矿物元素和有机成分指纹组合判别芸豆产地

钱丽丽 李平惠 杨义杰 张东杰

(黑龙江八一农垦大学食品学院,大庆 163319)

矿物元素和有机成分指纹组合判别芸豆产地

钱丽丽 李平惠 杨义杰 张东杰

(黑龙江八一农垦大学食品学院,大庆 163319)

分析不同地域来源芸豆中矿物元素和有机成分组成特征及含量差异，探讨矿物元素和有机成分指纹组合分析技术对芸豆产地鉴别的可行性。检测来自依安、拜泉县 2 个主产区 54 份芸豆样品中31 种矿物元素和3项有机成分含量，对数据进行方差分析和判别分析。研究表明，矿物元素指纹对芸豆产地交叉检验的整体正确判别率为94.1%；有机成分指纹对芸豆产地交叉检验的整体正确判别率为83.3%；矿物元素和有机成分指纹组合对芸豆产地的正确判别率显著提高，交叉检验的整体正确判别率达到100.0%。因此，矿物元素和有机成分指纹组合分析结合多元统计学是用于芸豆产地溯源的一种有效技术。

芸豆 矿物元素 有机成分 溯源

芸豆是我国传统的药食同源食品，具有很高的食用和药用价值[1]。黑龙江省是我国种植和生产芸豆最大的省份[2]，黑龙江省通过国家地理标志认证的芸豆有：拜泉芸豆、依安芸豆。芸豆产地溯源技术的建立可以有效保护地理标志芸豆品牌。产地溯源旨在探寻表征不同地域来源产品的特异性指标，矿物元素可以反映地域指纹特征，且其含量在食品产业链中较为稳定，矿物元素指纹技术是国际上公认的有效产地溯源技术之一[3-4]。Gonzalvez 等[5]利用ICP-MS测定葡萄酒中Mg、Pb、Ti等38种矿物元素的含量，结合聚类分析、主成分分析判别葡萄酒的产地来源，产地判别正确率达100%；Yasui 等[6]利用ICP-AES结合ICP-HRMS研究发现Ba、Ni、Mo、Mn、Zn、Fe、Cu、Rb 和 Sr 9个对地域判别有效的溯源指标，可正确区分日本地区的大米样品。Antonio 等[7]利用矿物元素指纹分析正确区分了来自亚洲和非洲的85个茶叶样品。

Sass-Kiss 等[8]发现酪胺、3-甲基丁胺、苯乙胺等 11 胺类化合物及有机酸的组成含可作为区分葡萄酒产地的有效有机成分指标；Consonni 等[9]应用氢核磁共振谱(1H-NMR)结合偏最小二乘判别分析(PLS-DA)研究发现苯丙氨酸和酪氨酸能准确阿根廷、匈牙利和意大利3个国家的蜂蜜。Longobardi 等[10]检测了普利亚地区橄榄油样品的甘油三酯、游离酸、脂肪酸等成分，结合判别分析对橄榄油原产地整体正确判别率 82.50%以上；Alonso-Salces等[11]运用高效液相色谱(HPLC)结合线性判别分析(LDA)、偏最小二乘判别分析(PLS-DA)研究发现酚酸和肉桂酸可以作为判别咖啡豆产地的有效特征指标；Castro-Vázquez等[12]研究发现西班牙蜂蜜样品的挥发性成分具有显著的地域性差异，利用苯类衍生物、酯类衍生物及香芹酮含量可有效区分西班牙地区的蜂蜜样品。Karoui等[13]应用荧光光谱技术分析牛奶中色氨酸、核酸、核黄素、VA、芳香性氨基酸含量，发现VA和色氨酸对牛奶产地的判别效果最好，达100.0%。本研究将分析不同地域芸豆中矿物元素和有机成分分布特征，探讨矿物元素和有机成分组合分析技术对芸豆产地来源判别的有效性。

1 材料与方法

1.1 试验材料

1.2 仪器

1093旋风磨：丹麦Foss公司；MARS高通量密闭微波消解仪：CEMS公司；7700 ICP-MS：美国Agilent公司。

1.3 试验方法

1.3.1 样品前处理

将芸豆样品用蒸馏水洗净，放入60 ℃的烘箱中鼓风干燥1～3 h，再用旋风磨磨制得芸豆全粉，待测。

1.3.2 有机成分含量测定

蛋白质含量测定采用凯氏定氮法GB 5009.5—2010；粗脂肪含量测定采用GB/T 14772—2008；可溶性总糖含量测定采用蒽酮比色法。

1.3.3 元素含量测定

参考赵海燕等[11]方法，准确称取0.200 0 g芸豆全粉，置于消化管中，加入6 mL浓硝酸和3 mL盐酸，放入 MARS高通量密闭微波消解仪中，采用程序升温法进行微波消解。消解后得到澄清透明的溶液，溶液经排酸后用超纯水(>18.2MΩ·cm)洗出样品，定容到 100 mL，用 7700 ICP-MS测定样品中 Na、Mg、Al、K、Ca、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、As、Se、Rb、Sr、Y、Mo、Ag、Cd、Sb、Ba、La、Ce、Pr、Nd、Sm、Gd、Pt和Pb共31种矿物元素含量。

根据欧盟数字能力框架中五个领域构建出的数字能力指标体系，并从知识、技能、使用态度三个维度上根据研究生的学习特点，对学习、选题、开题报告、论文写作与评价、就业这五个阶段需要用到的数字工具特点进行分析，用问卷的形式了解本校研究生数字能力的现状，针对调查对象的性别、学历、年级、专业、文献检索课程、本科就读高校(是否985或211高校)、A类学术论文发表情况基本信息，对他们进行差异性比较，利用SPSS中T检验来进行数据对比分析得知是否存在显著差异，根据显著性差异分析研究生的数字能力差别。

用外标法进行定量分析，以环境标样(Part#5183-4680，Agilent)为标准样品，用内标元素Li、Ge、Y、In、Tb 和Bi保证仪器的稳定性，当内标元素的 RSD>5%，重新测定样品。测试过程中每个样品重复测定3次。

1.3.4 数据处理方法

用SPSS 20.0 软件对数据进行方差分析(独立样本T检验)和判别分析。

2 结果与分析

2.1 不同地域来源芸豆的方差分析

2.1.1 不同产地芸豆中矿物元素含量差异及组成特征

分别对依安县和拜泉县2个地域不同芸豆样品的31种矿物元素含量进行多重比较分析，结果表明，Na、Mg、Al、Ca、V、Cr、Mn、Fe、Cu、As、Se、Rb、Sr、Y、Ag、Cd、Sb、Ba、La、Ce、Pr、Nd、Sm、Gd和Pt 25种元素含量在地域间有显著性差异(表1)。从表1可看出，一些矿物元素的变异系数较大(如Cd 94.444%)，说明矿物元素含量在同一县市不同乡镇内的差异也较大。

表1 不同地域芸豆的矿物元素含量/μg/g

表1(续)

注：不同小写字母表示显著性差异(P<0.05),带*号的单位为ng/g，下同。

2.1.2 不同产地芸豆有机成分组成及含量差异

对芸豆样品的蛋白质、脂肪和溶性总糖含量进行方差分析，结果显示，3项指标在地域间存在显著性差异，不同地域来源的芸豆样品有机成分含量有其各自的特征(表2)。3项有机成分指标在不同产地之间的差异均达到了显著水平(P<0.05)。

表2 不同产地芸豆有机成分差异分析

2.2 不同地域来源芸豆的判别分析

为进一步了解各元素含量指标对芸豆产地的判别效果，对存在显著差异的指标进行逐步判别分析，筛选出对地域判别有效的变量建立判别模型，并验证模型的有效性。验证测试中以测试集(2/3样本)建立判别模型，外推验证集(1/3样本)结合交叉验证法验证模型的有效性。

2.2.1 不同产地芸豆中矿物元素含量的判别分析

对存在显著性差异的25种元素进行逐步判别分析，结果显示，有4项指标被引入到判别函数模型中，依次为Ca、As、Mg和Pt，判别模型如下：

模型1(Y)=-71.606+0.074 Ca+4 006.118 As+823.120 Se+6 227.736 Pt

模型2(B)=-156.828+0.107 Ca+7 668.300 As+1 363.820 Se+8 019.599 Pt

表3 矿物元素指纹信息的判别模型验证

注：a. 已对验证集初始分组案例中的 100.0% 个进行了正确分类。b. 已对测试集初始分组案例中的 97.3% 个进行了正确分类。c. 仅对分析中的案例进行交叉验证。 在交叉验证中，每个案例都是按照从该案例以外的所有其他案例派生的函数来分类的。d. 已对所选交叉验证分组案例中的 94.1% 个进行了正确分类。

从表3可看出，此模型对测试集芸豆产地的整体正确判别率为97.3%。交叉验证结果，整体判别的正确率为94.1%，交叉检验的错判率为5.9%<10%，对芸豆产地判别具有价值(判别效果一般用误判率来衡量，要求误判率小于10%或20%才有应用价值[14])。

2.2.2 不同产地芸豆中有机成分含量的判别分析

利用蛋白质、脂肪和可溶性总糖含量3项指标组合通过Fisher′s线性判别分析方法建立判别模型如下：

依安=-16.32+0.44(蛋白质)+2.73(脂肪)+0.38(可溶性总糖)

拜泉=-15.09+0.43(蛋白质)+2.68(脂肪)+0.37(可溶性总糖)

从表4可看出，此模型对测试集芸豆产地的整体正确判别率为91.70%。交叉验证结果，整体判别的正确率为83.30%。

表4 有机成分指纹信息的判别模型验证

注：a. 已对验证集初始分组案例中的 83.3%个进行了正确分类。b. 已对测试集初始分组案例中的 91.7%个进行了正确分类。c. 仅对分析中的案例进行交叉验证。 在交叉验证中，每个案例都是按照从该案例以外的所有其他案例派生的函数来分类的。d. 已对所选交叉验证分组案例中的 83.3%个进行了正确分类。

2.2.3 矿物元素和有机成分指纹组合对芸豆产地的判别分析

对存在显著差异的25种元素和3项有机成分指标(蛋白质、脂肪和可溶性总糖)进行逐步判别分析，结果显示，有4项指标被引入到判别函数模型中，依次为Mn、Fe、As和蛋白质。判别模型如下：

类别1(依安)=-386.664+4.478Mn-1.214Fe-5 070.822As+0.369蛋白质

类别2(拜泉)=-327.056+0.242Mn+0.290Fe-1 018.382As+0.305蛋白质

从表5可看出，此模型对测试集芸豆产地的整体正确判别率为97.2%，交叉验证结果，整体正确判别率均为100%，全部样判属正确。矿物元素和有机成分指纹图谱组合分析技术对芸豆产地判别取得了较好的效果。

表5 矿物元素和有机成分指纹信息组合的判别模型验证

注：a 已对验证集初始分组案例中的 100.0% 个进行了正确分类。b 已对测试集初始分组案例中的 97.2% 个进行了正确分类。c 仅对分析中的案例进行交叉验证。 在交叉验证中，每个案例都是按照从该案例以外的所有其他案例派生的函数来分类的。d 已对所选交叉验证分组案例中的 100.0% 个进行了正确分类。

2.3 不同方法和指标对芸豆产地的溯源效果比较

交叉检验的整体正确率可用来衡量芸豆产地判别模型的可靠性(表6)。结果表明矿物元素指纹对芸豆产地交叉检验的整体正确判别率为94.1%；有机成分指纹对芸豆产地交叉检验的整体正确判别率为83.3%。矿物元素和有机成分指纹组合后对芸豆产地的正确判别率显著提高，交叉检验的整体正确判别率达到100.0%。可见，不同溯源方法和指标对芸豆产地的鉴别效果依次为矿物元素和有机成分指纹组合>矿物元素指纹>有机成分指纹。

表6 不同方法对芸豆产地的溯源效果比较

注：高：≥90%；较高：≥85%；较低：80%～85%。

3 结论

芸豆样品中矿物元素和有机成分含量在地域间存在显著性差异。利用Ca、As、Mg、Pt 4项指标建立判别模型，对芸豆产地的整体判别的正确率为94.1%；利用蛋白质、脂肪、可溶性总糖3项指标建立判别模型，对芸豆产地的整体判别的正确率为83.3%；利用Mn、Fe、As和蛋白质4项指标建立判别模型，对芸豆产地的整体判别的正确率为100.0%。矿物元素指纹、有机成分指纹、矿物元素和有机成分指纹组合3种技术判别芸豆产地是可行的。

植物体从土壤中吸收养分供给植物生长，土壤中矿物元素组成特征在一定程度上反映出植物体的地域性差异。依安地区的土壤类型主要为黑土、拜泉县的土壤类型主要为黑钙土，2个地域土壤类型的差异为芸豆产地溯源研究提供了可能，本研究仅进行了初步的探索性分析，今后要对采样地区的土壤进行差异分析，明确形成芸豆地域差异的具体来源。

[1]张洪学. 创中国芸豆品牌发展出口创汇农业[J]. 中国种业,2008(11):68

Zhang H X.Creation of the kidney bean in China export agricultural brand development[J].China Seed Industry,2008(11)：68

[2] 王强,张亚芝,魏淑红,等. 黑龙江省芸豆生产现状与产业化发展[J]. 中国种业,2008(4):11-12

Wang Q,Zhang Y Z,Wei S H,et al.Production and industrialization development of Kidney bean in Heilongjiang Province[J].China Seed Industry,2008(4):11-12

[3] Eleraky A W, Rambeck W. Study on performanceenhancing effect of rare earth elements as alternatives toantibiotic feed additives for Japanese Quails[J]. Journal of American Science,2011, 7(12):211-215

[4] Frontela C, García-Alonso F J, Ros G, et al. Phytic acid and inositol phosphates in raw flours and infant cereals:The effect of processing[J]. Journal of Food Composition and Analysis,2008(21):343-350

[5] Gonzalvez A, Llorens A, Cervera M L, et al. Elemental fingerprint of wines from the protected designation of origin valencia[J]. Food Chemistry,2009,112(1):26-34

[6]Yasui A, Shindoh K. Determination of the geographic origin of brown-rice with trace-element composition[J]. Bunseki Kagaku,2000,49(6): 405-410

[8]Sass-Kiss A, Kiss J, Havadi B, et al. Multivariate statisticalanalysis of botrytised wines of different origin[J]. Food Chemistry, 2008,110: 742-750

[9]Consonni R, Cagliani L R. Geographical characterization of polyfloral and acacia honey by nuclear magnetic resonance and chemometrics[J]. Journal of Agricultural and Food Chemistry, 2008, 56(16): 6873-6880

[10]Longobardi F, Ventrella A, Casiello G, et al. Instrumental and multivariate statistical analyses for the characterization of the geographical origin of Apulian virgin olive oils[J]. Food Chemistry, 2012,133:579-584

[11]Alonso-Salces R M, Serra F, Reniero F, et al. Botanical and geographical characterization of green coffee(coffea arabica and coffea canephora): chemometric evaluation of phenolic and methylxanthine contents[J]. Journal of Agricultural and Food Chemistry,2009,57 (10):4224-4235

[12]Castro-Vázquez L, Díaz-Maroto M C, Torres C, et al. Effect of geographical origin on the chemical and sensory characteristics of chestnut honeys[J]. Food Research International, 2010,43: 2335-2340

[13]Karouir, Martin B, Durour E. Potentiality of front-face fluorescence spectroscopy to determine the geographic origin of milks from the Haute-Loire department (France)[J]. Lait, 2005, 85(3): 223-236

[14]孙振球. 医学统计学[M]. 北京: 人民卫生出版社, 2002.

Sun Z Q.Medical Statistics[M].Beijing:People’s Medical Publishing House，2002.

Discrimination of Kidney Bean Origin by Fingerprint of Mineral Elements and Organic Compounds Combination

Qian Lili Li Pinghui Yang Yijie Zhang Dongjie

(College of Food,Heilongjiang Bayi Agricultural University, Daqing 163319)

The characteristics and content differences of the mineral element and organic compounds in kidney bean from different regions were analyzed to explore the feasibility of fingerprinting combination analysis technology of mineral elements and organic compounds in distinguishing the geographical origin of kidney bean. The concentrations of 31 mineral elements and 3 organic compound was determined in 54 samples from yian and baiquan counties of China, and analysis of variance(ANOVA)and discriminant analysis(DA)were applied in data analysis. Results showed that the overall correct discrimination rate of mineral elements fingerprints in kidney beans origin cross validation was 94.4%；the overall correct discrimination rate of organic compounds fingerprints in kidney beans origin cross validation was 83.3%；The overall correct discrimination rate of fingerprints combination of mineral elements and organic compounds in kidney beans origin was significantly improved, and the overall correct discrimination rate of cross validation was 100.0%. So, It was an effective technology that determine the geographical origin of kidney bean using mineral element and organic compounds fingerprint analysis combined with multivariate statistics.

kidney bean, mineral element, organic compounds, traceability

TS21

A

1003-0174(2016)10-0120-05

国家杂粮工程技术开发项目(2011FU125X07)，黑龙江省高等学校科技创新团队建设计划(2014TD006)，大庆市指导性科技计划(szdfy-2015-35)

2015-02-11

钱丽丽，女，1979年出生，博士，农产品质量安全

张东杰，男，1966年出生，教授，农产品加工与安全