基于氣相離子遷移譜對葵花籽油精煉程度的檢測

陳 通，谷 航，陳明杰，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）

植物油中揮發(fā)性物質(zhì)主要是一些醇、醛、酮類，不同品種植物油所含有的氣味成分種類和含量不同，而同一品種經(jīng)過不同的工藝過程其保留的揮發(fā)性成分也不完全相同[1-3]。不同工藝（如冷榨、壓榨與化學(xué)浸提方法）生產(chǎn)的植物油具有一定的價格差異，尤其對不同精煉程度的植物油，差異更為明顯，而科學(xué)區(qū)分不同精煉程度的植物油是質(zhì)檢技術(shù)人員與生產(chǎn)企業(yè)品控人員共同面臨的新問題[4-6]。氣味指紋分析技術(shù)不僅可以根據(jù)不同的風(fēng)味物質(zhì)獲取對應(yīng)的響應(yīng)信號，而且這類信號可以結(jié)合化學(xué)計量學(xué)方法加以比較，進行判斷識別，其獲得的響應(yīng)信息不是被測樣品中某一種或某幾種成分的定性或定量結(jié)果，而是樣品中揮發(fā)性有機成分的整體信息[7-9]。

氣相離子遷移譜（gas chromatography-ion mobility spectrometry，GC-IMS）是近年來出現(xiàn)的一種新的分離和檢測技術(shù)[10-12]，其工作原理為復(fù)雜混合物經(jīng)過GC分離后以單個組分的形式進入IMS的電離反應(yīng)區(qū)，在反應(yīng)區(qū)內(nèi)通過化學(xué)電離反應(yīng)，生成產(chǎn)物離子。產(chǎn)物離子在電場力作用下通過周期性開啟的離子門進入漂移管內(nèi)，在與逆流的中性漂移氣體不斷碰撞的過程中，不同的產(chǎn)物離子在電場中各自的遷移速率不同，使得產(chǎn)物離子得到進一步分離，依據(jù)到達檢測器時間的先后順序被檢測記錄[13]。GC-IMS技術(shù)融合了GC高效的分離性能和IMS響應(yīng)速度快、高靈敏度的優(yōu)勢，特別適合于一些揮發(fā)性有機化合物的痕量檢測，在食品安全、疾病檢測以及環(huán)境保護等安全領(lǐng)域已經(jīng)得到廣泛的應(yīng)用[14-16]，尤其是在食品風(fēng)味分析的應(yīng)用也受到廣泛的關(guān)注[17-20]。

本實驗利用GC-IMS技術(shù)分析植物油在不同精煉過程中的揮發(fā)性有機物質(zhì)的差異信息，以期利用化學(xué)計量學(xué)方法建立同類植物油不同精煉等級的判別模型，為識別油脂的精煉程度提供一種新的檢測方法。

1 材料與方法

1.1 材料

采集同一批次不同精煉等級的葵花籽油樣（溶劑浸出法制取6號溶劑油），累計37 個樣品，其中一級樣品6 個，二級樣品10 個，三級樣品8 個，四級樣品13 個，由豐益全球研發(fā)中心（上海）提供。所有樣品均保存于-5 ℃冰箱中待測。

1.2 儀器與設(shè)備

FlavourSpec 1H1-00053型GC-IMS 德國G.A.S.公司；CTC-PAL自動進樣裝置 瑞士CTC Analytics AG公司；CLOT毛細管柱（30 m×0.25 mm，0.50 μm）德國CS GmbH公司。

1.3 方法

1.3.1 頂空進樣條件

頂空孵化溫度90 ℃；孵化時間10 min；進樣體積200 μL；不分流模式；進樣針溫度95 ℃；載氣為高純N2（純度≥99.999%）。

1.3.2 GC條件

色譜柱：SE-54非極性毛細管柱（30 m×0.25 mm，0.25 μm）；色譜柱溫40 ℃；運行時間15 min；載氣為高純N2（純度≥99.999%）；載氣流速：起始5 mL/min，0～10 min線性上升至100 mL/min，10～15 min線性上升至150 mL/min。

1.3.3 IMS條件

Tritium離子源（6.5 keV）；正離子模式；漂移管長度20 cm；漂移氣流速150 mL/min；漂移管溫度45 ℃；平均次數(shù)12；電場強度350 V/cm；網(wǎng)格脈沖寬度100 μs；觸發(fā)延遲時間100 ms；采樣頻率150 kHz；重復(fù)率21 ms。

量取2 mL待測油樣于頂空進樣瓶中，靜置10 min后直接進行GC-IMS檢測。

1.4 數(shù)據(jù)處理

采用GC-IMS Library Search V2.2.1分析軟件（G.A.S.Inc.）對樣品中的揮發(fā)性成分進行定性。采用MATLAB R2009b（The Mathworks Inc.）和PRTools 5.0工具包（Delft University of Technology Netherlands）對所測二維數(shù)據(jù)進行可視化分析處理。

2 結(jié)果與分析

2.1 GC-IMS譜圖分析

圖1 一級（a）、二級（b）、三級（c）和四級（d）精煉等級葵花籽油GC-IMS譜圖Fig. 1 GC-IMS spectra of fi rst- (a), second- (b), third- (c), and fourthgrade (d) re fi ned sun flower oil

從不同精煉程度的葵花籽油樣品各選取1 個樣品，由于原始圖譜對應(yīng)的矩陣數(shù)量較大（4 615×4 500），為降低數(shù)據(jù)運算和可視化效果，在保留絕大部分信息的前提下，截取遷移時間為8.208 2～14.745 8 ms和保留時間為113.88～888.81 s內(nèi)的矩陣數(shù)據(jù)作為新的矩陣（1 988×981），如圖1所示。從圖1d可知，四級精煉的葵花籽油所含有的揮發(fā)性成分最多且對應(yīng)的濃度高，而一級精煉樣品的揮發(fā)性成分最少（圖1a），且峰強度相對較弱；隨著葵花籽油精煉程度的提高，植物油中原有的揮發(fā)性成分的數(shù)量不斷減少且濃度也呈減弱的趨勢；另一方面，在不同精煉等級的油樣之間，產(chǎn)生新的揮發(fā)性有機物質(zhì)的同時也伴隨著原有揮發(fā)性物質(zhì)的消失（如圖1b中紅色虛線橢圓標(biāo)記的區(qū)域）。

圖2 22 個特征峰選取位置點Fig. 2 Locations of 22 feature peaks

為進一步直觀觀察不同精煉等級葵花籽油的揮發(fā)性有機成分的變化規(guī)律，按照差譜原則[21-23]，共選取22 個特征峰作為表征不同精煉等級樣品之間的變化規(guī)律，選取的特征點如圖2所示，對應(yīng)特征峰組成的區(qū)域排列結(jié)果如圖3所示，橫軸為標(biāo)記的特征點，縱軸為樣品編號。由圖3可知，對于一級葵花籽油樣，僅有3 個特征成分（標(biāo)記編號14、21、22），且隨著等級的降低，標(biāo)記編號21、22對應(yīng)的離子峰強度逐漸降低；在二級精煉葵花籽油樣中，標(biāo)記編號1～9對應(yīng)的特征成分為該等級葵花籽油樣所獨有；相比于其他等級油樣，三級油樣中部分揮發(fā)性成分物質(zhì)濃度較低（標(biāo)記編號4～6）；三級油樣標(biāo)記編號14的特征峰在一級、二級中均存在，且隨著等級的提高呈先增強后減弱的趨勢，標(biāo)記編號9～13的特征峰在一級和二級精煉油中均不存在，而在四級油樣存在標(biāo)記編號10、12和13有顯著的強度差異；四級葵花籽油除標(biāo)記編號10、15、16、17存在特征峰以外，其他標(biāo)記位置均沒有揮發(fā)性有機物質(zhì)產(chǎn)生。通過GCIMS Library Search軟件對標(biāo)記位置進行檢索，部分特征峰對應(yīng)的物質(zhì)化學(xué)信息如表1所示。

圖3 葵花籽油22 個特征峰總覽圖Fig. 3 Overview of 22 characteristic peaks of sunf l ower oil with different refining grades

表1 部分特征峰對應(yīng)的化合物信息Table 1 Names of compounds corresponding to some characteristic peaks

2.2 PCA結(jié)果

將選取的22 個特征峰作為特征變量，組成37×22的矩陣進行主成分分析（principal component analysis，PCA）[24-26]，將得到的主成分數(shù)按累計貢獻率的大小從高到低進行排序，取前2 個主成分的得分數(shù)進行可視化分析，結(jié)果如圖4所示。前2 個主成分的累計貢獻率高達98.88%，其中PC1的貢獻率為78.53%，PC2的貢獻率為20.35%，表明前2 個主成分能夠表征原始數(shù)據(jù)的絕大部分有效信息；4 種等級的葵花籽油樣品按等級的不同分布在不同的區(qū)域，且均有其歸屬區(qū)域，表明不同等級的葵花籽油得到很好區(qū)分。

圖4 主成分得分圖和載荷圖Fig. 4 PCA score and loading plots

在繪制主成分得分圖的同時對其載荷矩陣（圖4中直線和對應(yīng)標(biāo)記號）進行可視化分析，載荷圖用于研究特征之間的相關(guān)性和重要程度，其給出了特征在主成分上的投影。由圖4可知，標(biāo)記編號為9、13、14、15、17、18、19、20對應(yīng)的特征成分比較重要，該標(biāo)記點均離坐標(biāo)原點較遠；編號19與20兩特征向量之間夾角較小，表明2 個特征高度相關(guān)，可單獨用一個特征進行表示，其他特征變量的相關(guān)性以此類推；僅通過單獨的幾個特征變量即可實現(xiàn)對二級、三級、四級葵花籽油的快速區(qū)分（如特征編號9和14），但一級和二級精煉葵花籽油之間特征變量相對較少，且離坐標(biāo)系原點較近，重要程度較低，不能較好地區(qū)分一級和二級精煉油。因此，需要進一步采用化學(xué)計量學(xué)方法建立模型進行判斷識別。

2.3 有監(jiān)督模式識別

圖5 kNN（a）、QDA（b）和Fisher線性判別分析（c）3 種有監(jiān)督分類模型的結(jié)果Fig. 5 Classification results with 3 supervisor pattern recognition models: kNN (a), QDA (b), and FLDA (c)

以前2 個主成分得分矩陣進行有監(jiān)督判別分析，分別采用K最近鄰[27-29]（k-nearest neighbour，kNN）、二次線性判別分析（quadratic discriminant analysis，QDA）[30]以及Fisher判別分析方法進一步研究區(qū)分預(yù)測4 類等級植物油的可能性，由于采集的樣本數(shù)量較少，故未將樣本劃分為校正集和預(yù)測集，僅將全部樣品用于建立模型以便觀察不同等級葵花籽油的歸屬分布，驗證研究方法的可行性。由圖5可知，37 個樣品集中，除Fisher線性判別分析中僅有1 個一級葵花籽油樣被誤判成二級以外，其他2 種判別方法識別率均為100%，產(chǎn)生誤判的原因可能是：相比較于Fisher判別分析，當(dāng)決策邊界高度非線性時，kNN和QDA模型可獲得更好的判別效果；依據(jù)差譜原則選取特征峰方法存在一定的局限性，而如何通過機器學(xué)習(xí)方法實現(xiàn)特征峰的有效選取也是進一步研究的方向。因此，模式識別方法結(jié)合GC-IMS構(gòu)建的二維指紋圖譜可以對不同等級的葵花籽油進行正確區(qū)分，其區(qū)分度可高達97.30%。

3 結(jié) 論

本實驗采用GC-IMS法測定了4 種不同等級葵花籽油的揮發(fā)性有機成分的差異，構(gòu)建了反映精煉程度的GC-IMS指紋圖譜，對葵花籽油的等級進行了鑒別和分類。運用PCA和有監(jiān)督（kNN、QDA、Fisher線性判別分析）模式識別方法對不同等級的葵花籽油樣進行分類鑒別。結(jié)果表明，3 種模式識別方法均可以獲得較好的分類效果，識別率可達97.30%以上。

GB/T 10464—2017《葵花籽油》依據(jù)葵花籽油質(zhì)量指標(biāo)劃分為3 個等級，而制油企業(yè)內(nèi)部品質(zhì)控制過程中目前仍分為4 個等級，等級數(shù)的增加意味著在符合國家標(biāo)準(zhǔn)的基礎(chǔ)上實行更高標(biāo)準(zhǔn)的品質(zhì)劃分。GC-IMS聯(lián)用技術(shù)提供了一種新的鑒別不同等級植物油的分析方法，建立了植物油等級差異導(dǎo)致產(chǎn)生的揮發(fā)性物質(zhì)的指紋譜庫，結(jié)合化學(xué)計量學(xué)方法可以快速、準(zhǔn)確地識別植物油的精煉程度，為植物油的質(zhì)量控制提供了新的解決方法，具有一定的前景和應(yīng)用價值。