利用近紅外谷物分析儀快速檢測(cè)青稞粗蛋白質(zhì)含量研究

張華瑜　潘永東　柳小寧　包奇軍

摘要：青稞粗蛋白含量的檢測(cè)通常采用凱氏定氮分析法，費(fèi)時(shí)、費(fèi)力、成本高。利用定標(biāo)的大麥模型預(yù)測(cè)青稞的粗蛋白含量，相關(guān)分析表明，近紅外谷物分析儀與凱氏定氮儀的測(cè)定值間存在極顯著的相關(guān)性，皮爾森相關(guān)系數(shù)達(dá)到0.976 9，回歸分析建立的兩者間的線性回歸方程是y=1.023 7x-2.515 7（R2=0.954 2）。利用近紅外光譜分析技術(shù)檢測(cè)青稞粗蛋白含量快速、準(zhǔn)確、成本低，準(zhǔn)確度和精密度均好。

關(guān)鍵詞：青稞;粗蛋白含量;近紅外光譜分析技術(shù);快速檢定;方法

中圖分類號(hào)：S512.3? ? ? ? 文獻(xiàn)標(biāo)志碼：B? ? ? ? 文章編號(hào)：1001-1463（2020）01-0033-04

doi：10.3969/j.issn.1001-1463.2020.01.008

Study on Content of Crude Protein of Highland Barley by

Near Infrared Grain Analyzer

ZHANG Huayu， PAN Yongdong， LIU Xiaoning， BAO Qijun

（Institute of Economic Crops and Beer Materials， Gansu Academy of Agricultural Sciences， Lanzhou Gansu 730070， China）

Abstract：The method of kjeldahl nitrogen analysis is usually used to detect the content of crude protein in highland barley， which is time-consuming， laborious and costly. The calibrated barley model was used to predict the crude protein content of the barley. The correlation analysis showed that there was a very significant correlation between the measured values of the near-infrared grain analyzer and the kjeldahl nitrogen analyzer， and the pearson correlation coefficient was 0.976 9. The linear regression equation established by the regression analysis was y=1.023 7x-2.5157（R2=0.954 2）. Nir spectroscopy is used to detect the content of barley crude protein quickly， accurately， with low cost and good accuracy and precision.

Key words：Highland barley;Crude protein;Near Infrared spectrum analysis technique;Rapid detection;Method

青稞屬禾本科大麥屬，在植物學(xué)上屬于栽培大麥的變種，因其籽粒內(nèi)外稃與穎果分離，籽粒裸露，故稱裸大麥[1 ] 。其耐寒性強(qiáng)，適應(yīng)性廣，高產(chǎn)早熟，是小宗糧中的大作物[2 ]，在我國主要分布在西藏、青海、云南及四川的甘孜州和阿壩州、甘肅的甘南等高寒地區(qū)[3 ]。青稞是我國青藏高原地區(qū)主要的糧食、飼料和釀造作物，在農(nóng)業(yè)生產(chǎn)中占有重要地位[4 ]。青稞中蛋白質(zhì)含量高，在谷物中僅低于小麥和燕麥，而且氨基酸配比合理，人體必需氨基酸較為齊全[5 ]，因此，作為一種優(yōu)質(zhì)的蛋白質(zhì)來源將會(huì)受到越來越多的關(guān)注。早在20世紀(jì)70年代后期，美國和加拿大谷物委員會(huì)就把近紅外光譜分析技術(shù)檢測(cè)粗蛋白質(zhì)含量作為法定方法。我國對(duì)近紅外光譜分析技術(shù)也進(jìn)行了大量的研究工作[6 ] 。實(shí)驗(yàn)室對(duì)青稞蛋白質(zhì)的檢測(cè)通常采用的是常規(guī)化學(xué)方法，需要一系列的預(yù)處理過程，操作繁瑣，更遺憾的是要將樣品破壞，被測(cè)定的樣品往往已不能被利用，嚴(yán)重影響育種效率的提高。當(dāng)代近紅外光譜分析技術(shù)具有無損、快速、高效等分析特點(diǎn)，可以克服上述缺點(diǎn)，非常適合于在作物育種中的應(yīng)用。但由于不同型號(hào)的近紅外儀的性能、參數(shù)和定標(biāo)軟件及擬分析對(duì)象不同，難以直接引用前人的定標(biāo)研究結(jié)果[7 - 9 ] 。

我們利用FOSS 1241近紅外谷物分析儀對(duì)青稞粗蛋白質(zhì)含量進(jìn)行測(cè)定，依據(jù)已經(jīng)定標(biāo)的大麥應(yīng)用模型來檢測(cè)青稞粗蛋白質(zhì)含量，同時(shí)用凱氏定氮法對(duì)已獲得的青稞樣品進(jìn)行蛋白質(zhì)的化學(xué)定量分析，將近紅外谷物分析儀測(cè)得的該樣品的蛋白質(zhì)含量與凱氏定氮分析法檢測(cè)的結(jié)果進(jìn)行相關(guān)分析研究，得出相關(guān)系數(shù)，建立回歸方程，并進(jìn)行外部?jī)?nèi)部驗(yàn)證，以初步探索利用近紅外定標(biāo)的大麥模標(biāo)快速地檢測(cè)出青稞的粗蛋白質(zhì)含量。

1? ?材料與方法

1.1? ?材料

供試青稞樣品共198份，其中117份由西藏自治區(qū)農(nóng)牧科學(xué)院提供，81份由甘南州農(nóng)業(yè)科學(xué)研究所提供，均生產(chǎn)于2016年。

1.2? ?儀器

FOSS INFRATECTM 1241 ANALYZER近紅外谷物分析儀（瑞典生產(chǎn)），F(xiàn)OSS 8400全自動(dòng)送樣凱氏定氮儀（瑞典生產(chǎn)），電熱鼓風(fēng)干燥箱（控溫精度±1 ℃）（上海一恒科學(xué)儀器廠制造）。

1.3? ?實(shí)驗(yàn)方法

凱氏定氮分析數(shù)據(jù)為化學(xué)值，近紅外分析數(shù)據(jù)為預(yù)測(cè)值。

1.3.1? ?青稞樣品粗蛋白含量預(yù)測(cè)值檢測(cè)? ?利用已有的近紅外谷物分析儀大麥定標(biāo)BA922126 STM應(yīng)用模型掃描所有青稞樣品。樣品去雜去塵，每次裝樣量相同，每個(gè)樣品重復(fù)檢測(cè)2次，并按照精確度要求，對(duì)2次檢測(cè)結(jié)果的差與平均值的比值小于2%的樣品求平均值，否則對(duì)樣品重新檢測(cè)，再計(jì)算平均值，便得到青稞粗蛋白質(zhì)含量的預(yù)測(cè)值（絕干）。

1.3.2? ? 凱氏定氮分析法檢測(cè)青稞粗蛋白含量? ? 按照國家標(biāo)準(zhǔn)（GB 5009.5 — 2016）中凱氏法進(jìn)行[10 ]。利用FOSS全自動(dòng)送樣凱氏定氮儀檢測(cè)青稞粗蛋白含量。將粉碎好的樣品均勻地稱取2份放入凱氏管中，同時(shí)稱取2份作水分平行試驗(yàn)。凱氏管經(jīng)消化—蒸餾—滴定，求出2次重復(fù)測(cè)定結(jié)果的平均值。

1.3.3? ? ?水分的檢測(cè)? ? 水分的檢測(cè)依據(jù)GB 5009.3 — 2016直接干燥法標(biāo)準(zhǔn)要求進(jìn)行[11 ]。同時(shí)作平行試驗(yàn)，取平均值。

1.3.4? ? 青稞絕干粗蛋白質(zhì)的計(jì)算? ? 近紅外分析數(shù)據(jù)為絕干值，而凱氏定氮儀檢測(cè)的數(shù)據(jù)為濕值，用凱氏定氮分析法檢測(cè)青稞粗蛋白質(zhì)的同時(shí)也檢測(cè)樣品的水分含量。依下式計(jì)算絕干粗蛋白質(zhì)含量。

青稞粗蛋白質(zhì)（絕干）含量=[凱氏定氮儀檢測(cè)的蛋白質(zhì)值/（1-水分值）]

1.4? ?數(shù)據(jù)統(tǒng)計(jì)分析

采用SPSS 13.0進(jìn)行數(shù)據(jù)分析，采用Excel 2007作圖。

2? ?結(jié)果與分析

通過常規(guī)化學(xué)方法 — 凱氏定氮分析法測(cè)得的供試青稞樣的粗蛋白質(zhì)絕干值為87～175 g/kg，而利用近紅外谷物分析儀測(cè)得的粗蛋白質(zhì)含量為87～176 g/kg。西藏自治區(qū)農(nóng)牧科學(xué)院提供的材料中有3份在進(jìn)行近紅外谷物分析儀掃描時(shí)未獲得有效光譜而無結(jié)果。在進(jìn)行統(tǒng)計(jì)分析時(shí)，剔除了部分用2種方法檢測(cè)的結(jié)果相差較大的樣品。

2.1? ?近紅外谷物分析儀與凱氏定氮儀檢測(cè)青稞粗蛋白質(zhì)含量結(jié)果的相關(guān)分析

利用SPSS 13.0對(duì)供試青稞樣品粗蛋白質(zhì)含量近紅外谷物分析儀與凱氏定氮儀檢測(cè)結(jié)果進(jìn)行相關(guān)分析，結(jié)果2種檢測(cè)方法在0.01水平上極顯著相關(guān)，皮爾森相關(guān)系數(shù)r=0.976 9。

2.2? ?近紅外谷物分析儀與凱氏定氮儀檢測(cè)青稞粗蛋白質(zhì)含量結(jié)果的回歸分析

利用SPSS 13.0對(duì)青稞樣品粗蛋白質(zhì)含量的近紅外谷物分析儀測(cè)定值x與凱氏定氮儀測(cè)定值y進(jìn)行線性回歸分析（y=kx+b），得到的線性回歸方程y=1.023 7x-2.515 7，R2=0.954 2，回歸曲線見圖1。對(duì)回歸模型的方差分析（表2）表明，P < 0.001，表明該回歸方程可準(zhǔn)確反映近紅外谷物分析儀測(cè)定值與凱氏定氮儀測(cè)定值間的線性關(guān)系。

2.3? ?準(zhǔn)確性驗(yàn)證

另外取24份青稞樣品（盲樣），分別用近紅外谷物分析儀和凱氏定氮儀檢測(cè)粗蛋白含量，并將近紅外谷物分析儀測(cè)定值代入回歸方程求出粗蛋白含量擬合值，見表2。采用SPSS 13.0將粗蛋白含量擬合值與凱氏定氮儀測(cè)定值進(jìn)行配對(duì)樣本t檢驗(yàn)（自由度f=23），顯著性水平α=0.05。t檢驗(yàn)結(jié)果顯示，t= 0.037 61，P=0.970 3 > 0.05，青稞樣粗蛋白含量擬合值與凱氏定氮儀測(cè)定值間無顯著差異，表明近紅外谷物分析儀測(cè)定值應(yīng)用于回歸模型，可以準(zhǔn)確測(cè)定青稞樣粗蛋白含量。

2.4? ?精密度分析

取1份不在上述試驗(yàn)范圍內(nèi)的青稞樣品，用近紅外谷物分析儀進(jìn)行3次平行檢測(cè)，得出的粗蛋白值含量分別為100.4、100.3、100.4 g/kg，代入回歸方程y=1.023 7x-2.515 7，計(jì)算出粗蛋白含量的實(shí)際值為100.3、100.2、100.3 g/kg，平均值為100.2 g/kg。符合相對(duì)誤差不大于2%即為合格的要求，表明近紅外谷物分析儀檢測(cè)該批樣品的粗蛋白含量精確度高。

3? ?結(jié)論與討論

影響青稞產(chǎn)量的主要品質(zhì)性狀是粗蛋白含量[12 - 15 ]，育種工作者要選育目標(biāo)品種，必須從早代材料開始選擇，而近紅外光譜法檢測(cè)早代材料青稞粗蛋白方便快捷、省量、省時(shí)，節(jié)約成本，有利加快育種進(jìn)程。有研究表明，利用常規(guī)化學(xué)方法檢測(cè)和以定標(biāo)好的大麥應(yīng)用模型BA922126 STM預(yù)測(cè)粗蛋白含量，2種方法檢測(cè)結(jié)果的相關(guān)性達(dá)到極顯著水平。通過盲樣檢測(cè)，并進(jìn)行配對(duì)樣本t檢驗(yàn)分析，表明2種檢測(cè)方法差異不顯著，即近紅外光譜分析法與常規(guī)化學(xué)法檢測(cè)青稞粗蛋白質(zhì)含量相關(guān)性好，準(zhǔn)確性高;同時(shí)，平行試驗(yàn)結(jié)果的精密度小于2%，即精密度高。表明利用FOSS 1241近紅外谷物分析儀的大麥定標(biāo)模型BA922126 STM對(duì)青稞粗蛋白含量進(jìn)行預(yù)測(cè)是可行的。

參考文獻(xiàn)：

[1] 盧良恕.? 中國大麥學(xué)[M].? 北京：中國農(nóng)業(yè)出版社，1996：474.

[2] 向文彬.? 青稞新品種—“康青7號(hào)”栽培技術(shù)[J].? 西藏農(nóng)業(yè)科技，2009，31（1）：22-24.

[3] 臧靖巍，闞建全，陳宗道.? 青稞的成分研究及應(yīng)用狀況[J].? 中國食品添加劑，2004（4）：43-46.

[4] 劉三才.? 我國青稞的質(zhì)量與品質(zhì)研究進(jìn)展[J].? 作物雜志，2014（4）：1-5.

[5] 張文會(huì).? 青稞蛋白質(zhì)理化特性研究[J].? 現(xiàn)代農(nóng)業(yè)科技，2014（9）：300-301.

[6] 彭玉魁.? 近紅外光譜分析技術(shù)在裸大麥質(zhì)量監(jiān)測(cè)上的應(yīng)用[J].? 中國飼料，1997（24）：13-14.

[7] 陳曉玲，馮前進(jìn)，謝振文，等.? 水稻直鏈淀粉含量近紅外模型的創(chuàng)建[J].? 仲愷農(nóng)業(yè)工程學(xué)院學(xué)報(bào)，2009，22（1）：5-8.

[8] 吳建國.? 作物種子品質(zhì)研究中近紅外光譜分析模型的創(chuàng)建和應(yīng)用[D].? 杭州：浙江大學(xué)，2004.

[9] 李? ?勇.? 近紅外分析模型穩(wěn)健性研究[D].? 楊凌：西北農(nóng)林科技大學(xué)，2005.

[10] 中華人民共和國國家衛(wèi)生和計(jì)劃生育委員會(huì).? 食品安全國家標(biāo)準(zhǔn)食品中蛋白質(zhì)的測(cè)定：GB 5009.5—2016[S].? 北京：中國標(biāo)準(zhǔn)出版社，2016.

[11] 中華人民共和國國家衛(wèi)生和計(jì)劃生育委員會(huì).? 食品安全國家標(biāo)準(zhǔn)食品中水分的測(cè)定：GB 5009.3—2016[S].? 北京：中國標(biāo)準(zhǔn)出版社，2016.

[12] 欒運(yùn)芳，趙慧芬，大次卓嘎，等.? 西藏青稞品質(zhì)和功能成份及生態(tài)性狀的典范相關(guān)分析[J].? 大麥與谷類科學(xué)，2009（1）：1-5.

[13] 欒運(yùn)芳，何? ?燕.? 西藏青稞品質(zhì)改良的趨勢(shì)及對(duì)策[J].? 大麥科學(xué)，2004（2）：1-4.

[14] 徐冬麗，劉梅金，郭建煒，等.? 2012 — 2014年第四輪國家青稞品種區(qū)試合作的結(jié)果[J].? 甘肅農(nóng)業(yè)科技，2017（2）：27-29.

[15] 胡再青，劉梅金，徐冬麗，等.? 甘南高寒陰濕區(qū)甘青6號(hào)青稞種植密度與肥料配比試驗(yàn)初報(bào)[J].? 甘肅農(nóng)業(yè)科技，2018（11）：10-12.

（本文責(zé)編：鄭立龍）

收稿日期：2019 - 09 - 29

基金項(xiàng)目：國家大麥青稞產(chǎn)業(yè)體系遺傳改良研究室種子擴(kuò)繁與生產(chǎn)技術(shù)（CARS-05）;國家自然基金項(xiàng)目“壟作溝灌栽培模式對(duì)啤酒大麥品質(zhì)影響及調(diào)控機(jī)制”（31760358）。

作者簡(jiǎn)介：張華瑜（1967 — ），女，湖南安仁人，高級(jí)實(shí)驗(yàn)師，主要從事大麥育種、大麥及麥芽品質(zhì)分析研究工作。Email：zhanghuayu67@163.com。

通信作者：潘永東（1962 — ），男，甘肅武威人，研究員，主要從事啤酒大麥遺傳育種及栽培技術(shù)研究工作。Email：panyongdong1010@163.com。