基于中红外光谱技术的羟丙基淀粉中掺假原淀粉的快速鉴别

2017-06-19张月李沙钟金锋梁慧培覃小丽

食品与发酵工业 2017年4期

关键词：丙基二阶红外

张月，李沙，钟金锋，梁慧培，覃小丽

(西南大学食品科学学院，重庆,400715)

基于中红外光谱技术的羟丙基淀粉中掺假原淀粉的快速鉴别

张月，李沙，钟金锋，梁慧培，覃小丽*

(西南大学食品科学学院，重庆,400715)

羟丙基淀粉；中红外光谱；掺假；偏最小二乘法

羟丙基淀粉(hydroxypropyl starch, HPS)是一种重要的非离子型淀粉衍生物，羟丙基基团的引入能提高淀粉糊的亲水性和保水性以及改善淀粉的透明度、糊化温度、冻融稳定性等[1-2]。研究发现，HPS在提高冷冻食品在生产、加工、运输中的冻融稳定性、成膜性和吸水性发挥着重要作用[3-4]。另外，HPS作为还原剂和稳定剂来合成银纳米粒子，减少了有机试剂和其他还原助剂的使用，为银纳米粒子在食品贮藏保鲜、工业应用上开辟了一条绿色环保、经济可行的方向[5]。HPS还可以作为胶囊壁材，具有安全性好、成本低、稳定性好等优势，与羟丙基甲基纤维素混合使用有望降低胶囊生产生产成本及拓宽胶囊生产与HPS在胶囊生产上的应用前景[6-8]。然而，基于HPS具有优良的性能，难免会有一些不法商贩为了谋取暴利，在HPS产品中掺入价格低廉的原淀粉，使得HPS产品的品质受到影响。因此，开发一种快速、高效、准确定量鉴别HPS的掺假分析方法，对维护市场秩序以及保证HPS的品质至关重要。

目前，淀粉掺假分析方法有综合运用扫描电镜和稳定碳同位素比质谱技术法[9]和差示扫描热量仪法[10]，但这些方法都存在样品前处理过程复杂、耗时、检验精确度不高等特点。而红外光谱技术则以其具有分析速度快、低成本、样品需求量少、操作简便等优点，已被广泛应用于橄榄油[11]、巧克力[12]、牛肉[13]、葛粉[14]、魔芋粉[15]等的掺假鉴别分析。红外光谱法对HPS中掺假原淀粉的鉴别尚未见报道。因此，本文采用中红外光谱仪对掺假有原淀粉(玉米淀粉)的羟丙基玉米淀粉(hydroxypropyl corn starch, HPCS)进行检测，结合主成分分析(principal component analysis，PCA)和偏最小二乘法(partial least squares，PLS)建立HPCS掺假的预测模型，为HPS掺假的鉴别提供一种高度方便的选择。

1 材料与方法

1.1 材料与仪器

玉米淀粉，购自泰州市好食惠调味品有限公司；取代度为0.135的羟丙基玉米淀粉，自制[16]；2种羟丙基淀粉(HPCS-A和HPCS-B)市场上随机选购。

Spectrum GX 傅里叶变换红外光谱仪，Perkin-Elmer公司。

1.2 掺假羟丙基淀粉的制备

适量的2种淀粉样品和KBr经烘箱(105 ℃)干燥至恒重。准确称量(精确到0.000 1 g)恒重后的两种淀粉按不同质量比共制备21组(见表1)，每组制备10份平行样品。每份样品(精确称量10 mg)与100 mg KBr混合，经充分研磨后快速进行红外光谱仪检测以降低水分和CO2的背景干扰。

表1 掺假羟丙基玉米淀粉的制备

1.3 外部验证集样品的制备

适量的2种市购羟丙基淀粉样品、自制羟丙基淀粉样品和KBr经烘箱(105 ℃)干燥至恒重。将样品与KBr混合研磨均匀后准确称量(精确到0.000 1 g)，共制备3组(即：市售HPCS-A组5份平行样品，市售HPCS-B组5份平行样品，自制HPCS-A组4份平行样品)。制备样品后快速进行红外光谱仪检测。

1.4 红外光谱的测定条件与数据采集

光谱测定条件：DTGS 检测器，光谱分辨率4 cm-1，扫描范围4 000～400 cm-1，扫描次数64 次。每隔一段时间对仪器进行空白背景扫描，以减少基线漂移和噪音对样品测定结果的影响。采用红外光谱仪自带的Spectrum 10操作软件采集及处理红外图谱。

1.5 数据处理

采用红外光谱仪自带的Spectrum 10操作软件收集的原始光谱。将原始光谱数据经Microsoft Excel转置后导入SIMCA-P 11.0软件(Umetrics, Umeå, 瑞典)，采用一阶求导、二阶求导和Savitzky-Golay卷积平滑法处理光谱数据，平滑点数分别设为5、7、9、11、13和15，获得一阶导数光谱和二阶导数光谱。分别对原始光谱、一阶导数光谱和二阶导数光谱进行主成分分析，以降低特征参数向量的维数，从而提高模型预测准确率；最后采用偏最小二乘法建立HPCS掺假的鉴别模型。

2 结果分析

2.1 HPCS和玉米淀粉掺假的红外光谱

为较好地观察同掺假比例下样品光谱的重合情况，将不同掺假比例的样品原始光谱在原有透光率的基础上进行了适当整体上移调整，见图1(a)。由图1(a)看出，大多组比例下的10份样品其光谱重合性较好，但个别比例下的某份样品光谱重合性较差，这可能由于样品制备过程或光谱仪器不稳定造成。图1(b)和图(c)为HPCS中掺假不同比例玉米淀粉的样品红外光谱经一阶和二阶导数处理后的衍生化光谱。从肉眼观察，原始光谱、一阶导数光谱和二阶导数光谱的吸收峰的峰形和位置都相似，无法直观快速地从红外光谱图中看出HPCS中掺假玉米淀粉的比例。因此，基于样品光谱数据，需要结合化学计量学的方法(如PCA和PLS)来建立HPCS掺假的鉴别模型，以期预测HPCS中掺假玉米淀粉的比例。

a为原始光谱；b为一阶导数光谱；c为二阶导数光谱。图线说明：自上而下的每组图线代表玉米淀粉掺入比例从0%逐渐增大至100%，具体比例见表1图1 HPCS中掺有不同比例玉米淀粉的红外光谱图 Fig.1 Infrared spectrum of HPCS adulterated with corn starch at different levels

2.2 主成分分析

主成分分析是将原始变量线性组合成几个新的主要变量，其目的是降低特征参数向量的维数，以此来反映原始变量的大部分信息以及能够直观地从二维图或三维图中观察光谱的主要特征和聚类情况。采用SIMCA-P 11.0软件对原始光谱、一阶导数光谱和二阶导数光谱数据进行主成分分析，获得前两个主成分的PC散点图，如图2所示。HPCS、玉米淀粉和掺有玉米淀粉的HPCS能够得到较明显的区分，但掺假有不同比例的玉米淀粉的HPCS样品组内聚集程度相对分散，掺假的HPCS(含10%玉米淀粉)与HPCS存在重叠现象。而且，前两个主成分对信息的累计贡献率仅为75%，即仅能代表原始数据75%的信息量，这还不足以代表所测样品的主要特征。根据主成分分析理论，主成分数对信息的累计贡献率需要大于85%，才能反映原始数据绝大部分的信息。因此，有必要对原始光谱进行一阶和二阶导数变换处理，其前两个主成分的散点图见图2(b)和图2(c)。由图2(b)和图2(c)可看出，同一掺假比例组内的样品聚集程度得到改善，而且一阶导数光谱图和二阶导数光谱图的前两个主成分均能够解释原始光谱数据的95.9%的信息量，这可以较全面地反映原始数据的大部分信息。因此，对光谱进行适当的导数衍生化处理，有助于提高HPCS和HPCS中掺假玉米淀粉的区分度。

★HPCS(0%玉米淀粉), ☆10%玉米淀粉, ◆20%玉米淀粉, □30%玉米淀粉, ◀40%玉米淀粉, 45%玉米淀粉, ○50%玉米淀粉, ●55%玉米淀粉, ■60%玉米淀粉, △65%玉米淀粉, 70%玉米淀粉, 74%玉米淀粉, ▽77%玉米淀粉, ◇80%玉米淀粉, ▲84%玉米淀粉, 87%玉米淀粉, 90%玉米淀粉, 92%玉米淀粉, ▼95%玉米淀粉, 97%玉米淀粉，+100%玉米淀粉图2 掺假HPCS的原始光谱(a)、一阶导数(5点平滑)图谱(b)和二阶导数(5点平滑)图谱(c)的主成分分析图Fig.2 PCs-score plots of the original spectra (a), first-derivative spectra with 5 smoothing points (b) and second-derivative spectra with 5 smoothing points of adulterated hydroxypropyl corn starch

2.3 鉴别模型的建立与验证

2.3.1 内部验证

表2 不同光谱处理方法对PLS模型效果的影响a

图3为HPCS中掺假玉米淀粉的不同比例真实值与通过最佳模型(y=0.984 0x+0. 590 3)计算的预测值比较结果。由图3可知，HPCS掺假比例的真实值与预测值呈现良好的线性关系(相关系数为0.980 0)，说明该模型具有较好的预测效果。

图3 一阶导数谱(5个平滑点)的最优预测模型的HPCS中玉米淀粉掺入比例的预测值和实际值的比较Fig.3 Predicted values vs. actual values of adulterati on in the calibration set and validation set (first derivative spectra data with 5 smoothing points)

以90%的实验值(掺假比例)至110%的实验值(掺假比例)之间作为正确判别区间进行计算，最优预测模型中的校正集和全部样本(校正和验证集)的掺假比例预测值的正确判别率均大于81%，验证集的判别率为77.1%。造成较低的判别正确率的原因之一可能是由于样品制备过程或光谱仪稳定性等原因，某些比例的个别样品的图谱与同比例下其他份样品的重合性较差[图1(a)]，但在建立PLS模型中未剔除这些样品的图谱。结果表明该模型对掺假样品有较好的判别能力。

2.3.2 外部验证

市售HPCS-A1～A5：市售羟丙基淀粉A，市售HPCS-B1～B5：市售羟丙基淀粉B，自制HPCS-A1～A4：自制羟丙基淀粉(建立最优PLS模型后时隔半年再测的自制羟丙基淀粉)，自制HPCS-B1～B10：建立最优PLS模型时所用的自制羟丙基淀粉图4 外部验证集的红外原始光谱Fig.4 The original infrared spectrum of external validation

为检验模型的实际预测能力，在进行内部验证后，再用外部验证样品集对模型进行检验。用该模型对市场上购买的两种羟丙基淀粉和建立模型所用自制羟丙基淀粉进行红外检测与预测。图4为外部验证集的红外原始光谱图，表3为外部验证集在最优模型中的预测结果。由图4和表3可知，自制羟丙基淀粉在不同时期(相隔半年)红外光谱的预测值均处93%～106%之间，且时隔半年的同一批自制羟丙基淀粉的红外原始光谱间具有良好的重合性，表明了模型在仪器、操作及环境的变化等方面具有稳定性。市售羟丙基淀粉A的预测值为78%～81%，市售羟丙基淀粉B的预测值为71%～79%，且市售羟丙基样品的红外原始光谱与自制羟丙基淀粉的红外原始光谱具有显著差异。造成该结果的原因可能是市售的羟丙基淀粉样品中原淀粉含量较高。上述实验结果验证了模型对于不同的羟丙基淀粉均具有良好的判别能力。

表3 外部验证结果

注:表中数据以自制HPCS为100%计。

3 结论

[1] 邬应龙, 陈杭, 陈小欢,等. 不同原淀粉及其羟丙基淀粉性质的研究[J].食品科学,2008,29(5):116-119.

[2] LAWAL O S. Hydroxypropylation of pigeon pea (Cajanus cajan) starch: Preparation, functional characterizations and enzymatic digestibility[J]. LWT-Food Science and Technology, 2011,44(3): 771-778.

[3] 郭玉, 吕莹果, 陈洁, 等.预糊化羟丙基淀粉的制备及其在冷冻面条中的应用[J].河南工业大学学报(自然科学版),2013,34(1):41-46.

[4] VORWERG W, DIJKSTERHUIS J, BORGHUIS J, et al. Film properties of hydroxypropyl starch[J]. Starch,2004,56(7): 297-306.

[5] EL-RAFIE M, EL-NAGGAR M, RAMADAN M, et al. Environmental synthesis of silver nanoparticles using hydroxypropyl starch and their characterization[J]. Carbohydrate Polymers, 2011, 86(2): 630-635.

[6] 帅放文, 章家伟, 王向峰, 等. 羟丙基淀粉空心胶囊与氧氟沙星胶囊药物颗粒的相容性考察[J]. 中国药学杂志,2015,(13):1 130-1 133.

[7] ZHANG L, WANG Y, LIU H, et al. Developing hydroxypropyl methylcellulose/hydroxypropyl starch blends for use as capsule materials[J]. Carbohydrate Polymers, 2013, 98(1): 73-79.

[8] ZHANG L, WANG Y, YU L, et al. Rheological and gel properties of hydroxypropyl methylcellulose/hydroxypropyl starch blends[J]. Colloid and Polymer Science, 2015,293(1): 229-237.

[9] 王绍清, 武士奎, 穆同娜, 等. 扫描电镜和稳定碳同位素比质谱法鉴别马铃薯淀粉中的掺假玉米淀粉[J]. 食品科学,2010,31(22):332-335.

[10] 王绍清, 高峡, 兰巧峰, 等. 掺假藕粉中木薯淀粉和甘薯淀粉的鉴别-差示扫描量热法[J]. 食品工业科技,2015,36(13):325-328.

[11] 黄秀丽, 黄飞, 曾宪远, 等. 傅里叶变换红外光谱法在橄榄油掺假鉴别中的应用[J]. 中国农学通报,2014,30(30):285-289.

[12] 刘嘉, 赵秋爽, 李明奇,等. 近红外光谱快速测定巧克力中掺假淀粉[J]. 现代食品科技,2015,31(3):260-265.

[13] AL-JOWDER O, KEMSLEY E, WILSON RH. Detection of adulteration in cooked meat products by mid-infrared spectroscopy[J]. Journal of agricultural and food chemistry,2002, 50(6):1 325-1 329.

[14] 刘嘉, 李建超, 陈嘉, 等. 葛粉掺假的傅里叶变换红外光谱法鉴别研究[J]. 食品科学,2011,32(8):226-230.

[15] 吴月蛟, 董刚, 张盛林,等. 中红外光谱法快速鉴别掺杂羟丙基淀粉的魔芋粉[J]. 食品科学, 2013,34(24):140-143.

[16] 梁慧培, 覃小丽, 高松, 等. 羟丙基淀粉合成过程取代度变化规律的研究[J]. 粮食与饲料工业, 2015 (4): 24-27.

Rapid identification of hydroxypropyl starch adulteration by mid-infrared spectroscopy

ZHANG Yue, LI Sha, ZHONG Jin-feng, LIANG Hui-pei, QIN Xiao-li*

(College of Food Science, Southwest University, Chongqing 400715, China)