陳 通，陳鑫郁，谷 航，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）

山茶油又稱茶籽油、茶樹油、茶油等，因其含有豐富的不飽和脂肪酸，且比例均勻，被譽(yù)為能與橄欖油相媲美的一款中國(guó)品種食用油。山茶油具有改善血液循環(huán)、調(diào)整心血管、調(diào)節(jié)免疫功能、預(yù)防肥胖、護(hù)肝、防輻射、抗衰老等功效[1-2]。近年來(lái)，隨著消費(fèi)者生活水平的提高與安全健康意識(shí)的增強(qiáng)，山茶油越來(lái)越受到消費(fèi)者的青睞。然而，由于山茶油價(jià)格普遍高于其他食用植物油，利潤(rùn)空間大，部分廠商受利益驅(qū)使，人為向其中添加其他低價(jià)植物油（如大豆油、花生油以及葵花籽油等）以冒充山茶油，嚴(yán)重危害消費(fèi)者的健康與利益。因此，需要對(duì)山茶油的品質(zhì)進(jìn)行快速檢測(cè)分析。目前，植物油品質(zhì)的檢測(cè)方法主要有傳統(tǒng)檢測(cè)法[3-4]（感官評(píng)定、理化指標(biāo)評(píng)定）、光譜法（近紅外光譜、拉曼光譜、熒光光譜等）[5-7]、色譜法[8]、質(zhì)譜法以及電子鼻技術(shù)等[9-11]，但傳統(tǒng)檢測(cè)方法存在耗時(shí)長(zhǎng)、重復(fù)性差、僅能對(duì)植物油是否摻假進(jìn)行判斷、難以滿足在線檢測(cè)等不足，光譜法則與常規(guī)指標(biāo)的相關(guān)系數(shù)不高或效果不明顯，色譜法與質(zhì)譜法也存在預(yù)處理提取繁瑣、檢測(cè)時(shí)間長(zhǎng)、需要進(jìn)行標(biāo)樣處理、操作復(fù)雜且需要操作人員具有較高的專業(yè)技能等缺點(diǎn)，而電子鼻技術(shù)仍然存在對(duì)工作溫度敏感以及傳感器重復(fù)性不理想等問(wèn)題。因此，任何一種檢測(cè)方法都具有一定的局限性，多種類檢測(cè)器的聯(lián)用以及多種分析方法的聯(lián)合使用具有單種方式不可比擬的優(yōu)越性[12]。

離子遷移譜（ion mobility spectrometry，IMS）技術(shù)于20世紀(jì)60年代末發(fā)展起來(lái)，起初用于毒品、炸藥以及化學(xué)毒劑的快速檢測(cè)[13]。IMS進(jìn)行測(cè)量時(shí)，待測(cè)樣品經(jīng)離子源氣化后變成氣體分子，進(jìn)而進(jìn)行化學(xué)電離并帶上一定數(shù)量的電荷，在電場(chǎng)的作用下使之移動(dòng)形成隨時(shí)間變化的離子圖譜。IMS具有檢測(cè)速度快、靈敏度高等優(yōu)點(diǎn)，然而對(duì)于復(fù)雜樣品，尤其是食品、農(nóng)產(chǎn)品領(lǐng)域的復(fù)雜體系，其分析特點(diǎn)往往受到限制[14]。而與氣相色譜（gas chromatography，GC）技術(shù)的結(jié)合使得IMS克服了分離效率差的局限性，充分發(fā)揮了不同儀器各自的優(yōu)點(diǎn)，產(chǎn)生長(zhǎng)處相互疊加的優(yōu)勢(shì)[15]。一方面，離子遷移譜通過(guò)漂移時(shí)間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(hào)響應(yīng)經(jīng)過(guò)GC預(yù)分離后得到質(zhì)和量上的顯著改善。氣相離子遷移譜（gas chromatography-ion mobility spectrometry，GC-IMS）獲得的三維矩陣（遷移時(shí)間、保留時(shí)間和離子強(qiáng)度）提供了更加豐富的化學(xué)信息，適用于更高級(jí)的數(shù)據(jù)處理。近年來(lái)，國(guó)內(nèi)外相關(guān)文獻(xiàn)表明，GC-IMS技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法逐漸應(yīng)用于食品檢測(cè)領(lǐng)域[16-19]。

主成分分析（principal component analysis，PCA）是化學(xué)計(jì)量學(xué)中常用的特征提取與數(shù)據(jù)降維方法[20]。多維主成分分析（multi-way principal component analysis，MPCA）是二維PCA方法用于多維矩陣數(shù)據(jù)的擴(kuò)展。偏最小二乘（partial least squares，PLS）法提供了一種多因變量與自變量之間的回歸方法，可以有效地解決變量之間的多重相關(guān)性問(wèn)題，具有預(yù)測(cè)未知樣品的能力[21]。

本研究利用GC-IMS聯(lián)用分析儀，以純山茶油為主體油，摻入不同比例水平的葵花籽油、大豆油和花生油為研究對(duì)象，結(jié)合化學(xué)計(jì)量學(xué)方法分析實(shí)際山茶油中的摻假量，對(duì)山茶油品質(zhì)進(jìn)行評(píng)價(jià)，為GC-IMS技術(shù)在油脂品質(zhì)控制及評(píng)價(jià)中提供分析方法。

1 材料與方法

1.1 材料

3 種山茶油樣品分別來(lái)自浙江寧波、江西贛州以及廣西龍勝（前2 個(gè)樣品由當(dāng)?shù)爻鋈刖硻z驗(yàn)檢疫局局提供，后1 個(gè)樣品為超市購(gòu)買），品種分別屬于野茶油、小果茶油以及鄒果茶油?？ㄗ延?、大豆油、花生油樣本各4 個(gè)（購(gòu)于麥德龍連鎖超市），且同一類摻雜油樣均為不同廠家生產(chǎn)。在實(shí)驗(yàn)前，各種植物油均密封保存于-5 ℃冰箱中。

1.2 儀器與設(shè)備

FlavourSpec 1H1-00053型氣相色譜離子遷移譜德國(guó)G.A.S.公司；CTC-PAL自動(dòng)進(jìn)樣裝置 瑞士CTC Analytics AG公司；CLOT毛細(xì)管柱（30 m×0.25 mm，0.50 μm） 德國(guó)CS Chromatographie Service GmbH公司；77-1型磁力攪拌器 天津賽得利斯儀器儀表有限公司。

1.3 方法

1.3.1 摻假樣品制備

將獲得的純品山茶油分別與購(gòu)買的葵花籽油、大豆油以及花生油按100∶0、95∶5、90∶10、80∶20、70∶30、60∶40、50∶50體積配比混合，獲得混合比例分別為0%、5%、10%、20%、30%、40%、50%的摻假樣，共225 個(gè)樣本。每個(gè)待測(cè)的樣品量為10 mL，密封保存于50 mL塑料瓶?jī)?nèi)，測(cè)量前使用磁力攪拌器混合均勻30 s后量取2 mL待測(cè)樣密封于標(biāo)準(zhǔn)樣品瓶中，靜置10 min后直接進(jìn)行測(cè)量。

1.3.2 GC-IMS測(cè)定條件

1.3.2.1 頂空進(jìn)樣條件

頂空孵化溫度：90 ℃；孵化時(shí)間：5 min；加熱方式：振蕩加熱；頂空進(jìn)樣針溫度：75 ℃；進(jìn)樣量：100 μL，不分流模式；載氣：高純氮?dú)猓兌取?9.999%，推動(dòng)和清洗進(jìn)樣針）；清洗時(shí)間：0.5 min。

1.3.2.2 GC條件

色譜柱溫度：40 ℃；運(yùn)行時(shí)間：10 min；載氣：高純氮?dú)猓兌取?9.999%）； 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。

1.3.2.3 IMS條件

漂移管長(zhǎng)度：20 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(cè)器溫度：45 ℃。

1.3.3 MPCA法

將獲得數(shù)據(jù)整理合并成三維矩陣X（I×J×K），其中I為樣品數(shù)，J和K分別為遷移時(shí)間變量和保留時(shí)間變量。MPCA算法首先將三維矩陣X沿著樣品軸方向進(jìn)行切分（圖1），構(gòu)成一個(gè)新的矩陣X（I×JK），然后與二維PCA方法類似，將得到的新矩陣X分解為得分向量tr在和載荷向量pr的乘積[22-23]，并加上殘差矩陣E，其計(jì)算公式為：

圖 1 MPCA計(jì)算方法Fig. 1 MPCA computation procedure

1.4 數(shù)據(jù)處理

采用MPCA降維方法和PLS回歸方法對(duì)GC-IMS二維譜圖進(jìn)行分析處理，數(shù)據(jù)處理所用軟件為MATLAB R2009b（The Mathworks Inc.）和PRTools 5.0工具包（Delft University of Technology Netherlands），二維可視化軟件為L(zhǎng)AV 2.0（G.A.S. Inc.）。

2 結(jié)果與分析

2.1 摻假油樣二維譜圖分析

圖 2 山茶油（a）、摻入30%葵花籽油（b）、摻入30%大豆油（c）和摻入30%花生油（d）偽彩色對(duì)比圖Fig. 2 Spectral comparison of pure camellia oil (a), 30% sunflower oil adulteration (b), 30% soybean oil adulteration (c) and 30% peanut oil adulteration (d)

由于單個(gè)樣品的原始GC-IMS譜圖對(duì)應(yīng)的矩陣數(shù)據(jù)量較大（4 500×2 308），因此，在保留大部分信息的前提下，為初步降低數(shù)據(jù)計(jì)算量，截取遷移時(shí)間為7.666～15.086 ms和保留時(shí)間為35.49～385.71 s內(nèi)的矩陣數(shù)據(jù)（889×1 114）作為新的矩陣。摻假油樣的GC-IMS譜圖如圖2所示，限于篇幅限制，圖中僅顯示山茶油純樣（圖2a）、摻入30%葵花籽油樣（圖2b）、摻入30%大豆油樣（圖2c）和摻入30%花生油樣（圖2d），其中山茶油純樣以偽彩色圖形式顯示，而摻假油樣以山茶油純樣作為參比，采用差譜偽彩色圖顯示[24-25]，以便觀察與參比樣品之間的差異，圖中紅色區(qū)域表示樣品成分相比于參比樣品較多，顏色越深表示成分濃度越高，而藍(lán)色區(qū)域則與之相反。由圖2可知，相比于山茶油樣，摻入葵花籽油、大豆油的摻假樣品有明顯新的揮發(fā)性有機(jī)物產(chǎn)生，且產(chǎn)生的紅色區(qū)域?qū)?yīng)不同的保留時(shí)間和遷移時(shí)間，原有的山茶油中的揮發(fā)性物質(zhì)濃度則受到不同程度的減弱，而摻入大豆油的摻假樣品僅在較短的保留時(shí)間內(nèi)產(chǎn)生其特有的揮發(fā)性有機(jī)成分，且該類氣體分子物質(zhì)聚集在一起未能實(shí)現(xiàn)較好的分離。因此，從GC-IMS二維譜上僅能從整體上實(shí)現(xiàn)對(duì)油樣是否摻入其他植物油進(jìn)行初步大致判斷，對(duì)其具體的摻假量無(wú)法進(jìn)行數(shù)字化表達(dá)，故需要借助化學(xué)計(jì)量學(xué)方法進(jìn)行進(jìn)一步分析。

2.2 摻偽油樣的PCA

將75 個(gè)摻假葵花籽油樣的氣相離子遷移譜矩陣（75×889×1 114）進(jìn)行MPCA處理，將得到的主成分?jǐn)?shù)按累計(jì)貢獻(xiàn)率的大小從高到低進(jìn)行排序，取前2 個(gè)主成分得分矩陣進(jìn)行可視化分析，結(jié)果如圖3a所示。摻入大豆油樣和摻入花生油樣的處理方法與上述方法相同，故在此不再敘述，其結(jié)果如圖3b、c所示。圖中坐標(biāo)軸標(biāo)題PC1和PC2后標(biāo)注了經(jīng)過(guò)MPCA轉(zhuǎn)換后PC1和PC2的各自貢獻(xiàn)率。主成分貢獻(xiàn)率越大，表明該主成分能夠更好地反映原來(lái)多指標(biāo)的信息，一般情況下，累計(jì)貢獻(xiàn)率不小于75%即可滿足應(yīng)用需求[26]。

圖 3 葵花籽油（a）、大豆油（b）、花生油（c）摻入山茶油的PC1和PC2得分圖Fig. 3 PC1 versus PC2 score plots for camellia oil adulterated with sunflower oil (a), soybean oil (b) and peanut oil (c)

由圖3a可知，PC1和PC2累計(jì)貢獻(xiàn)率達(dá)到97.83%，其中PC1的信息貢獻(xiàn)率為79.15%，對(duì)摻入不同量葵花籽油的山茶油樣品進(jìn)行了很好的區(qū)分。隨著摻入葵花籽油比例的增加，樣品的分布在前2 個(gè)主成分之間從右向左移動(dòng)，每組摻入比例都有其歸屬區(qū)域，其中摻入比例在30%～40%之間有輕微的區(qū)域重疊。圖3b中，PC1和PC2共保留了91.42%的原始數(shù)據(jù)信息，不同大豆油摻入比例之間得到了很好的區(qū)分，表明摻入不同比例大豆油的山茶油樣品之間存在顯著差異，但山茶油純樣品與摻入20%大豆油的山茶油樣品存在歸屬區(qū)域重疊現(xiàn)象；摻入比例在5%～10%之間存在邊界重合的現(xiàn)象；另外除山茶油純樣品組外，樣品分布在前2 個(gè)主成分之間也存在從右向左的變化趨勢(shì)。圖3c中，PC1和PC2的各自貢獻(xiàn)率分別為67.53%和29.08%，由圖3c可知，山茶油樣品與摻假樣品分別位于坐標(biāo)軸的兩個(gè)對(duì)角，表明兩者得到了明顯的區(qū)分，且摻假樣品與純山茶油樣品呈現(xiàn)相互遠(yuǎn)離的趨勢(shì)，表明山茶油樣品與摻入花生油樣品具有顯著品質(zhì)差異，結(jié)合圖2d可推斷，導(dǎo)致該原因可能是摻入的花生油產(chǎn)生的揮發(fā)性氣味成分能夠明顯地掩蓋原有山茶油的氣味[27-28]。另一方面，摻入不同比例花生油的山茶油樣之間也能夠得到區(qū)分，但摻入20%花生油的山茶油樣品歸屬區(qū)域跨度范圍呈狹長(zhǎng)的趨勢(shì)，且與30%、40%摻入比例樣品的歸屬邊界存在一定的重合，導(dǎo)致該現(xiàn)象的原因可能是購(gòu)買花生油樣品之間存在一定差異[29]，可以推測(cè)GC-IMS技術(shù)可應(yīng)用于食用植物油的產(chǎn)地信息識(shí)別。由此可見(jiàn)，GC-IMS結(jié)合MPCA方法可以有效辨識(shí)山茶油和不同摻假形式的摻假山茶油樣品，且還可以進(jìn)一步表征摻假物質(zhì)的添加量對(duì)山茶油品質(zhì)特征變化的影響趨勢(shì)。

2.3 摻偽油樣的PLS分析

表 1 摻假山茶油的預(yù)測(cè)摻假水平的模型參數(shù)Table 1 Evaluation of prediction models for adulterated camellia oil samples

對(duì)上述配制的3 種常見(jiàn)形式的摻假山茶油樣進(jìn)行PLS分析，對(duì)MPCA處理后的前4 個(gè)主成分（前4 個(gè)主成分的累計(jì)貢獻(xiàn)率均不小于99%）與實(shí)際摻假量進(jìn)行回歸分析并建立預(yù)測(cè)模型。將已配制的3 種常見(jiàn)形式的摻假山茶油樣品分別依據(jù)K-S（Kennard-Stone）算法劃分為校正集和預(yù)測(cè)集，其中校正集占70%（52 個(gè)樣品），剩余的30%（23 個(gè)樣品）作為預(yù)測(cè)集，分別建立對(duì)應(yīng)摻假形式的定量檢測(cè)模型。建模過(guò)程中，通常使用校正集均方根誤差（root mean squared error calibration，RMSEC）、預(yù)測(cè)集均方根誤差（root mean squared error prediction，RMSEP）、校正集相關(guān)系數(shù)（Rc）以及預(yù)測(cè)集相關(guān)系數(shù)（Rp）對(duì)模型的性能進(jìn)行綜合評(píng)價(jià)。RMSEC和RMSEP值越小，Rc和Rp值越接近1，表明所建立的模型越準(zhǔn)確、穩(wěn)健[30]。從表1可以看出，3 個(gè)不同種摻假油對(duì)應(yīng)的判別模型RMSEC均較低，分別為1.93%、1.40%和2.98%；RMSEP也較低，分別為1.87%、1.45%和3.35%；葵花籽油摻入山茶油樣品中RMSEP小于RMSEC，存在過(guò)擬合的現(xiàn)象，可能的原因是樣本劃分不均或者選取的主成分個(gè)數(shù)相對(duì)較多；相關(guān)系數(shù)中除花生油摻假山茶油樣品中的預(yù)測(cè)相關(guān)系數(shù)較低外，其他摻雜油樣的相關(guān)系數(shù)均達(dá)到了0.95以上，且校正相關(guān)系數(shù)與預(yù)測(cè)相關(guān)系數(shù)接近。因此，3 種PLS模型均可用來(lái)準(zhǔn)確預(yù)測(cè)相對(duì)應(yīng)摻假山茶油的摻假率。

3 結(jié) 論本研究以山茶油及幾種常見(jiàn)食用植物油（葵花籽油、大豆油和花生油）摻入山茶油的摻假樣品為研究對(duì)象，應(yīng)用GC-IMS技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法建立了一種食用油品質(zhì)檢測(cè)的方法。結(jié)果表明，MPCA方法可以有效提取并壓縮三維矩陣中的特征信息，區(qū)分和辨識(shí)純山茶油和摻假山茶油的品質(zhì)特性，并且能夠表征摻假量對(duì)山茶油整體品質(zhì)信息的影響趨勢(shì)；GC-IMS技術(shù)結(jié)合PLS回歸分析方法能夠?qū)崿F(xiàn)對(duì)油品摻假率的定量檢測(cè)。該研究方法為解決聯(lián)用儀器產(chǎn)生的高維數(shù)據(jù)分析處理提供了一種解決方法，同時(shí)也為現(xiàn)代油品企業(yè)、政府機(jī)構(gòu)及相關(guān)檢測(cè)部門對(duì)食用油的品質(zhì)評(píng)價(jià)和監(jiān)控提供了一種新的研究思路和解決方案。