李穎,孫兆敏,劉萌,余蕾,閻光宇
(廈門海洋職業(yè)技術(shù)學(xué)院 海洋生物學(xué)院,福建 廈門 361000)
“民以食為先,食以安為先”,食品安全問題越來越受到消費(fèi)者以及社會(huì)各界的重視,習(xí)近平總書記曾強(qiáng)調(diào),堅(jiān)決遏制各類食品安全違法犯罪行為,提高群眾消費(fèi)安全感和滿意度。在各類食品安全問題中,食品中檢測(cè)出非法添加物時(shí)有發(fā)生,使人們的日常飲食安全受到了嚴(yán)重的威脅。從2008年起,我國(guó)陸續(xù)發(fā)布了多批次《食品中可能違法添加的非食用物質(zhì)和易濫用的食品添加劑品種名單》,其中食品中非法添加物主要包括三聚氰胺、吊白塊、蘇丹紅、蛋白精、硫氰酸鈉、工業(yè)酒精、孔雀石綠、硼砂、羅丹明B、工業(yè)明膠等,國(guó)標(biāo)中對(duì)于上述非法添加物有明確規(guī)定的檢測(cè)方法,包括傳統(tǒng)的理化分析、高效液相色譜法、氣相色譜法、氣相色譜-質(zhì)譜法、固相萃取法、電感耦合等離子體質(zhì)譜等[1],上述方法結(jié)果準(zhǔn)確可靠,但是耗時(shí)長(zhǎng),操作繁瑣。
與上述分析方法相比,近紅外光譜分析技術(shù)通過構(gòu)建定量分析模型或者將定量分析模型應(yīng)用于各個(gè)領(lǐng)域中,具有高效、便捷、綠色環(huán)保等獨(dú)特優(yōu)勢(shì),在食品中,尤其在肉制品、乳制品、蛋制品、水產(chǎn)品等方面被廣泛研究[2]。近年來,研究者利用近紅外光譜分析技術(shù)開展一系列有關(guān)食品中的非法添加物的檢測(cè)研究,如三聚氰胺[3]、蘇丹紅[4]、工業(yè)明膠[5]、地溝油含量[6]檢測(cè)等。因此,本文通過綜述近紅外光譜分析技術(shù)在食品中非法添加物的應(yīng)用進(jìn)展,期望為近紅外光譜分析技術(shù)在相關(guān)物質(zhì)的檢測(cè)提供借鑒,同時(shí),對(duì)近紅外光譜分析技術(shù)目前發(fā)展的局限性進(jìn)行分析,對(duì)該技術(shù)的應(yīng)用前景進(jìn)行了展望,以期為今后食品中的非法添加物檢測(cè)未來研究方向提供參考。
近紅外光譜分析是通過對(duì)給定樣品中含氫基團(tuán)X-H(X=C、N、O、S)在近紅外波長(zhǎng)780~2526 nm范圍內(nèi)振動(dòng)的倍頻和組合頻吸收信息進(jìn)行測(cè)量達(dá)成對(duì)樣品的分析。由于受到不同分析構(gòu)象、光散射、光譜吸收峰強(qiáng)度較弱、吸收帶較寬且不同吸收峰重疊相互等影響,造成光譜解析困難,難以通過直接解析光譜分析相關(guān)組分的組成和含量,因此需要借助化學(xué)計(jì)量學(xué)模型進(jìn)一步解析[7]。20世紀(jì)80年代以來,隨著化學(xué)計(jì)量學(xué)理論不斷擴(kuò)充和完善,紅外分析技術(shù)在樣品給定組分分析上應(yīng)用得到的有效經(jīng)驗(yàn),近紅外光譜分析技術(shù)得到前所未有的飛速發(fā)展,目前,已在生物、食品、藥品、環(huán)境、石化等領(lǐng)域得到成功應(yīng)用。
近紅外光譜分析技術(shù)由近紅外光譜儀器、建模應(yīng)用軟件(如matlab、phython、SPSS等)和分析模型(定性分析模型或者定量分析模型)三部分構(gòu)成的,具體流程見圖1。首先利用近紅外光譜儀采集樣本的近紅外光譜,將光譜集合劃分為校正集和預(yù)測(cè)集;然后利用建模應(yīng)用軟件將校正集光譜與光譜反映樣品中相關(guān)成分的化學(xué)組成、性質(zhì)等分子結(jié)構(gòu)信息關(guān)聯(lián)構(gòu)建定量分析模型或者定量分析模型,在模型構(gòu)建完成后將預(yù)測(cè)集光譜帶入所構(gòu)建的分析模型中,根據(jù)模型輸出結(jié)果判別所構(gòu)建模型的效果;最后根據(jù)上述構(gòu)建定量分析模型或者定量分析模型,預(yù)測(cè)未知樣本的相關(guān)成分的化學(xué)組成或性質(zhì)。
圖1 近紅外光譜分析技術(shù)原理圖
目前,近紅外光譜分析技術(shù)已經(jīng)成為工農(nóng)業(yè)生產(chǎn)過程質(zhì)量監(jiān)控中不可或缺的重要分析方法之一,具有一系列獨(dú)特優(yōu)越性,具體見表1所示[8]。但也存在以下不足之處[7]:由于定量分析或定性分析主要依靠校正模型的建立,針對(duì)不同的樣品和成分都需要單獨(dú)校準(zhǔn),因此需要對(duì)校正模型經(jīng)常擴(kuò)充和維護(hù);由于模型的建立與采集的光譜數(shù)據(jù)密切相關(guān),不同光譜儀采集到的光譜存在差異,因此不同儀器的性能指標(biāo)的一致性還需要提高;近紅外光譜分析技術(shù)的檢測(cè)限一般為0.1%左右,對(duì)痕量分析往往不適用。
表1 近紅外光譜分析技術(shù)的優(yōu)點(diǎn)
三聚氰胺,化學(xué)名稱為2,4,6-三氨基-1,3,5-三嗪,是一種富氮化合物,通常用于塑料、黏合劑、油漆、阻燃劑和肥料混合物,但由于三聚氰胺含氮量高,按質(zhì)量計(jì)為66.7%,因此為了增加食物中的蛋白質(zhì)含量,被作為一種非法添加物添加到食品中,以增加食品中蛋白質(zhì)的表觀含量。2008年中國(guó)三聚氰胺嬰幼兒配方奶粉事件引發(fā)了全球?qū)θ矍璋返年P(guān)注。根據(jù)我國(guó)衛(wèi)生部發(fā)布的GB/T 22388—2008《原料乳與乳制品中三聚氰胺檢測(cè)方法》中規(guī)定嬰兒配方食品中三聚氰胺的限量值為1 mg/kg,其他食品中三聚氰胺的限量值為2.5 mg/kg,歐洲食品安全局將三聚氰胺的每日耐受攝入量從0.5 mg/kg降低到0.2 mg/kg[9]。長(zhǎng)期攝入三聚氰胺會(huì)導(dǎo)致腎結(jié)石和腎臟損傷,因?yàn)樗性谀I微管中與三聚尿酸形成晶體,阻塞腎細(xì)胞,導(dǎo)致器官功能障礙[10]。此外,它可能導(dǎo)致生殖損傷或膀胱和腎結(jié)石形成,直至膀胱癌[11]。因此,食品中三聚氰胺的檢測(cè)工作已成為當(dāng)前研究的熱點(diǎn)問題。
自2008年我國(guó)三聚氰胺事件以來,利用近紅外光譜分析技術(shù)檢測(cè)奶粉中三聚氰胺的研究不斷深入,主要分為以下幾個(gè)部分:
一是利用近紅外光譜分析技術(shù)構(gòu)建奶粉中不同濃度三聚氰胺的檢測(cè)方法,通過模型的優(yōu)化提高其鑒別的準(zhǔn)確度和檢測(cè)效果。如Lisa等人[12]采用近紅外光譜技術(shù)對(duì)嬰幼兒配方奶粉中三聚氰胺進(jìn)行檢測(cè),建立三聚氰胺濃度的偏最小二乘(Partial Least Squares,PLS)回歸模型,模型的結(jié)果決定系數(shù)(Determination Coefficient,R2)為0.99,交叉檢驗(yàn)均方根誤差(Root Mean Squared Error of Cross-validation,RMSECV)≤0.9,剩余預(yù)測(cè)偏差(Residual Prediction Deviation,RPD)≥12,且利用光譜的因子分析能夠區(qū)分含1 mg/kg三聚氰胺的純配方奶粉和純配方奶粉,無錯(cuò)誤分類,置信度為99.99%,選擇性為大于2。Lu等人[13]建立了一種基于最小二乘支持向量機(jī)(Least Squares Support Vector Machine,LS-SVM)的近紅外光譜快速檢測(cè)奶粉中純?nèi)矍璋返男路椒?,利用主成分提取?個(gè)主成分,構(gòu)建偏最小二乘判別分析(Partial Least Squares Discriminant Analysis,PLS-DA)模型,與PLS-DA相比,LS-SVM的性能更好,訓(xùn)練集和測(cè)試集的分類準(zhǔn)確率都達(dá)到100%,檢測(cè)限低于1 mg/kg,結(jié)果表明,近紅外光譜結(jié)合LS-SVM可以作為一種快速、準(zhǔn)確地檢測(cè)奶粉中純?nèi)矍璋返姆椒ā?/p>
二是研究不同奶粉基質(zhì)上三聚氰胺對(duì)光譜圖或者建模效果的影響,如Scholl等人[14]研究三聚氰胺與牛奶的不同混合方法對(duì)的近紅外光譜的影響,三聚氰胺與脫脂奶粉干混時(shí),近紅外光譜在1468 nm處有顯著的吸收區(qū),而濕混樣品經(jīng)過噴霧干燥后制得的奶粉樣品在1468 nm處未檢測(cè)到吸收區(qū),最終干混樣品的三聚氰胺鑒別準(zhǔn)確率高于濕混樣品,其原因可能是三聚氰胺氫鍵狀態(tài)變化、與乳糖共價(jià)絡(luò)合以及濕混樣品中三聚氰胺局部濃度分布較低且更均勻帶來的基質(zhì)效應(yīng)。Chen等人[15]使用近紅外光譜技術(shù)結(jié)合單類偏最小二乘(One-class Partial Least Squares,OCPLS)模型檢測(cè)牛奶樣品中三聚氰胺,以不同濃度蛋白質(zhì)的牛奶樣品為基質(zhì),并分別溶解不同濃度的三聚氰胺,模型的總準(zhǔn)確率為89%,靈敏度為90%,特異性為88%,結(jié)果表明,近紅外光譜與OCPLS分類器的結(jié)合可以作為一種快速、現(xiàn)場(chǎng)篩選牛奶樣品中三聚氰胺的潛在工具。Balabin等人[16]利用近紅外光譜分析技術(shù)檢測(cè)嬰兒配方奶粉、奶粉、液態(tài)奶等乳制品中三聚氰胺,采用多變量算法進(jìn)行光譜分析,可達(dá)到1 mg/kg以下的檢測(cè)極限,此外,由于乳制品的近紅外光譜與三聚氰胺含量呈非線性關(guān)系,建模采用Poly-PLS或LS-SVM等非線性回歸方法實(shí)現(xiàn)三聚氰胺含量準(zhǔn)確預(yù)測(cè),研究表明近紅外光譜是一種快速、靈敏、低成本的有效工具。
三是進(jìn)一步提出非靶向三聚氰胺檢測(cè)方法,即針對(duì)三聚氰胺與其他富氮非法添加物混合等復(fù)雜摻雜類型的檢測(cè)方法,如陳秀明等人[17]利用近紅外光譜技術(shù)結(jié)合Adulterant Screen算法檢測(cè)嬰幼兒配方奶粉中6種非法添加物(雙氰胺、雙縮脲、尿素、三聚氰胺、硫脲、環(huán)丙氨嗪)。對(duì)單組分摻雜嬰幼兒配方奶粉的識(shí)別最低檢出濃度為:三聚氰胺0.04%、環(huán)丙氨嗪0.05%,尿素、雙縮脲及硫脲0.1%,雙氰胺0.2%。對(duì)于二組分和三組分摻假奶粉在2倍到10倍檢出限濃度的準(zhǔn)確識(shí)別率分別達(dá)到了83.3%和50%,對(duì)無摻假樣品的識(shí)別率100%,該鑒別模型可以通過一個(gè)模型即可實(shí)現(xiàn)快速鑒別多個(gè)非法添加物。
除了乳制品,三聚氰胺還出現(xiàn)在谷類產(chǎn)品、蛋糕和餅干、蛋白粉、甜點(diǎn)、糖果和其他加工食品中。在中國(guó)牛奶摻入三聚氰胺事件發(fā)生之前,美國(guó)和加拿大曾發(fā)生過在飼料中摻入含三聚氰胺成分導(dǎo)致大量寵物死亡的事件,因此對(duì)于飼料中三聚氰胺的檢測(cè)也尤為必要[9]。Simon A等人[18]利用近紅外光譜技術(shù)檢測(cè)轉(zhuǎn)基因和非轉(zhuǎn)基因的去殼大豆、大豆殼和烤大豆中三聚氰胺的含量,所構(gòu)建的主成分分析(principal component analysis,PCA)回歸和PLS回歸兩種模型檢測(cè)精度良好,R2的范圍為 0.89~0.99,校正均方根誤差(Root Mean Squared Error of Calibration,RMSEC)和預(yù)測(cè)均方根誤差(Root Mean Square Errors of Prediction,RMSEP)分別為0.081%~0.276%和0.134%~0.368%,此外,利用PCA鑒別模型可以區(qū)分4種樣品類型,并且利用生成Cooman圖,可以區(qū)分摻假和非摻假樣品。劉小莉等人[19]利用近紅外光譜分析技術(shù)對(duì)魚粉中摻雜的三聚氰胺進(jìn)行定性鑒定及定量預(yù)測(cè),先制備三聚氰胺含量為0.1%~15.0%的摻假魚粉,在定性分析模型上,以選取6873.4~6514.7 cm-1范圍的近紅外圖譜作為定性分析的特征圖譜,并在預(yù)處理后結(jié)合因子算法對(duì)171個(gè)檢驗(yàn)樣品的正確識(shí)別率為96.5%;在定量分析模型上,以7560.0~7058.5、6915.8~6098.1、4601.6~4246.7cm-1的近紅外特征光譜構(gòu)建0.1%~15.0%的PLS回歸定量分析模型和0.1%~5.5%范圍的PLS回歸定量分析模型,兩個(gè)模型的R2分別為94.77%和98.59%,RMSEP分別為0.779%和0.188%,表明所構(gòu)建的方法能較準(zhǔn)確地預(yù)測(cè)魚粉中摻雜三聚氰胺的含量。Rodionova等人[20]提出一種基于近紅外光譜分析技術(shù)檢測(cè)豆粕摻假非靶向分析方法,首先制備三種不同類型摻假樣品,包括不同濃度的三聚氰胺、三聚氰尿酸及其混合物,構(gòu)建數(shù)據(jù)驅(qū)動(dòng)軟獨(dú)立模式分類模型能夠有效識(shí)別摻假和未摻假樣品,同時(shí)該方法不是針對(duì)特定污染物的識(shí)別和定量,而通常是對(duì)不同摻假類別中的三聚氰胺進(jìn)行檢測(cè),這對(duì)在檢測(cè)其他類型的飼料和食品中一些新的和意想不到的污染物提供一個(gè)很好借鑒。Shen等人[21]提出一種基于近紅外顯微光譜的豆粕非靶向摻假篩選方法,以6種非蛋白氮(三聚氰胺、三聚氰酸、尿素、磷酸二銨、雙縮脲、磷酸一銨)作為摻假物,在未知豆粕中摻假物類型的情況下,當(dāng)豆粕中添加0.5%的單一非蛋白或6種非蛋白(分別為0.5%)時(shí),非靶向篩選法可篩選出所有人工混合樣品中的異常光譜,同時(shí)構(gòu)建偏最小二乘判別分析模型能較好地篩選出豆粕中的摻假成分,說明非靶向篩選方法可以擴(kuò)展到檢測(cè)其他類型的污染物。Simon A等人[22]比較手持式和臺(tái)式近紅外光譜儀對(duì)摻假三聚氰胺大豆產(chǎn)品的檢測(cè)分析結(jié)果,利用PCA算法進(jìn)行的定性分析,由于手持光譜儀光譜波數(shù)范圍限制為6250~4167 cm-1,臺(tái)式近紅外光譜數(shù)據(jù)比手持近紅外光譜數(shù)據(jù)鑒別效果更好,但使用手持光譜儀采集的光譜數(shù)據(jù)生成的定量分析模型的R2為0.94~0.99,RMSEC和RMSEP分別為0.081%~0.215%和0.095%~0.288%,通過交叉驗(yàn)證對(duì)模型進(jìn)行進(jìn)一步驗(yàn)證,RMSECV為0.101%~0.212%,表明手持式近紅外光譜儀可用于檢測(cè)大豆飼料中摻假問題。
蘇丹紅是一種具有偶氮結(jié)構(gòu)的化學(xué)染色劑,包括蘇丹紅I、Ⅱ、Ⅲ、Ⅳ等,其被國(guó)際癌癥研究所認(rèn)定為三類致癌物,具有致突變性和致癌性[23]。由于蘇丹紅著色效果鮮艷且不易褪色,常被作為非法添加物用于增加食品的色澤,但由此也對(duì)人體健康造成嚴(yán)重危害。因此,檢測(cè)食品中蘇丹紅含量吸引較多研究者關(guān)注。Rasool等人[24]利用相近紅外光譜分析技術(shù)檢測(cè)姜黃粉中2種主要摻假物蘇丹紅和甲腈黃,采集樣品在10000~4200 cm-1的近紅外光譜,建立SIMCA模型鑒別姜黃粉的真?zhèn)?,樣本分類正確率在校正集和驗(yàn)證集分別為96.7%和93.4%,此外,利用PLS回歸模型對(duì)摻入蘇丹紅和甲丁黃的姜黃粉樣品定量分析,蘇丹紅在驗(yàn)證集中R2為 0.90,RMSEP為0.059,甲丁黃的在驗(yàn)證集中R2為 0.91,RMSEP為0.058。Gimena等人[25]利用近紅外光譜與化學(xué)計(jì)量學(xué)檢測(cè)辣椒中蘇丹紅I、Ⅱ、Ⅲ、Ⅳ和對(duì)紅染料,僅基于6個(gè)特征光譜變量,利用線性判別分析可以實(shí)現(xiàn)摻假樣品(摻雜3種不同濃度的上述5種摻雜物的辣椒粉樣品)以及未摻雜的辣椒粉樣品的鑒別,模型的靈敏度和特異性達(dá)到90%以上,此外,通過逐步減去特征光譜變量,僅依靠4933.09 cm-1和4987.09 cm-1兩個(gè)特征變量,也可以實(shí)現(xiàn)70%的精度,表明開發(fā)和設(shè)計(jì)廉價(jià)便攜式設(shè)備檢測(cè)其中的摻雜物具有很好的可行性。Roseline等人[4]利用手持式近紅外光譜結(jié)合多變量算法對(duì)棕櫚油樣品中的蘇丹紅Ⅳ染料摻假進(jìn)行分類和測(cè)量,利用K-最近鄰分類模型鑒別純棕櫚油樣品和蘇丹Ⅳ染料摻假(0.10%~0.002 %,質(zhì)量分?jǐn)?shù))的樣品,校準(zhǔn)集和預(yù)測(cè)集鑒別準(zhǔn)確率分別達(dá)95.48%和97.00%,此外,采用PCR回歸、PLS回歸和SVM回歸算法定量的分析棕櫚油樣品中蘇丹紅Ⅳ染料的添加量,光譜經(jīng)過標(biāo)準(zhǔn)正態(tài)變量預(yù)處理后構(gòu)建的偏最小二乘模型預(yù)測(cè)效果最佳,校正集和預(yù)測(cè)集的R2分別為0.91和0.90,RMSEC、RMSEP分別為0.0841和0.0868,結(jié)果證明,使用短波手持式近紅外光譜可以快速、無損地鑒別棕櫚油樣品中蘇丹紅Ⅳ染料。
除了三聚氰胺、蘇丹紅等常見非法添加物外,工業(yè)明膠、罌粟殼等非法添加物也被摻雜于食品中。Xu等人[5]利用近紅外光譜分析技術(shù)檢測(cè)摻雜了不同水平的食用明膠、工業(yè)明膠和大豆蛋白粉的酸奶樣品,在光譜經(jīng)過正交投影預(yù)處理后,構(gòu)建OCPLS模型的靈敏度為0.900,特異性為0.949,表明在摻假1%食用明膠、2%工業(yè)明膠和2%大豆蛋白粉等較高摻雜水平的酸奶,可以實(shí)現(xiàn)有效檢測(cè)。盧浩等人[26]發(fā)明了一種罌粟殼的檢測(cè)方法及移動(dòng)終端,通過特定的分子傳感器接收待測(cè)食品反射的紅外光譜,并根據(jù)特征光譜檢測(cè)待測(cè)食品中是否含有罌粟殼。
隨著近紅外光譜分析技術(shù)研究不斷發(fā)展,目前已有部分國(guó)家標(biāo)準(zhǔn)或者農(nóng)業(yè)標(biāo)準(zhǔn)在飼料、糧油、畜禽肉等方面建立相關(guān)近紅外光譜分析檢測(cè)方法,如GB/T 24870—2010《糧油檢驗(yàn) 大豆粗蛋白質(zhì)、粗脂肪含量的測(cè)定 近紅外法》、GB/T 41366—2022《畜禽肉品質(zhì)檢測(cè) 水分、蛋白質(zhì)、脂肪含量的測(cè)定 近紅外法》、NY/T 3295-2018《油菜籽中芥酸、硫代葡萄糖苷的測(cè)定近紅外光譜法》等。通過上述文獻(xiàn),近紅外光譜分析技術(shù)在食品中非法添加物的檢測(cè)大致可以歸為以下幾方面:一是建立不同食品基質(zhì)中不同非法添加物的檢測(cè)方法,并通過優(yōu)化模型提高鑒別效果;二是探究不同基質(zhì)和非法添加物對(duì)光譜特征峰的影響;三是針對(duì)復(fù)雜的含有非法添加物的摻雜樣品建立非靶向檢測(cè)方法,即實(shí)現(xiàn)對(duì)未摻雜樣品和含有一種甚至多種非法添加物的摻雜樣品的鑒別,由于市場(chǎng)上存在的摻雜問題是復(fù)雜且多樣的,因此非靶向檢測(cè)方法未來具有更大的實(shí)踐應(yīng)用意義。
但總體上近紅外光譜分析檢測(cè)方法在實(shí)際應(yīng)用領(lǐng)域還有待進(jìn)一步發(fā)展,主要受限于以下幾方面:
⑴ 近紅外光譜儀器的性能指標(biāo)需要進(jìn)一步提高,如目前不同廠商儀器還未實(shí)現(xiàn)標(biāo)準(zhǔn)化,不同儀器采集光譜數(shù)據(jù)有差異,附件的效率還不夠高效,未來研制和生產(chǎn)更加輕便的專用型光譜儀器將會(huì)使得在線和現(xiàn)場(chǎng)分析更為便捷;
⑵ 對(duì)近紅外光譜區(qū)域復(fù)雜譜圖下蘊(yùn)含的重要信息的解析能力還需進(jìn)一步提高,由于光譜不同吸收峰重疊相互影響,對(duì)于某些復(fù)雜樣品中的檢測(cè)效果較差;
⑶ 模型的適用受一定的地域或者環(huán)境影響,不容易建立通用模型,尤其樣品基體對(duì)近紅外光譜的影響,如對(duì)于同一目標(biāo)物的檢測(cè),在不同基體上建立的模型往往無法通用,需要根據(jù)不同基體建立不同的分析模型;
⑷ 光譜數(shù)據(jù)庫還未完善,如將不同測(cè)試樣品通過云計(jì)算和互聯(lián)網(wǎng)等現(xiàn)代手段,建立和普及相關(guān)樣品數(shù)據(jù)庫,將會(huì)大大提高建模的效率。
近紅外光譜分析技術(shù)與其他分析技術(shù)相比有其獨(dú)特的優(yōu)越性,隨著研究的不斷深入,通過對(duì)樣品采集和處理方式、光譜數(shù)據(jù)預(yù)處理、建模方法等進(jìn)行進(jìn)一步規(guī)范,該方法在對(duì)食品中非法添加物檢測(cè)中的應(yīng)用將具有良好的發(fā)展前景。