CN101936893A

CN101936893A - 一种从油菜籽中检测蛋白质和氨基酸的方法

Info

Publication number: CN101936893A
Application number: CN2010102428576A
Authority: CN
Inventors: 傅廷栋; 谭正林; 李培武; 祝利霞; 孙秀丽
Original assignee: Huazhong Agricultural University
Current assignee: Huazhong Agricultural University
Priority date: 2010-07-30
Filing date: 2010-07-30
Publication date: 2011-01-05

Abstract

本发明公开了一种油菜籽中蛋白质及氨基酸的快速检测方法，其步骤是：A、将收获的油菜籽放入烘箱中烘干，湿度控制在103-108℃干燥，时间控制在3-5小时，然后冷却至室温；B、将冷却后的油菜籽放入近红外仪的样品盘中扫描近红外光谱，每次样品重复装样2-4次；C、将样品的2-4次测量光谱平均化计算其平均光谱；D、将样品的平均光谱代入模型中，计算出样品的粗蛋白和氨基酸的含量。方法易行，操作简便，样品前处理简单。对于油菜籽生产企业，将收获后的油菜籽在一定温度和时间快速测定。快速无损。近红外光谱的采集时间非常短，模型计算的时间基本可以忽略。多成分同时测量。可同时测量出油菜籽中粗蛋白和其他氨基酸的含量。

Description

一种从油菜籽中检测蛋白质和氨基酸的方法

技术领域

本发明涉及油菜籽中蛋白质及氨基酸的检测技术领域，更具体涉及一种从油菜籽中检测蛋白质和氨基酸的方法，该方法适用于各种油菜籽中蛋白质和氨基酸的检测。

背景技术

油菜籽是人们食油的重要来源。随着人们生活水平的提高，培育高蛋白质含量的油菜籽以提高油菜籽的综合利用价值成为油菜育种的一个方向。在选择育种的种子过程中如何将富含高蛋白质和氨基酸的种子从众多的种子中筛选出来是一项重要而复杂的工程。传统的化学及色谱分析分析方法操作复杂，费时、费力。近红外光谱技术是发展最快、最引人注目的光谱分析技术之一。所谓近红外光，是指波长在780-2500nm范围内，介于可见光和红外光之间的一种电磁波。近红外光谱主要反映含氢基团X-H振动的倍频和合频吸收信息。目前已用于石油、烟草中等有机成分的检测。油菜籽中的主要成分如油脂、蛋白质、可溶性固形物等都含有羟基、氨基、巯基或羰基，因此，从理论上讲，近红外光谱分析技术也可用于油菜籽的化学成分含量分析。目前已经用近红外技术成功检测了油菜籽中的含油量和菜籽饼粕中的粗蛋白和部分氨基酸的含量，但是还没有能够将近红外光谱分析技术用来检测油菜籽中的蛋白质及氨基酸含量的报道。

发明内容

为了解决油菜籽品质检测的化学及色谱分析方法操作复杂，费时、费力的缺点，本发明的目的是在于提供了一种从油菜籽中检测蛋白质和氨基酸的方法，方法易行，操作简便，样品前处理简单。对于油菜籽生产企业，将收获后的油菜籽在一定温度和时间快速测定。快速无损。近红外光谱的采集时间非常短，模型计算的时间基本可以忽略。多成分同时测量。可同时测量出油菜籽中粗蛋白和其他氨基酸的含量。

为了实现上述的目的，本发明采用以下技术措施：

本发明提供的油菜籽品质快速检测方法为：

先获得干燥的待测油菜籽，采集近红外光谱，然后利用数学模型将采集到的近红外光谱转换为油菜籽的蛋白质和各种氨基酸参数，所述品质参数为蛋白质、各种氨基酸的含量中的一种或多种，所述数学模型采用偏最小二乘法建立，模型函数为：yi＝x(UiX)’BiQi，其中yi为所述品质参数中的某种品质参数，向量x为待测油菜籽的近红外光谱，Ui为所述某品质参数浓度特征因子矩阵，X为选取的建模样品的近红外光谱矩阵，Bi为所述某品质参数吸光度特征因子矩阵，Qi为浓度载荷矩阵，其中Ui、Bi、Qi根据所述建模样品的近红外光谱矩阵及对应品质参数的值由化学计量学方法确定，计算yi采用经典的偏最小二乘法软件。

所述近红外光谱可以是780-2500nm波长范围内的近红外光谱。应用近红外光谱仪，采集样品在780-2500nm波长范围内的近红外光谱。所述采集到的近红外光谱对光谱进行了预处理，所述预处理为背景去除、校正、去噪声和特征数据点选择的一种或多种，采用的方法为No Spectral Data Preprocessing(光谱未处理)，Constant offset Elimination(常数偏移消除)，Straight Line Subtraction(直线差值)，Vector Normalization(矢量归一化)，Min-Max Normalization(最小最大归一化)，Multiplicative Scattering Correction(多元散射校正)，First Derivative(一阶导数)，Second Derivative(二阶导数)，First Derivative+Straight LineSubtraction(一阶导数+直线差值)，First Derivative+Multiplicative ScatteringCorrection(一阶导数+多元散射校正)、小波去噪中的一种或多种。

所述数学模型建立了近红外光谱与油菜籽中各成分含量实测值之间的函数关系，从而可以利用采集的近红外光谱转换为油菜籽中相对应的成分含量。建模时，所用到的油菜籽中各成分含量实测值中，粗蛋白的含量采用GB/T 6432-94，氨基酸的含量采用中华人民共和国国家标准食物中氨基酸的测定方法GB/T14965-1994。

所述数学模型是采用化学计量学方法建立的近红外光谱与油菜籽各成分参数之间的定量模型。采用的化学计量学方法可以包括多元线性回归、偏最小二乘回归、人工神经网络、支持向量机。较佳地，所述数学模型利用生产中常见的同类油菜籽样品进行验证，根据实际生产中的误差要求，反复优化后得到。

一种油菜籽中蛋白质及氨基酸的快速检测方法，其步骤是：

A、将收获的油菜籽放入烘箱中烘干，湿度控制在103-108℃干燥，时间控制在3-5小时，然后冷却至室温(20-25℃)；

B、将冷却后的油菜籽放入近红外仪(BRUKER公司的VECTOR22/N型)的样品盘中扫描近红外光谱，每次样品重复装样2-4次；

C、将样品的2-4次测量光谱平均化计算其平均光谱；

D、将样品的平均光谱代入模型中，即可计算出(调出每一种物质的方法，通过计算，即可计算出样品中该物质的含量)样品的粗蛋白和氨基酸的含量。

本发明提供的油菜籽中蛋白质及氨基酸的快速检测方法能够快速准确地检测出油菜籽中粗蛋白和其他氨基酸的含量。更具体地讲，优点如下：

1.样品前处理简单。对于油菜籽生产企业，将收获后的油菜籽在105℃干燥4h后即可测定。

2.快速无损。近红外光谱的采集时间非常短，模型计算的时间基本可以忽略。

3.多成分同时测量。可同时测量出油菜籽中粗蛋白和其他氨基酸的含量。

4.本发明为油菜籽成分的在线实时检测提供了技术基础。

附图说明

图1为一种油菜籽中蛋白质的近红外预测值与实际值之间的散点图。粗蛋白在级数为10时RMSECV最小，为0.894，R²最大，为90.9％

图2为一种油菜籽中甘氨酸的近红外预测值与实际值之间的散点图。在级数为3时RMSECV最小，为0.0726，R2最大，为73.84％。

图3为一种油菜籽中丙氨酸的近红外预测值与实际值之间的散点图。丙氨酸在级数为5时RMSECV最小，为0.0934，R2最大，为60.22％。

图4为一种油菜籽中谷氨酸的近红外预测值与实际值之间的散点图。谷氨酸在级数为7时RMSECV最小，为0.264，R2最大，为81.74％。

图5为一种油菜籽中赖氨酸的近红外预测值与实际值之间的散点图。赖氨酸在级数为5时RMSECV最小，为0.0961，R2最大，为72.26％。

图6为一种油菜籽中苏氨酸的近红外预测值与实际值之间的散点图。苏氨酸在级数为5时RMSECV最小，为0.0651，R2最大，为80.76％

图7为一种油菜籽中丝氨酸的近红外预测值与实际值之间的散点图。丝氨酸在级数为10时RMSECV最小，为0.0804，R2最大，为71.78％

图8为一种油菜籽中精氨酸的近红外预测值与实际值之间的散点图。精氨酸在级数为5时RMSECV最小，为0.0879，R2最大，为79.23％

图9为一种油菜籽中组氨酸的近红外预测值与实际值之间的散点图。组氨酸在级数为5时RMSECV最小，为0.0544，R2最大，为57.3％，波长范围为10001.5-3999.8

图10为一种油菜籽中脯氨酸的近红外预测值与实际值之间的散点图。脯氨酸在级数为6时RMSECV最小，为0.115，R2最大，为65.99％

图11为一种油菜籽中亮氨酸的近红外预测值与实际值之间的散点图。亮氨酸在级数为7时RMSECV最小，为0.103，R2最大，为83.76％

图12为一种油菜籽中缬氨酸的近红外预测值与实际值之间的散点图。缬氨酸在级数为5时RMSECV最小，为0.0737，R2最大，为75.81％

具体实施方式

本发明提供的油菜籽中蛋白质和氨基酸的快速检测方法为：先获得干燥状态的待测油菜籽，采集近红外光谱，然后利用数学模型将采集到的近红外光谱转换为待测油菜籽的品质参数，所述品质参数为粗蛋白、氨基酸含量中的一种或多种，所述数学模型采用偏最小二乘法建立，用到的所述建模样品来自华中农业大学国家油菜工程技术研究中心。

下面以油菜籽蛋白质含量的建模方法为例对本发明做进一步的说明。

一种油菜籽中蛋白质及氨基酸的快速检测方法，其步骤是：

A、将收获的油菜籽放入烘箱中烘干，湿度控制在103或104或105或106或107或108℃干燥，时间控制在3或4或5小时，然后冷却至室温(25℃)；

B、将冷却(25℃)后的油菜籽放入近红外仪(BRUKER公司的VECTOR22/N型)的直径50mm样品盘中，在波长范围为3999.9-10001.5cm^-1谱区范围内扫描64次，分辨率为4cm^-1条件下扫描近红外光谱。每次样品重复装样2或3或4次；

C、将样品的2或3或4次测量光谱平均化计算其平均光谱；

D、将样品的平均光谱代入模型中，即可计算出样品的粗蛋白和氨基酸的含量。

近红外光谱采集：采用BRUKER公司的VECTOR22/N型傅立叶型近红外光谱仪测定油菜籽的漫反射光谱。将油菜籽盛于直径50mm的旋转样品池，在波长范围为3999.9-10001.5cm^-1谱区范围内扫描64次，分辨率为4cm^-1。每次样品重复装样3次。

光谱预处理：将样品的三次测量光谱平均化计算其平均光谱。

建模：采用偏最小二乘法建立校正模型。具体过程如下：将平均化后的光谱矩阵x及建模样本的蛋白质含量y作为输入数据，输入到偏最小二乘法软件中，经过迭代运算，软件自动计算出偏最小二乘模型的一系列参数，包括蛋白质参数浓度特征因子矩阵Ui、蛋白质吸光度特征因子矩阵Bi、浓度载荷矩阵Qi。从而得到蛋白质预测模型的函数表达式：yi＝x(UiX)’BiQi，其中，向量x为待测油菜籽的近红外光谱。

利用上述模型进行待测油菜籽蛋白质快速检测的方法如下：

按照上述近红外光谱采集的方法分别采集待测油菜籽的近红外光谱，并经过上述光谱预处理后得到待测油菜籽样品的近红外光谱向量，利用上述数学模型yi＝x(UiX)’BiQi即可计算出上述待测油菜籽的蛋白质含量。该计算过程也可编制成程序，输入待测油菜籽的近红外光谱向量x，就可自动计算出其蛋白质含量。

同样，利用上述方法，可以建立油菜籽氨基酸含量与近红外光谱值的函数关系，从而通过近红外光谱值而得到上述各种含量。

油菜籽各指标偏最小二乘回归建模的结果如下表所示。其中，校正集用来建立模型，预测集用来对模型进行验证。下表中级数为各模型的主成分数；r为模型的相关系数，r越接近1，模型准确度越高；SEC为校正集样本标准差，RMSECV和RMSECP分别为校正集和预测集样本的预测相对误差。准确率80％以上作准确预测。

Claims

1.一种油菜籽中蛋白质及氨基酸的快速检测方法，其步骤是：

A、将收获的油菜籽放入烘箱中烘干，湿度控制在103-108℃干燥，时间控制在3-5小时，然后冷却至室温；

B、将冷却后的油菜籽放入近红外仪的样品盘中扫描近红外光谱，每次样品重复装样2-4次；

C、将样品的2-4次测量光谱平均化计算其平均光谱；

D、将样品的平均光谱代入模型中，计算出样品的粗蛋白和氨基酸的含量。2、根据权利要求1所述的一种油菜籽中蛋白质及氨基酸的快速检测方法，其特征在于，所述的近红外光谱为780-2500nm。