質(zhì)的特征峰強度可以有效表征不同類植物油的樣品信息，選取對應(yīng)三維譜中40個特征峰的強度作為變量，進行主成分(PCA)信息降維后，采用k最近鄰(kNN)算法建立植物油種類的判別模型，訓(xùn)練集的識別率達到100%，預(yù)測集中僅有1個山茶油樣品被誤判成芝麻油樣品，預(yù)測集的識別率達到94.44%。GC-IMS聯(lián)用分析技術(shù)簡單、快速、無損，可用于食用植物油等其他食品、農(nóng)產(chǎn)品種類的快速分類識別。

氣相色譜-離子遷移譜法(GC-IMS)；食用植物油；分類；化學(xué)計量學(xué)

食用油是人類生活所必需的基礎(chǔ)食物之一。油脂是提供人體熱量的主要來源，每克油脂所產(chǎn)生的熱量比每克碳水化合物或蛋白質(zhì)產(chǎn)生的熱量高1倍[1]。植物油中含有人體不能自身合成的必需脂肪酸，并含有豐富的維生素A、D、E、K及其他營養(yǎng)成分[2]。食用不同的植物油，對人體健康影響的也不同[3-5]。以芝麻油為例，其含有豐富的維生素E和比較豐富的亞油酸，可調(diào)節(jié)毛細管的滲透作用，加強人體組織對氧的吸收能力，改善血液循環(huán)，促進性腺發(fā)育，延緩衰老[6-8]。然而，近年來，國內(nèi)食用油品質(zhì)屢屢出現(xiàn)問題，食用植物油的人為摻雜、摻假問題更是嚴重威脅國內(nèi)消費者的身體健康[9-10]。因此，對食用植物油進行快速、無損檢測，鑒別摻假摻雜油樣并規(guī)范行業(yè)標準具有重要意義。

目前，國內(nèi)外檢測食用植物油的方法很多[11-14]，可分為感官檢測法、常規(guī)理化指標檢測法、色譜法、光譜法以及氣相色譜-質(zhì)譜聯(lián)用等方法。感官檢驗方法簡單、易行，但受限于檢驗人員的判斷能力和實踐經(jīng)驗，一致性較差，一般僅作為是否摻假的初步判斷。應(yīng)用食用植物油特征指標進行定性和定量鑒別的其他方法還有顯色法、電子鼻法，而顯色法受時間和顯色劑穩(wěn)定性的影響比較顯著，且一些顯色劑需現(xiàn)配現(xiàn)用，短時間內(nèi)難以完成，且極易產(chǎn)生誤差；電子鼻作為一種檢測新方法，存在傳感器漂移、精度低、結(jié)果一致性較差等缺點，在生產(chǎn)領(lǐng)域中的應(yīng)用不盡人意；采用色譜法進行植物油的摻偽檢測，具有高效、靈敏、準確、干擾因素少等優(yōu)點，是國標推薦的方法。但由于不同植物種子類型、品種及加工方法生產(chǎn)出的植物油的特性不同，其脂肪酸組分有差異，使得色譜法應(yīng)用有一定的局限性，且實驗設(shè)備復(fù)雜、昂貴，需要操作人員具有較高的專業(yè)技能，難以滿足現(xiàn)場快速檢測的需要；光譜法雖具有簡單、快速、廉價的優(yōu)勢，但其僅對樣品中的某一成分進行檢測，難以完全表征樣品品質(zhì)；氣相色譜-質(zhì)譜聯(lián)用法是目前應(yīng)用較普遍的檢測方法，該法無需處理標樣，通過譜圖庫檢索對應(yīng)峰結(jié)構(gòu)進行定性以及相應(yīng)峰截面積進行定量，與氣相色譜相比具有更多優(yōu)勢，但氣相色譜-質(zhì)譜聯(lián)用方法存在同分異構(gòu)體難以鑒別、操作復(fù)雜以及設(shè)備昂貴等缺點，難以在國內(nèi)推廣普及。因此，適合食用植物油檢測的簡便、快速、準確、靈敏的技術(shù)方法有待進一步開發(fā)[15]。

圖1 GC與IMS構(gòu)成的二維分離系統(tǒng)Fig.1 Two dimensional separation system consisting of GC and IMS

氣相色譜-離子遷移譜(Gas chromatography-ion mobility spectrometry,GC-IMS)作為一種新的聯(lián)用技術(shù)[16-18]，將氣相分析技術(shù)的簡易快捷與離子遷移譜的高分辨、高準確度分析有機融合，為食用植物油的摻假、摻雜以及分類問題提供了新的解決方式。離子遷移譜(IMS)是基于氣相中不同的氣相離子在電場中遷移速度的差異對化學(xué)物質(zhì)進行表征[19]，IMS技術(shù)在毒品、炸藥、化學(xué)毒劑檢測領(lǐng)域已得到成功應(yīng)用。傳統(tǒng)的IMS進行測量時，是將一束離子(或稱離子群)引入一個線性電場(E，V/cm)，離子群在環(huán)境氣壓下通過電場中的氣體(通常為空氣)時獲得一個恒定的速度，稱之為遷移速率(Vd，cm/s)。離子的遷移速度Vd與電場強度E成正比，該技術(shù)對簡單樣品分析效果較好，而對復(fù)雜樣品，尤其是食品、農(nóng)產(chǎn)品領(lǐng)域中的復(fù)雜體系，其分析優(yōu)勢受到限制[20]，因此，為了克服IMS分離效率差的局限性，將其與其它化學(xué)分析儀器聯(lián)用，可以充分發(fā)揮不同儀器的優(yōu)點，產(chǎn)生長處相互疊加的分析效果[21]，其中GC-IMS將氣相色譜高效的分離技術(shù)與離子遷移譜檢測技術(shù)有機融合，充分發(fā)揮了氣相色譜的超高分離效率和離子遷移譜的高靈敏性，可達到最佳分析效果，GC-IMS工作示意圖如圖1所示。將氣相色譜與離子遷移譜聯(lián)用，在測試時，樣品中的揮發(fā)性有機物經(jīng)色譜柱預(yù)分離后，直接洗脫至IMS電離室，這種聯(lián)用獲得的化學(xué)信息和測量特征比二者獨立得到的結(jié)果相疊加的效果有更好的改進。一方面，離子遷移譜圖通過離子漂移時間這個二維信息使色譜分離后得到的化學(xué)信息更加豐富；另一方面，離子遷移譜信號響應(yīng)在質(zhì)和量上的改善則是源于混合樣品在色譜中進行的預(yù)先分離。GC-IMS作為分析儀器聯(lián)用技術(shù)，在食品品質(zhì)檢測領(lǐng)域?qū)㈤_啟一個全新的局面。

主成分分析(Principal component analysis,PCA)是一種多元統(tǒng)計分析技術(shù)，它是一種降維或者將多個指標轉(zhuǎn)化為少數(shù)幾個綜合指標的方法，目的在于簡化數(shù)據(jù)和揭示變量之間的關(guān)系，轉(zhuǎn)換后的新變量可進一步進行聚類分析、判別分析等[22]。本研究采用GC-IMS技術(shù)結(jié)合化學(xué)計量學(xué)方法，對3種不同類的植物油的揮發(fā)性有機成分進行統(tǒng)計分析，并采用PCA和kNN(k Nearest Neighbor)算法建立不同類植物油的判別模型。

1 實驗部分

1.1 儀器與裝置

FlavourSpec 1H1-00053型氣相色譜-離子遷移譜：配CTC CombiPAL自動頂空進樣裝置，德國GAS公司；CLOT毛細管柱(15 m×0.25 mm×0.50 μm，德國CS-Chromatographie Service GmbH)；YFR全自動商用智能榨油機(廣東唯美天麗有限公司)。

1.2 材料與試劑

收集全國不同區(qū)域的食用植物油原料共56個樣品，其中芝麻樣品14個(分別取自鎮(zhèn)江、南京、新鄉(xiāng)、宿遷、徐州、濟南、滄州，各2個樣品)，菜籽樣品32個(分別取自黑龍江、武漢、福建、濟南、重慶、泰州、合肥、宿遷，各4個樣品)、山茶籽樣品10個(分別取自南寧、長沙，各5個樣品)。采用手工壓榨方式榨取油樣，確保最終的油樣是純正、未摻雜其他物質(zhì)的樣品。

1.3 實驗條件

1.3.1頂空進樣條件頂空孵化溫度：70 ℃；孵化時間：5 min；加熱方式：振蕩加熱；頂空進樣針溫度：75 ℃；進樣量：200 μL，不分流模式；用高純氮氣(純度≥99.999%)推動和清洗頂空針；清洗時間：0.5 min。

1.3.2GC條件色譜柱：石英毛細管柱(30 m×0.25 mm×0.5 μm)；色譜柱溫度：40 ℃；運行時間：10 min；載氣(高純N2，純度≥99.999%)流速：初始5.0 mL/min，保持10 min 后在5 min 內(nèi)線性增至150 mL/min。

1.3.3IMS條件漂移管長度：5 cm；管內(nèi)線性電壓：400 V/cm；漂移管溫度：40 ℃；漂移氣(高純N2，純度≥ 99.999%)流速：150 mL/min；IMS探測器溫度：45 ℃。

1.4 數(shù)據(jù)處理

GC-IMS在正離子模式下通過有線網(wǎng)絡(luò)傳輸并保存到計算機中，每張譜圖平均掃描32次，使用網(wǎng)格脈沖寬度為100 μs，重復(fù)率為21 ms,采樣頻率為150 kHz。

對樣品揮發(fā)性有機成分的指紋數(shù)據(jù)采用軟件LAV 2.0.0(德國GAS，儀器自配)和Matlab R2016b(美國The Mathworks Inc.)處理完成。

GC-IMS三維譜中特征峰選取原則：GC-IMS三維譜中每個特征峰代表1種揮發(fā)性有機成分，以不同樣品中特征峰的有無或者特征峰強度變化為原則，手動選擇并以長方形標記特征峰所在區(qū)域，以該特征峰區(qū)域的峰強度(即特征區(qū)域離子強度的最大值)作為參數(shù)變量進行數(shù)據(jù)分析。

2 結(jié)果與討論

2.1 不同植物油GC-IMS譜圖分析

圖2中標識的2-H、13-H、19-H分別為芝麻油、菜籽油及山茶油樣品中各1個樣品的GC-IMS三維譜對比圖。由圖2可知，從直觀上看，不同類植物油在GC-IMS三維圖譜上有明顯的差異，具體體現(xiàn)在出峰的位置、數(shù)量以及對應(yīng)的峰強度。

依據(jù)特征峰選取原則，將選取的各類食用植物油中不同有機揮發(fā)性物質(zhì)對應(yīng)的特征峰區(qū)域進行排序?qū)φ?，結(jié)果如圖3所示。圖中X軸為選取的特征峰標識號，Y軸為樣品編號。由圖可知，通過選取原始圖譜中不同特征峰進行簡單的排列比較可發(fā)現(xiàn)，同類植物油因含共有揮發(fā)性有機成分，在特征峰對比中表現(xiàn)出明顯的相似性，不同種類食用植物油因含有對應(yīng)種類的特有氣味，則表現(xiàn)出明顯的差異，如圖3中的紅色矩形虛線框所示的區(qū)域1為不同地區(qū)收集的芝麻油樣品，區(qū)域2為菜籽油樣品，區(qū)域3為山茶油樣品。

2.2 PCA投影分析

可通過不同特征區(qū)域的排序?qū)Ρ却笾屡袆e植物油種類，但仍受限于觀察者的主觀性，無法實現(xiàn)GC-IMS三維譜的數(shù)字化表達。因此，需結(jié)合化學(xué)計量學(xué)方法進一步分析。圖4為以所選取的特征峰對應(yīng)的峰強度值為特征參數(shù)變量，使用主成分分析得到的第一、二主成分圖。由圖4可知，不同植物油的GC-IMS譜經(jīng)PCA處理后，可以較好地區(qū)分不同類別的食用植物油；芝麻油和菜籽油在PCA圖中橫跨區(qū)域范圍較大，這與樣品采集自不同的區(qū)域有關(guān)，間接說明了GC-IMS對植物油品質(zhì)產(chǎn)地鑒別的可能性。

圖2 3 類植物油的GC-IMS對比圖Fig.2 Comparison of three kinds of vegetable oils by GC-IMS

圖3 不同種類食用植物油對應(yīng)不同特征峰的圖片庫Fig.3 Gallery of different kinds of edible vegetable oils with different characteristic peaks

圖4 不同食用植物油的主成分圖Fig.4 Principal component diagrams of different edible vegetable oils

2.3 kNN分類判別

采用kNN算法對經(jīng)過PCA信息壓縮后的數(shù)據(jù)進行分類識別，分別選擇不同種類食用植物油中的70%樣品作為訓(xùn)練集，30%作為預(yù)測集，建立分類模型，由于樣本量較少，故模型訓(xùn)練時采用k折法(k-Fold Cross Validation)進行交叉驗證，訓(xùn)練結(jié)果如表1所示，交叉驗證識別正確率為100%。未進行交叉驗證，其識別正確率(即回判識別率)也為100%，表明該模型穩(wěn)健、可靠，模型預(yù)測結(jié)果如表2所示，從表中可以看出，僅有1個山茶油樣品被誤判成芝麻油樣品，模型預(yù)測時總體識別率為94.44%。

表1 訓(xùn)練集中的識別結(jié)果Table 1 Recognition result of training set

表2 預(yù)測集中的識別結(jié)果Table 2 Recognition result of predicting set

3 結(jié) 論

本文采用GC-IMS聯(lián)用分析技術(shù)結(jié)合化學(xué)計量學(xué)方法建立了一種簡便、快速、準確的不同植物油種類判別方法。對植物油中的揮發(fā)性有機成分進行了分析，以GC-IMS三維譜中的特征峰截強度作為表征植物油品質(zhì)信息的特征參數(shù)，并使用化學(xué)計量學(xué)方法進行分類判別，結(jié)果表明：訓(xùn)練集樣品中的識別率為100%，預(yù)測集的識別率為94.44%。由此可見，依據(jù)植物油中揮發(fā)性有機成分信息對不同植物油進行分類和判別是可行的，GC-IMS技術(shù)可望發(fā)展成為快速高效的植物油指紋信息鑒別技術(shù)。

[1] Xiong Y.ChinaGrain.Econ.(熊源.中國糧食經(jīng)濟),2014,(6):72.

[2] Ng S W,Zhai F,Popkin B M.Soc.Sci.Med.,2008,66(2):414-426.

[3] Ghazani S M,Marangoni A G.HealthyFatsandOils,EncyclopediaofFoodGrains(SecondEdition).Oxford:Academic Press,2016:257-267.

[4] Zickgraf H F,Schepps K.FoodQual.Preference,2016,54:39-50.

[5] Hashempour-Baltork F,Torbati M,Azadmard-Damirchi S,Savage G.Trends.FoodSci.Technol.,2016,57(Part A):52-58.

[6] Ghafari H,Rezaeian M,Sharifi S D,Khadem A A,Afzalzadeh A.Anim.Fee.Sci.Technol.,2016,220:216-225.

[7] Zhuang X,Han M,Kang Z L,Wang K,Bai Y,Xu X L,Zhou G H.MeatSci.,2016,113:107-115.

[8] Sankar D,Ali A,Sambandam G,Rao R.Clin.Nutr.,2011,30(3):351-358.

[9] Shi X H.TheoryMon.(石秀華.理論月刊),2015,(1):122-125.

[10] Tian H Y,Wang A Z,Feng W,Zhou C J,Wang W T.J.AnhuiAgric.Sci.(田洪蕓,王愛竹,馮煒,周傳靜,王文特.安徽農(nóng)業(yè)科學(xué)),2016,(11):101-102.

[11] Chen Q L,Xia X,Deng X H,He H,Wu C.ChinaFoodSafety.Mag.(陳麒麟,夏湘,鄧新華,何花,吳昌.食品安全導(dǎo)報),2016,(6):87.

[12] Wang J R,Zhou J P,Zhang L F,Liu R,Deng Z J.ChinaOilsFats(王江蓉,周建平,張令夫,劉榮,鄧志堅.中國油脂),2007,32(6):78-81.

[13] Lan D M,Xiu P,Lin X L,Hu S G,Zhu Q Q.Farm.Prod.Proc.(蘭冬梅,許平,林曉嵐,胡樹國,朱巧巧.農(nóng)產(chǎn)品加工),2015,(3):68-70.

[14] Wang T Z,Yu L,Qiu S C,Chen X J,Cai S Q,Cao W Q.J.Instrum.Anal.(王同珍，余林，邱思聰，陳孝建，蔡淑琴，曹維強.分析測試學(xué)報)，2015，34(1):50-55.

[15] Gallegos J,Arce C,Jordano R,Arce L,Medina L M.FoodChem.,2017,220:362-370.

[16] Zhang L,Shuai Q,Li P,Zhang Q,Ma F,Zhang W,Ding X X.FoodChem.,2016,192:60-66.

[18] Kafle G K,Khot L R,Sankaran S,Bahlol H Y,Tufariello J A,Jr H H.EngineeringinAgriculture,EnvironmentandFood,2016,9(4):346-357.

[19] Cravath A M.NipponSugaku-Buturigakkwaishi,1929,33(4):605-613.

[20] Graaff R J V D.Nature,1929,124(3114):10-11.

[21] Garridodelgado R,Arce L,Valcárcel M.Anal.Bioanal.Chem.,2011,402(1):489-498.

[22] Qian C,Liao Y H,Liu M Y,Xu J,Liu L.J.Chin.Inst.FoodSci.Technol.(錢沖,廖永紅,劉明艷，徐謹,劉麗.中國食品學(xué)報),2017,(2):243-255.

Application of Headspace/Gas Chromatography-Tandem Ion Mobility Spectrometry with Chemometrics in Classification of Edible Vegetable Oils

CHEN Tong,LU Dao-li,CHEN Bin*

(School of Food and Biological Engineering,Jiangsu University,Zhenjiang 212013,China)

A rapid and nondestructive method was established for the analysis of the volatile organic compounds in edible vegetable oils by headspace/gas chromatography-tandem ion mobility spectrometry(GC-IMS).56 sesame oil,rapeseed oil and camellia oil samples were taken as the research objects.2 mL tested sample was put into the standard sample bottle which was sealed with a magnetic cap for direct GC-IMS analysis.The results showed that the characteristic peaks in GC-IMS 3D spectra corresponding to volatile organic substances can effectively characterize the sample information areas of different types of vegetable oils.With the sectional intensities of 40 characteristic peaks in corresponding three-dimensional spectra as variables,the principal components analysis(PCA) algorithm was used to reduce information dimensionality,establishing the training model for discriminating the type of vegetable oil by kNN algorithm,and the recognition rate was up to 100%,only 1 camellia oil sample was judged as sesame oil in the predicted set,and the prediction set recognition rate was 94.44%.GC-IMS technique is simple,rapid and nondestructive,and could be used for the rapid identification of agricultural products and other foods such as edible vegetable oils.

gas chromatography-ion mobility spectrometry(GC-IMS);edible vegetable oil;classification；chemometrics

10.3969/j.issn.1004-4957.2017.10.012

O657.7；TQ645.1

A

1004-4957(2017)10-1235-05

2017-05-22；

2017-06-19

國家重大科學(xué)儀器開發(fā)專項(2014YQ491015)；江蘇高校優(yōu)勢學(xué)科建設(shè)工程資助項目

*

陳 斌，博士，教授，研究方向：食品、農(nóng)產(chǎn)品無損檢測，Tel：13952871790，E-mail:ncp@ujs.edu.cn