酱牛肉质构特性主成分分析

马 龙，武 杰，吴玲玲，许 晖，杨国辉

（1.蚌埠学院生物与食品工程系，安徽蚌埠233000；2.蚌埠丰牧牛羊肉制品有限公司，安徽蚌埠233000）

质地剖面分析法（Texture profile analysis，TPA）是通过质构仪探头模拟人口腔的咀嚼动作，一般为模拟牙齿2次压缩和拉伸动作，记录并绘出力与时间的关系，并从中找出与人感官评定对应的硬度（Hardness）、脆度（Fracturability）、黏着性（Adhesiveness）、弹性（Springiness）、回 复 性（Resilience）、凝 聚 性（Cohesiveness）、胶 性（Gumminess）和 耐 嚼 性（Chewiness）等质构指标[1]。该分析方法起源于1963年Szczesniak对食品质构的定义，为食品质构的感观评定和仪器测定间的桥梁，给食品质构研究人员带来了极大的方便[2-3]。TPA测试对综合评价食品的质构特性具有极高的价值，可以在一定程度上减少感官评定中主观因素带来的评价误差，已成为肉制品行业中新产品研究和开发过程中质构特性的通用测试方法[4-9]。但是TPA质构指标多达八个，且彼此之间存在一定的相关性，使得这些数据反映的信息有所重叠，较多的变量数目在高维空间中研究样本的分布规律比较困难，势必增加分析问题的复杂性[10]，无法对食品的质构特性进行准确分析。而采用主成分分析法就是将众多相关、重叠的信息进行合并综合，将原始的多个指标转换为较少的几个综合指标，这些综合指标既互不相关，又能尽可能多的反映原指标信息，从而有利于对食品的质构特性进行综合评价[11-12]。本研究以五个品牌酱牛肉制品为研究对象，通过TPA测试来获取酱牛肉工业化产品的质构特性参数，并对这些参数进行主成分分析，确定影响酱牛肉质构特性的主要因素，旨在为建立对肉制品工业化产品评价的科学评价体系提供参考。

1 材料与方法

1.1 材料与仪器

5个不同品牌的200g真空包装酱牛肉 分别标记为a、b、c、d、e。

TA.XT Express型物性测试仪 英国Stable Micro Systems公司。

表1 酱牛肉TPA质构指标（n=5）Table 1 TPA properties of spiced beef（n=5）

表2 数据标准化处理Table 2 Standardized of the TPA properties

表3 相关系数矩阵Table 3 The correlation matrix

1.2 实验方法

1.2.1 TPA测试方法 用锋利的刀具将样品肉块按相同的纹路切成2cm×2cm×2cm的方块，将试样置于TA.XT Express型物性测试仪上在室温条件下进行TPA测试，探头接触平面与肌纤维走向平行[13]，每个品牌酱牛肉进行5组平行实验。

测试条件：探头类型P5，测前速度为2mm/s，测试速度1mm/s，测后速度1mm/s，两次压缩间隔时间5s，压缩比为40%，触发力5g，数据收集率200pps。

1.2.2 数据处理 采用统计软件IBM SPSS Statistics 20.0对本实验中TPA质构指标进行数据处理与统计分析。

2 结果与讨论

2.1 酱牛肉TPA质构指标与相关性判定

用TA.XT Express型物性测试仪对市售5种品牌酱牛肉进行TPA测试，质构测定结果见表1。由于TPA测试的各质构指标具有不同的量纲，若直接进行主成分分析可能会带来不合理影响，为消除这些影响需事先对测得数据作标准化处理[11-12]，标准化的数学公式为：

式中，i=1、2、3…n，n为样本数目；j=1、2、3…p，p为样本原变量数目；xij为相应于Xij的标准化数据；Xj和σj分别为第j列数据的均值和标准差。

数据的标准化处理结果见表2。

计算酱牛肉TPA质构指标的皮尔逊积矩相关系数[13-14]，得其相关系数矩阵，结果见表3。从表3可以看出，大部分相关系数绝对值＞0.3，说明各指标之间具有不同程度的相关性，存在信息上的重叠，所以酱牛肉质构特性适合进行主成分分析。

2.2 主成分筛选及其贡献率

表4 相关矩阵的特征值与方差贡献率Table 4 Eigenvalues and percentage of the correlation matrix

对表2数据进行主成分分析，所得相关矩阵的特征值及方差贡献率结果见表4。从表4可以看出，前2个主成分的特征值均大于1，且二者累积方差贡献率大于85%，数值达到91.31%，基本包含了原来变量的绝大多数信息，能够反映酱牛肉样品的整体信息，因而提取前2个主成分来代替原来的7个质构指标来评价酱牛肉质构特性。

2.3 主成分载荷分析与表达式

主成分载荷反映了各指标对主成分的贡献率的大小，第一和第二主成分载荷见表5，两个主成分的载荷图见图1。载荷图中指标距离原点越远，表示该变量被这两个主成分解释的程度越高；指标空间上距离越近，表示变量间正相关程度越高[15]。从图1和表5可以看出，全部TPA指标都能够被两个主成分较好的解释；硬度（x1）、黏着性（x2）、耐嚼性（x4）、胶性（x5）和回复性（x7）在第一主成分F1上具有较大的载荷，说明第一主成分F1主要反映了这几个指标的信息，因此可以将第一主成分称为酱牛肉的咀嚼特性；弹性（x3）和凝聚性（x6）在第二主成分F2上具有较大的载荷，说明第二主成分F2主要反映了弹性和凝聚性的信息，因此可以将第二主成分称为酱牛肉的抗压特性。

表5 主成分载荷矩阵Table 5 Component matrix

图1 主成分载荷图Fig.1 Biplot of principal component analysis

每一个载荷量表示主成分与对应变量的相关系数，根据“主成分相应特征值的平方根与特征向量乘积为载荷量”的原则[16]，计算得到每个指标的主成分特征向量，见表6。根据表6中的数据，构建主成分与酱牛肉TPA质构指标之间的表达式：

上述公式中的xi为标准化数据。

表6 主成分特征向量Table 6 Eigenvectors for principal components

3 结论

应用主成分分析法对5种品牌酱牛肉质构特性进行研究，从原来7个质构指标中提取2个主成分，二者累积方差贡献率达到91.31%，基本涵盖了原来质构特性指标的信息，即将这7个指标归纳为两大类——咀嚼特性和抗压特性，从而从复杂的现象中找出事物的主要矛盾，减少了酱牛肉质构特性的评价指标，简化了评价过程，对于综合评价酱牛肉的质构特性的优劣和指导酱牛肉的研发与生产重要意义。2个主成分的表达式为：F1=0.440x1+0.440x2-0.109x3+0.465x4+0.464x5+0.117x6+0.396x7，F2=-0.248x1+0.038x2+0.681x3-0.004x4-0.071x5+0.597x6+0.335x7。

[1]屠康，姜松，朱文学.食品物性学[M].南京：东南大学出版社，2006：132-134.

[2]Bourne M C.Food Texture and viscosity[M].2nd Edition.Salt Lake City：Acadeaic Press，2002：182-186.

[3]姜松，王海鸥.TPA质构分析及测试条件对苹果TPA质构分析的影响[J].食品科学，2004，25（12）：68-71.

[4]袁先群，贺稚非，李洪军，等.低温酱牛肉贮藏期的品质变化规律[J].食品工业科技，2012，33（8）：359-362.

[5]谢碧秀，孙智达，何会，等.粉蒸肉质构特性的研究[J].食品科学，2009，30（5）：82-85.

[6]于慧春，李欣，张仲欣，等.采用质构仪分析氯化钙对牛肉品质的影响[J].食品研究与开发，2009，30（5）：35-38.

[7]Herrero A M，Oudonez J A，DE Avila R，et al.Breaking strength of dry fermented sausages and their correlation with texture profile analysis（TPA）and physico-chemical characteristics[J].Meat Science，2007，77：331-338.

[8]Ma Hanjun，Ledward D A.High pressure/thermal treatment effects on the texture of beef muscle[J].Meat Science，2004，68：347-355.

[9]Sazili A Q，Parr T，Sensky P L，et al.The relationship betweens low and fast myosin heavy chain content，calpastatin and meat tenderness in different ovine skeletal muscles[J].Meat Science，2005，69：17-25.

[10]张洪霞，马小愚.稻米食用品质的力学指标主成分分析[J].农业机械学报，2008，39（7）：90-94.

[11]宋志刚，谢蕾蕾，何旭洪.SPSS16实用教程[M].北京：人民邮电出版社，2008：246-263.

[12]何新益，汪姣，任小青，等.花色馒头的制备及质构特性主成分分析[J].中国粮油学报，2011，26（7）：108-112.

[13]陈磊，王金勇，李学伟.仪器测定的猪肉质构性状与感官性状的回归分析[J].农业工程学报，2010，26（6）：357-362.

[14]岳田利，彭帮柱，袁亚宏，等.基于主成分分析法的苹果酒香气质量评价模型的构建[J].农业工程学报，2007，23（6）：223-227.

[15]Härdle W，Simar L.Applied multivariate statistical analysis[M].New York：Springer Verlag，2007：243-244.

[16]林海明，张文霖.主成分分析与因子分析的异同和SPSS软件[J].统计研究，2005（3）：65-68.