花生自然风干种子维生素E含量近红外分析模型构建

刘婷 王传堂 唐月异 胡东青 王秀贞 吴琪 孙全喜 王志伟 宋国生 石程仁 殷冬梅

摘要：采集42份自然风干花生种子近红外光谱，并进行维生素E含量的反相高效液相色谱（RP-HPLC）测定，利用偏最小二乘法（Modified PLS）构建了多粒自然风干花生种子维生素E含量的近红外定量分析模型。经优化及内部交叉检验，确定最佳光谱预处理方法为“一阶导数+多元散射矫正”，维生素E含量谱区范围为6 094.3～7 506.0、4 242.8～5 454.0 cm-1，维数为8，模型的决定系数（R2）为88.34，交叉检验根均方差（RMSECV）为0.423。利用该模型对6份花生野生种样品的维生素E含量进行预测，t测验结果显示预测值与真实值间差异不显著。可见，所建近红外光谱模型可以很好地预测自然风干花生种子中维生素E的含量。

关键词：花生；自然风干种子；维生素E含量；近红外定量分析

中图分类号：S565.201文献标识号：A文章编号：1001-4942（2018）06-0163-04

Abstract To build a near infrared spectroscopy （NIRS） model for predicting vitamin E content in sun-dried peanut seeds， spectral data of 42 peanut seed samples were collected and the vitamin E content of each sample was determined by reverse phase high performance liquid chromatography （RP-HPLC）. Then a NIR calibration model for vitamin E content was established by partial least squares method （modified PLS）. Through optimizing and internal cross validation， the optimal spectrum pretreatment method was the first derivative plus multiplicative scattering correction. The spectrum range， rank， determination coefficient （R2） and root-mean-squares error of cross-validation （RMSECV） for vitamin E were 6 094.3～7 506.0 cm-1 and 4 242.8～5 454.0 cm-1， 8， 88.34 and 0.423， respectively. The model was used to predict the vitamin E content of 6 samples of wild peanut species， and the t test results showed that the difference between the predicted value and true value was not significant. Therefore， the constructed near-infrared spectroscopy model could predict the content of vitamin E in sun-dried peanut seeds very well.

Keywords Peanut； Sun-dried seed； Vitamin E content； Near infrared spectroscopy （NIRS）

花生是世界上主要的經济作物，是优质食用植物油和高消化率蛋白质的重要来源[1]。花生中含有比较丰富的维生素E[2，3]。维生素E是一种天然的抗氧化剂，是机体重要的脂溶性维生素，具有增强免疫力、延缓衰老、降低心血管疾病和癌症发病率的功效[4，5]。维生素E的传统测定方法包括荧光光谱法、高效液相色谱法、蔽塞法、气相色谱法等，成本高、费时间、有一定破坏性。花生高维生素E育种迄今未能开展，原因就在于缺乏成本低廉、速度快、稳定可靠的选择鉴定技术。

近红外检测技术具有成本低、无损、速度快等优点，已在棉籽、油菜、玉米、大豆、芝麻等多种农作物的品质分析中应用[6-13]，在花生上也已成功建立了能准确预测脂肪酸、脂肪、蛋白、水分、蔗糖等含量的近红外模型[14-18]，但有关花生维生素E含量预测的近红外模型迄今未见报道。本研究利用自然风干花生种子，采集其近红外光谱，并通过RP-HPLC法测定其维生素E含量，目的在于构建花生维生素E多粒近红外模型，为花生高维生素E育种提供选择手段。

1 材料与方法

1.1 试验材料

构建维生素E模型所用的试验材料系来自国内外的42 份花生品种（系），如表1所示。

1.2 试验方法

1.2.1 光谱采集 所用光谱数据均在德国布鲁克光谱仪器公司生产的Matrix-Ⅰ型傅立叶变换近红外光谱仪上采集。扫描谱区范围为4 000～12 000 cm-1，扫描次数64次，分辨率为8 cm-1。开机预热30 min后检测样品。采集光谱所用花生种子为自然日光干燥的样品，每份材料约30～50粒，重复扫描3次。

1.2.2 维生素E含量测定 按GB 5009.82—2016中的反相高效液相色谱法[19]进行测定。

1.2.3 模型构建与优化 光谱处理和模型构建采用Matrix-Ⅰ型近红外光谱仪自带的OPUS 5.5软件，用NIR选项自动寻优，选择最佳光谱预处理办法、最佳谱区、维数；采用内部交叉检验进一步验证，并剔除奇异点（outlier）。通过比较样品预测值与化学值的决定系数（R2）和交叉验证根均方差（RMSECV）衡量模型质量，筛选最佳模型。

对所建模型进行外部验证，即：随机挑选验证样品，利用DPS 14.50数据分析软件对样品的预测值和化学值进行配对t测验，根据分析结果判断模型的可靠性。

2 结果与分析

2.1 近红外光谱的采集

采集的花生自然风干多粒种子的近红外光谱如图1所示，符合预期。

2.2 花生籽仁中维生素E含量的化学分析

采用HPLC法测定42份花生籽粒样品中的维生素E含量，样品化学值相关参数见表2。维生素E含量均值为10.97 mg/100g，最大、最小值分别为17.10、8.21 mg/100g。表明建模花生樣品维生素E含量变幅尚可，可用于近红外光谱模型构建。

2.3 近红外模型建立

经自动优化，确定花生种子维生素E含量的最佳光谱预处理方法为“一阶导数+多元散射矫正”，谱区范围为6 094.3～7 506.0、4 242.8～5 454.0 cm-1，维数为8，模型的R2为88.34，RMSECV为0.423（图2）。

2.4 模型预测效果验证

另取6份外部花生样品（均为野生种），检验模型预测效果，结果（表3）显示，维生素E含量偏差为-0.76～0.59 mg/100g。对预测值与化学值进行成对数据t测验，两组数据均值差为0.101，自由度为5，t值为0.545

3 结论

维生素E抗氧化性强，有益人体健康[20]。有人曾将兰娜型品种制取的花生油稳定性强与其含有较多的维生素E联系起来[21]。因此，提高花生种子中维生素E含量，不仅与人体健康息息相关，而且可能会有助于延长花生制品的货架期。

本研究采用反相高效液相色谱法测定花生种子中维生素E含量，与正相高效液相色谱法相比，其具有保留时间恒定、平衡快、色谱柱性能稳定的优点。所构建的自然风干花生种子维生素E含量近红外模型的R2较高，RMSECV较小，预测效果较好，为培育高维生素E花生品种提供了新的选择手段。下一步将用于筛选本项目组化学诱变后代、种间杂交后代群体以及国内外种质，并利用经色谱法确认的维生素E含量更高的材料进一步优化补充模型，拓宽模型的适用范围。

参 考 文 献：

[1] 万书波，封海胜，王秀贞. 花生营养成分综合评价与产业化发展战略研究[J]. 花生学报，2004，33（2）：1-6.

[2] 周筱丹，董晓芳，佟建明. 维生素E的生物学功能和安全性评价研究进展[J]. 动物营养学报，2010，22（4）：817-822.

[3] 张建书，王强，刘红芝，等. 不同地区花生品种VE、植物甾醇组成与含量的分析比较[J]. 食品科学，2012，33（22）：191-194.

[4] Jiang Q.Natural forms of vitamin E： metabolism，antioxidant，and anti-inflammatory activities and their role in disease prevention and therapy [J]. Free Radic. Biol.Med.，2014，72： 76-90.

[5] Schneider C.Chemistry and biology of vitamin E [J].Mol.Nutr.Food Res.，2005，49（1）：7-30.

[6] 张晓芳，俞信，阎吉祥，等.近红外反射技术开放式检测棉籽中水分和油含量的研究[J]. 光谱学与光谱分析，2007，27（13）：473-476.

[7] Lordelo M M， Shaaban S A， Dale N M， et al.Near infrared reflectance spectroscopy for the determination of free gossypol in cotton seed meal[J].Journal of Applied Poultry Research， 2008，17（2）：243-248.

[8] 秦利，沈晓佳，陈进红，等. 近红外反射光谱法（NIRS）测定棉仁粉中蛋白质和棉酚含量的研究[J]. 光谱学与光谱分析，2010，30（3）：635-639.

[9] 吕培军，薛蕾，伍晓明，等. HPLC 法分析油菜种子油中维生素E的组成与含量[J]. 植物遗传资源学报，2011，12（4）：634-639，645.

[10]康月琼，郝风，柴勇，等. 油菜品质近红外检测模型建立的研究[J].中国农学通报，2011，27（5）： 144-148.

[11]魏良明，严衍禄，戴景瑞.近红外反射光谱测定玉米完整籽粒蛋白质和淀粉含量的研究[J].中国农业科学，2004，37（5）：630-633.

[12]王铎，张力，范素杰，等. 大豆主要脂肪酸含量近红外模型的建立[J].大豆科学，2017，36（2）：295-299.

[13]刘盼，张艳欣，黎冬华，等. 基于近红外模型的芝麻核心种质油脂和蛋白质含量变异分析[J].中国油料作物学报，2016，38（6）：722-729.

[14]张建成，王传堂，王秀贞，等. 花生自然风干种子油酸、亚油酸和棕榈酸含量的近红外分析模型构建[J]. 中国农学通报，2011，27（3）：90-93.

[15]杨传得，唐月异，王秀贞，等. 傅立叶近红外漫反射光谱技术在花生脂肪酸分析中的应用[J]. 花生学报，2015，44（1）：11-17.

[16]王秀贞，唐月异，张建成，等. 近红外技术分析化学诱变对花生脂肪、蛋白质和蔗糖含量的影响[J]. 花生学报，2009，38（4）：5-8.

[17]杨传得，于洪涛，关淑艳，等. 近红外反射光谱技术预测花生种子含水量[J]. 花生学报，2012，41（1）：6-9，20.

[18]秦利，刘华，杜培，等. 基于近红外光谱法的花生籽仁中蔗糖含量的测定[J]. 中国油料作物学报， 2016，38（5）：666-671.

[19]中华人民共和国国家卫生和计划生育委员会，国家食品药品监督管理总局. GB5009.82—2016 食品安全国家标准食品中维生素A、 D、 E的测定[S]. 2016-12-23.

[20]Schmlz L，Birringer M，Lorkowski S，et al. Complexity of vitamin E metabolism [J]. World Journal of Biological Chemistry， 2016， 7（1）： 14-43.

[21]Pattee H E， Young C T. Peanut science and technology [M]. American Peanut Research and Education Association，1982.