香菇营养品质评价体系的构建

2021-04-15李巧珍李正鹏宋春艳刘建雨董浩然尚晓冬

核农学报 2021年4期

李巧珍姜宁李正鹏宋春艳刘建雨董浩然蒋俊尚晓冬

(上海市农业科学院食用菌研究所/农业部南方食用菌资源利用重点实验室/国家食用菌工程技术研究中心/上海市农业遗传育种重点开放实验室，上海 201403)

香菇(Lentinula edodes)肉质肥厚细嫩、味道鲜美、香气独特，富含蛋白质、氨基酸、矿质元素及维生素等营养成份，同时还含有多糖等生物活性物质，具有降胆固醇、降血压[1]、抗细菌[2]、抗病毒[3]、增强免疫[4]、抗氧化[5]、调节肠道微生物[6]、抗真菌[7]等功效，具有极高的营养、保健和药用价值，越来越受到研究者的重视，且鲜菇、干菇及相关深加工食品(如香菇酱油、香菇脆片)也越来越受消费者的亲睐，对香菇品质的要求也越来越高。随着精准扶贫政策的实施，作为扶贫首选的香菇产业在全国各地广泛兴起，导致香菇产量越来越大，随着产量的增加，价格也出现较大波动，致使普通香菇的市场风险较大，必然要对市场进行分化，实现供给侧改革，满足不同的市场需求，就需要定向品质育种。当前香菇育种工作者对优良菌株的选育主要以其商品品质性状和栽培特性等指标为评价标准[8-10]，如总产量、总菇数、单菇重、菌盖大小厚薄、菌柄长短粗细等，但未有育种工作者将综合营养品质纳入选育新品种的评价标准。现有的品质指标过多，检测分析过于繁琐，耗时耗力，且没有适合的评价标准，因此迫切需要对香菇营养品质指标进行简化，构建科学、易操作的香菇营养品质评价体系，对于香菇营养品质育种和香菇加工业的发展具有重要意义。利用现代化学测试仪器与数据分析方法建立食品品质综合评价技术体系是食品品质评价和优良种质筛选的重要技术手段，如桃[11]、苹果[12]、番茄[13]、桑[14]等多种植物源食品均建立了相应的产品品质评价技术体系。本研究对香菇市场占有率达85%以上的全国各香菇基地香菇菌株进行收集，共收集到46 个不同的样品，测定了所有样品的15 项营养成分，并进行了相关性分析、因子分析和聚类分析，旨在对香菇营养品质评价指标进行简化，并建立香菇营养品质综合评价体系。

1 材料与方法

1.1 材料与试剂

供试样品来源如表1所示，均以文献[15]中第4 阶段的标准(即菌盖刚刚开始拉膜时)对子实体进行采收，新鲜子实体于鼓风干燥箱(前24 h 采用45℃而后升温至55℃)烘至恒重，用粉碎机粉碎，过80 目筛，备用。

催化剂(K2SO4∶CuSO4=10∶1，m∶m)、浓硫酸(纯度≥98%)、硼酸、NaOH、甲基红-溴甲基酚绿指示剂、无水乙醇、重蒸酚、乙酸、偏磷酸、磷酸三钠、磷酸二氢钾、磷酸、浓盐酸、柠檬酸、柠檬酸钠、氯化钠、氢氧化锂，分析纯，国药集团化学试剂有限公司；L-半胱氨酸、硝酸、高氯酸，优级纯，生工生物工程(上海)股份有限公司；十六烷基三甲基溴化铵、甲醇，色谱纯，上海安谱实验科技股份有限公司；茚三酮和茚三酮缓冲液，日本日立集团；α-淀粉酶、蛋白酶、淀粉葡萄糖苷酶，受尔兰Megzyme 公司；2-(N-吗啉代)磺酸基乙烷[2-(N-morpholino) sulfonated ethane，MES]、三羟(羟甲基)氨基甲烷[Trihydroxy (hydroxymethyl )aminomethane，TRIS]，美国Sigma 公司。

表1 46 个香菇菌株资源信息表Table 1 The information sheet of forty-six Lentinula edodes varieties

1.2 主要仪器与设备

DHG-9145A 鼓风干燥箱，上海恒科技术有限公司；QE-100 高速粉碎机，浙江屹立工贸有限公司；Foss 8400全自动凯氏定氮仪，丹麦FOSS 公司；L8900 全自动氨基酸分析仪，日本日立公司；infinite 200pro 多功能酶标仪，瑞士帝肯公司；1525-2489 高效液相色谱仪，美国Waters公司；PerkinElmer Optima 8000 电感耦合等离子体发射光谱仪，珀金埃尔默仪器(上海)有限公司。

1.3 试验方法

灰分含量测定参照GB 5009.4-2016[16]；粗蛋白含量测定参照GB/T 15673-2009[17]；粗多糖含量测定参照NY/T 1676-2008[18]；总膳食纤维含量参照文献[19]的方法测定；维生素C 含量参照GB 5009.86-2016[20]中高效液相色谱法测定；水解氨基酸含量利用氨基酸自动分析仪测定，采用过氧化酸氧化合并酸水解法[21]测定胱氨酸和半胱氨酸含量，采用酸水解法[22]测定其他氨基酸含量；矿物质元素含量参照GB 5009.268-2016[23]中电感耦合等离子体发射光谱法测定。

1.4 数据分析

使用Excel 2010 进行数据处理、变异情况计算以及灰色关联度分析，按照下列公式计算关联系数、等权关联度和加权关联度，使用IBM SPSS 25 进行相关性分析、因子分析、聚类分析。

式中，Δ(min)是第二级最小差，Δ(max)是二级最大差，ρ 为分辨系数，通常取0.5。

式中，Wk为各关联系数的权重。

2 结果与分析

2.1 香菇营养品质指标分析

由表2可知，15 项营养品质指标中，变异系数(coefficient of variation，CV)最大的为Ca 含量，达到了70.52%，其含量介于33.55～476.87 mg·kg-1之间；粗多糖和维生素C 的CV 分别达到了45.07% 和43.36%，含量分别介于3.80%～16.82%和15.27～89.97 mg·kg-1之间；Cu、Fe、Na 的CV 也达到了30%以上，分别为39.57%、37.06%和33.99%，含量分别为5.28～23.97、22.22～94.85 和 52.33～266.57 mg·kg-1；除总膳食纤维的CV 在10%以下，其余指标的CV 均在10%以上。表明，15 项营养成分含量在46个不同的香菇菌株间均存在一定差异。

2.2 不同香菇菌株营养品质指标相关性分析

由表3可知，香菇灰分与粗蛋白、总必需氨基酸、P、Mg、Zn、Mn、K 呈极显著正相关，与粗多糖呈极显著负相关；粗蛋白与总必需氨基酸、P、Mg、Cu、Zn、Mn、K呈极显著正相关，与粗多糖呈极显著负相关；粗多糖与总膳食纤维、总必需氨基酸、P、Na、Cu、Zn、Mn、K 呈极显著负相关；总膳食纤维与Na 呈极显著正相关，与维生素C 呈极显著负相关；总必需氨基酸与P、Mg、Cu、Zn、K 呈极显著正相关；P 与Mg、Zn、Mn、K 呈极显著正相关；Na 与Mg 呈极显著正相关；Mg 与Zn、Mn、K 呈极显著正相关；Cu 与Zn 呈极显著正相关；Zn 与Mn、K呈极显著正相关；Mn 与K 呈极显著正相关。表明，香菇的不同营养品质指标间存在一定相关性。

表2 15 项营养品质指标的变异情况Table 2 Variation of fifteen nutritional qualities indicators

2.3 不同香菇菌株营养品质指标因子分析

对15 项香菇营养品质指标进行因子分析，前4 个因子的特征值均接近或超过1，为主因子，所包含的信息量占总体信息量的75.093%(表4)。其中，第1 因子方差贡献率为31.593%，代表性指标为灰分、Mg、K、P、粗蛋白和Mn；第2 因子方差贡献率为17.067%，代表性指标为Cu、总必需氨基酸、Zn；第3 因子方差贡献率为14.105%，代表性指标为总膳食纤维、Na、粗多糖；第4 因子方差贡献率为12.328%，代表性指标为维生素C、Fe、Ca。因此可以将15 项营养品质指标降维成4 个因子。

2.4 不同香菇菌株营养品质指标聚类分析

15 项营养品质指标数据经标准化转化后，采用欧氏距离进行系统聚类分析(图1)。各指标在聚类过程中逐渐合并，在欧氏距离为17 时，15 个指标聚为4类。其中灰分、K、P、Mg、粗蛋白、总必需氨基酸、Zn、Mn、Cu 聚为一类；总膳食纤维、Na 聚为一类；维生素C、Fe、Ca 聚为一类；粗多糖聚为一类。灰分、K、P、Mg在欧氏距离为5 时聚为一类；粗蛋白和总必需氨基酸在欧式距离为1 时聚为一类。

析分性关相的标指质品养营3 15 项表Table 3Correlationanalysis of fifteennutritionalqualitiesindicators K Mn钾Zn锰Cu锌Fe铜Mg铁Na镁Ca钠钙P 磷氨需酸Total必基总essential amino acids C 维Vitamin C 素生膳维Total食总纤dietary fiber糖Crude 多粗polysaccharide白Crude 蛋粗protein分Ash 灰目Item 项1 1 Ash Crude protein0.648**白分蛋灰粗1-0.408**-0.493**糖Crude polysaccharide 多粗1 1-0.407**-0.409**0.326-0.137 0.093-0.169 0.051 Total dietaryfiber 纤C VitaminC维食素膳生总维1-0.051-0.105-0.454**0.869**0.567**总Total essentialaminoacids 酸基氨需必1 1 0.403**0.420** 0.2020.408** 1 0.447**0.488**1 0.193 0.124 1 0.006 1 0.075-0.117 0.601** 0.124 0.672** -0.216 1 0.238-0.036 0.333 0.296 0.006 1 0.109 0.283-0.162-0.0740.689** 1-0.095 0.329-0.108 0.487** 0.092-0.052-0.036 0.351** 0.733**-0.0070.387**-0.042 0.320 0.325 0.224 0.344-0.1750.528** 0.204-0.0090.627** 0.535**-0.049 0.150-0.0880.697** 0.792**-0.041-0.015-0.141 0.461** -0.040-0.026 0.176 0.16 0.007 0.121-0.112-0.508**0.075-0.423**-0.279-0.092-0.379**-0.567**-0.383**-0.426**(P＜0.01)。0.799**-0.116 0.135 0.535**0.136 0.446**0.688**0.361**0.669**关相著显极0.767**0.018 0.111-0.050 0.052 0.877**示(P＜0.05)，**表关相著显示:*表P Ca Na Mg0.714**Fe Cu Zn0.513**Mn0.466**K注Note* indicatesignificantcorrelationat 0.05 level，** indicateextremelysignificantcorrelationat 0.01 level.磷钙钠镁铁铜锌锰钾

表4 15 项营养品质指标的载荷特征向量及累计方差贡献率Table 4 Loading matrix eigenvector and cumulative contribution rate of fifteen nutritional qualities indicators

综合相关性分析、因子分析和聚类分析结果可知，灰分和K、P、Mg 高度相关，粗蛋白和总必需氨基酸高度相关，总膳食纤维与Na 极显著相关(表3)，且因子分析和聚类分析均表明灰分和K、P、Mg 为同一类性状，粗蛋白和总必需氨基酸为同一类性状，总膳食纤维和Na 为同一类性状(表4和图1)，因此可以将15 项营养品质评价指标简化为灰分、粗蛋白、粗多糖、维生素C、Na、Ca、Fe、Cu、Zn、Mn 10 项指标。

2.5 香菇营养品质综合评价体系的建立

2.5.1 灰色关联度分析用简化的10 项指标进行香菇营养品质综合评价指标的建立，依据灰色关联度理论把所有试验品种作为一个灰色系统，把每一个品种作为系统中的一个因素。关联度用于分析系统中各因素的关联程度。以表1中46 株菌株为材料，设一个各主要性状较参试品种优良的理想型品种为参考种，计算各参试种与参考种之间的关联度，其值越大，性状越优。对数据进行无量纲化处理并进行关联系数计算，依据各指标关联系数计算各指标的关联度，并依据各指标关联度赋予各指标权重，进而计算各菌株的加权关联度(表5)。

表5 关联系数及参试香菇菌株与参考种关联度Table 5 Correlation coefficient and correlation degree between forty-six Lentinula edodes varieties and reference varieties

表5(续)

表6 10 项营养品质指标的载荷特征向量及累计方差贡献率Table 6 Loading matrix eigenvector and cumulative contribution rate of ten nutritional qualities indicators

2.5.2 多元线性回归将10 项指标标准化后的数据进行主成分分析，10 项营养品质指标的载荷特征向量及累计方差贡献率如表6所示，根据表7中主成分因子分析的各因子的权重值和每个因子的特征值，得到4 个因子的判别函数:

式中，Z表示主成分；ZX分别表示X(灰分、粗蛋白、粗多糖、维生素C、Ca、Na、Fe、Cu、Zn、Mn)标准化后的变量。

以4 个主成分为自变量，以关联度评价为因变量，进行线性回归，得线性回归方程，ZY=0.537＋0.030Z1＋0.031Z2＋0.019Z3-0.001Z4，该方程去标准化得到多元线性回归模型，即营养品质综合评价模型:ZY=0.023 5X1＋0.004 5X2＋0.002 4X3＋0.001 0X4＋0.000 1X5＋0.000 1X6＋0.001 2X7＋0.003 1X8＋0.001 0X9＋0.003 6X10-0.061 4(X1～X10分别表示灰分、粗蛋白、粗多糖、维生素C、Ca、Na、Fe、Cu、Zn、Mn)

依据综合评价函数分别计算46 个香菇样本的综合得分，对46 个样本的综合得分进行分级，共分为9级(表7)。

表7 香菇营养品质综合评分标准Table 7 Comprehensive scoring criteria for nutritional quality of Lentinula edodes

3 讨论

近年来，化学检测分析结合相关分析、聚类分析、因子分析、灰色关联度分析等多种统计分析的方法已广泛应用于农业科学领域[24-25]。Lee 等[26]利用多元统计分析对玉米硬度指标进行相关研究，并利用建立的判别方程对所有玉米材料进行分类。朱玫等[27]利用相关性分析和多元线性回归分析建立了米饭食味评价模型，并利用主成分分析建立了食味、加工、外观品质综合评价模型。欧巧明等[28]利用变异分析、主成分分析及系统聚类分析等多元统计分析方法，对159 份油用紫苏种质资源的11 个农艺性状及5 个关键品质特性进行分析评价，提取了6 个主成分，并将供试材料聚为五大类群。侯飞娜等[29]测定了22 个不同品种马铃薯全粉的11 个品质特性，利用主成分分析将11 个品质综合成为3 个主成分，并利用聚类分析将22 个品种聚为4 类。可见，化学仪器检测方法和多元统计分析相结合应用在研究多指标的综合效应上具有重要意义。本研究测定了46 个不同来源香菇菌株的15 项营养品质指标，通过相关性分析、因子分析和聚类分析对营养品质评价指标进行了简化，将灰分、粗蛋白、粗多糖、总膳食纤维、维生素C、总必需氨基酸、P、Ca、Na、Mg、Fe、Cu、Zn、Mn、K 15 项营养品质指标简化为灰分、粗蛋白、粗多糖、维生素C、Na、Ca、Fe、Cu、Zn、Mn 10 项指标，简化的指标较原有指标分析相对简单，易操作，使育种工作者或深加工企业能较快速简便地对营养品质指标进行检测分析。通过灰色关联度分析和主成分分析建立了香菇营养品质综合评价函数，ZY=0.023 5X1＋0.004 5X2＋0.002 4X3＋0.001 0X4＋0.000 1X5＋0.000 1X6＋0.001 2X7＋0.003 1X8＋0.001 0X9＋0.003 6X10-0.061 4(X1～X10分别表示灰分、粗蛋白、粗多糖、维生素C、Ca、Na、Fe、Cu、Zn、Mn)。并通过概率分布建立了香菇营养品质综合评分9 级标准，育种工作者可以通过该标准快速地对选育的新菌株进行营养品质鉴定。通过上述方法对香菇资源营养品质进行综合分析，并得到更加客观的评价结果，可作为筛选营养品质最优香菇材料的依据。本研究对筛选香菇营养品质最佳材料以及开发高营养品质香菇资源具有指导意义。然而食用菌的有效成分易受采收期[30]、生产环境[31-32]和培养基质[33]等因子的影响，本研究收集了现有香菇市场占有率达85%以上的全国各基地香菇，并对收集到的46 个不同样品进行营养品质检测分析，所建立的评价体系具有一定的代表性，但是评价体系需要不断更新完善，后期有必要持续地将更多产地的不同新菌株纳入到评价体系中。