文摘
手持式拉曼光谱设备被用作快速无损检测设备来预测生产者(MetMb)和生产者还原酶活性(MRA)值在表层的新鲜牛肉。牛犊Longissimus dorsi肌肉从10只(Holstein-Friesian)从两个不同的牛农场(集团 和 )。100个样本的拉曼光谱与MetMb和MRA值使用偏最小二乘回归(PLSR)。两组可以歧视,和单独的相关性模型比联合新鲜牛肉相关模型。系数的决心 (A组)和 MetMb和(B组) (A组)和 MRA (B组)。结果表明拉曼光谱预测的有用性等内在特质MetMb和MRA在肉类存储。总之,它是可行的,以确定MetMb通过拉曼光谱和MRA值。颜色是牛肉新鲜度的一个重要指标,可以随年龄、性别和品种的牛。他们在人类营养发挥非常重要的作用。肉的颜色是肉品新鲜度的一个重要指标,和许多研究人员已经对颜色变化的原因进行调查。这项研究是在这样的环境下进行的。
1。介绍
颜色是一个重要的指标的新鲜牛肉,可以改变由于年龄、性别和品种的奶牛(Delgado et al ., 2002;(21]。他们在人类饮食起到非常重要的作用。肉的颜色是一个重要的标志肉的新鲜度,和许多研究已经完成寻找颜色变化的原因。生产者积累速率是基于自然氧化的速率的铁(II)蛋白,肌红蛋白。Oxymyoglobin carboxymyoglobin,生产者(17)可以使用,生产者还原酶活性的影响(18];米凯尔森et al ., 1992)。酶和非酶的减少已经被充分研究过(22]。其他研究人员已经研究了生产者还原酶活动的牛肉用不同颜色的稳定性,和一些研究人员发现,牛肉颜色稳定性较差的MRA是最大的(8]。虽然许多研究关注的关键生产者还原酶在新鲜牛肉肉,耗时太长测量方法适用于快速测试。小说生产者与生产者还原酶活动测试方法测量快速变化的这张照片。
拉曼光谱是一种技术,已经越来越受欢迎(2,3),因为它是侵入性,要求几乎没有样品制备,是不会受到水的样本数量。的拉曼信号来自于非弹性散射入射光从一个样本,和散射光的频移变化特性分子振动的方式(14]。因此,拉曼光谱是一个振动光谱,可以看作是一种“个人ID”提供定量和定性信息的散射物质的分子结构和组成。如今,拉曼光谱作为一种分析技术用于食品质量和安全的评估。在过去,研究人员证明了拉曼光谱的潜力预测某些肉质特性如滴水损失,pH值和持水量猪肉(彼得莱尔,安徒生,&球磨机Engelsen 2003;鲍尔,schey &施密特,2014;科勒,schey &施密特,2014)剪切和烹饪牛肉的损失。(2,25]。最优化方法结合拉曼光谱学使巨大的发展对食品成分的定性和定量测量(27]。因此,拉曼光谱是一种无损的工具,可能适合快速预测一些肉品质特性(7]。
这是散射光谱。拉曼光谱的印度科学家而他发明了一个基于喇曼效应的分析方法,研究不同频率的入射光的散射光谱获取的信息分子的振动和转动,将它们应用于分子结构研究的分析。非弹性散射引起的励磁等相互作用分子的振动,在固体光学声子,激光被称为拉曼散射。这是一个分析方法用于研究分子结构的分析在不同频率光的散射光谱获取的信息分子的振动和转动。
然而,没有报告的应用拉曼预测MetMb和MRA值的新鲜牛肉。本文研究报告,使用了100个样本,比较新鲜的肉,拉曼光谱的测量是否可以用来预测MetMb和MRA值。在论文的第二部分,肌红蛋白还原酶活性测定表层的新鲜牛肉,拉曼光谱处理方法和处理技术进行了描述;在第三部分,应用程序MetMb和MRa值的牛肉质量识别光谱处理结果进行了分析;在第四部分,牛肉质量的参数进行了分析。
2。材料和方法
2.1。样品制备
Longissimus dorsi肌肉从12年轻牛(公牛和母牛一半,Holstein-Friesian),大约16个月大的时候,从两个不同的牛农场(集团 和 ,公牛和母牛一半),宁夏大学在商业屠宰加工厂被屠杀(宁夏Laoheqiao清真肉类制品有限公司,中国)。平均热胴体重量 (从225.1到297.4公斤)。屠宰后,血红蛋白与失血耗尽。然后,肉的颜色主要是由肌红蛋白。与肌红蛋白浓度的变化,肉的颜色变化也很明显。它有一个与光谱之间的关系(26]。在24小时尸检,肉切成薄片(20毫米厚)使用手术刀。和所有肉类样品单独真空包装和储存在4°C在黑暗中。每组有50肌肉样本。,25肌肉样本测试没有任何立即治疗。其余的样品真空包装和储存在4°C在黑暗中,直到准备在5天。
24小时后死亡,肉是用手术刀切成薄片。所有肉类样品分别是真空包装和储存在4°C在黑暗中。有50每组肌肉样品,其余的样本被丢弃。不需要直接处理和包装。在4°C条件和储存在黑暗中,直到第五天的准备时间。
2.2。生产者浓度的测量表层的新鲜牛肉
以新鲜牛肉浇头,混合新鲜牛肉的新鲜牛肉超过超过盐缓冲溶液,并使均匀的超细均质器和离心机20分钟。上层清液滤纸过滤,和纳米吸光度的测定用分光光度计在不同的点。公式计算的平均浓度。
据的方法Krzywicki et al ., (15),5克样品表层的新鲜牛肉混合了25毫升磷酸盐缓冲剂(0.04 mol / L, )和均质超细均质器(FLUKO F6/10,德国;10000 rpm, 25岁。在4°C站60分钟后在黑暗中,混合物是离心机 在4°C为20分钟。上层清液滤纸过滤,和吸光度为525,545,565,572 nm用分光光度计分别。每个样品测量3次,平均价值被进一步的统计数据分析用以下公式:
2.3。生产者还原酶活动的测量表层的新鲜牛肉
高铁血红蛋白还原酶从皮肤中提取得到的新鲜牛肉和一些细微的修改。肌肉和磷酸盐混合和离心机,脂肪是通过滤纸从上层清液中删除。过度氧化血红蛋白补充说,解决方案是透析磷酸盐缓冲剂,和高铁血红蛋白还原酶活性提取测定的分光光度法,最后结果是酶活性。
生产者还原酶提取得到的表层的新鲜牛肉Reddy和木匠用细微的修改方法22):12 g肌肉和磷酸盐缓冲剂(20毫升2.0毫米 )是混合和均质ULTRA-TURRAX(30年代,12,000 rpm, 4°C)。匀浆离心机(30分钟, ,4°C),脂肪是由一篇论文从上层清液中删除过滤器。过度K3铁(CN)6添加氧化oxyhemoproteins,解决方案是透析(14000 MW)对2毫米磷酸盐缓冲剂( )。滤液离心机(20分钟, ,4°C)和滤液的体积是调整与2.0毫米磷酸盐缓冲剂(20毫升 )。
生产者还原酶活性的提取测定spectrophotometrically:标准测定混合物包括0.1毫升水,0.10毫升50 mM磷酸盐缓冲剂( ),(0.10毫升5.0毫米左右 ),0.1毫升3.0毫米K4铁(CN)6、0.75毫米0.2毫升MbFe (III) 2.0毫米磷酸盐缓冲剂( ),0.3毫升提取和0.1毫升2.0毫米NADH。NADH开始反应。生产者还原酶活性被计算为nanomole生产者减少每分钟每克肉牛肉在最初的线性阶段的试验,使用不同的摩尔吸光系数 在580纳米。存储的影响(4°C)的牛肉肉之前提取以及酶提取的存储时间的影响也被调查。生产者还原酶活动表示为手段。
2.4。拉曼光谱
检查员300拉曼显微镜(美国SciAps)波长785纳米的激光源,机动镜台样品架和CCD探测器(美国SciAps)。使用的仪器是10 mW激光功率与8 s收购。每个样本被放置在翻译阶段和扫描。的光谱得到的范围400 - 1700厘米−1解决6厘米−1(图1)校准后使用聚苯乙烯的光谱。每个样本与内置的操纵的“自动基线修正”功能的软件。五个复制分析每个样本。
2.5。光谱处理
在拉曼转变(400 - 1700厘米−1),化学键导致振动和转动转换,导致吸收光谱中光谱曲线(6]。有很多重叠的吸收波段组合乐队,使频谱被高度复杂和困难。此外,其他因素,如自然光线,也可能使频谱更加复杂。因此,光谱处理的最优化方法用于解释光谱。光谱处理包括光谱预处理,建模和模型评估。
在拉曼转变(400 - 1700厘米−1),化合物诱导振动和旋转变化,然后,乐队出现在吸收光谱曲线,而d带几个组合乐队主导。吸收光谱复杂,很难解释,所以光谱可以使用化学计量的方法解释光谱处理。
拉曼光谱数据完整的波数范围被多变量分析来找出关键信息相关参考MetMb和MRA值。有很多多元算法建立定量模型,如主成分分析、高钙,请4]。在这项研究中,请和PCR用于建立预测模型(12]。MetMb和MRA值的预测模型是实现由一群潜在的变量,这是统计不相关的和得到最多的信息(拉曼光谱数据)(参考MetMb值和MRA值)。
化学性质的样品和仪器响应的影响可能导致光散射效应,和这些元素可能会影响真正的反应和后来的多元校正模型的鲁棒性24]。为了减少甚至消除这些不受欢迎的元素,光谱数据的预处理是必要的,如乘法散射校正、平滑、标准正态变量(20.]。在这项研究中,有四个光谱预处理方法(Savitzky-Golay平滑、衍生品、MSC、也没有)。最优预处理方法是通过比较选择最佳性能。
多元数据分析进行了预测MetMb和MRA值样本使用相应的光谱信息。可以使用相同的拉曼光谱数据集一起MetMb和MRA值建立一个预测部分请模型。因此,测量光谱可以用来预测MetMb和MRA值直接为新样品。请进行执行光谱数据之间的线性模型预测和质量的一个参数的值从传统的测量。
请模型识别的准确性基于标定系数测定( ),在crossvalidation确定系数( ),均方根误差的校准( ),由crossvalidation和均方根误差( )。通常,一个有用的模型应该有高的值和低的值4。
2.6。统计分析
光谱数据和计算分析和最优化的帮助下完成软件操作MATLABR2011a (MathWorks Inc .,纳蒂克,妈,美国)和辨音器X 10.3(照片背面,特隆赫姆,挪威)。
3所示。结果与讨论
3.1。MetMb和MRA值
MetMb和MRA值的表层牛肉样品由分光光度计是列在表中1(组A和B)。三个复制每个牛肉样本上的分析。总共有100个牛肉样品。先前的研究已经表明,新鲜的肉颜色应该保持明亮和稳定在存储最大化消费者接受(22]。
3.2。光谱处理
光谱的化学计量方法处理用于解释光谱。光谱处理包括初步的光谱处理、模拟和模型分析。拉曼光谱数据处理在整个波数范围内使用多变量分析找到关键信息相关MetMb和MRA的参考价值。
的拉曼光谱归一化强度除以使用积分时间和激光功率比较两组A和b .首先,PCA方法被用来确定剩余的脂肪的光谱数据中没有删除数据收集。拉曼光谱与分数相关的脂肪模式阈值被移除之前下一步。阈值确定不断减少的价值,然后制作一个新的PCA模型与其它数据,直到拉曼脂肪模式被从第一个4 PCA模型的加载。通过这种方式,47 1038拉曼光谱的A组和B组34 1015光谱被移除。下一步分析,牛肉拉曼光谱归一化到基线强度为1517厘米−1PCA和PLS模型更好。对于每一个样本,其余的12 - 15不同光谱平均使用四个光谱预处理方法和预处理(Savitzky-Golay平滑、衍生品、MSC、也没有),意味着定心。
主成分分析、主成分分析是一种无监督的机器学习算法。这是一个研究多维数据结构的方法。它主要是用来降低数据的维数。裁员可以用来找到特性更易于理解。它加速了处理样品的有价值的信息,还可用于可视化(2 d)和降噪。和PCA算法简化了数据和不依赖于参数。
请的性能模型基于三种光谱预处理方法(MSC,也和Savitzky-Golay平滑)如表所示2。如表所示2,与原始光谱数据的模型相比,该模型的检测效果的光谱数据处理是改善或多或少,这表明预处理方法能有效地消除噪声谱数据。不同的检测参数的预处理方法也不同。
与原始光谱的结果(0.885,RMSEP1.387),MSC,也和Savitzky-Golay平滑方法提供了一些改进模型因为更高的鲁棒性和更低的 。在Nor-PLSR模型,模型显示最高的价值观:为0.916,0.983。所以,SGS被选为最优预处理方法建立的模型MetMb值。同样,也没有选择3月值。
光谱显示典型的肌肉组织的拉曼信号。拉曼光谱的两个站点之间的区别是一个宽带光谱背景组高出35% B,这可能与性别有关的B组,但样本或环境因素不能省略。
样品被放入两个存储组随机找出是否拉曼光谱可以区分两组。图2显示了平均原始光谱从所有牛肉样本组(低曲线)和B(上曲线)与存储0 d(灰色曲线)和5 d(黑色曲线)。相比之下,拉曼光谱是除以时间和激光功率集成。样品的数量每组如下:25存储0 d和25存储5 d样本组25和25存储0 d和存储5 d样本组b .光谱表现出典型的肌肉组织的拉曼信号23]。拉曼光谱的两个站点之间的差异是一个宽带光谱背景B组高出35%,可能是由于性别的B组,但样本或环境元素不能被忽略。例如,vacuum-packaged牛肉的氧含量会导致荧光的变化水平,因为荧光猝灭效应(16]。减少最小偏差,空气放电前尽可能多的拉曼测量。光谱的胶版印刷背景也显示不同的存储组之间(0和5 d)(图2)。
原始光谱的牛肉样本背景校正、振动和强度变化的蛋白质(表3)约930,1006,1019,1230,1360,1655厘米−1。拉曼光谱可以显示典型的拉曼信号的肌肉(23]。羟脯氨酸、结缔组织的典型组件在877 cm - 1可能显示一个信号,所以相应的适度强劲乐队没有找到结缔组织酰胺三世地区和删除5,11,13]。样品的拉曼光谱似乎是相似的;然而,光谱数据的差异是由于强度相同的带强度的差异。乐队定位在1265厘米−1属于δ(碳氢键)弯曲的顺式双键R-HC = CH-R [9]。乐队在800 - 900和1000 - 1100厘米−1是由于骨架碳碳键的振动−(CH2) n−分子(1]。乐队在1213厘米−1是由于反对称磷酰基伸展振动对应的脂肪酸和磷脂连锁店(10]。陆(2014)血红蛋白的相对含量决定于喇曼光谱之间的光谱差异,发现三个血红蛋白衍生物表现出在几个相关峰值在1210 - 1230厘米−1,1375 - 1379厘米−1,1550 - 1650厘米−1。氧合血红蛋白相比,许多变化明显的范围1550 - 1650厘米−1碳氧血红蛋白的拉曼光谱。氧合血红蛋白相比,碳氧血红蛋白的光谱,乐队在1559厘米−1似乎更强烈,而1589厘米−1和1645厘米−1乐队不太激烈。光谱的高铁血红蛋白,一些变化在1210 - 1230厘米的范围−1,1375 - 1379厘米−1,1550 - 1650厘米−1通过比较,氧合血红蛋白(Lu et al . 2013年)。随着光谱差异,峰值显示信号的拉曼检测的结构特征,可以帮助MetMb和MRA。结果表明,拉曼光谱可以是一个有用的方法而不是耗时的和破坏性的机械方法测量MetMb和MRA的新鲜牛肉。
A和B组的分析请模型显示在图3。请模型,确定系数的相关性是温和的 ,校准的均方根误差( )是1.493,验证的均方根误差( )1.203。进一步分析显示,A和B组。
请回归分析相关MetMb的拉曼光谱值的子集样本显示了一个系数测定 (一)和 (B)。分析的结果显示在图4。的计算是1.276 (A)和1.218 (B)。它可以评估请模型的有效性。的价值观并不满意,因为MetMb值分布不均匀,即。较低的,而一些样品MetMb测量值。MetMb数据的更均匀分布的确定系数比的一个子集。
(一)
(b)
拉曼光谱与MRA引用相关测量。A和B的子集的联合治疗带来足够好的模型(图5)。系数的确定 , ,和 产量合理值模型,分别。
MetMb值的分布是不同的,即,few models with low MetMb values are measured, so these values are not satisfactory. The MetMb data distribution of the coefficient of determination is better than that of subset A. The Raman spectrum is related to the ARM reference measurement, and the coefficients for each setting provide reasonable values for the model.
A和B的单独治疗组改善结果(图6)。 的样品和 B样品。 和 的样品和 和 B样品。因此,对于MetMb测量,B组的相关性略优于一组。准确、广泛用于肉类生产,样品必须更加多样化,也有强烈的预测测量的特点,经过一段时间的存储。这些问题将在今后的研究学习。
(一)
(b)
4所示。结论
请回归使用主成分分析结合多个的原则和多个组件(的主要组件吗 , 的主要组件吗 )然后使用典型相关的原则来确定之间的关系分析之间的关系和 ,结合多元线性回归原理,分析之间的关系和 ,并探索之间的关系和 。
样品的拉曼光谱两种不同牛农场A和B的值可能与MetMb和MRA表层的新鲜牛肉采用PLS回归分析。组和B组可以显著区别不同的拉曼光谱。和基于光谱宽带的区别差异。但宽带差异的原因并不清楚。牛肉样品的拉曼光谱在不同存储时间和来源,它可以识别信号α螺旋蛋白质结构、色氨酸和苯丙氨酸的芳香族氨基酸侧链。拉曼光谱的相关模型独立的相关子集A和B都比联合相关的所有数据。结果表明,拉曼光谱可以是一个有用的方法而不是耗时的和破坏性的机械方法预测MetMb和MRA值等品质性状新鲜牛肉肉。未来的研究应该研究拉曼光谱的预测能力时新鲜牛肉的质量特征光谱在肉上收集完整的存储时间。考虑新技术在未来的应用,智能计算结合PLSR算法用于参数优化和应用程序。此外,不同种类的牛肉质量分类和牛肉质量的关键因素进行了讨论和分析深度在各种因素的影响。
数据可用性
使用的实验数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称,关于这项工作他们没有利益冲突。
确认
这项工作已经由中国国家自然科学基金资助(没有。3166100446)。