您現(xiàn)在的位置:中國農(nóng)業(yè)儀器網(wǎng) > 技術(shù)文章 > 大豆粗蛋白、粗脂肪含量近紅外檢測模型建立及可靠性分析
大豆粗蛋白、粗脂肪含量近紅外檢測模型建立及可靠性分析
來源: 本站 類別:技術(shù)文章 更新時(shí)間:2010-06-08 閱讀次
大豆籽粒約含粗蛋白40% ,粗脂肪20% ,是重要的植物蛋白和食用油來源。提高大豆籽粒中蛋白和脂肪含量是品質(zhì)改良的重要目標(biāo)之一,準(zhǔn)確測定其粗蛋白、粗脂肪含量是前提。目前,國家頒布的粗蛋白標(biāo)準(zhǔn)測定方法是基于凱氏定氮法的化學(xué)分析(GB290521982) ,粗脂肪標(biāo)準(zhǔn)方法是基于索氏提取法的化學(xué)分析(GB290621982) 。盡管通常認(rèn)為其可靠性較高,但操作步驟繁瑣、籽粒粉碎而不能延續(xù)后代。在大豆品質(zhì)改良過程中,需要對大量種質(zhì)資源、突變體、雜交后代材料及時(shí)鑒定、篩選和分析,同時(shí)希望具有優(yōu)良品質(zhì)的籽粒經(jīng)分析后能保持完好,以便進(jìn)一步繁殖。因此,迫切需要一種準(zhǔn)確、快速、簡便、非破壞籽粒的檢測方法。
近紅外光譜技術(shù)(Near Infrared Spectroscopy,N IS)是20世紀(jì)80年代后期發(fā)展起來的一項(xiàng)物理測試技術(shù)。它利用有機(jī)物在近紅外光譜區(qū)的振動吸收而快速測定樣品中多種化學(xué)成分含量,蛋白質(zhì)、脂肪、糖類等含有的各種含氫基團(tuán)(CH、OH、NH、SH等)的倍頻與合頻譜帶恰好落在近紅外區(qū),以得到這些有機(jī)分子含氫基團(tuán)的特征振動信息,從而測定其化學(xué)成分的含量,已成為水稻、小麥、玉米等農(nóng)作物品質(zhì)分析的重要手段。與化學(xué)分析相比,近紅外光譜技術(shù)是一項(xiàng)間接的分析方法,它測定樣品成分含量的方法是建立在化學(xué)分析法或其它儀器測定基礎(chǔ)之上,是一種可“再生”的測定方法。因此,任何一臺近紅外光譜儀對每種組分或每種參數(shù)都要單獨(dú)定標(biāo)。所以,利用近紅外檢測大豆籽粒中粗蛋白和粗脂肪含量,關(guān)鍵是構(gòu)建正確的模型,并驗(yàn)證模型的可靠性。其實(shí)測定大豆中粗蛋白和粗脂肪,還有更為簡便的方法,那就是直接用儀器測定。SZF-06B粗脂肪測定儀、SZF-06粗脂肪測定儀就是兩款型號不同,功能略有差異的粗脂肪測定儀。
研究旨在利用不同的建模樣品集分別構(gòu)建近紅外檢測模型,以化學(xué)分析結(jié)果作參照,探求近紅外檢測代替化學(xué)分析的適應(yīng)范圍。
1 材料與方法
1. 1 近紅外檢測模型建立
采用4個(gè)建模樣品集,由權(quán)威檢測中心(以M2表示)依照GB290521982和GB290621982獲得化學(xué)值。近紅外檢測采用德國Bruker公司的Matrix2I傅立葉近紅外光譜分析儀,取適量大豆籽粒置于樣品杯中,用透射方式掃描獲得大豆籽粒樣品的近紅外吸收光譜圖,掃描譜區(qū)4 000~12 600 cm- 1 ,分辨率16 cm- 1 ,掃描速度10 KHz,掃描次數(shù)60次,每個(gè)樣品重復(fù)裝樣掃描3 次。利用B ruker 公司的OPUS412軟件的Quant 2 方法, 以偏最小二乘法( PLS)建立大豆粉末、籽粒近紅外檢測粗蛋白及粗脂肪含量的模型,使用交叉檢驗(yàn)法對模型做出評價(jià)。
1. 2 近紅外檢測模型可靠性比較
1. 2. 1 材料 選用8個(gè)大豆品種(系) ,粗蛋白含量35%~45. 5% ,粗脂肪含量在16. 2%~22. 5% ,其中, 1、2、3、5、7、8號材料是黃種皮材料, 4號是青種皮材料, 6號是黑種皮材料。
1. 2. 2 檢測方法 將每個(gè)參試品種種子充分混勻分成3等份(即設(shè)重復(fù)3次) ,隨機(jī)編為24個(gè)樣品號。24份樣品分別用研究中建立的3種近紅外籽粒檢測模型(以M5、M6、M7表示)和近紅外粉末檢測模型(以M4表示)檢測粗蛋白、粗脂肪含量;同時(shí)送檢包括農(nóng)業(yè)部和河北省指定的權(quán)威檢測部門用化學(xué)法檢測(以M1、M2、M3表示) 。
1. 2. 3 統(tǒng)計(jì)方法 通過方差分析比較各結(jié)果間變異系數(shù)CV的差異以評價(jià)穩(wěn)定性。以方差分析、相關(guān)分析衡量不同檢測結(jié)果趨勢的一致性。相關(guān)分析以平均數(shù)為準(zhǔn)。方差分析、相關(guān)分析由SAS6. 12軟件完成。
2 結(jié)果與分析
2. 1 近紅外模型建立
近紅外檢測模型建模樣品集樣品數(shù)量分別為30、77、415和161個(gè)(表1) 。其中,粉末模型樣品覆蓋范圍相對較窄,粗蛋白決定系數(shù)0. 9788,粗脂肪決定系數(shù)0. 9601,在4個(gè)模型中最大,交叉驗(yàn)證均方根分別為粗蛋白0. 439,粗脂肪0. 287,在4個(gè)模型中最小。籽粒模型M6的樣品集中包括415份樣品,且粗蛋白和粗脂肪含量的樣品范圍在4個(gè)模型中最寬。它的粗蛋白和粗脂肪決定系數(shù)在3個(gè)籽粒模型中最大,交叉驗(yàn)證均方根在3 個(gè)籽粒模型中最小。
2. 2 不同檢測結(jié)果的穩(wěn)定性分析
以重復(fù)觀察值的變異系數(shù)CV 作為檢測結(jié)果穩(wěn)定性的衡量指標(biāo)(表2) 。粗蛋白含量3種籽粒模型檢測結(jié)果的CV 平均0. 008,粉末模型CV 為0. 019,3個(gè)化學(xué)分析結(jié)果的CV 平均0. 014;粗脂肪含量3種籽粒模型檢測結(jié)果的CV 平均0. 008,粉末模型CV為0. 024, 3個(gè)化學(xué)分析CV 平均0. 013。結(jié)果表明,在檢測粗蛋白、粗脂肪含量時(shí), 3種籽粒模型檢測結(jié)果均有較高的穩(wěn)定性。
2. 3 不同檢測結(jié)果的一致性分析
2. 3. 1 方差分析 從8個(gè)參試品種的總體結(jié)果看(表3) , 3個(gè)化學(xué)檢測中心粗蛋白含量檢測結(jié)果存在顯著差異,粗脂肪含量檢測結(jié)果無顯著差異。近紅外籽粒模型M5、M6和M7與其建模數(shù)據(jù)來源化學(xué)分析M2的粗蛋白含量和粗脂肪含量檢測結(jié)果在0. 01極顯著水平下均無差異。將7種檢測方法對8個(gè)參試品種的粗蛋白、粗脂肪檢測結(jié)果進(jìn)行方差分析。分析結(jié)果(表4、表5)顯示, 3個(gè)化學(xué)檢測結(jié)果存在差異;M5和M7測得參試黑種皮品種6粗蛋白含量偏高, 3個(gè)近紅外籽粒模型對其他7個(gè)參試品種的檢測結(jié)果無顯著差異,且都與它的建模樣品數(shù)據(jù)來源的化學(xué)分析M2結(jié)果一致。
2. 3. 2 相關(guān)分析 各檢測方法對不同品種檢測結(jié)果大小趨勢的一致性是研究者更為關(guān)心的問題。為了直觀地觀察不同檢測結(jié)果的趨勢是否相同,以M2對8個(gè)參試品種的粗蛋白、粗脂肪含量結(jié)果為橫坐標(biāo),M5、M6、M7對8 個(gè)參試品種的粗蛋白、粗脂肪檢測結(jié)果為縱坐標(biāo),分別繪圖(圖1) 。從中看出,M5、M6、M7對8個(gè)參試品種的粗蛋白檢測結(jié)果較粗脂肪檢測結(jié)果與化學(xué)分析結(jié)果M2存在更明顯的線性關(guān)系。M6與M2的線性關(guān)系強(qiáng)于M5、M7。在M5和M7的結(jié)果中,明顯看到對品種6的粗蛋白檢測結(jié)果偏離線性關(guān)系,且近紅外結(jié)果偏高。相關(guān)分析表明, 3個(gè)籽粒模型的粗蛋白檢測結(jié)果與M2檢測結(jié)果呈極顯著正相關(guān),其中M6與M2化學(xué)分析的相關(guān)系數(shù)最高。從粗脂肪含量檢測結(jié)果看, 3個(gè)籽粒模型與M2達(dá)極顯著正相關(guān),同樣以M6與M2化學(xué)分析的相關(guān)系數(shù)最高。
3 結(jié)論與討論
利用近紅外技術(shù)檢測大豆粗蛋白、粗脂肪含量的前提條件是盡可能利用樣品數(shù)量多、覆蓋范圍廣、樣品類型豐富的樣品集構(gòu)建近紅外檢測模型。所建的模型中以建模樣品集樣品量最大的M6可靠性最高。這與吳金紅等[ 7 ]建立的水稻蛋白質(zhì)含量近紅外檢測模型的結(jié)果一致。所以,在建立近紅外檢測模型時(shí),應(yīng)盡可能的利用覆蓋范圍寬的眾多樣品作為樣品集。
所建模型決定系數(shù)最小為0. 8168, 最高達(dá)019788,平均為0. 9231。吳金紅等[ 11 ]建立的3個(gè)水稻蛋白質(zhì)含量近紅外檢測模型決定系數(shù)最小為01805,最高達(dá)0. 909,平均為0. 8714。方彥等建立的玉米籽粒含油量近紅外檢測模型決定系數(shù)達(dá)到0. 9176。盡管近紅外模型決定系數(shù)較高,但通常人們更樂于接受化學(xué)分析的結(jié)果,而對近紅外檢測結(jié)果持懷疑態(tài)度。分析結(jié)果表明,近紅外籽粒模型的變異系數(shù)小于化學(xué)分析的變異系數(shù),與姚鑫淼等利用近紅外檢測技術(shù)分析大豆品質(zhì),得出近紅外結(jié)果的標(biāo)準(zhǔn)偏差均小于化學(xué)分析結(jié)果的標(biāo)準(zhǔn)偏差,且經(jīng)過F檢驗(yàn)和t檢驗(yàn),兩種方法之間無顯著性差異的結(jié)果一致;瘜W(xué)分析過程中人工操作的步驟遠(yuǎn)多于近紅外籽粒模型檢測時(shí)人工操作的步驟,是降低化學(xué)分析穩(wěn)定性的可能原因。
從結(jié)果的一致性看,近紅外結(jié)果與它的建模樣品數(shù)據(jù)來源的化學(xué)分析結(jié)果一致,而且3個(gè)籽粒模型與M2對不同品種檢測結(jié)果的一致性優(yōu)于3個(gè)化學(xué)分析(M1、M2、M3)結(jié)果的一致性,特別是M6與M2的相關(guān)系數(shù)最高。表明利用樣品數(shù)量多、覆蓋范圍廣、樣品類型豐富的樣品集構(gòu)建近紅外檢測模型檢測大豆粗蛋白、粗脂肪含量,能得到與化學(xué)分析一致的檢測結(jié)果,具有較好的穩(wěn)定性和可靠性。在需要保存籽粒完好的育種材料低代選擇、QTL s/基因定位、導(dǎo)入系篩選和突變體篩選等的品質(zhì)研究中,近紅外檢測是替代化學(xué)分析檢測的有效方法。近紅外光譜特征除與蛋白、脂肪相關(guān)外,籽粒大小、籽粒顏色等也是重要的影響因素。通過全部品種內(nèi)的方差分析比較表明,近紅外檢測可能使黑種皮品種的粗蛋白檢測結(jié)果偏高,原因可能是深色種皮對近紅外光譜吸收有一定影響,而建立模型的樣品集又以黃種皮材料為主。所以,在構(gòu)建近紅外模型時(shí),應(yīng)根據(jù)種皮色的不同構(gòu)建專用模型。
- 【中國農(nóng)業(yè)儀器網(wǎng)】聲明部分文章轉(zhuǎn)載自其它媒體,轉(zhuǎn)載目的在于傳遞更多信息,并不代表本網(wǎng)贊同其觀點(diǎn)和對其真實(shí)性負(fù)責(zé),且不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。如涉及作品內(nèi)容、版權(quán)和其它問題,請?jiān)?0日內(nèi)與本網(wǎng)聯(lián)系。
推薦儀器
最近更新儀器
相關(guān)技術(shù)文章