唐月異 王秀貞 劉婷 吳琪 孫全喜 王志偉 張欣 王傳堂 邵俊飛

摘要：為快速測(cè)定花生種子蔗糖含量，篩選口感好的花生品種，本研究采集167份自然風(fēng)干花生種子的近紅外光譜，并利用高效液相色譜（HPLC）法測(cè)定其蔗糖含量，然后利用偏最小二乘法（Modified PLS）構(gòu)建多粒自然風(fēng)干花生種子樣品蔗糖含量的近紅外定量分析模型，經(jīng)內(nèi)部交叉檢驗(yàn)和優(yōu)化，確定該模型的最佳光譜預(yù)處理方法為最小-最大歸一化法，蔗糖含量譜區(qū)范圍為4 597.7～11 988.0 cm-1，維數(shù)為10，模型的決定系數(shù)（R2）為81.59，交叉驗(yàn)證根均方差（RMSECV）為0.414。經(jīng)外部驗(yàn)證，所建模型可以較好地預(yù)測(cè)花生種子蔗糖含量。

關(guān)鍵詞：花生；自然風(fēng)干種子；蔗糖含量；近紅外定量分析

中圖分類(lèi)號(hào)：S565.201文獻(xiàn)標(biāo)識(shí)號(hào)：A文章編號(hào)：1001-4942（2018）06-0159-04

Abstract For rapidly determining sucrose content in peanut seeds and selecting peanut varieties with good taste， the near infrared spectroscopy model was developed to predict sucrose content of sun-dried peanut seeds. Near infrared spectrum of a total of 167 peanut samples were collected， and the sucrose content of each sample was determined by high performance liquid chromatography （HPLC）. Then a NIR calibration model was established by partial least squares method （modified PLS）. Through internal cross validation and optimization， the optimized spectral preprocessing method of this model was minimum and maximum normalization， and the spectral range of sucrose， rank， determination coefficient （R2） and root-mean-squares error of cross-validation （RMSECV） were 4 597.7～11 988.0 cm-1， 10， 81.59 and 0.414， respectively. Through external validation， the model could be used to predict the sucrose content of peanut seeds very well.

Keywords Peanut； Sun-dried seed； Sucrose content； Near infrared spectroscopy （NIRS）

花生是我國(guó)重要的經(jīng)濟(jì)作物，其籽仁含豐富的營(yíng)養(yǎng)物質(zhì)，其中脂肪含量約占50%，蛋白質(zhì)含量約占24%～36%，碳水化合物約占10%～23%。蔗糖是碳水化合物的重要成分，也是花生甜味的主要來(lái)源，其含量的多少與焙烤花生果（仁）的香氣和味道有密切關(guān)系[1]。Goch等研究表明花生仁的甜度與口味品質(zhì)間的相關(guān)系數(shù)達(dá)到0.88，且當(dāng)蔗糖含量超過(guò)5%時(shí)這種趨勢(shì)尤為突出[2]。據(jù)報(bào)道，我國(guó)和美國(guó)出產(chǎn)的花生比阿根廷出產(chǎn)的蔗糖含量低[3]。日本市場(chǎng)要求花生蔗糖含量達(dá)到6%以上，而國(guó)內(nèi)生產(chǎn)上應(yīng)用的多數(shù)花生品種蔗糖含量很難達(dá)到這個(gè)要求，這成為我國(guó)花生出口日本的主要限制因素[4]。Pattee等（2000）[5]發(fā)現(xiàn)甜味是可以遺傳的性狀，培育蔗糖含量高的花生品種，不僅能提升花生的感官品質(zhì)，也可以更好地滿足國(guó)際市場(chǎng)的需求。

蔗糖含量的傳統(tǒng)測(cè)定方法有比色法、色譜法等，費(fèi)時(shí)、費(fèi)力、成本高，而近紅外光譜分析法具有非破壞性、快速、準(zhǔn)確、高效、低成本且可同時(shí)檢測(cè)多種成分等優(yōu)點(diǎn)[6]，已廣泛應(yīng)用于棉籽、油菜、玉米、大豆、芝麻等多種農(nóng)作物的品質(zhì)分析中[7-13]。該方法在花生籽仁脂肪、脂肪酸、蛋白質(zhì)、氨基酸含量測(cè)定方面也已實(shí)現(xiàn)應(yīng)用[14-17]，但在蔗糖含量檢測(cè)方面的應(yīng)用研究還較少。秦利等（2016）[18]利用瑞典波通DA7200型近紅外光譜儀測(cè)定了72份花生種質(zhì)的蔗糖含量，但該型號(hào)光譜儀采集的光譜無(wú)法在其它公司生產(chǎn)的光譜儀上應(yīng)用。

為了探索近紅外光譜分析法的儀器廣適性及其在更多花生種質(zhì)蔗糖含量測(cè)定上的應(yīng)用效果，本研究以167份國(guó)內(nèi)外優(yōu)質(zhì)花生品種（系）的自然風(fēng)干種子為建模材料，用德國(guó)布魯克光譜儀器公司生產(chǎn)的Matrix-Ⅰ型傅立葉變換近紅外光譜儀采集光譜數(shù)據(jù)，用HPLC法測(cè)定蔗糖含量，建立快速無(wú)損測(cè)定花生種子蔗糖含量的近紅外模型，以便可以快速、高效、準(zhǔn)確且無(wú)損地測(cè)定花生種子的蔗糖含量，為花生品質(zhì)育種提供高效的選擇手段。

1 材料與方法

1.1 試驗(yàn)材料

建模所用試驗(yàn)材料系來(lái)自國(guó)內(nèi)外的花生品種（系），共計(jì)167份，如表1所示。另取5份樣品，編號(hào)S10、S11、S12、S14、S15，用于模型驗(yàn)證。所有樣品均自然風(fēng)干。

1.2 研究方法

1.2.1 光譜采集 用德國(guó)布魯克光譜儀器公司生產(chǎn)的Matrix-Ⅰ型傅立葉變換近紅外光譜儀采集光譜數(shù)據(jù)。光譜儀掃描譜區(qū)范圍為4 000～12 000 cm-1，掃描次數(shù)為64次，分辨率為8 cm-1。開(kāi)機(jī)預(yù)熱30 min后檢測(cè)樣品，采用旋轉(zhuǎn)樣品臺(tái)以增加采樣面積，樣品杯內(nèi)徑為5 cm，旋轉(zhuǎn)后實(shí)際采集光譜的樣品面積為19.64 cm2。在樣品杯中裝入半杯花生種子（30～50粒），測(cè)定時(shí)樣品杯自動(dòng)旋轉(zhuǎn)，以獲得較多種子的近紅外光譜信息。每份材料至少測(cè)量3株，每株測(cè)量3次，取平均值[14]。

1.2.2 蔗糖含量測(cè)定 按照GB 5009.8—2016 中的高效液相色譜（HPLC）法[19]進(jìn)行。

1.2.3 模型構(gòu)建與優(yōu)化 在德國(guó)布魯克Matrix-Ⅰ型近紅外光譜儀自帶的OPUS 5.5軟件上完成。將HPLC法測(cè)得的蔗糖含量化學(xué)值與采集的近紅外光譜數(shù)據(jù)導(dǎo)入軟件進(jìn)行擬合光譜處理，用偏最小二乘法優(yōu)化建立模型，反復(fù)采用內(nèi)部交叉驗(yàn)證剔除奇異點(diǎn)（outlier）。選擇最佳光譜預(yù)處理辦法、最佳譜區(qū)、維數(shù)，并作進(jìn)一步驗(yàn)證。通過(guò)比較模型的決定系數(shù)（R2）和交叉驗(yàn)證根均方差（RMSECV）衡量模型質(zhì)量，篩選最佳模型。

所建模型的驗(yàn)證采用外部交叉驗(yàn)證，即隨機(jī)挑選驗(yàn)證樣品，利用DPS 14.50軟件對(duì)樣品的預(yù)測(cè)值和化學(xué)值進(jìn)行配對(duì)t測(cè)驗(yàn)分析，根據(jù)分析結(jié)果來(lái)判斷模型的可靠性。

2 結(jié)果與分析

2.1 HPLC法測(cè)得的花生種子蔗糖含量

由表2可見(jiàn)，167份花生種子樣品的蔗糖含量均值為4.93%，最小、最大值分別為1.84%、8.23%，變異系數(shù)為21.12%，表明所選花生樣品蔗糖含量變幅較大，可用于近紅外光譜模型構(gòu)建。

2.2 近紅外模型構(gòu)建

采集的花生自然風(fēng)干多粒種子的近紅外光譜如圖1所示，符合預(yù)期。

將167份材料的近紅外光譜數(shù)據(jù)和化學(xué)值導(dǎo)入OPUS 5.5軟件，用偏最小二乘法優(yōu)化建立模型，并用內(nèi)部交叉驗(yàn)證剔除奇異點(diǎn)。利用軟件自動(dòng)優(yōu)化功能，確定花生種子蔗糖含量的最佳光譜預(yù)處理方法為“最小-最大歸一化”，譜區(qū)范圍為4 597.7～11 988.0 cm-1，維數(shù)為10；經(jīng)內(nèi)部交叉檢驗(yàn)，模型的R2為81.59，RMSECV為0.414（圖2），表明所建模型較好。

2.3 模型驗(yàn)證

另取5份樣品對(duì)所建模型進(jìn)行外部驗(yàn)證，經(jīng)配對(duì)t測(cè)驗(yàn)，蔗糖含量預(yù)測(cè)值與化學(xué)值的偏差較?。ū?），t=0.838

3 結(jié)論

近年來(lái)，為了實(shí)現(xiàn)快速、綠色、無(wú)損、高效、低成本、大規(guī)模地篩選優(yōu)質(zhì)花生材料，山東省花生研究所分子育種課題組已利用德國(guó)布魯克公司生產(chǎn)的Matrix-Ⅰ型近紅外光譜儀建立了花生主要脂肪酸、脂肪、蛋白質(zhì)和水分的定量分析模型[14-17]。為了充實(shí)其定量分析指標(biāo)，本研究又利用該儀器掃描的近紅外光譜，構(gòu)建了花生籽仁蔗糖含量的測(cè)定模型，模型的內(nèi)部交叉檢驗(yàn)決定系數(shù)為81.59，交叉驗(yàn)證根均方差為0.414，與秦利等[18]構(gòu)建模型的R2（82.20）和RMSECV（0.386）值接近。經(jīng)外部驗(yàn)證，所建模型可以實(shí)現(xiàn)蔗糖含量的準(zhǔn)確預(yù)測(cè)，為花生高蔗糖育種提供便利。

參 考 文 獻(xiàn)：

[1] 萬(wàn)書(shū)波. 中國(guó)花生栽培學(xué)[M]. 上海：上?？茖W(xué)技術(shù)出版社，2003.

[2] Goch H. Breeding for eating quality of groundnut in Japan [M]//Nigam S N. Proceedings of an international workshop.India： International Crops Research Institute for the Semi-Arid Tropies，1992.

[3] Bert K L， Vereellorti J R， Lovegren N V， et al. A comparison of the flavor and compositional quality of peanuts from several origins [J]. Food Chem.， 1994， 51（1）：21-27.

[4] 唐月異，王傳堂，王秀貞，等. 152份花生種質(zhì)主要生化品質(zhì)分析[C]//搭建兩岸合作交流平臺(tái) 促進(jìn)花生科技產(chǎn)業(yè)發(fā)展-海峽兩岸花生學(xué)術(shù)研討會(huì)論文集. 北京：中國(guó)農(nóng)業(yè)科學(xué)技術(shù)出版社，2009.

[5] Pattee H E， Isleib T G， Giesbrecht F G， et al. Relationships of sweet， bitter， and roaste peanut sensory attributes with carbohydrate components in peanuts [J]. J. Agric. Food Chem.， 2000， 48（3）：757-63.

[6] 汪旭升，陸燕，吳建國(guó). 近紅外光譜分析法（NIRS）測(cè)定棉籽粉中油分含量的研究[J].浙江農(nóng)業(yè)學(xué)報(bào)，2001，13（4）：218-222.

[7] 張曉芳，俞信，閻吉祥，等.近紅外反射技術(shù)開(kāi)放式檢測(cè)棉籽中水分和油含量的研究[J]. 光譜學(xué)與光譜分析，2007，27（13）：473-476.

[8] Lordelo M M， Shaaban S A， Dale N M， et al.Near infrared reflectance spectroscopy for the determination of free gossypol in cotton seed meal[J]. Journal of Applied Poultry Research， 2008，17（2）：243-248.

[9] 秦利，沈曉佳，陳進(jìn)紅，等. 近紅外反射光譜法（NIRS）測(cè)定棉仁粉中蛋白質(zhì)和棉酚含量的研究[J]. 光譜學(xué)與光譜分析，2010，30（3）：635-639.

[10]康月瓊，郝風(fēng)，柴勇，等. 油菜品質(zhì)近紅外檢測(cè)模型建立的研究[J].中國(guó)農(nóng)學(xué)通報(bào)，2011，27（5）： 144-148.

[11]魏良明，嚴(yán)衍祿，戴景瑞.近紅外反射光譜測(cè)定玉米完整籽粒蛋白質(zhì)和淀粉含量的研究[J].中國(guó)農(nóng)業(yè)科學(xué)，2004，37（5）：630-633.

[12]王鐸，張力，范素杰，等. 大豆主要脂肪酸含量近紅外模型的建立[J].大豆科學(xué)，2017，36（2）：295-299.

[13]劉盼，張艷欣，黎冬華，等. 基于近紅外模型的芝麻核心種質(zhì)油脂和蛋白質(zhì)含量變異分析[J].中國(guó)油料作物學(xué)報(bào)，2016，38（6）：722-729.

[14]張建成，王傳堂，王秀貞，等. 花生自然風(fēng)干種子油酸、亞油酸和棕櫚酸含量的近紅外分析模型構(gòu)建 [J]. 中國(guó)農(nóng)學(xué)通報(bào)，2011，27（3）：90-93.

[15]楊傳得，唐月異，王秀貞，等. 傅立葉近紅外漫反射光譜技術(shù)在花生脂肪酸分析中的應(yīng)用[J]. 花生學(xué)報(bào)，2015，44（1）：11-17.

[16]王秀貞，唐月異，張建成，等. 近紅外技術(shù)分析化學(xué)誘變對(duì)花生脂肪、蛋白質(zhì)和蔗糖含量的影響[J].花生學(xué)報(bào)，2009，38（4）：5-8.

[17]楊傳得，于洪濤，關(guān)淑艷，等. 近紅外反射光譜技術(shù)預(yù)測(cè)花生種子含水量

[J]. 花生學(xué)報(bào)，2012，41（1）：6-9， 20.

[18]秦利，劉華，杜培，等. 基于近紅外光譜法的花生籽仁中蔗糖含量的測(cè)定[J]. 中國(guó)油料作物學(xué)報(bào)， 2016，38（5）：666-671.

[19]中華人民共和國(guó)國(guó)家衛(wèi)生和計(jì)劃生育委員會(huì)，國(guó)家食品藥品監(jiān)督管理總局發(fā)布. GB 5009.8—2016 食品安全國(guó)家標(biāo)準(zhǔn) 食品中果糖、葡萄糖、蔗糖、麥芽糖、乳糖的測(cè)定[S]. 2016-12-23.