低场核磁共振技术结合主成分分析法对4 种植物油的快速鉴别

李定金，段秋霞，段振华,*，刘 艳，孔祥辉

（1.贺州学院食品科学与工程技术研究院，广西 贺州 542899；2.贺州学院文化与传媒学院，广西 贺州 542899）

低场核磁共振（Low-field nuclear magnetic resonance，LF-NMR）技术是一种基于原子核发生磁性共振的弛豫谱分析技术，已广泛应用于食品安全检测领域。LF-NMR 技术具有检测分析速度快、效率高，样品无损、处理简便，检测设备简单，环境友好等优点[1]。赵婷婷等[2]应用主成分分析法（Principal components analysis，PCA）对多种不同品质油脂样品的低场核磁共振弛豫特性数据（T21、T22、T23、S21、S22、S23）进行了分析，结果表明：应用PCA 可明显区分正常大豆油和棉籽油，但棕榈油和猪油样品分布范围有一定的重合；无论是轻度煎炸还是深度煎炸，不同种类的煎炸油脂在PCA 得分图中能够明显分区。说明基于油脂的LF-NMR 弛豫特性，结合主成分分析可实现对食用油脂种类、煎炸油程度及掺伪猪油的品质区分。Zhu 等[3]采用LF-NMR 和化学计量学方法对掺入大豆油、菜籽油、棕榈油的花生油进行了掺伪鉴定，所建立的主成分分析和判别分析模型能够准确区分真花生油、假品和掺假样品。Ok[4]采用低场核磁共振弛豫法和紫外可见光谱法检测橄榄油的掺假。Andersen 等[5]采用低场核磁共振方法测量了在各种冷冻和冷藏条件下处理过的鳕鱼肌肉、切碎的肌肉和离心碎肉的弛豫特性，研究发现，低场核磁共振方法可以很好地预测整个肌肉和绞肉的持水能力与初始含水量的关系。

主成分分析的目的是在不丢失原始变量信息的前提下选择维数较少的新变量，以排除相互重叠的信息，并对降维后的特征向量进行线性分析，最后在PCA 分析的散点图上显示样品之间的整体品质差异[2]。近年来，主成分分析等化学计量技术与仪器分析等测试技术相结合，已成功应用在农业[6-9]、食品加工[10-14]和食品安全检测[15-17]等领域。Boffo 等[18]评价了核磁共振波谱技术结合PCA 对生产过程中所使用的花蜜进行鉴别的潜力，研究发现，化学计量学方法在1H NMR 谱上的应用可以鉴别出在圣保罗州生产的蜂蜜，识别出鉴别物质的信号。将PCA 和层次聚类算法（HCA）应用于1H NMR 数据的分析，得到了自然聚类的结果。焦扬等[19]采用主成分分析和聚类分析对甘肃地区产地木耳品质进行了综合评价，主成分分析表明19 个反映不同地区产地木耳品质的指标可以用5 个主成分（累计贡献率达到92.71%）表示；根据聚类分析得到总糖、水溶性灰分、脂类、铁、钙和磷6 个品质指标可以用来衡量木耳品质的优劣。杜萍等[20]研究发现，采用PCA 分析顶空气相-色谱离子迁移谱图谱，可准确区分不同品种的生咖啡豆。Peng 等[21]采用气相色谱和气相色谱-质谱分析对发酵豆酱的15 种关键挥发性化合物进行了定量分析，研究发现，根据主成分分析中的样本聚类，发酵豆酱的储藏期可分为3 个时期，这3 个时期代表了酱油的花香、烘烤和刺激性3 种香气类型。陈东杰等[22]采用气相离子迁移谱结合化学计量法分析检测静电场处理的大菱鲆品质，研究发现：采用主成分分析、线性判别分析方法可较好地区分不同贮藏时间及不同处理方式的大菱鲆品质；根据气相离子迁移谱采集指纹图谱，利用热图聚类分析可区分不同贮藏时间及不同处理方式下大菱鲆挥发性物质。

山茶油的价格一般是普通食用油的3 倍以上，部分不法厂商为获取高利润，往往以次充好，在山茶油中掺入大豆油、玉米油或花生油等廉价植物油，甚至以大豆油、玉米油、花生油等植物油充当山茶油。本文采用低场核磁共振技术结合主成分分析方法建立山茶油、花生油、大豆油和玉米油4 种植物油的低场核磁共振弛豫谱特征鉴定方法，以期为山茶油与其他不同种类植物油的快速识别鉴定提供技术参考。

1 材料与方法

1.1 材料与设备

1.1.1 材料

玉米油、花生油、山茶油、大豆油均购于当地超市，每种植物油选用3 份作为样本。

1.1.2 仪器与设备

NMI20X 型NMR 成像分析仪，上海纽迈电子科技有限公司。

1.2 方法

1.2.1 样品制备

分别量取1.5 mL 玉米油、花生油、山茶油、大豆油置于专用核磁瓶中，一式3 份并做好标记。

1.2.2 样品检测

使用LF-NMR 中的CPMG 脉冲序列测定样品中的横向弛豫时间T2，将样品置于永磁场射频线圈的中心位置进行T2采集，序列参数设置为：质子共振频率20 Hz，等待时间（TW）1 500 ms，脉冲时间（P180）20 μs，采样点数（TD）384 120，重复时间（TR）5 000 ms，累加次数（NS）4 次，回波数为12 000。

1.2.3 主成分分析

对山茶油、花生油、大豆油和玉米油4 种植物油样品的峰起始时间、峰顶点时间、峰结束时间、峰面积、峰面积比例、峰顶点信号幅值进行主成分分析并分类。

1.2.4 数据处理

采用Multi ExpInv Analysis 软件对不同植物油样品CPMG 回波峰点数据进行反演拟合，并使用SPSS 22.0软件对反演后的T2峰起始时间、峰顶点时间、峰结束时间、峰面积、峰面积比例、峰顶点信号幅值进行主成分分析，采用Origin 9.1 对结果进行绘图。

2 结果与分析

2.1 不同种类植物油的T2 反演图谱

图1 为4 种不同种类植物油的横向弛豫时间（T2）的反演图谱，表1 为4 种不同种类植物油的LF-NMR结果。由图1 可知，山茶油和花生油有2 个峰，大豆油和玉米油则有3 个峰。通过峰个数可以将4 种植物油分为两组，即山茶油和花生油为一组、大豆油和玉米油为一组，然而这并不能准确区别4 种不同种类的植物油，因此需要进一步对4 种植物油的特征组分进行分析。

图1 不同种类植物油的T2 反演图谱Fig.1 T2 inversion spectra of different types of vegetable oils

表1 不同种类植物油的LF-NMR 结果Table 1 LF-NMR results of different types of vegetable oils

在LF-NMR 中，弛豫时间与氢质子的流动性有关，弛豫时间长对应的氢质子的流动性大，弛豫时间短对应的氢质子的流动性小[23]。因此可以对4 种植物油经LF-NMR 的CPMG 脉冲序列测得的横向弛豫时间T2进行分析，从而区别4 种植物油的特有性质。

由图1 和表1 可知，山茶油和花生油的第1 个峰T21的弛豫时间分别在6.871～10.247 ms、7.247～11.003 ms之间，第2 个峰T22的弛豫时间分别在28.074～321.980ms、29.617～403.871 ms 之间，第1 个峰顶点信号幅值P1分别为0.437 和0.396，第2 个峰顶点信号幅值P2分别为2.670 和2.412。通过显著性分析可知，山茶油和花生油的第1 个峰结束时间T213、第2 个峰结束时间T223、第2 个峰面积S2皆呈差异显著（P＜0.05）。山茶油的弛豫时间皆比花生油的弛豫时间短，说明山茶油的氢质子流动性比花生油小。因此可以通过弛豫时间、峰面积、峰面积比例、峰顶点信号幅值P2的大小区分山茶油和花生油。

同理，通过对比大豆油、玉米油的T2图谱并结合LF-NMR 测定结果进行显著性分析也能准确地区分这两种植物油。

综上所述，通过对比4 种不同类型植物油的T2图谱和LF-NMR 测定结果，可以准确地区分4 种不同类型的植物油。但该方法较为繁琐且不够直观，因此需要结合化学计量法简化步骤，探讨一种更有效的分析方法。

2.2 LF-NMR 结合PCA 对不同种类植物油的区分与判别

PCA 是化学计量法中经常用到的方法之一[24]。主成分分析是利用降维（线性变换）的思想，在损失很少信息的前提下将多个指标通过线性组合转化为少数几个不相关综合指标的一种多元统计分析方法，其目的是通过数据降维，以排除众多信息共存中相互重叠的信息，简化后的指标应尽可能多地反映原来指标的主要信息且不丢失信息[25]。

本试验对4 种植物油的18 个核磁共振检测指标：峰起始时间T211（X1）、峰顶点时间T212（X2）、峰结束时间T213（X3）、峰面积S1（X4）、峰面积比例A1（X5）、峰顶点信号幅值P1（X6）、峰起始时间T221（X7）、峰顶点时间T222（X8）、峰结束时间T223（X9）、峰面积S2（X10）、峰面积比例A2（X11）、峰顶点信号幅值P2（X12）、峰起始时间T231（X13）、峰顶点时间T232（X14）、峰结束时间T233（X15）、峰面积S3（X16）、峰面积比例A3（X17）、峰顶点信号幅值P3（X18）进行主成分分析，计算其特征值的方差贡献率和累积贡献率，并根据累积贡献率≥85%的原则提取主成分个数。一般情况下，总贡献率越高，越能反映原始数据，并且总贡献率必须大于85%才能使用。

主成分分析碎石图见图2，主成分分析特征值及贡献率见表2。

图2 主成分分析碎石图（陡坡图）Fig.2 Principal component analysis scree plot

表2 主成分特征值及贡献率Table 2 Eigenvalues and contribution rates of principal components

由图2 和表3 可知，本研究共提取到3 个主成分，其对应的方差贡献率分别为：主成分1（PC1）79.195%，主成分2（PC2）13.764%，主成分3（PC3）7.014%，以上3 个主成分的累积贡献率为100%，全面反映所测植物油核磁共振18 个变量的全部原始信息。载荷值是原始18 个变量，即LF-NMR 弛豫特征参数，在主成分分析中，一般认为大于0.3 的载荷就是显著的。由表3 可知，PC1 与峰起始时间T211、峰顶点时间T212、峰结束时间T213、峰起始时间T221、峰顶点时间T222、峰起始时间T231、峰顶点时间T232、峰结束时间T233、峰面积S3、峰面积比例A3、峰顶点信号幅值P3呈显著正相关；PC2 与峰起始时间T211、峰顶点时间T212、峰结束时间T213、峰顶点时间T222、峰结束时间T223呈显著正相关；PC3 与峰顶点时间T212、峰面积S1、峰面积比例A1、峰顶点信号幅值P1、峰顶点时间T222呈显著正相关。同时PC1、PC2 和PC3 的累计贡献率为100%，能全部表达原始数据信息。因此可选择PC1、PC2 和PC3 反映这4 种植物油主成分分析的结果，18 个原始数据的主成分系数如表4 所示，3 个主成分的模型如下：

表3 4 种植物油LF-NMR 弛豫特性在主成分中的载荷表Table 3 Principal component loading values of LF-NMR relaxation characteristics of four vegetable oils

表4 主成分系数矩阵Table 4 Principal component coefficient matrix

根据公式F=0.791 944F1+0.137 667F2+0.070 389F3计算主成分得分和排序，结果见表5。由表5 可知，这4 种植物油的综合排分最高的是大豆油，之后依次是玉米油、花生油、山茶油。

表5 4 种植物油主成分得分、综合得分及排名Table 5 Principal component scores,comprehensive scores,and rankings of four vegetable oils

选用PC1、PC2 和PC3 的综合评价指标得分值矢量做三维散点图（图3）可以直观地显示聚类分析结果。由图3 可见，4 种植物油样品在三维图上聚集不明显，可直观清晰地对4 种植物油进行识别。

图3 4 种不同类型植物油样品的三维主成分得分图Fig.3 Three-dimensional PCA scores plot for four types of vegetable oil samples

综合分析可知，采用低场核磁共振技术结合主成分分析法可快速准确地实现对山茶油、花生油、大豆油和玉米4 种植物油的鉴别。

3 结论

采用低场核磁共振技术的CPMG 脉冲序列测定山茶油、花生油、大豆油和玉米油4 种植物油横向弛豫时间T2，T2谱包含许多样品内部的信息试验结果，山茶油和花生油有2 个峰，大豆油和玉米油则有3 个峰。通过峰个数可以将4 种植物油分为两组，即山茶油和花生油为一组，大豆油和玉米油为一组，然而仅通过分析T2谱的方法不能快速直观地同时辨别4 种植物油，因此需要进一步对4 种植物油的特征组分进行分析。

采用PCA 方法分析处理低场核磁共振T2谱数据，可通过F=0.791 944F1+0.137 667F2+0.070 389F3计算得到主成分得分和排序，这4 种植物油的综合排分最高的是大豆油，其次是玉米油、花生油、山茶油。同时选用PC1、PC2 和PC3 的综合评价指标得分值矢量做三维散点图，可以看到4 种植物油样品在三维图上聚集不明显，能直观清晰地对4 种植物油进行识别。由此可知，该方法能够快速而准确地对4 种植物油进行识别，这为4 种植物油的鉴别及市场监督体系的完善提供技术支持。