礦物元素和有機成分指紋組合判別蕓豆產地

錢麗麗 李平惠 楊義杰 張東杰

(黑龍江八一農墾大學食品學院,大慶 163319)

礦物元素和有機成分指紋組合判別蕓豆產地

錢麗麗 李平惠 楊義杰 張東杰

(黑龍江八一農墾大學食品學院,大慶 163319)

分析不同地域來源蕓豆中礦物元素和有機成分組成特征及含量差異，探討礦物元素和有機成分指紋組合分析技術對蕓豆產地鑒別的可行性。檢測來自依安、拜泉縣 2 個主產區(qū) 54 份蕓豆樣品中31 種礦物元素和3項有機成分含量，對數(shù)據進行方差分析和判別分析。研究表明，礦物元素指紋對蕓豆產地交叉檢驗的整體正確判別率為94.1%；有機成分指紋對蕓豆產地交叉檢驗的整體正確判別率為83.3%；礦物元素和有機成分指紋組合對蕓豆產地的正確判別率顯著提高，交叉檢驗的整體正確判別率達到100.0%。因此，礦物元素和有機成分指紋組合分析結合多元統(tǒng)計學是用于蕓豆產地溯源的一種有效技術。

蕓豆 礦物元素 有機成分 溯源

蕓豆是我國傳統(tǒng)的藥食同源食品，具有很高的食用和藥用價值[1]。黑龍江省是我國種植和生產蕓豆最大的省份[2]，黑龍江省通過國家地理標志認證的蕓豆有：拜泉蕓豆、依安蕓豆。蕓豆產地溯源技術的建立可以有效保護地理標志蕓豆品牌。產地溯源旨在探尋表征不同地域來源產品的特異性指標，礦物元素可以反映地域指紋特征，且其含量在食品產業(yè)鏈中較為穩(wěn)定，礦物元素指紋技術是國際上公認的有效產地溯源技術之一[3-4]。Gonzalvez 等[5]利用ICP-MS測定葡萄酒中Mg、Pb、Ti等38種礦物元素的含量，結合聚類分析、主成分分析判別葡萄酒的產地來源，產地判別正確率達100%；Yasui 等[6]利用ICP-AES結合ICP-HRMS研究發(fā)現(xiàn)Ba、Ni、Mo、Mn、Zn、Fe、Cu、Rb 和 Sr 9個對地域判別有效的溯源指標，可正確區(qū)分日本地區(qū)的大米樣品。Antonio 等[7]利用礦物元素指紋分析正確區(qū)分了來自亞洲和非洲的85個茶葉樣品。

Sass-Kiss 等[8]發(fā)現(xiàn)酪胺、3-甲基丁胺、苯乙胺等 11 胺類化合物及有機酸的組成含可作為區(qū)分葡萄酒產地的有效有機成分指標；Consonni 等[9]應用氫核磁共振譜(1H-NMR)結合偏最小二乘判別分析(PLS-DA)研究發(fā)現(xiàn)苯丙氨酸和酪氨酸能準確阿根廷、匈牙利和意大利3個國家的蜂蜜。Longobardi 等[10]檢測了普利亞地區(qū)橄欖油樣品的甘油三酯、游離酸、脂肪酸等成分，結合判別分析對橄欖油原產地整體正確判別率 82.50%以上；Alonso-Salces等[11]運用高效液相色譜(HPLC)結合線性判別分析(LDA)、偏最小二乘判別分析(PLS-DA)研究發(fā)現(xiàn)酚酸和肉桂酸可以作為判別咖啡豆產地的有效特征指標；Castro-Vázquez等[12]研究發(fā)現(xiàn)西班牙蜂蜜樣品的揮發(fā)性成分具有顯著的地域性差異，利用苯類衍生物、酯類衍生物及香芹酮含量可有效區(qū)分西班牙地區(qū)的蜂蜜樣品。Karoui等[13]應用熒光光譜技術分析牛奶中色氨酸、核酸、核黃素、VA、芳香性氨基酸含量，發(fā)現(xiàn)VA和色氨酸對牛奶產地的判別效果最好，達100.0%。本研究將分析不同地域蕓豆中礦物元素和有機成分分布特征，探討礦物元素和有機成分組合分析技術對蕓豆產地來源判別的有效性。

1 材料與方法

1.1 試驗材料

1.2 儀器

1093旋風磨：丹麥Foss公司；MARS高通量密閉微波消解儀：CEMS公司；7700 ICP-MS：美國Agilent公司。

1.3 試驗方法

1.3.1 樣品前處理

將蕓豆樣品用蒸餾水洗凈，放入60 ℃的烘箱中鼓風干燥1～3 h，再用旋風磨磨制得蕓豆全粉，待測。

1.3.2 有機成分含量測定

蛋白質含量測定采用凱氏定氮法GB 5009.5—2010；粗脂肪含量測定采用GB/T 14772—2008；可溶性總糖含量測定采用蒽酮比色法。

1.3.3 元素含量測定

參考趙海燕等[11]方法，準確稱取0.200 0 g蕓豆全粉，置于消化管中，加入6 mL濃硝酸和3 mL鹽酸，放入 MARS高通量密閉微波消解儀中，采用程序升溫法進行微波消解。消解后得到澄清透明的溶液，溶液經排酸后用超純水(>18.2MΩ·cm)洗出樣品，定容到 100 mL，用 7700 ICP-MS測定樣品中 Na、Mg、Al、K、Ca、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、As、Se、Rb、Sr、Y、Mo、Ag、Cd、Sb、Ba、La、Ce、Pr、Nd、Sm、Gd、Pt和Pb共31種礦物元素含量。

根據歐盟數(shù)字能力框架中五個領域構建出的數(shù)字能力指標體系，并從知識、技能、使用態(tài)度三個維度上根據研究生的學習特點，對學習、選題、開題報告、論文寫作與評價、就業(yè)這五個階段需要用到的數(shù)字工具特點進行分析，用問卷的形式了解本校研究生數(shù)字能力的現(xiàn)狀，針對調查對象的性別、學歷、年級、專業(yè)、文獻檢索課程、本科就讀高校(是否985或211高校)、A類學術論文發(fā)表情況基本信息，對他們進行差異性比較，利用SPSS中T檢驗來進行數(shù)據對比分析得知是否存在顯著差異，根據顯著性差異分析研究生的數(shù)字能力差別。

用外標法進行定量分析，以環(huán)境標樣(Part#5183-4680，Agilent)為標準樣品，用內標元素Li、Ge、Y、In、Tb 和Bi保證儀器的穩(wěn)定性，當內標元素的 RSD>5%，重新測定樣品。測試過程中每個樣品重復測定3次。

1.3.4 數(shù)據處理方法

用SPSS 20.0 軟件對數(shù)據進行方差分析(獨立樣本T檢驗)和判別分析。

2 結果與分析

2.1 不同地域來源蕓豆的方差分析

2.1.1 不同產地蕓豆中礦物元素含量差異及組成特征

分別對依安縣和拜泉縣2個地域不同蕓豆樣品的31種礦物元素含量進行多重比較分析，結果表明，Na、Mg、Al、Ca、V、Cr、Mn、Fe、Cu、As、Se、Rb、Sr、Y、Ag、Cd、Sb、Ba、La、Ce、Pr、Nd、Sm、Gd和Pt 25種元素含量在地域間有顯著性差異(表1)。從表1可看出，一些礦物元素的變異系數(shù)較大(如Cd 94.444%)，說明礦物元素含量在同一縣市不同鄉(xiāng)鎮(zhèn)內的差異也較大。

表1 不同地域蕓豆的礦物元素含量/μg/g

表1(續(xù))

注：不同小寫字母表示顯著性差異(P<0.05),帶*號的單位為ng/g，下同。

2.1.2 不同產地蕓豆有機成分組成及含量差異

對蕓豆樣品的蛋白質、脂肪和溶性總糖含量進行方差分析，結果顯示，3項指標在地域間存在顯著性差異，不同地域來源的蕓豆樣品有機成分含量有其各自的特征(表2)。3項有機成分指標在不同產地之間的差異均達到了顯著水平(P<0.05)。

表2 不同產地蕓豆有機成分差異分析

2.2 不同地域來源蕓豆的判別分析

為進一步了解各元素含量指標對蕓豆產地的判別效果，對存在顯著差異的指標進行逐步判別分析，篩選出對地域判別有效的變量建立判別模型，并驗證模型的有效性。驗證測試中以測試集(2/3樣本)建立判別模型，外推驗證集(1/3樣本)結合交叉驗證法驗證模型的有效性。

2.2.1 不同產地蕓豆中礦物元素含量的判別分析

對存在顯著性差異的25種元素進行逐步判別分析，結果顯示，有4項指標被引入到判別函數(shù)模型中，依次為Ca、As、Mg和Pt，判別模型如下：

模型1(Y)=-71.606+0.074 Ca+4 006.118 As+823.120 Se+6 227.736 Pt

模型2(B)=-156.828+0.107 Ca+7 668.300 As+1 363.820 Se+8 019.599 Pt

表3 礦物元素指紋信息的判別模型驗證

注：a. 已對驗證集初始分組案例中的 100.0% 個進行了正確分類。b. 已對測試集初始分組案例中的 97.3% 個進行了正確分類。c. 僅對分析中的案例進行交叉驗證。 在交叉驗證中，每個案例都是按照從該案例以外的所有其他案例派生的函數(shù)來分類的。d. 已對所選交叉驗證分組案例中的 94.1% 個進行了正確分類。

從表3可看出，此模型對測試集蕓豆產地的整體正確判別率為97.3%。交叉驗證結果，整體判別的正確率為94.1%，交叉檢驗的錯判率為5.9%<10%，對蕓豆產地判別具有價值(判別效果一般用誤判率來衡量，要求誤判率小于10%或20%才有應用價值[14])。

2.2.2 不同產地蕓豆中有機成分含量的判別分析

利用蛋白質、脂肪和可溶性總糖含量3項指標組合通過Fisher′s線性判別分析方法建立判別模型如下：

依安=-16.32+0.44(蛋白質)+2.73(脂肪)+0.38(可溶性總糖)

拜泉=-15.09+0.43(蛋白質)+2.68(脂肪)+0.37(可溶性總糖)

從表4可看出，此模型對測試集蕓豆產地的整體正確判別率為91.70%。交叉驗證結果，整體判別的正確率為83.30%。

表4 有機成分指紋信息的判別模型驗證

注：a. 已對驗證集初始分組案例中的 83.3%個進行了正確分類。b. 已對測試集初始分組案例中的 91.7%個進行了正確分類。c. 僅對分析中的案例進行交叉驗證。 在交叉驗證中，每個案例都是按照從該案例以外的所有其他案例派生的函數(shù)來分類的。d. 已對所選交叉驗證分組案例中的 83.3%個進行了正確分類。

2.2.3 礦物元素和有機成分指紋組合對蕓豆產地的判別分析

對存在顯著差異的25種元素和3項有機成分指標(蛋白質、脂肪和可溶性總糖)進行逐步判別分析，結果顯示，有4項指標被引入到判別函數(shù)模型中，依次為Mn、Fe、As和蛋白質。判別模型如下：

類別1(依安)=-386.664+4.478Mn-1.214Fe-5 070.822As+0.369蛋白質

類別2(拜泉)=-327.056+0.242Mn+0.290Fe-1 018.382As+0.305蛋白質

從表5可看出，此模型對測試集蕓豆產地的整體正確判別率為97.2%，交叉驗證結果，整體正確判別率均為100%，全部樣判屬正確。礦物元素和有機成分指紋圖譜組合分析技術對蕓豆產地判別取得了較好的效果。

表5 礦物元素和有機成分指紋信息組合的判別模型驗證

注：a 已對驗證集初始分組案例中的 100.0% 個進行了正確分類。b 已對測試集初始分組案例中的 97.2% 個進行了正確分類。c 僅對分析中的案例進行交叉驗證。 在交叉驗證中，每個案例都是按照從該案例以外的所有其他案例派生的函數(shù)來分類的。d 已對所選交叉驗證分組案例中的 100.0% 個進行了正確分類。

2.3 不同方法和指標對蕓豆產地的溯源效果比較

交叉檢驗的整體正確率可用來衡量蕓豆產地判別模型的可靠性(表6)。結果表明礦物元素指紋對蕓豆產地交叉檢驗的整體正確判別率為94.1%；有機成分指紋對蕓豆產地交叉檢驗的整體正確判別率為83.3%。礦物元素和有機成分指紋組合后對蕓豆產地的正確判別率顯著提高，交叉檢驗的整體正確判別率達到100.0%?？梢?，不同溯源方法和指標對蕓豆產地的鑒別效果依次為礦物元素和有機成分指紋組合>礦物元素指紋>有機成分指紋。

表6 不同方法對蕓豆產地的溯源效果比較

注：高：≥90%；較高：≥85%；較低：80%～85%。

3 結論

蕓豆樣品中礦物元素和有機成分含量在地域間存在顯著性差異。利用Ca、As、Mg、Pt 4項指標建立判別模型，對蕓豆產地的整體判別的正確率為94.1%；利用蛋白質、脂肪、可溶性總糖3項指標建立判別模型，對蕓豆產地的整體判別的正確率為83.3%；利用Mn、Fe、As和蛋白質4項指標建立判別模型，對蕓豆產地的整體判別的正確率為100.0%。礦物元素指紋、有機成分指紋、礦物元素和有機成分指紋組合3種技術判別蕓豆產地是可行的。

植物體從土壤中吸收養(yǎng)分供給植物生長，土壤中礦物元素組成特征在一定程度上反映出植物體的地域性差異。依安地區(qū)的土壤類型主要為黑土、拜泉縣的土壤類型主要為黑鈣土，2個地域土壤類型的差異為蕓豆產地溯源研究提供了可能，本研究僅進行了初步的探索性分析，今后要對采樣地區(qū)的土壤進行差異分析，明確形成蕓豆地域差異的具體來源。

[1]張洪學. 創(chuàng)中國蕓豆品牌發(fā)展出口創(chuàng)匯農業(yè)[J]. 中國種業(yè),2008(11):68

Zhang H X.Creation of the kidney bean in China export agricultural brand development[J].China Seed Industry,2008(11)：68

[2] 王強,張亞芝,魏淑紅,等. 黑龍江省蕓豆生產現(xiàn)狀與產業(yè)化發(fā)展[J]. 中國種業(yè),2008(4):11-12

Wang Q,Zhang Y Z,Wei S H,et al.Production and industrialization development of Kidney bean in Heilongjiang Province[J].China Seed Industry,2008(4):11-12

[3] Eleraky A W, Rambeck W. Study on performanceenhancing effect of rare earth elements as alternatives toantibiotic feed additives for Japanese Quails[J]. Journal of American Science,2011, 7(12):211-215

[4] Frontela C, García-Alonso F J, Ros G, et al. Phytic acid and inositol phosphates in raw flours and infant cereals:The effect of processing[J]. Journal of Food Composition and Analysis,2008(21):343-350

[5] Gonzalvez A, Llorens A, Cervera M L, et al. Elemental fingerprint of wines from the protected designation of origin valencia[J]. Food Chemistry,2009,112(1):26-34

[6]Yasui A, Shindoh K. Determination of the geographic origin of brown-rice with trace-element composition[J]. Bunseki Kagaku,2000,49(6): 405-410

[8]Sass-Kiss A, Kiss J, Havadi B, et al. Multivariate statisticalanalysis of botrytised wines of different origin[J]. Food Chemistry, 2008,110: 742-750

[9]Consonni R, Cagliani L R. Geographical characterization of polyfloral and acacia honey by nuclear magnetic resonance and chemometrics[J]. Journal of Agricultural and Food Chemistry, 2008, 56(16): 6873-6880

[10]Longobardi F, Ventrella A, Casiello G, et al. Instrumental and multivariate statistical analyses for the characterization of the geographical origin of Apulian virgin olive oils[J]. Food Chemistry, 2012,133:579-584

[11]Alonso-Salces R M, Serra F, Reniero F, et al. Botanical and geographical characterization of green coffee(coffea arabica and coffea canephora): chemometric evaluation of phenolic and methylxanthine contents[J]. Journal of Agricultural and Food Chemistry,2009,57 (10):4224-4235

[12]Castro-Vázquez L, Díaz-Maroto M C, Torres C, et al. Effect of geographical origin on the chemical and sensory characteristics of chestnut honeys[J]. Food Research International, 2010,43: 2335-2340

[13]Karouir, Martin B, Durour E. Potentiality of front-face fluorescence spectroscopy to determine the geographic origin of milks from the Haute-Loire department (France)[J]. Lait, 2005, 85(3): 223-236

[14]孫振球. 醫(yī)學統(tǒng)計學[M]. 北京: 人民衛(wèi)生出版社, 2002.

Sun Z Q.Medical Statistics[M].Beijing:People’s Medical Publishing House，2002.

Discrimination of Kidney Bean Origin by Fingerprint of Mineral Elements and Organic Compounds Combination

Qian Lili Li Pinghui Yang Yijie Zhang Dongjie

(College of Food,Heilongjiang Bayi Agricultural University, Daqing 163319)

The characteristics and content differences of the mineral element and organic compounds in kidney bean from different regions were analyzed to explore the feasibility of fingerprinting combination analysis technology of mineral elements and organic compounds in distinguishing the geographical origin of kidney bean. The concentrations of 31 mineral elements and 3 organic compound was determined in 54 samples from yian and baiquan counties of China, and analysis of variance(ANOVA)and discriminant analysis(DA)were applied in data analysis. Results showed that the overall correct discrimination rate of mineral elements fingerprints in kidney beans origin cross validation was 94.4%；the overall correct discrimination rate of organic compounds fingerprints in kidney beans origin cross validation was 83.3%；The overall correct discrimination rate of fingerprints combination of mineral elements and organic compounds in kidney beans origin was significantly improved, and the overall correct discrimination rate of cross validation was 100.0%. So, It was an effective technology that determine the geographical origin of kidney bean using mineral element and organic compounds fingerprint analysis combined with multivariate statistics.

kidney bean, mineral element, organic compounds, traceability

TS21

A

1003-0174(2016)10-0120-05

國家雜糧工程技術開發(fā)項目(2011FU125X07)，黑龍江省高等學?？萍紕?chuàng)新團隊建設計劃(2014TD006)，大慶市指導性科技計劃(szdfy-2015-35)

2015-02-11

錢麗麗，女，1979年出生，博士，農產品質量安全

張東杰，男，1966年出生，教授，農產品加工與安全