大豆粗蛋白、粗脂肪含量近红外检测模型建立及可靠性..
大豆籽粒约含粗蛋白40% ,粗脂肪20% ,是重要的植物蛋白和食用油来源。提高大豆籽粒中蛋白和脂肪含量是品质改良的重要目标之一,准确测定其粗蛋白、粗脂肪含量是前提。目前,国家颁布的粗蛋白 标准测定方法是基于凯氏定氮法的化学分析(GB290521982) ,粗脂肪标准方法是基于索氏提取法的化学分析(GB290621982) 。尽管通常认为其可靠性较高,但操作步骤繁琐、籽粒粉碎而不能延续后代。在大豆品质改良过程中,需要对大量种质资源、突变体、杂交后代材料及时鉴定、筛选 和分析,同时希望具有优良品质的籽粒经分析后能保持完好,以便进一步繁殖。因此,迫切需要一种准确、快速、简便、非破坏籽粒的检测方法。
近红外光谱技术(Near Infrared Spectroscopy,N IS)是20世纪80年代后期发展起来的一项物理测试技术。它利用有机物在近红外光谱区的振动吸收而快速测定样品中多种化学成分含量,蛋白质、脂肪、糖类 等含有的各种含氢基团(CH、OH、NH、SH等)的倍频与合频谱带恰好落在近红外区,以得到这些有机分子含氢基团的特征振动信息,从而测定其化学成分的 含量,已成为水稻、小麦、玉米等农作物品质分析的重要手段。与化学分析相比,近红外光谱技术是一项间接的分析方法,它测定样品成分含量的方法是建立在化学 分析法或其它仪器测定基础之上,是一种可“再生”的测定方法。因此,任何一台近红外光谱仪对每种组分或每种参数都要单独定标。所以,利用近红外检测大豆籽 粒中粗蛋白和粗脂肪含量,关键是构建正确的模型,并验证模型的可靠性。其实测定大豆中粗蛋白和粗脂肪，还有更为简便的方法，那就是直接用仪器测定。SZF-06B粗脂肪测定仪、SZF-06粗脂肪测定仪就是两款型号不同，功能略有差异的粗脂肪测定仪。
研究旨在利用不同的建模样品集分别构建近红外检测模型,以化学分析结果作参照,探求近红外检测代替化学分析的适应范围。
1 材料与方法
1. 1 近红外检测模型建立
采用4个建模样品集,由权威检测中心(以M2表示)依照GB290521982和GB290621982获得化学值。近红外检测采用德国 Bruker公司的Matrix2I傅立叶近红外光谱分析仪,取适量大豆籽粒置于样品杯中,用透射方式扫描获得大豆籽粒样品的近红外吸收光谱图,扫描谱区 4 000～12 600 cm- 1 ,分辨率16 cm- 1 ,扫描速度10 KHz,扫描次数60次,每个样品重复装样扫描3 次。利用B ruker 公司的OPUS412软件的Quant 2 方法, 以偏最小二乘法( PLS)建立大豆粉末、籽粒近红外检测粗蛋白及粗脂肪含量的模型,使用交叉检验法对模型做出评价。
1. 2 近红外检测模型可靠性比较
1. 2. 1 材料 选用8个大豆品种(系) ,粗蛋白含量35%～45. 5% ,粗脂肪含量在16. 2%～22. 5% ,其中, 1、2、3、5、7、8号材料是黄种皮材料, 4号是青种皮材料, 6号是黑种皮材料。
1. 2. 2 检测方法 将每个参试品种种子充分混匀分成3等份(即设重复3次) ,随机编为24个样品号。24份样品分别用研究中建立的3种近红外籽粒检测模型(以M5、M6、M7表示)和近红外粉末检测模型(以M4表示)检测粗蛋 白、粗脂肪含量;同时送检包括农业部和河北省指定的权威检测部门用化学法检测(以M1、M2、M3表示) 。
1. 2. 3 统计方法 通过方差分析比较各结果间变异系数CV的差异以评价稳定性。以方差分析、相关分析衡量不同检测结果趋势的一致性。相关分析以平均数为准。方差分析、相关分析由SAS6. 12软件完成。
2 结果与分析
2. 1 近红外模型建立
近红外检测模型建模样品集样品数量分别为30、77、415和161个(表1) 。其中,粉末模型样品覆盖范围相对较窄,粗蛋白决定系数0. 9788,粗脂肪决定系数0. 9601,在4个模型中最大,交叉验证均方根分别为粗蛋白0. 439,粗脂肪0. 287,在4个模型中最小。籽粒模型M6的样品集中包括415份样品,且粗蛋白和粗脂肪含量的样品范围在4个模型中最宽。它的粗蛋白和粗脂肪决定系数在3 个籽粒模型中最大,交叉验证均方根在3 个籽粒模型中最小。
2. 2 不同检测结果的稳定性分析
以重复观察值的变异系数CV 作为检测结果稳定性的衡量指标(表2) 。粗蛋白含量3种籽粒模型检测结果的CV 平均0. 008,粉末模型CV 为0. 019,3个化学分析结果的CV 平均0. 014;粗脂肪含量3种籽粒模型检测结果的CV 平均0. 008,粉末模型CV为0. 024, 3个化学分析CV 平均0. 013。结果表明,在检测粗蛋白、粗脂肪含量时, 3种籽粒模型检测结果均有较高的稳定性。
2. 3 不同检测结果的一致性分析
2. 3. 1 方差分析 从8个参试品种的总体结果看(表3) , 3个化学检测中心粗蛋白含量检测结果存在显著差异,粗脂肪含量检测结果无显著差异。近红外籽粒模型M5、M6和M7与其建模数据来源化学分析M2的粗蛋白 含量和粗脂肪含量检测结果在0. 01极显著水平下均无差异。将7种检测方法对8个参试品种的粗蛋白、粗脂肪检测结果进行方差分析。分析结果(表4、表5)显示, 3个化学检测结果存在差异;M5和M7测得参试黑种皮品种6粗蛋白含量偏高, 3个近红外籽粒模型对其他7个参试品种的检测结果无显著差异,且都与它的建模样品数据来源的化学分析M2结果一致。
2. 3. 2 相关分析 各检测方法对不同品种检测结果大小趋势的一致性是研究者更为关心的问题。为了直观地观察不同检测结果的趋势是否相同,以M2对8个参试品种 的粗蛋白、粗脂肪含量结果为横坐标,M5、M6、M7对8 个参试品种的粗蛋白、粗脂肪检测结果为纵坐标,分别绘图(图1) 。从中看出,M5、M6、M7对8个参试品种的粗蛋白检测结果较粗脂肪检测结果与化学分析结果M2存在更明显的线性关系。M6与M2的线性关系强于M5、 M7。在M5和M7的结果中,明显看到对品种6的粗蛋白检测结果偏离线性关系,且近红外结果偏高。相关分析表明, 3个籽粒模型的粗蛋白检测结果与M2检测结果呈极显著正相关,其中M6与M2化学分析的相关系数最高。从粗脂肪含量检测结果看, 3个籽粒模型与M2达极显著正相关,同样以M6与M2化学分析的相关系数最高。
3 结论与讨论
利用近红外技术检测大豆粗蛋白、粗脂肪含量的前提条件是尽可能利用样品数量多、覆盖范围广、样品类型丰富的样品集构建近红外检测模型。所建的模 型中以建模样品集样品量最大的M6可靠性最高。这与吴金红等[ 7 ]建立的水稻蛋白质含量近红外检测模型的结果一致。所以,在建立近红外检测模型时,应尽可能的利用覆盖范围宽的众多样品作为样品集。
所建模型决定系数最小为0. 8168, 最高达019788,平均为0. 9231。吴金红等[ 11 ]建立的3个水稻蛋白质含量近红外检测模型决定系数最小为01805,最高达0. 909,平均为0. 8714。方彦等建立的玉米籽粒含油量近红外检测模型决定系数达到0. 9176。尽管近红外模型决定系数较高,但通常人们更乐于接受化学分析的结果,而对近红外检测结果持怀疑态度。分析结果表明,近红外籽粒模型的变异系数小 于化学分析的变异系数,与姚鑫淼等利用近红外检测技术分析大豆品质,得出近红外结果的标准偏差均小于化学分析结果的标准偏差,且经过F检验和t检验,两种 方法之间无显著性差异的结果一致。化学分析过程中人工操作的步骤远多于近红外籽粒模型检测时人工操作的步骤,是降低化学分析稳定性的可能原因。
从结果的一致性看,近红外结果与它的建模样品数据来源的化学分析结果一致,而且3个籽粒模型与M2对不同品种检测结果的一致性优于3个化学分析 (M1、M2、M3)结果的一致性,特别是M6与M2的相关系数最高。表明利用样品数量多、覆盖范围广、样品类型丰富的样品集构建近红外检测模型检测大豆 粗蛋白、粗脂肪含量,能得到与化学分析一致的检测结果,具有较好的稳定性和可靠性。在需要保存籽粒完好的育种材料低代选择、QTL s/基因定位、导入系筛选和突变体筛选等的品质研究中,近红外检测是替代化学分析检测的有效方法。近红外光谱特征除与蛋白、脂肪相关外,籽粒大小、籽粒颜 色等也是重要的影响因素。通过全部品种内的方差分析比较表明,近红外检测可能使黑种皮品种的粗蛋白检测结果偏高,原因可能是深色种皮对近红外光谱吸收有一 定影响,而建立模型的样品集又以黄种皮材料为主。所以,在构建近红外模型时,应根据种皮色的不同构建专用模型。
