基于气相离子迁移谱和化学计量学方法判别肉的种类

陈 通 吴志远 王正云 陆道礼 陈 斌*

（1 江苏大学食品与生物工程学院 江苏镇江212013 2 江苏农牧科技职业学院食品科技学院 江苏泰州225300）

食用肉掺假问题在我国一直屡见不鲜，尤其是牛肉、羊肉等高价肉的掺假，由于掺假肉利润丰厚，一些不法分子为谋取暴利，不择手段，在牛肉、羊肉等肉制品中掺杂廉价肉品[1-3]。当前，常见的肉类及其制品的快速检测方法主要有：感官鉴定、气相色谱、高效液相色谱、核磁共振、DNA 分析、近红外光谱分析、PCR 等[4-7]。然而，任何一种方法都有一定的局限性，多种检测器联用以及多种检测方法联合使用则具有单种方式不可比拟的优越性[8]。气相色谱-离子迁移谱方法（Gas chromatographyion mobility spectrometry，GC-IMS）具有无需任何样品前处理（无损）、简便、快速、准确的优点，可推广应用于大多数复杂体系构成的食品与农产品的品质分析，特别是食品特征风味有机挥发组分的快速检测、识别等[9]。

离子迁移谱（Ion mobility spectrometry，IMS）是基于气相中不同的气相离子在电场中迁移速度的差异来对化学物质进行表征的一种分析技术，具有无需样品前处理，操作简便，快速灵敏的优点[10-12]。单一的IMS 分析技术早在上个世纪已广泛应用于毒品、爆炸物、化学战剂等军事安全领域的快速检测[13-15]。近年来，IMS 广泛应用于痕量物质的快速检测。彭丽英等[16]对白酒中的痕量邻苯二甲酸质进行快速筛查；常春艳等[17]使用离子迁移技术对食品中的熏蒸剂溴甲烷进行快速测定；冯雪等[18]使用离子迁移谱技术快速检测保健食品中添加的5 型磷酸二酯酶抑制剂；陈轲等[19]使用离子迁移谱对地沟油进行检测。然而，IMS 技术对复杂化合物，尤其是食品、农产品等复杂体系，其分析优势往往受到限制。为了克服IMS 分离效率差的局限性，将IMS 与其它分析仪器联用成为新的发展方向。

GC-IMS 是气相色谱 （Gas chromatography，GC）和离子迁移谱两种技术的联用，其工作原理如图1所示。样品中的挥发性有机物成分经色谱柱预分离后，直接洗脱至IMS 电离室，进行离子迁移分析。IMS 中漂移管在常压条件下即可进行工作，其对应接口方便与GC 等其它分析仪器连接。该联用技术充分发挥了气相色谱的高分离性和离子迁移普的高灵敏性，产生长处相互叠加的分析效果。一方面，离子迁移谱图通过离子漂移时间这个二维信息，使色谱分离后得到的化学信息更加丰富；另一方面，混合样品在色谱中进行的预先分离，提高了离子迁移谱信号响应的质量。气相色谱与离子迁移谱联用达到互利互惠的效果，得到的数据适合进行更高级的数据分析。

图1 GC 与IMS 构成的二维分离系统Fig.1 Two-dimensional separation system consisting of GC and IMS

主成分分析 （Principal component analysis，PCA）是一种多元统计分析技术，它是一种降维或者将多个指标转化为少数几个综合指标的方法，目的在于简化数据，揭示变量间的关系，转换后的新变量可进一步进行聚类分析、判别分析等[20]。本试验基于GC-IMS 分析技术对常见的牛肉、羊肉和鸡肉的挥发性成分进行分析检测，结合化学计量学方法，运用主成分分析方法和线性判别分析（Linear discriminant analysis，LDA）方法对获得的三维指纹图谱进行分析处理，旨在建立一种快速、无损、准确且实用性强的肉类鉴别方法，探索掺假肉问题新的检测手段，拓展GC-IMS 的应用领域，具有一定的实际应用意义。

1 材料与方法

1.1 试验材料

冷冻肉（-18 ℃冻藏），山东济南临邑县各超市。其中牛肉样品20 个，羊肉样品14 个，鸡肉样品25 个，用保鲜膜封装后运回实验室，去离子水解冻。使用电子天平称取1 g 左右待测样品于顶空进样瓶中，并用磁帽进行封装，于常温下（约25℃）静置待测。

1.2 仪器与设备

FlavourSpec 1H1-00053 型气相色谱-离子迁移谱，德国G.A.S 公司，配备CTC CombiPAL 自动顶空进样装置；CLOT 毛细管柱（30 m×0.25 mm×0.5 μm），德国CS-Chromatographie Service GmbH公司；20 mL 顶空进样瓶、密封磁帽，浙江哈迈科技有限公司；卷曲机扳手，德国G.A.S 公司；BCD-213KDZ 型冰箱，新飞电器有限公司；AL204 电子天平，梅特勒-托利多仪器有限公司。

1.3 检测条件

前期通过预试验确定GC-IMS 检测条件的主要参数见表1。

表1 GC-IMS 检测参数Table 1 Detection parameters of GC-IMS

1.4 数据处理

通过GC-IMS 自带的IMScontrol TFTP-Server 软件进行三维指纹图谱的采集，使用GC-IMS自带的LAV 2.0.0 软件和Matlab 2015b （美国Mathworks）进行综合分析。

使用LAV 对谱图进行RIP （Reactive ion peak）标准化处理，依据不同样品对应的特征峰强度变化，选取26 个特征信息，以特征峰对应的离子强度作为参数变量，使用Matlab 软件对变量进行统计分析，主要采用主成分分析和线性判别分析两种方法进行分析处理。

GC-IMS 特征峰选取原则：GC-IMS 三维谱中每一个特征峰代表一种挥发性有机成分，以不同样品中的特征峰的有无或者特征峰强度的显著变化为原则，手动选择并以长方形标记特征峰所在区域，以该特征峰区域的峰强度（即特征区域离子强度的最大值） 作为参数变量，进一步做数据分析。

2 结果与分析

2.1 重复性检测

试验中，同一个样品重复检测8 次，每次重复测量时间间隔为0.5 h，选取三维谱图中特征峰数量共9 个，以特征峰对应的峰面积作为变量，借鉴气相色谱-质谱（GC-MS）的评价标准，以峰面积的相对标准偏差（RSD）为指标，评价仪器的重复性，其结果如图2所示。

图2 特征峰面积对应的相对标准偏差Fig.2 Relative standard deviation of characteristic peak area

由图2可知，对应特征峰面积RSD 均<15%，故可知该仪器具有良好的重复性。

2.2 GC-IMS 三维指纹谱数据分析

分别选取牛肉、鸡肉和羊肉各1 个样品，进行伪三维彩色处理（X 轴为迁移时间，Y 轴为保留时间，Z 轴为离子强度）对比，结果如图3所示。

由图3可知，从左到右样品依次为牛肉、鸡肉和羊肉的GC-IMS 三维彩色谱图，通过对比可以发现鸡肉中的有机挥发性有机成分明显多于其它2 种肉类，羊肉次之，牛肉最少。依据不同肉类中挥发性有机成分对应特征峰差异，共选取26 个特征峰区域进行排序对比，用以表征该类样品信息，每类肉各取3 个样品以示意，结果如图4所示。

图3 3 种肉对应的GC-IMS 三维谱Fig.3 GC-IMS spectra of 3 kinds of meat

图4 不同肉类的挥发性有机成分对应的特征峰对比库Fig.4 Gallery of different kinds of meat with different characteristic peaks

图4中X 轴为选取的特征峰标识，Y 轴为样品编号标识，样品编号blank1 和blank2 为空白对照组。由图4可知，通过选取原始三维图谱中不同特征峰进行简单的排列比较就可发现，同类肉因含有共有的挥发性有机成分，在特征峰对比图库中表现出明显的相似性，不同种肉类则存在明显的差异，如图4中的虚线矩形框所标识的区域a为牛肉样品，区域b 为鸡肉样品，区域c 为羊肉样品。

基于图4中所选特征峰对应的峰强度为特征变量参数，进行PCA 分析，选取前3 个主成分为坐标轴，建立可视化模型，结果如图5所示。由图5可知，不同肉类的GC-IMS 特征参数通过PCA 处理后，可以很好地区分不同的肉类，3 种常见肉类样品在图中均有很好的区域归属，相互之间无重叠现象。图6为累计贡献率随主成分个数增加的变化趋势图，由图6可知，前2 个主成分的累计贡献率达到了97.54%，说明提取的信息能够反映原始数据的绝大部分信息，且基本由第1 主成分决定。由此可以说明，PCA 方法能够很好区分出牛肉、羊肉和鸡肉3 种常见肉类。

图5 主成分分析3D 图Fig.5 3D plot of PCA

图6 累计贡献率随主成分数变化图Fig.6 cumulative contribution rate chart

为了在二维坐标轴上清楚地显示判别信息，用LDA 分类算法，以PC1 和PC2 为坐标轴，对经过PCA 特征降维后的数据进行线性分类，其分类结果如图7所示。由图7可知，分类结果显示牛肉样品仅有1 个样品分类错误，误判为羊肉样品，正确率为95%，羊肉样品正确率为100%，鸡肉样品为100%，综合正确率为98.3%。由此可见，前2 个主成分能够代表大部分肉的种类信息，采用LDA方法可以得到很好的分类效果。

图7 主成分分析2D 图和线性判别分析Fig.7 2D plot of PCA and LDA

3 结论

GC-IMS 作为一种新的联用技术，充分发挥了GC 的分离效率和IMS 灵敏度的优势，可应用于食品、农产品中挥发性痕量有机成分的检测，具有无需样品前处理，操作简单，快速无损的优点。本试验以GC-IMS 三维指纹谱中的特征峰强度表征样品中的有机挥发性成分信息，建立与肉的种类属性之间的关系。结合化学计量学方法，运用PCA和LDA 方法建立肉类识别模型。结果表明，使用前2 个主成分得分可达到98.3%的分类准确率，表明提取的特征峰信息关键有效。本研究的数据分析方法可推广应用到其它类似联用分析仪器的三维信息处理中，拓展了GC-IMS 分析技术在食品领域的应用，具有一定实用价值。