低场核磁共振技术结合化学计量学建立鲍鱼水分和脂肪含量预测模型

高兴盛 李艳茹 郭卫华

摘要 为研究鲍鱼的无损检测技术，提出了一种基于低场核磁共振技术的快速、无损预测鲍鱼水分和脂肪含量的新方法，采用CPMG序列测定横向弛豫时间T2，结果表明：鲍鱼肉中含有3种不同组分水，分别是结合水（T2b）、肌原纤维内水（T21）和肌原纤维间隙水（T22）。并结合化学计量学建立2种关于鲍鱼水分和脂肪含量的预测模型：校正集（Calibration）用于预测样品水分和脂肪含量，而交互验证集（Validation）被用来验证预测结果的稳健性和预测标准误差（SEP）值。PCR和PLSR预测模型相关系数R2均大于0.9。然而PLS预测模型则给出了最好的预测结果：在水分预测模型中R2val=0.993 5，SEP=0.140 1；脂肪含量预测模型中R2val=0.967 5，SEP=0.265 0。由此表明，2种预测模型都具有评价鲍鱼品质的良好潜力，并且PLS预测模型的精准性和稳健性优于PCR预测模型。

关键词 低场核磁共振；鲍鱼；化学计量学；预测

中图分类号 TS254 文献标识码 A 文章编号 1007-5739（2016）08-0267-04

Abstract In order to study abalone nondestructive testing technology，this paper proposes a fast，non-destructive prediction abalone new methods of moisture and fat content，based on the technology of low field nuclear magnetic resonance （NMR）.This research adopts the CPMG sequence determination of transverse relaxation time T2，The result showed that the abalone meat contains three different components of water，respectively，combined water （T2b），myofibril inland waters （T21） and myofibril interstitial water （T22）.Combined with chemometrics to establish two kinds of prediction model about abalone moisture and fat content.Grade correction （Calibration） model is used to predict the sample moisture and fat content and interaction level verification （Validation） model is used to verify the robustness of results and standard error （SEP） value.PCR and PLSR model correlation coefficient R2 were greater than 0.9.However PLS forecast model gives the best results：R2val=0.993 5 in moisture prediction model，SEP=0.140 1；Fat content prediction model of R2val=0.967 5，SEP=0.265 0.Thus the two kinds of prediction model has good potential of evaluation quality of abalone，and precision and robustness of the PLS model is better than that of PCR prediction model.

Key words low field-nuclear magnetic resonance；abalone；chemometrics；prediction

鮑鱼是一种高蛋白、低脂肪的海产品，水分和脂肪作为鲍鱼的两大组分，对其口感、风味和营养价值均有较大影响，更与鲍鱼肉品质高低直接相关。脂肪含量的高低不仅直接影响肉质的营养价值，也影响鲍鱼的深加工。此外，由于鲍鱼中含有大量的水分，存储过程中水分含量高低影响微生物群落的增长，从而影响鲍鱼制品的货架期[1-2]。目前，测量水分和脂肪含量的标准方法主要是直接干燥和有机溶剂萃取获得的，这些化学方法虽然可以得到较可靠的结果，但是它们是破坏性的方法，且只检测小部分代表性的样本以获得平均值，无法保证数据的实时性。近红外光谱近年来普遍用于检测鱼类中水分和脂肪的含量，与物理化学分析方法测得的结果具有较高相关性[3-4]。然而，近红外光谱的主要缺点是反射光谱仅提供样品表层的信息[5]。与近红外光谱相比，低场核磁共振检测特异性质子，它能够测量完整样品而不受表面性质的影响，可以同时得到样品中水和脂肪的弛豫信号，通过对弛豫信号分析可得到样品中水分和脂肪的含量[6-8]。该试验利用低场核磁共振分析仪，以大连产皱纹盘鲍为研究对象，并结合主成分回归分析（PCR）和偏最小二乘回归法（PLSR）建立鲍鱼水分和脂肪含量的预测模型，为鲍鱼及其他海产品的加工贮藏提供依据。

1 材料与方法

1.1 试验材料

皱纹盘鲍，购于大连市长兴水产品交易市场，平均体重为（99.0±16.2） g，平均体长为（90.5±3.9） mm，加冰块运到实验室。

1.2 试验设备及试剂

小动物核磁共振成像系统（Mini MR-Rat，上海纽迈电子科技有限公司生产）；60 mm核磁共振专用测试管；AR2140型电子天平（美国OHAUS生产）；索氏提取器；旋转蒸发器RE-52C（巩义市予华仪器有限责任公司生产）；Dragonmed移液枪（上海大龙医疗设备有限公司生产）；石油醚（北京化工厂生产，分析纯）。

1.3 试验方法

1.3.1 鲍鱼LF-NMR 检测。试验利用装备有0.5T永磁体的低场核磁共振仪（中国上海纽迈电子科技有限公司）在32 ℃（仪器工作温度）下采用CPMG （Carr-Purcell-Meiboom-G ill）脉冲序列测定样品的自旋-自旋弛豫时间T2。将鲍鱼置于永磁场中心位置的射频线圈的中心进行CPMG脉冲序列试验。CPMG序列采用的参数：P1=20 s（硬脉冲90度脉宽），P2=40 s（硬脉冲180度脉宽），TD=263 434个（采样点数），SW=200 kHz（采样频率），NS=4（累加次数），TW=3 000 ms（重复采样等待时间），NECH=3 000个 （回波个数）。每个样品重复测定3次，取其平均值，作为这一样品的检测结果。最后应用MultiExp Inv Analysis软件进行多指数拟合得到鲍鱼的横向弛豫谱图。

1.3.2 鲍鱼水分和脂肪含量的测定。一是含水率的测定。按照中华人民共和国食品安全标准《食品中水分的测定（GB 5009.3—2010）》[9]。二是脂肪含量的测定。按照中华人民共和国国家标准《食品中脂肪的测定（GB/T 5009.6—2003）》[10]。

1.4 数据处理

PCR和PLSR模型的建立是基于The Unscrambler软件。文中所有图形绘制和线性、指数曲线拟合均用Origin 8.5软件处理完成。

2 结果与分析

2.1 物理化学结果

鲍鱼样品中水分和脂肪含量的最大值、最小值、平均值、标准偏差以及变异系数见表1。可以看出，鲍鱼样品的水分含量在5.253～9.174 g之间，脂肪含量在0.035～0.154 g之间，水分和脂肪含量的平均值分别为（7.128±1.260） g和（0.078±0.030） g，变异系数分别为17.68%和38.46%。

2.2 低场核磁共振分析结果

2.2.1 NMR （T2）连续分布驰豫衰减曲线。众所周知，低场核磁共振结果反应物质中H质子的信号量。由于不同个体间相关质子含量和移动性的不同导致T2驰豫衰减曲线表现出差异性[11]，在10只鲍鱼样品中1号鲍鱼的弛豫衰减速率最快；9号鲍鱼的弛豫衰减速率最慢，这与其自身H 质子含量和化学环境相关[12]，相应个体的脂肪和水分信号很容易分开。然而，在鲍鱼T2分布曲线谱图中很难区分相应水组分和水分分布（图1a）。

2.2.2 T2多指数拟合驰豫曲线。低场核磁共振T2多指数拟合结果表明鲍鱼体内存在3种不同水组分，分别为结合水、不易流动水和自由水。从图1b可以看出，驰豫时间最短的T2b（ 0～10 ms）表示水分子与细胞内大分子结合非常牢固的水分子层；驰豫时间处于中间的组分T21（10～100 ms）表示水分子作 为一种高度有组织的结构存在于肌纤丝、肌原纤维及膜之间的不易流动水，占总积分面积的80%左右，相当于水分子被束缚在蛋白质的三、四级结构上或处于密度很高的肌纤维群中，包括肌动蛋白和肌球蛋白。最后，也就是弛豫时间最长的组分T22（100～1 000 ms）表示存在于肌纤维细胞外的间隙中能自由流动的水[13-14]。因此，多指数拟合NMR横向弛豫谱图可以直观表明水分的自由度以及表征鲍鱼组织中存在的水组分群及它们的分布状态。但是还不能通过鲍鱼样品的T2横向弛豫谱图进行水分和脂肪含量的定量分析，本试验利用低场核磁共振技术结合化学计量学方法用于鲍鱼样品中水分和脂肪含量的定量分析。

2.3 预测模型的建立

建模集样本的3 000个CPMG回波峰点数据作为自变量X，因变量Y是鲍鱼的水分或脂肪含量，采用PCR和PLSR建立X与Y的相关性模型。与传统通过核磁共振技术检测肉中水分和脂肪含量的方法相比，本试验 采用了完整鲍鱼样品的弛豫信号，更能精确地代表整个样本。建模过程中，交互验证试验 与校正模型的建立过程同时进行。一般来说，一个表现良好的预测模型应该具有较高的相关系数R2和较低的预测标准误差SEP[15]。

合理确定参加建模的主因子数是充分利用光谱信息和滤除噪音的有效方法之一。建模时如果所用的因子数太多，则会出现过拟合现象，虽然校正集样品的校正结果很好，但是预测结果很差。如果所用的因子数太少则会出现欠拟合，那么光谱中一些有用的信息没有包含在模型中，校正的结果和预测的结果不准确[16]。

2.3.1 PCR預测模型建立。图2为鲍鱼样品的PCR模型水分和脂肪残余方差散点图，通过残余方差散点图可以确定建立预测模型的最优因子数，残余方差从第一个因子数开始减小，当因子数n和n+1的残余方差的变化可以忽略不计时，n就被确定为最优的因子数[9]。从图2可以看出，PCR建立预测模型时，通过鲍鱼水分和脂肪含量残余方差分析得到水分和脂肪的最佳因子数分别为5和4，从而得到鲍鱼样品水分和脂肪低场核磁共振预测模型测量值和预测值的散点分布（图3）。图3a、3b分别是PCR校正集（Calibration）水分和脂肪含量预测模型；图3c、3d分别是PCR交互验证集（Validation）水分和脂肪含量预测模型。图3中横坐标均为通过物理化学方法测得的水分和脂肪含量实际值，纵坐标为水分和脂肪含量预测值。

表2给出了基于横向弛豫信号对鲍鱼样品水分和脂肪含量的预测模型评价结果。可以看出水分的PCR预测模型取得了较好的结果，校正集和交互验证集的结果相近，相关系数R2cal和R2val分别为0.992 5和0.993 2，均大于0.9，预测标准误差SEP为0.144 2，预测标准误差较小，RPD值为8.737 9，大于3；脂肪的PCR预测模型同样取得了较好的结果，校正集和交互验证集相关系数R2cal和R2val分别为0.967 2和0.961 0，均大于0.9，预测标准误差SEP为0.286 7。

2.3.2 PLSR預测模型建立。图4为鲍鱼样品的PLS模型水分和脂肪残余方差散点图，从图4可以看出，PLS建立预测模型时，通过残余方差分析得到水分和脂肪的最佳因子数与PCR方法分析得到的最佳因子数相同，分别为5和4，由最优因子数得到鲍鱼样品水分和脂肪低场核磁共振预测模型实际值和预测值的散点分布（图5）。其中，图5a和图5b分别是PLS校正集（Calibration）水分和脂肪含量预测模型；图5c和图5 d分别是PLS交互验证集（Validation）水分和脂肪含量预测模型。图5中横坐标均为通过物理化学方法测得的水分和脂肪含量实际值，纵坐标为水分和脂肪含量预测值。

表3同样给出了预测模型评价结果。PLS水分预测模型校正集和交互验证集相关系数R2cal和R2val分别为 0.994 6和0.993 5，预测标准误差SEP为0.140 1，RPD值为8.993 6，大于3；PLS脂肪预测模型校正集和交互验证集相关系数R2cal和R2val分别为0.972 1和0.967 5，预测标准误差SEP为 0.265 0，预测标准误差较小。

2.3.3 PCR与PLSR预测模型的比较。在这项研究中，这2个方法似乎都适合用于评估鲍鱼的水分和脂肪含量。然而，相比较PLS和PCR模型的精准性和重复预测稳健性而言，PLS模型无论是在校正集还是交互验证集模型方面都表现出了更高的相关系数R2值和更低的预测标准误差SEP值，并且PCR模型给出了最高的SEP值。这说明相对于PLS方法而言，PCR法还不是一个预测结果既精准又稳定的预测模型建立方法。PLS方法更适合作为鲍鱼品质评估工具的原因是PLS更专注于主成分分析、典型相关分析和线性回归分析功能[17]。

3 结论

低场核磁共振技术作为一种快速、无损的现代分析技术，在鲍鱼以及其他海产品的体成分分析和水分、脂肪含量预测方面有着很大应用潜力[18]。本试验 选择了大连皱纹盘鲍为研究对象，利用低场核磁共振技术结合主成分分析法（PCR）和偏最小二乘回归法（PLSR）在内的化学计量学方法建立鲍鱼水分和脂肪含量的预测模型。结果表明：不同个体间相关质子含量和移动性的不同导致T2驰豫衰减曲线表现出差异性，这与其自身H 质子含量和化学环境相关。横向弛豫参数反演谱图清晰显示鲍鱼体内含有 结合水（T2b）、肌原纤维内水（T21）和肌原纤维间隙水（T22）3种水分组分。通过交互验证试验 表明，所建立的2种预测模型均具有较高的预测准确性，相对而言PLS预测模型有着更为精准的预测结果和稳健的重复预测表现性。

4 参考文献

[1] 张亚琦.鲍鱼的物性学研究及加工工艺探讨[D].青岛：中国海洋大学，2008.

[2] ESPINOSA H D，JVSTER A L.Tablet-level origin of toughening in abalo-ne shells and translation to synthetic composite materials[J].Nature Com-munications，2011，2（2）：509-527.

[3] NORTVEDT R，TORRISSEN O J，TUENE S.Application of near-infrared transmittance spectroscopy in the determination of fat，protein and dry matter in Atlantic halibut fillet[J].Chemometrics & Intelligent Laboratory Systems，1998，42（1）：199-207.

[4] COLLELL，CARLESGOU，PEREARNAU，et al.Nondestructive estimati-on of moisture，water activity and NaCl at ham surface during resting and drying using NIR spectroscopy[J].Food Chemistry，2011，129（2）：601-607.

[5] MARTELO-VIDAL M J，V？魣ZQUEZ M.Determination of polyphenolic compounds of red wines by UV-VIS-NIR spectroscopy and chemometrics tools[J].Food Chemistry，2014，158（5）：28-34.

[6] SANCHEZ-ALONSO I，MORENO P，CARECHE M.Low field nuclear magnetic resonance （LF-NMR） relaxometry in hake （Merluccius merlu-ccius，L.） muscle after different freezing and storage conditions[J].Food Chem，2014，153：250-257.

[7] MICKLANDER E，THYBO A K，VAN DEN BERG F，Changes occurring in potatoes during cooking and reheating as affected by salting and cool or frozen storage - a LF-NMR study[J].LWT - Food Science and Techn-ology，2008，41（9）：1710-1719.

[8] LI，TENG RUI，XIN L I，et al.Water distribution in tofu and application of T2 relaxation measurements in determination of tofu's water-holding ca-pacity[J].Journal of agricultural and food chemistry，2014，62（34）：8594-8601.

[9] 食品安全國家标准 食品中水分的测定：GB5009.3-2010[S].北京：中华人民共和国卫生部，2010.

[10] 食品安全国家标准 食品中脂肪的测定：GB/T5009.6-2003[S].北京：中华人民共和国卫生部，2010.

[11] SHAO X，LI Y.Application of Low-Field NMR to Analyze Water Chara-cteristics and Predict Unfrozen Water in Blanched Sweet Corn[J].Food and Bioprocess Technology，2011，6（6）：1593-1599.

[12] RIBEIRO，ROBERTA D O R，ELIANE T C，et al.Classification of Braz-ilian honeys by physical and chemical analytical methods and low fieldnuclear magnetic resonance （LF 1 H NMR）[J].LWT - Food Science andTechnology，2014，55：90-95.

[13] PEREIRA，FABIOLA M V，SERGIO B G，et al.Fast determination of beef quality parameters with time-domain nuclear magnetic resonance spectroscopy and chemometrics[J].Talanta，2013，108：88-91.

[14] S？魣NCHEZ-ALONSO，MARTINEZ I，SANCHEZ-VALENCIA I，et al.Estimation of freezing storage time and quality changes in hake （Merlu-ccius merluccius，L.） by low field NMR[J].Food chemistry，2012，135（3）：1626-1634.

[15] FLUCKIGER，BROWN M，RWARD M，et al.Predicting glycogen conc-entration in the foot muscle of abalone using near infrared reflectance spectroscopy （NIRS）[J].Food Chemistry，2011，126（4）：1817-1820.

[16] TRIPATHI，MARKANDEY M K，SVNDAR R S，et al.Chemiluminesce-nce-based multivariate sensing of local equivalence ratios in premixed atmospheric methane-air flames[J].Fuel，2012，93（1）：684-691

[17] SIGNE M J，PEDERSEN H T，S？覫REN B E.Application of chemometrics to low-field 1H NMR relaxation data of intact fish flesh[J].Journal of the Science of Food and Agriculture，1999，79：1793-1802.

[18] PEDERSEN H T，MUNCK L.Low-Field 1H Nuclear Magnetic Resona-nce and Chemometrics Combined for Simultaneous Determination of Wat-er，Oil，and Protein Contents in Oilseeds[J].Food Technology，2000，77（10）：1069-1077.