红外光谱技术在食用菌研究中的应用

姚 森，张 霁，刘鸿高，李杰庆,*，王元忠,*

（1.云南农业大学农学与生物技术学院，云南 昆明 650201；2.云南省农业科学院药用植物研究所，云南 昆明 650200；3.云南省省级中药原料质量监测技术服务中心，云南 昆明 650200）

红外光谱技术在食用菌研究中的应用

姚 森1,2，张 霁2,3，刘鸿高1，李杰庆1,*，王元忠2,3,*

（1.云南农业大学农学与生物技术学院，云南 昆明 650201；2.云南省农业科学院药用植物研究所，云南 昆明 650200；3.云南省省级中药原料质量监测技术服务中心，云南 昆明 650200）

红外光谱技术因其准确、快捷、无损等特点备受关注，随着该技术日趋成熟及相关科学理论的发展，红外光谱技术被广泛应用于大型真菌的化学成分分析和质量检测，且在该研究领域具有广阔发展前景。本文对红外光谱技术在食用菌研究方面的国内外现状和进展进行综述，介绍了红外光谱技术对食用菌不同种类、产地、部位的鉴别及其化学成分定量分析的相关研究，以期为食用菌进一步开发利用提供理论依据。

红外光谱；食用菌；鉴别；定量分析；开发利用

食用菌俗称蘑菇，是指子实体硕大、可供食用的大型真菌，其中大多数属于担子菌纲[1]。此类物种富含蛋白质、多糖、维生素、膳食纤维、矿物质等营养物质，食药用价值极高[2-3]，是与人类健康保障密切相关的可再生资源[4-5]。研究发现，食用菌具有促进和调节人体新陈代谢、提高免疫力、延年益寿、保健美容等功效，能够用于预防和治疗肿瘤、糖尿病、痢疾、失眠、水肿等疾病[6-7]。随着人们对生活品质的重视，消费者对饮食要求也越来越高，食用菌因其独特的口味和特殊的医疗功效深受消费者青睐，也成为科学研究领域的热门对象[8]。

食用菌是一个庞大的生物类群，资源的开发利用和贸易的增加导致其质量安全备受关注，因此亟需快速、可靠的质量检测方法为其质量监管提供技术支撑。红外光谱是分子的转动光谱或某些官能团的振动光谱，红外光谱技术可通过确定物质分子结构，进而得到样品中丰富的化学成分信息，是近年来迅速发展起来的无损检测技术，具有高灵敏度、高分辨率、快速扫描、高度计算机化等特点[9-10]，已被广泛应用于中草药、食品质量检测和植物特征性成分的定性、定量分析等方面[11-14]。红外光谱技术结合化学计量学能够反映出不同样品之间的差异，从而对样品进行区分，具有专属性强、操作简单、重现性好且成本低等优点[15]。采用红外光谱技术对食用菌进行研究，区分市场上食用菌的品质优劣，可明显提高食用菌的工业生产效率，推动食用菌的产业发展，对稳定食用菌市场、监管食用菌质量有重要的理论意义和应用前景。本文对红外光谱技术在食用菌研究方面的国内外现状和进展方面展开综述，以期为食用菌的深入研究和资源的合理开发利用提供参考。

1 食用菌的定性分析

1.1 食用菌的鉴别与分析

1.1.1 种类鉴别

食用菌数量大、种类多，同属间物种的形态特征相似，不易区分，误食引起的中毒事件时有发生，严重者有生命危险。应用红外光谱技术对食用菌进行快速辨别与区分对准确鉴别食用菌种类、保护消费者的安全与健康具有重要意义。

为有效区分不同种类的食用菌，Choong等[16]对虎乳灵芝、茯苓、猪苓、侧耳和雷丸5 种药用真菌进行中红外光谱鉴别分析，发现这5 种真菌的红外光谱相似，经过二阶导数处理后，各个样品之间差异明显，红外光谱法能够直接、有效区分这5 种药用真菌。Zhao Dezhang等[17]对不同种类的鹅膏菌进行中红外光谱分析，得出红黄鹅膏菌、隐花青鹅膏菌、灰花纹鹅膏菌、红苞鹅膏菌和锥磷白鹅膏菌的红外图谱在1 077～1 040 cm-1波数范围内有较强吸收峰，得出其主要成分是蛋白质和多糖；红外光谱在1 800～750 cm-1波数范围内有较大差异，是区分鹅膏菌种类的依据。此外，Liu Gang等[18]采用傅里叶变换红外光谱法对6 种不同的牛肝菌进行研究，结果显示主要的特征吸收峰归属于蛋白质和多糖，多糖中含有α-、β-葡萄糖；根据1 200～750 cm-1波段的吸收峰差异可以区分不同种牛肝菌。以上方法选取了特征波段作为鉴别依据，可去除干扰信息，结果准确有效。为了辨别市场上销售的干燥美味的牛肝菌中是否掺杂其他物种，Casale等[19]采用近红外光谱技术结合化学计量学方法，对3 种不同种类牛肝菌的菌盖皮、菌肉和子实层体分别进行扫描，将红外光谱数据进行低水平数据融合，进而鉴别不同种类牛肝菌；结果表明近红外光谱技术结合化学计量学方法可辨别干燥美味牛肝菌是否掺假，该方法准确、可靠，为鉴别不同种类的食用菌提供了有效方法。

红外光谱技术结合多元统计分析，将样本特征量与分类属性相互关联，将复杂的实验数据通过建模进行鉴别分类。杨天伟等[20]采用傅里叶变换红外光谱结合多元统计分析对10 种野生牛肝菌进行鉴别分析，发现原始图谱经小波压缩和正交信号校正处理后进行偏最小二乘判别分析的区分效果较好；结果表明傅里叶变换红外光谱能够准确辨别不同种类的牛肝菌，为野生菌的鉴别提供了一种辅助方法。Zervakis等[21]采用傅里叶变换红外光谱法结合聚类分析对不同种类侧耳属真菌进行研究分析，发现不同种类的侧耳属真菌的红外光谱在1 800～600 cm-1波段的吸收峰有较大差异，可作为鉴别不同种类侧耳属真菌的依据，为区分未知侧耳属真菌提供了可靠、快速的方法。同样，时有明等[22]对松茸和姬松茸进行中红外光谱鉴别研究，对比光谱信息发现，两者特征吸收峰频率位置相似，但峰形存在差异，选取1 750～1 000 cm-1吸收带进行聚类分析能准确区分松茸和姬松茸；该方法将中红外光谱技术与系统聚类分析相结合，其分析结果直观、可靠，为鉴别不同种类的食用菌提供了一种有效方法。

Xu Ning等[23]为鉴别不同品牌的发酵冬虫夏草粉末，采用近红外光谱法结合多元统计分析，研究12 500～4 000 cm-1波段范围内样品吸光度与品牌间的关系，由一阶导数进行预处理后进行主成分分析，构建主成分-反向传播人工神经网络判别模型，其预测集的相关系数和均方根误差分别为0.995 9与0.100 7；结果表明近红外光谱结合相应的模式识别方法能够消除干扰信息，快速区分不同品牌冬虫夏草发酵粉。为了比较分析灵芝变异品种和普通品种的差异，Choong等[24]对两个品种的灵芝进行红外扫描，指纹图谱显示太空变异品种的灵芝吸光度较普通灵芝高2 倍左右，二维相关红外光谱图表明太空变异品种的蛋白质峰比普通灵芝强；红外光谱清晰显示变异前后灵芝化学物质变化。为了对人工栽培毛头鬼伞和野生毛头鬼伞的化学成分进行分析比较，周继国等[25]对人工栽培种和野生种进行傅里叶变换红外光谱扫描，结果显示毛头鬼伞归属于蛋白质和多糖波段的特征吸收峰明显，表明毛头鬼伞中主要化学成分为蛋白质和多糖；人工栽培种和野生种的差异主要体现在多糖特征吸收峰的强度，野生毛头鬼伞的多糖吸收峰比人工栽培种的吸收峰更加明显，该方法简单、直观地区分了毛头鬼伞的人工栽培种和野生种。

1.1.2 产地鉴别

食用菌分布广泛，其代谢产物种类及含量会因生长环境差异发生一定变化，从而导致同种类不同产地食用菌的品质不同。根据传统方法观察食用菌外观形状、生长特性、孢子显微结构等难以辨别食用菌的产地来源，但通过红外光谱技术结合化学计量学，建立稳定的判别模型，能够快速区分不同产地的食用菌。

Choong等[26]采用傅里叶变换红外光谱技术和二维相关红外光谱法探索不同产地虎乳芝间的联系与差异，结果表明二维相关红外光谱能辨别原始光谱中的重叠信号，提高图谱分辨率，更适用于虎乳芝的产地鉴别，该类方法提高了有效信息利用率，使结果更加可靠。周在进等[27]采用傅里叶变换红外光谱法结合聚类分析，对5 个不同产地63 个野生小美牛肝菌子实体进行研究分析，在4 000～400 cm-1波段范围内的红外图谱总体特征相似，在1 800～1 000 cm-1范围内的不同产地图谱间有微小差异，对光谱进行一阶导数处理并进行聚类分析，结果表明来自5 个不同产地的63 个小美牛肝菌的聚类效果较好，分类正确率高达90.5%，为不同产地野生牛肝菌鉴别提供了有效方法。吕伟奇等[28]对来自4 个不同产地的黄硬皮马勃进行中红外光谱鉴别分析，比较多种预处理方式对鉴别效果的影响，结果表明二阶导数和多元散射校正预处理构建的判别模型辨别效果最好，傅里叶变换红外光谱技术结合判别分析能有效区分不同产地的黄硬皮马勃，该类方法增加了模型的稳定性，为鉴别不同产地食用菌提供了一种可靠、准确的鉴别方法。此外，马芳等[29]比较了大别山和云南2 个产区的茯苓皮红外指纹图谱，发现这2 个产区茯苓皮中糖类吸收峰具有显著差异，产自大别山地区的样品间草酸钙、多糖、硅酸盐含量相似，云南产区样品所含这些成分的含量有一定差别；大别山产区的茯苓皮中草酸钙含量较高，而云南产的茯苓皮中硅酸盐含量较高。

近红外光谱分析技术现阶段已相对成熟，已经广泛应用于食用菌领域的检测分析。杨海清等[30]将主成分分析法与基于遗传算法的空间分割平面技术相结合，对来自不同产地的3 种香菇的近红外光谱数据进行处理，并建立了三维空间香菇品源鉴别模型，用来快速无损鉴别不同品源香菇。同时，Liu Fei等[31]采用可见-近红外光谱法对来自4 个不同产地的木耳进行研究，从每个产地的60 个样品中随机抽取45 个样品建立校正集，其余的样品建立验证集，由主成分分析提取前4 个主成分，比较支持向量机和神经网络建模的准确度；结果表明两种建模方法的准确率分别为96.7%和98.3%，因此可见-近红外光谱结合化学计量学统计分析方法能准确地鉴别不同产地食用菌。Chen Yi等[32]采用近红外光谱对来自6 个不同产地的176 份灵芝样品进行红外光谱分析，发现不同产地的样品图谱差异明显，主要体现在4 200、4 500、5 000 cm-1和7 300 cm-1波数附近，结合化学计量学方法对近红外光谱进行主成分、偏最小二乘判别分析，结果表明近红外光谱经过数据优化处理后，对不同产地灵芝进行偏最小二乘判别分析，分类正确率可达100%。

1.1.3 部位鉴别

通过对食用菌不同部位进行鉴别分析，由食用菌的某一部位（菌盖或菌柄）识别其种类和产地，建立从部分到整体的鉴别方法，为食用菌鉴别和市场质量控制提供理论依据。刘刚等[33]分别对3 种野生蘑菇的4 个特征部位进行傅里叶变换红外光谱测试分析，发现不同部位的振动光谱有各自的特征峰，不同部位红外图谱差异明显。Mohaček-Grošev等[34]对70多种可食用或有毒真菌的菌盖、菌盖皮、菌褶、菌柄进行中红外光谱分析，发现相同属不同种蘑菇的红外图谱相似，同一个子实体不同部位红外光谱有较大差异。赵德璋[35]采用傅里叶变换红外光谱法对云南野生鹅膏菌属蘑菇进行研究，发现隐花青鹅膏菌菌褶和菌环的傅里叶变换红外光谱吸收峰有明显差别，表明蘑菇的化学成分在不同部位分布不同，可运用红外光谱技术准确区分食用菌的不同部位。此外，黄冬兰等[36]采用红外光谱三级鉴定法对松杉灵芝菌盖、表皮、菌柄、子实体4 个不同部位的红外光谱图进行了整体分析，结果表明，松杉灵芝各个部位在峰形、峰数目、峰位置和峰强度都有所不同，由此推断松杉灵芝各部位所含化学物质及含量不同。因此红外光谱法能够直观、准确地区分食用菌的不同部位。

付小环等[37]采用傅里叶变换近红外漫反射结合化学计量学方法对茯苓进行研究，一阶导数和矢量归一化对光谱数据进行优化处理，运用主成分分析法建立茯苓不同部位的最佳判别模型，其校正集、预测集判别正确率均达到100%，因此得到的分类结果准确可靠，从而建立了从整体到局部的定性分析体系。申云霞等[38]对88 份巨大口蘑进行傅里叶变换红外光谱研究分析，筛选出最佳波段，比较了多元散射校正、标准正态变量、一阶导数、二阶导数等预处理对判别模型的影响，结果表明原始光谱数据结合标准正态变量校正，选择1 800～600 cm-1波段的特征吸收峰对不同部位巨大口蘑样品进行辨别，正确率为100%。以上研究表明，红外光谱技术结合化学计量学能对食用菌的不通部位进行准确鉴别分析。

1.1.4 品质分析

食用菌品质优劣对食品加工、食用、贮藏运输等具有巨大影响，采用红外光谱技术鉴别食用菌是否受损或变质，能为在线品质检测提供有效快捷的方法，保障食用菌行业的稳定发展。Esquerre等[39]采用可见-近红外光谱法结合多元统计分析对受机械损伤的新鲜双孢菇样品进行研究，红外光谱真实反映了样品中化学成分的整体信息，并且采用二阶导数优化处理后对受损蘑菇的分辨能力明显提高，该技术能准确辨别食用菌是否受损，可应用于工业生产中。同样，对受损和未受损的双孢菇进行红外光谱研究，建立偏最小二乘判别模型对受损蘑菇进行预测，能准确辨别受损和未受损蘑菇[40]，该方法简单、准确，为检测蘑菇是否受损和食品开发检测提供了可能性。

在鉴别变质食用菌方面，赵德璋等[41]采用傅里叶变换红外光谱法对来自云南省的5 种野生块菌进行研究，发现正常块菌和霉变块菌的图谱具有明显差异，部分吸收峰的不同表明霉变后块菌蛋白质和多糖含量发生改变。此外，王娟等[42]通过近红外漫反射光谱结合化学计量学方法对双孢蘑菇进行硬度无损检测，结果表明近红外光谱采用二阶导数进行预处理，建立偏最小二乘回归法建立校正模型，能够用于预测双孢蘑菇硬度；该方法简便、合理、有效，模型稳定可靠，为食用菌在线生产提供检测手段。

张荣芳[43]基于近红外漫反射光谱技术对双孢蘑菇品质进行研究，比较4 种预处理方法对偏最小二乘校正模型的影响，通过选择最佳预处理方法，成功建立了检测双孢蘑菇内部品质的偏最小二乘判别模型，证实了近红外光谱检测双孢蘑菇内部品质具有较高有科学意义和实用价值。Jing Pu等[44]为了完善金针菇多糖质量管理方法，采用傅里叶变换红外光谱与液相色谱联用技术，结合化学计量学方法对金针菇多糖进行研究，研究发现主成分分析法对红外指纹图谱和液相指纹色谱数据的优化效果明显，适用于金针菇的在线质量检测。

1.1.5 其他鉴别分析

不同年份的食用菌受降雨量、光照等生长条件影响，其化学成分和营养物质积累存在差异。杨天伟等[45]采用傅里叶变换红外光谱技术结合多元统计分析建立快速鉴别不同年份美味牛肝菌的方法，对原始光谱使用正交信号校正和微波压缩进行优化处理，建立偏最小二乘判别模型进行分类；结果显示傅里叶变换红外光谱结合偏最小二乘判别分析区分不同年份牛肝菌的效果理想，为野生食用菌鉴别分析提供了可靠的方法。此外，有研究表明，采用傅里叶变换红外光谱对不同采集年份的巨大口蘑进行鉴别分析，结果令人满意[38]。以上方法选取最优预处理方法，消除干扰信息，建立的模型稳定性强、结果准确可靠，为区分不同采收年份食用菌提供了有效方法。

为了鉴别市场上销售的食用菌是否掺假，邵平等[46]采用近红外光谱技术分别扫描掺有质量分数为0%、5%、10%、20%、40%、60%、80%淀粉的灵芝提取物，采用多元散射校正方法预处理后，建立偏最小二乘模型对样品进行预测，预测值和实际掺假值之间无显著差异，为灵芝类食品市场监测提供了有效的方法。同样，王志军等[47]为了辨识市场销售灵芝真伪和质量优劣，对不同品种的灵芝样品进行傅里叶变换红外光谱扫描，将灵芝指纹图谱存入质量控制检索图谱库作为标准图谱，建立了一整套可用于鉴别灵芝真伪的计算机软件系统，通过该系统对灵芝样品进行检测，结果令人满意。

乌灵参是黑柄炭角菌的菌核，具有极高药用价值，杨兴仓等[48]采用傅里叶变换红外光谱法对乌灵参、鸡枞和文山三七进行扫描，通过对乌灵参和三七的红外图谱比较，发现乌灵参和三七红外图谱有52%的相似性，二者药效相近，可能与红外图谱中相似峰对应的官能团有关，据此推测在红外图谱具有62%相似性的乌灵参与鸡枞可能也有相似药用价值。以上研究表明，红外光谱技术的兴起为食用菌研究提供了更多的可能，为食用菌的进一步研究提供了科学依据。

1.2 食用菌主要化学结构的定性分析

食用菌富含蛋白质、多糖、维生素、矿物质、膳食纤维等营养物质，其中蛋白质和多糖与食用菌的食药用价值密切相关[49-50]。因红外光谱技术具有准确、高效的特点，许多学者采用红外光谱技术对食用菌化学成分及其营养价值进行研究分析，以此引导人们按需消费、安全消费，这对食用菌市场的开发具有重要意义。

1.2.1 食用菌多糖结构研究

多糖是自然界内分布极广的一种生物聚合物，一般由10 个以上单糖通过糖苷键连接而成。多糖参与机体生理代谢，具有调节免疫力、抗菌、抗病毒、抑制肿瘤、延缓衰老等生物活性[51-52]，其独特的药用价值与多糖中单糖的种类、组成比例和所含有的官能团密切相关[53]。为了探索富硒培养对金针菇多糖形态的影响，有学者对金针菇多糖的提取和纯化进行了深入的研究，并采用红外光谱法对其进行研究分析，结果显示可溶性硒多糖均为β-糖苷键连接的吡喃多糖，其中水溶性硒多糖与普通多糖结构相似，而硒酸酯的形成改变了碱溶性硒多糖中吡喃环糖苷键的构型，进一步表明在金针菇富硒培养过程中，硒参与硒多糖的合成[54]。李健等[55]采用中红外光谱与气相色谱联用对金针菇多糖的单糖组成进行鉴定，中红外图谱表明金针菇多糖具备典型的多糖吸收峰，并且多糖中含有吡喃环和呋喃环，其中胞外多糖吡喃环中多为α和β异构，胞内多糖多为β构型。Qian Jianya等[56]采用傅里叶变换红外光谱、扫描电子显微镜和X射线对真菌多糖掺假进行分析识别，结果表明红外光谱能辨别α、β的多糖异构，与其他仪器联用，可以用来鉴别市场上的掺假多糖，进而保护消费者权益，保障食用菌行业稳定发展。此外，Kozarski等[57]对树舌灵芝、赤灵芝、香菇和云芝的抗氧化性和多糖特性进行研究，采用傅里叶变换红外光谱技术扫描4 种真菌，发现在3 000～3 500 cm-1波段内4 种真菌均有较强吸收峰，表明这4 种真菌的多糖结构特征相似；在其他波段4 种真菌同样拥有较强的特征吸收峰，如在1 620～1 650 cm-1波段内为蛋白质特征吸收峰和芳香烃的C＝C键吸收峰，表明多糖内含有芳香环和酯类，食用菌中酚类物质与葡聚糖以共价键的方式连接。同样，有学者运用中红外光谱技术对食用菌多糖进行研究分析，实验采用热水浸提和乙醇沉淀法提取香菇、金针菇、草菇、平菇、杏鲍菇和茶树菇6 种食用菌多糖，中红外光谱对食用菌多糖结构进行深入研究，结果表明6 种食用菌多糖具有明显的多糖特征吸收峰，且结构相似[58]。研究食用菌多糖对进一步开发利用食用菌资源具有深远影响。

1.2.2 食用菌蛋白质与氨基酸结构研究

食用菌含有丰富的蛋白质和氨基酸，其营养价值可与肌肉蛋白相媲美[59]，所含蛋白质约占干质量的13%～46%，且氨基酸种类齐全，包含人体所需的8 种必需氨基酸，是很好的营养保健食品[60-62]。采用传统方法研究食用菌蛋白质和氨基酸耗时耗财，红外光谱测定过程则无需对样品进行复杂的预处理，适用于对其化学物质的快速鉴别。时有明等[63]采用傅里叶变换红外光谱仪测定了形态相似的灰疣鹅膏菌、灰绒鹅膏菌和灰褶鹅膏菌的光谱信息，选择酰胺Ⅰ带（中心频率1 647 cm-1）进行傅里叶自去卷积和曲线拟合处理，在1 600～1 700 cm-1范围内得到12 个子峰，每个子峰对应1 种二级结构，其中这3 种鹅膏菌的蛋白质二级结构中α-螺旋、β-折叠、β-转角和无序结构在酰胺Ⅰ带出现的位置接近，但相同的二级结构在不同物种的蛋白质中所占比例不同；结果表明傅里叶变换红外光谱技术能准确地提供大型真菌所含蛋白质的二级结构信息。刘萍等[64]综合了中红外光谱、紫外光谱等方法研究松口蘑菌丝体糖蛋白MP的结构性质，结果表明，MP为含有O-糖肽键的糖蛋白，多糖主要由葡萄糖和木糖组成，物质的量之比为34∶1，含糖基类型为O-型，氨基酸组成以甘氨酸和丝氨酸为主。此外，Modi等[65]通过傅里叶变换红外光谱法获取平菇的振动光谱，发现红外光谱能够获取平菇主要的功能性化学成分信息，3 431～1 114 cm-1波段为主要特征吸收峰，由C—O和—NH官能团的振动引起，主要物质为多糖和蛋白质；表明傅里叶变换红外光谱可快速识别平菇内化学物质，为探索傅里叶变换近红外光谱技术测定发酵菌丝体中支链氨基酸含量的可行性。Wei Xuan等[66]对发酵冬虫夏草进行近红外光谱扫描，用遗传算法和竞争自适应再加权抽样法筛选最佳变量，结果显示选择12 010～10 050、7 500～6 000 cm-1和5 000～4 000 cm-1波数范围建立的偏最小二乘判别模型最准确、稳定，表明傅里叶变换近红外光谱在发酵菌丝体工业生产和质量控制方面有巨大潜力。

2 食用菌的定量分析

红外光谱定量分析通过化学计量学选择最优实验设计和测量方法，最大限度地获取有关物质的成分、结构及其他相关信息，将样品光谱数据与待测物样品组分测量值之间建立起数学关系，从而对样品未知成分含量进行预测[67]。该方法已经广泛应用于食品中多糖[68]、维生素[69]等营养物质和中药材药用成分[70]的定量研究，具有直观、快速、有效的优点。

食用菌的定量分析主要集中在测定水分、蛋白质、多糖、腺苷、三萜类物质等成分的含量方面。李军山等[71]采用近红外漫反射技术结合化学计量学方法直接测量茯苓中的水分含量，建立预测模型；结果表明使用近红外漫反射技术对茯苓药材水分含量进行测定的结果令人满意，与其他方法相比，该方法具有快速、简单的特点。此外，Roy等[72]采用可见光-近红外反射光光谱法测量双孢蘑菇含水量，结合偏最小二乘回归方法建立校正集和验证集；结果表明模型预测含水量的错误率只有0.64%；同时Roy等认为该技术被广泛运用的前提是需要收集更多样品信息，从而进行更加可靠的建模。徐宁等[73]采用近红外光谱法结合化学计量学方法对发酵冬虫夏草菌粉的水分和腺苷含量进行定量分析，分别采用全波段和特征波段建立偏最小二乘判别分析模型；结果表明使用特征波段建模的预测结果优于全波段建模，获得的分析结果更加准确有效。红外光谱结合化学计量学筛选特征波段能够获取更多的有用信息，提高了模型的稳定性和准确性。

朱哲燕等[74]采用中红外光谱技术结合化学计量学方法预测香菇中蛋白质含量，结果表明中红外光谱分析技术适用于预测蛋白质含量，且由连续投影算法选取特征波数用来代替原始光谱进行建模分析，为香菇蛋白质含量的检测提供了新的思路。蛹虫草也叫北冬虫夏草，是一种药用价值极高的真菌，王迪等[75]采用近红外光谱法结合偏最小二乘回归法对389 个诱变蛹虫草菌株进行研究分析，选择最佳预处理方式对虫草腺苷、蛋白质、多糖和虫草酸含量建立偏最小二乘判别分析定量分析模型；结果表明蛹虫草定量分析模型对虫草腺苷、蛋白质、多糖和虫草酸含量的交叉验证均方根误差分别为0.009 1、0.022 2、0.008 8和0.652 0，预测误差均方根分别为0.007 9、0.019 6、0.087 0和0.578 0，所建立的模型内部稳定性好、预测精密度高，该方法简便、快捷、有效。此外，郭伟良等[76]在不同的发酵条件下，收集来自不同蛹虫草突变株的菌丝体并对其进行近红外光谱扫描，采用径向基神经网络建立红外光谱与其腺苷、蛋白质、多糖和虫草酸含量间的相关模型；结果显示，所建模型具有很好的稳定性和预测能力，整个方法直接、可靠，表明近红外光谱法同时测定蛹虫草菌丝体中腺苷、蛋白质、多糖和虫草酸含量是可行的。

为了初步预测灵芝多糖含量，采用傅里叶变换红外光谱法测定不同等级贵州灵芝傅里叶变换红外光谱，选择最佳波段作为变量，并建立灵芝多糖含量的红外光谱预测模型；结果显示在所选定波长处的吸光度与灵芝多糖含量显著相关，灵芝多糖含量的预测模型及其检验结果的拟合度均达到显著水平，表明红外光谱法预测灵芝多糖含量可行[77]。除此之外，李晓文等[78]采用可见-近红外光谱技术测定鸡腿菇总糖含量，收集80 个在同一生长周期不同成熟度的鸡腿菇样品进行红外扫描，经过归一化、二阶导数和滑动平均滤波等预处理后，建立偏最小二乘模型；结果显示校正集和预测集相关系数分别为0.998 9和0.982 3，精度较高，实现了鸡腿菇总糖含量的快速、准确检测。为建立稳定的近红外光谱定量分析模型，Chen Yi等[79]提取灵芝多糖和三萜类物质，采用近红外光谱法结合偏最小二乘法和径向基函数神经网络2 种化学计量学方法，对灵芝提取物进行研究分析，选取4 100～7 750 cm-1波段作为变量建模；结果显示经过一阶导数和标准正态变量预处理得到的结果最优，建立的预测模型对灵芝多糖和三萜类物质含量的预测准确性较高。红外光谱技术与化学计量学结合，建立预测模型，能够快速、稳定、准确地预测出检测物质的含量，适用于食用菌中营养物质的快速检测。

3 结 语

红外光谱技术作为一种高新分析技术具有方便快捷、无污染、无破坏性、无前处理等优势，能准确反映食用菌的整体化学信息，提供被检测物质的指纹图谱，是大型真菌领域研究的重要手段。将红外光谱技术应用于食用菌是否掺假、产地和种类的鉴别分析，可使食用菌市场更加规范，使人民身体健康和生命安全得到保证；用于食用菌化学含量测定，具有分析快速、准确等优点；亦有学者采用多种仪器联用，利用仪器特性之间互补，可以进行更加全面可靠的分析，在食用菌研究方面具有巨大潜力。综上所述，红外光谱技术在食用菌鉴别和定量分析中具有十分重要的科学意义和实用价值。

红外光谱技术依然存在一些缺点，比如：对有效信息提取率低；容易受到各种因素（如样品湿度、空气中CO2浓度、温度等）影响；模型通用性差；痕量分析误差大等。这些问题的解决是红外光谱技术发展的方向。目前，红外光谱技术在食用菌研究领域的应用具有较大的局限性，随着红外光谱及相关技术的发展，红外光谱技术在食用菌研究领域将会有更广阔的前景，对其产业的发展将具有巨大的推动作用。

[1] 李聪, 王稳航. 食用菌膳食纤维研究的新进展[J]. 中国食品添加剂,2015(10): 159-164. DOI:10.3969/j.issn.1006-2513.2015.10.020.

[2] WANG X M, ZHANG J, WU L H, et al. A mini-review of chemical composition and nutritional value of edible wild-grown mushroom from China[J]. Food Chemistry, 2014, 151: 279-285. DOI:10.1016/j.foodchem.2013.11.062.

[3] HELENO S A, FERREIRA R C, ANTONIO A L, et al. Nutritional value, bioactive compounds and antioxidant properties of three edible mushrooms from Poland[J]. Food Bioscience, 2015, 11: 48-55.DOI:10.1016/j.fbio.2015.04.006.

[4] WASSER S P. Current fi ndings, future trends, and unsolved problems in studies of medicinal mushrooms[J]. Applied Microbiology and Biotechnology, 2011, 89(5): 1323-1332. DOI:10.1007/s00253-010-3067-4.

[5] 魏江春. 菌物生物多样性与人类可持续发展[J]. 中国科学院院刊,2010, 25(6): 645-650. DOI:10.3969/j.issn.1000-3045.2010.06.010.

[6] ROUPAS P, KEOGH J, NOAKES M, et al. The role of edible mushrooms in health: evaluation of the evidence[J]. Journal of Functional Foods, 2012, 4(4): 687-709. DOI:10.1016/j.jff.2012.05.003.

[7] CHATTERJEE B, PATEL T. Edible mushroom: a nutritious food improving human health[J]. International Journal of Clinical and Biomedical Research (IJCBR), 2016, 2(1): 34-37.

[8] 戴玉成, 周丽伟, 杨祝良, 等. 中国食用菌名录[J]. 菌物学报, 2010,29(1): 1-21. DOI:10.13346/j.mycosystema.2010.01.022.

[9] ALEXANDRAKIS D, DOWNEY G, SCANNELL A G M. Rapid nondestructive detection of spoilage of intact chicken breast muscle using near-infrared and Fourier transform mid-infrared spectroscopy and multivariate statistics[J]. Food and Bioprocess Technology, 2012, 5(1):338-347. DOI:10.1007/s11947-009-0298-4.

[10] KAROUI R, DOWNEY G, BLECKER C. Mid-infrared spectroscopy coupled with chemometrics: a tool for the analysis of intact food systems and the exploration of their molecular structure-quality relationships: a review[J]. Chemical Reviews, 2010, 110(10): 6144-6168. DOI:10.1021/cr100090k.

[11] 李运, 王元忠, 杨维泽, 等. 红外光谱对三七及其野生近缘种亲缘关系研究[J]. 光谱学与光谱分析, 2016, 36(8): 2420-2424.DOI:10.3964/j.issn.1000-0593(2016)08-2420-05.

[12] JIANG Y, DAVID B, TU P F, et al. Recent analytical approaches in quality control of traditional Chinese medicines: a review[J]. Analytica Chimica Acta, 2010, 657(1): 9-18. DOI:10.1016/j.aca.2009.10.024.

[13] SUN S Q CHEN J B, ZHOU Q, et al. Application of mid-infrared spectroscopy in the quality control of traditional Chinese medicines[J].Planta Medica, 2010, 76(17): 1987-1996. DOI:10.1055/s-0030-1250520.

[14] SHAO Q S, ZHANG A L, YE W W, et al. Fast determination of two atractylenolides in Rhizoma Atractylodis Macrocephalae by Fourier transform near-infrared spectroscopy with partial least squares[J]. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2014, 120: 499-504. DOI:10.1016/j.saa.2013.10.035.

[15] MA H L, WANG J W, CHEN Y J, et al. Rapid authentication of starch adulterations in ultraf i ne granular powder of Shanyao by near-infrared spectroscopy coupled with chemometric methods[J]. Food Chemistry,2017, 215: 108-115. DOI:10.1016/j.foodchem.2016.07.156.

[16] CHOONG Y K, LAN J, LEE H L, et al. Differential identification of mushrooms sclerotia by IR macro-fingerprint method[J].Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2016, 152: 34-42. DOI:10.1016/j.saa.2015.07.054.

[17] ZHAO Dezhang, LIU Gang, SONG Dingshan, et al. Identif i cation of Amanita mushrooms by Fourier transform infrared spectroscopy[C]//XU Kexin, LUO Qingming, DA Xing, et al. Fourth International Conference on Photonics and Imaging in Biology and Medicine.America: Proceedings of International Society for Optics and Photonics, 2006. DOI:10.1117/12.710977.

[18] LIU Gang, SONG Dingshan, ZHAO Dezhang, et al. A study of the mushrooms of boletes by Fourier transform infrared spectroscopy[C]//VON BALLY G, LUO Q, ICO20: Optical Devices and Instruments.Changchun: Proceedings of International Society for Optics and Photonics, 2006. DOI:10.1117/12.667136.

[19] CASALE M, BAGNASCO L, ZOTTI M, et al. A NIR spectroscopybased efficient approach to detect fraudulent additions within mixtures of dried porcini mushrooms[J]. Talanta, 2016, 160: 729-734.DOI:10.1016/j.talanta.2016.08.004.

[20] 杨天伟, 张霁, 史云东, 等. 红外光谱结合多元统计分析快速鉴别不同种类牛肝菌[J]. 食品科学, 2015, 36(24): 116-121. DOI:10.7506/spkx1002-6630-201524020.

[21] ZERVAKIS G I, BEKIARIS G, TARANTILIS P A, et al. Rapid strain classif i cation and taxa delimitation within the edible mushroom genus Pleurotus through the use of diffuse reflectance infrared Fourier transform (DRIFT) spectroscopy[J]. Fungal Biology, 2012, 116(6):715-728. DOI:10.1016/j.funbio.2012.04.006.

[22] 时有明, 刘刚, 孙艳琳, 等. FTIR光谱结合系统聚类分析鉴别松茸和姬松茸的研究[J]. 光散射学报, 2010, 22(2): 171-174. DOI:10.13883/j.issn1004-5929.2010.02.007.

[23] XU Ning, LUO Weiqiang, YANG Haiqign. Rapid discrimination of fermented Cordyceps mycelium powder by near-infrared spectroscopy(NIRS)[J]. Applied Mechanics and Materials, 2013, 302: 189-193.DOI:10.4028/www.scientif i c.net/AMM.302.189.

[24] CHOONG Y K, CHEN X, JAMAL J A, et al. Preliminary results of determination of chemical changes on Lingzhi or Reishi medicinal mushroom, Ganoderma lucidum (W. Curt.: Fr.) P. Karst. (Higher Basidiomycetes) carried by Shenzhou I spaceship with FTIR and 2D-IR correlation spectroscopy[J]. International Journal of Medicinal Mushrooms,2012, 14(3): 295-305. DOI:10.1615/IntJMedMushr.v14.i3.60.

[25] 周继国, 刘刚, 刘剑虹, 等. 毛头鬼伞的红外光谱研究[J]. 光谱学与光谱分析, 2008, 28(2): 321-323. DOI:10.3964/j.issn.1000-0593.2008.02.020.

[26] CHOONG Y K, XU C H, LAN J, et al. Identif i cation of geographical origin of Lignosus samples using Fourier transform infrared and twodimensional infrared correlation spectroscopy[J]. Journal of Molecular Structure, 2014, 1069: 188-195. DOI:10.1016/j.molstruc.2014.04.001.

[27] 周在进, 刘刚, 任先培. 不同产地小美牛肝菌的红外光谱聚类分析研究[J]. 激光与红外, 2009, 39(11): 1158-1162. DOI:10.3969/j.issn.1001-5078.2009.11.007.

[28] 吕伟奇, 张霁, 赵艳丽, 等. 不同产地黄硬皮马勃的红外光谱鉴别方法研究[J]. 河南农业科学, 2016, 45(1): 104-107; 142. DOI:10.15933/j.cnki.1004-3268.2016.01.023.

[29] 马芳, 张方, 汤进, 等. 不同产地茯苓皮药材红外光谱的识别[J].光谱学与光谱分析, 2014, 34(2): 376-380. DOI:10.3964/j.issn.1000-0593(2014)02-0376-05.

[30] 杨海清, 何勇, 陈永明, 等. 应用可见/近红外光谱技术鉴别香菇品源的三维空间建模研究[J]. 光谱学与光谱分析, 2008, 28(6): 1232-1236. DOI:10.3964/j.issn.1000-0593.2008.06.008.

[31] LIU Fei, HE Yong. Discrimination of producing areas of Auricularia auricula using visible/near infrared spectroscopy[J]. Food and Bioprocess Technology, 2011, 4(3): 387-394. DOI:10.1007/s11947-008-0174-7.

[32] CHEN Yi, XIE Mingyong, YAN Yan, et al. Discrimination of Ganoderma lucidum according to geographical origin with near infrared diffuse reflectance spectroscopy and pattern recognition techniques[J]. Analytica Chimica Acta, 2008, 618(2): 121-130.DOI:10.1016/j.aca.2008.04.055.

[33] 刘刚, 刘剑虹, 宋鼎珊, 等. 野生食用蕈菌不同部位的红外光谱研究[J].光谱学与光谱分析, 2005, 25(7): 1053-1056. DOI:10.3321/j.issn:1000-0593.2005.07.012.

[34] MOHAČEK-GROŠEV V, BOŽAC R, PUPPELS G J. Vibrational spectroscopic characterization of wild growing mushrooms and toadstools[J]. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2001, 57(14): 2815-2829. DOI:10.1016/S1386-1425(01)00584-4.

[35] 赵德璋. 块菌、鹅膏菌、牛肝菌和红菇的红外光谱研究[D]. 昆明:云南师范大学, 2006: 1-82.

[36] 黄冬兰, 陈小康, 徐永群. 松杉灵芝不同部位的红外光谱分析研究[J]. 分析科学学报, 2015, 31(1): 59-62. DOI:10.13526/j.issn.1006-6144.2015.01.013.

[37] 付小环, 胡军华, 李家春, 等. 应用近红外光谱技术对茯苓药材进行定性定量检测研究[J]. 中国中药杂志, 2015, 40(2): 280-286.DOI:10.4268/cjcmm20150222.

[38] 申云霞, 李涛, 赵艳丽, 等. 巨大口蘑不同年限和部位的红外光谱鉴定[J]. 贵州农业科学, 2015, 43(3): 159-163. DOI:10.3969/j.issn.1001-3601.2015.03.039.

[39] ESQUERRE C, GOWEN A A, O’DONNELL C P, et al. Initial studies on the quantitation of bruise damage and freshness in mushrooms using visible-near-infrared spectroscopy[J]. Journal of Agricultural and Food Chemistry, 2009, 57(5): 1903-1907. DOI:10.1021/jf803090c.

[40] O’GORMAN A, DOWNEY G, GOWEN A A, et al. Use of Fourier transform infrared spectroscopy and chemometric data analysis to evaluate damage and age in mushrooms (Agaricus bisporus) grown in Ireland[J]. Journal of Agricultural and Food Chemistry, 2010, 58(13):7770-7776. DOI:10.1021/jf101123a.

[41] 赵德璋, 刘刚, 宋鼎珊, 等. 块菌的傅里叶变换红外光谱研究[J]. 光谱学与光谱分析, 2006, 26(8): 1445-1448. DOI:10.3321/j.issn:1000-0593.2006.08.017.

[42] 王娟, 张荣芳, 王相友. 双孢蘑菇硬度的近红外漫反射光谱无损检测[J]. 农业机械学报, 2012, 43(11): 163-168. DOI:10.6041/j.issn.1000-1298.2012.11.031.

[43] 张荣芳. 双孢蘑菇品质的近红外漫反射光谱无损检测研究[D]. 淄博: 山东理工大学, 2012: 1-64.

[44] JING Pu, ZHAO Shujuan, LU Manman, et al. Multiple-fingerprint analysis for investigating quality control of Flammulina velutipes fruiting body polysaccharides[J]. Journal of Agricultural and Food Chemistry, 2014, 62(50): 12128-12133. DOI:10.1021/jf504349r.

[45] 杨天伟, 李涛, 李杰庆, 等. 不同年份和产地美味牛肝菌的红外光谱鉴别研究[J]. 光谱学与光谱分析, 2016, 36(7): 2117-2123.DOI:10.3964/j.issn.1000-0593(2016)07-2117-07.

[46] 邵平, 王钧, 王星丽, 等. 基于近红外光谱技术的灵芝提取物掺假定量快速无损检测研究[J]. 核农学报, 2016, 30(1): 103-109.DOI:10.11869/j.issn.100-8551.2016.01.0103.

[47] 王志军, 朱仲良, 从培盛, 等. 中药灵芝FTIR指纹图谱的研究[J]. 海南师范大学学报(自然科学版), 2009, 22(1): 42-44; 51. DOI:10.3969/j.issn.1674-4942.2009.01.011.

[48] 杨兴仓, 司民真. 乌灵参的红外光谱分析[J]. 光散射学报, 2011,23(3): 289-293.

[49] VILLARES A, MATEO-VIVARACHO L, GUILLAMÓN E.Structural features and healthy properties of polysaccharides occurring in mushrooms[J]. Agriculture, 2012, 2(4): 452-471. DOI:10.3390/agriculture2040452.

[50] DE SILVA D D, RAPIOR S, SUDARMAN E, et al. Bioactive metabolites from macrofungi: ethnopharmacology, biological activities and chemistry[J]. Fungal Diversity, 2013, 62(1): 1-40. DOI:10.1007/s13225-013-0265-2.

[51] ZAIDMAN B Z, YASSIN M, MAHAJNA J, et al. Medicinal mushroom modulators of molecular targets as cancer therapeutics[J].Applied Microbiology and Biotechnology, 2005, 67(4): 453-468.DOI:10.1007/s00253-004-1787-z.

[52] MORADALI M F, MOSTAFAVI H, GHODS S, et al.Immunomodulating and anticancer agents in the realm of macromycetes fungi (macrofungi)[J]. International Immunopharmacology, 2007, 7(6): 701-724. DOI:10.1016/j.intimp.2007.01.008.

[53] 葛青, 张安强, 孙培龙. 真菌多糖结构修饰及鉴定研究进展[J]. 中国食用菌, 2008, 27(1): 5-8. DOI:10.3969/j.issn.1003-8310.2008.01.002.

[54] 铁梅, 李闯, 费金岩, 等. 富硒金针菇子实体中硒多糖的分离纯化技术及红外光谱研究[J]. 分析测试学报, 2008, 27(2): 158-161.DOI:10.3969/j.issn.1004-4957.2008.02.011.

[55] 李健, 张竹青, 陈辉. 气相色谱和红外光谱对金针菇多糖的分析研究[J]. 食品工业科技, 2010, 31(9): 147-149. DOI:10.13386/j.issn1002-0306.2010.09.101.

[56] QIAN Jianya, CHEN Wei, ZHANG Weiming, et al. Adulteration identif i cation of some fungal polysaccharides with SEM, XRD, IR and optical rotation: a primary approach[J]. Carbohydrate Polymers, 2009,78(3): 620-625. DOI:10.1016/j.carbpol.2009.05.025.

[57] KOZARSKI M, KLAUS A, NIKŠIĆ M, et al. Antioxidative activities and chemical characterization of polysaccharide extracts from the widely used mushrooms Ganoderma applanatum, Ganoderma lucidum, Lentinus edodes and Trametes versicolor[J]. Journal of Food Composition and Analysis, 2012, 26(1/2): 144-153. DOI:10.1016/j.jfca.2012.02.004.

[58] 孙延芳, 李子昂, 梁宗锁, 等. 食用菌多糖及其红外光谱分析[J]. 黑龙江农业科学, 2011(10): 99-100. DOI:10.3969/j.issn.1002-2767.2011.10.038.

[59] 倪宗耀. 食用菌的食疗作用与保健功效[J]. 食药用菌, 2013, 21(1):22-25.

[60] 杨文建, 赵立艳, 安辛欣, 等. 食用菌营养与保健功能研究进展(综述)[J]. 食药用菌, 2011, 19(1): 15-18.

[61] KALAČ P. A review of chemical composition and nutritional value of wild-growing and cultivated mushrooms[J]. Journal of the Science of Food and Agriculture, 2013, 93(2): 209-218. DOI:10.1002/jsfa.5960.

[62] 邹盛勤, 陈武. 食用菌的营养成分 药理作用及开发利用[J]. 安徽农业科学, 2005, 33(3): 502-503. DOI:10.3969/j.issn.0517-6611.2005.03.083.

[63] 时有明, 刘刚, 周湘萍, 等. 基于曲线拟合的形态相似鹅膏菌的傅里叶变换红外光谱研究[J]. 分析化学, 2008, 36(8): 1105-1108.DOI:10.3321/j.issn:0253-3820.2008.08.019.

[64] 刘萍, 陶文沂, 敖中华. 松口蘑菌丝体糖蛋白MP的性质及其结构[J]. 无锡轻工大学学报, 2004(1): 17-20. DOI:10.3321/j.issn:1673-1689.2004.01.005.

[65] MODI H A. Evaluation of bioactive functional compound of edible mushroom pleurotus ostreatus by FT-IR spectrum[J]. International Journal of Innovative Knowledge Concepts, 2016, 2(1): 90-92.

[66] WEI Xuan, XU Ning, WU Du, et al. Determination of branchedamino acid content in fermented Cordyceps sinensis Mycelium by using FT-NIR spectroscopy technique[J]. Food and Bioprocess Technology, 2014, 7(1): 184-190. DOI:10.1007/s11947-013-1053-4.

[67] KWON Y K, JIE E Y, SARTIE A, et al. Rapid metabolic discrimination and prediction of dioscin content from African yam tubers using Fourier transform-infrared spectroscopy combined with multivariate analysis[J]. Food Chemistry, 2015, 166: 389-396. DOI:10.1016/j.foodchem.2014.06.035.

[68] YANG H, IRUDAYARAJ J, PARADKAR M M. Discriminant analysis of edible oils and fats by FTIR, FT-NIR and FT-Raman spectroscopy[J]. Food Chemistry, 2005, 93(1): 25-32. DOI:10.1016/j.foodchem.2004.08.039.

[69] WOJCIECHOWSKI C, DUPUY N, TA C D, et al. Quantitative analysis of water-soluble vitamins by ATR-FTIR spectroscopy[J].Food Chemistry, 1998, 63(1): 133-140. DOI:10.1016/S0308-8146(97)00138-6.

[70] NUMATA Y, TANAKA H. Quantitative analysis of quercetin using Raman spectroscopy[J]. Food Chemistry, 2011, 126(2): 751-755.DOI:10.1016/j.foodchem.2010.11.059.

[71] 李军山, 彭新华, 张博. 近红外光谱法快速测定茯苓药材水分[J]. 亚太传统医药, 2011, 7(8): 36-38.

[72] ROY S, ANANTHESWARAN R C, SHENK J S, et al. Determination of moisture content of mushrooms by Vis-NIR spectroscopy[J].Journal of the Science of Food and Agriculture, 1993, 63(3): 355-360.DOI:10.1002/jsfa.2740630314.

[73] 徐宁, 魏萱, 任冰, 等. 发酵冬虫夏草菌粉水分腺苷的近红外光谱定量分析及波段选择[J]. 光谱学与光谱分析, 2012, 32(7): 1762-1765.DOI:10.3964/j.issn.1000-0593(2012)07-1762-04.

[74] 朱哲燕, 刘飞, 张初, 等. 基于中红外光谱技术的香菇蛋白质含量测定[J]. 光谱学与光谱分析, 2014, 34(7): 1844-1848. DOI:10.3964/j.issn.1000-0593(2014)07-1844-05.

[75] 王迪, 张嫒莉, 孟庆繁, 等. 近红外光谱在快速测定蛹虫草有效成分含量中的应用[J]. 光学学报, 2009, 29(10): 2795-2799. DOI:10.3788/AOS20092910.2795.

[76] 郭伟良, 王丹, 宋佳, 等. 近红外光谱法同时快速定量分析蛹虫草菌丝体中4 种有效成分[J]. 光学学报, 2011, 31(2): 282-289.DOI:10.3788/AOS20092910.2795.

[77] 常静, 唐延林, 刘子恒, 等. 灵芝多糖含量的红外光谱预测模型研究[J]. 光谱实验室, 2010, 27(2): 677-680. DOI:10.3969/j.issn.1004-8138.2010.02.068.

[78] 李晓文, 李萍萍, 袁俊杰. 基于可见/近红外光谱的鸡腿菇总糖含量测定方法[J]. 江苏农业科学, 2013, 41(9): 279-281. DOI:10.3969/j.issn.1002-1302.2013.09.109.

[79] CHEN Yi, XIE Mingyong, ZHANG Hui, et al. Quantification of total polysaccharides and triterpenoids in Ganoderma lucidum and Ganoderma atrum by near infrared spectroscopy and chemometrics[J].Food Chemistry, 2012, 135(1): 268-275. DOI:10.1016/j.foodchem.2012.04.089.

A Review of the Application of Infrared Spectroscopy in Chemical Analysis and Quality Control of Edible Mushrooms

YAO Sen1,2, ZHANG Ji2,3, LIU Honggao1, LI Jieqing1,*, WANG Yuanzhong2,3,*
(1. College of Agronomy and Biotechnology, Yunnan Agricultural University, Kunming 650201, China;2. Institute of Medicinal Plants, Yunnan Academy of Agricultural Sciences, Kunming 650200, China;3. Yunnan Technical Center for Quality of Chinese Materia Medica, Kunming 650200, China)

In recent years, infrared (IR) spectroscopy has caught much attention due to its characteristics of high accuracy,rapidity and nondestructiveness. With increasing maturation of IR spectroscopy and the development of the related theory,this promising technology has been widely applied to the quality control and chemical analysis of edible mushrooms.In this review, we have summarized the application of IR spectroscopy in the quality control and chemical analysis of edible mushrooms worldwide. This article presents a review of recent studies on the application of IR spectroscopy to identify different species, geographical origins and parts of edible mushrooms and quantify their chemical composition. In conclusion, this review is expected to provide valuable theoretical information for further development and utilization of edible mushrooms.

infrared spectroscopy; edible mushroom; discrimination; quantitative analysis; development and utilization

10.7506/spkx1002-6630-201801046

TS201.2

A

1002-6630（2018）01-0305-08

姚森, 张霁, 刘鸿高, 等. 红外光谱技术在食用菌研究中的应用[J]. 食品科学, 2018, 39(1): 305-312.

10.7506/spkx1002-6630-201801046. http://www.spkx.net.cn

YAO Sen, ZHANG Ji, LIU Honggao, et al. A review of the application of infrared spectroscopy in chemical analysis and quality control of edible mushrooms[J]. Food Science, 2018, 39(1): 305-312. (in Chinese with English abstract)

DOI:10.7506/spkx1002-6630-201801046. http://www.spkx.net.cn

2016-10-15

国家自然科学基金地区科学基金项目（31660591）；云南省教育厅科学研究基金项目（2016ZZX106）

姚森（1992—），男，硕士，主要从事牛肝菌光谱指纹图谱研究。E-mail：yaosen0402@163.com

*通信作者简介：李杰庆（1982—），男，讲师，硕士，主要从事食用菌研究。E-mail：lijieqing2008@126.com

王元忠（1981—），男，副研究员，硕士，主要从事药用真菌研究。E-mail：boletus@126.com