食品掺假检测方法

食品掺假检测方法研究进展 张健 一 为何要实施掺假检测二 如何实施掺假检测三 实例四 国内外仪器检测技术研究进展五 国内外软件分析技术研究进展 一 为何要实施掺假检测 生产企业 品牌保障 经济保障消费者 安全保障 经济保障监管部门 有法必依 的保障 二 如何实施掺假检测 已知掺假物的检测常规检测可操作 如 三聚氰胺 合成色素 瘦肉精等 常规检测无法操作 如 食品中原来就有的成分 未知掺假物的检测常规检测无法操作 解决办法 只有靠先进的分析仪器 对食品中多种成分进行准确定量 并在此基础上结合化学计量学建模判别 才可能彻底解决食品掺假检测问题 实例 ANOVA PCA Sixprincipalcomponentswitheigenvalueshigherthan1 Kaiser srule thataccountedforonly70 7 ofthetotalvariance wereconsideredsignificant Principalcomponents1 PC1 and2 PC2 accountedfor24 1 and18 1 respectively ofthetotalvariability CabernetSauvignonwinescanbedescribedasrichinv19 v26 v6 v9andv7 Merlotwineswereassociatedwiththeattributesv20 v10 v3 v24 v16 v2andv25 andCabernetGernischtwinesassociatedwithhighercontentsofv28 v17 v5andv11 SLDA Theresultshaveshownthatwithonly11 v2 v3 v6 v7 v11 v17 v18 v24 v25 v27andv28 ofthe19initialvariables itispossibletodifferentiatethewinesobtainedfromthethreedifferentgrapevarieties Onlythetwofirstdiscriminantfunctionsarestatisticallysignificant Wilks lambdavalues explaining100 ofvariability 71 6 and28 4 respectively Thecoefficientsofthevariablesinthetwofirstdiscriminantfunctions Table2 revealwhichvariableshaveagreaterinfluenceonthose Therecognitionability accordingtotheaposterioriprobabilitieswasof100 foralltheconsideredclasses Thepredictionability Table3 was100 forCabernetSauvignonandCabernetGernischtwines butonly92 31 forMerlotwines Threegroupsrepresentingeachvarietyofwinecanbeclearlyobserved Identificationofdiscriminantvolatilecompounds Applicabilitytest Conclusion 例子的启示 1 食品掺假鉴别不容易2 食品掺假鉴别必需要测定一些特征性成分 如 挥发性成分 矿物质成分 酚类物质 同位素比例 波谱吸收 DNA 蛋白质谱等 3 食品掺假鉴别常需要适当的化学计量学方法配合建模 三 特征性成分检测技术研究进展 1 Spectroscopictechniques2 Chromatographictechniques3 Electronicnose4 DNA basedtechnology5 Immunologicaltechnology6 Thermaltechniques 1 Spectroscopictechniques 1 MIRandNIRspectroscopy 2 Ramanspectroscopy 3 NMRspectroscopy 4 SNIF NMRandIRMS 5 FluorescentandUV visspectroscopy 1 MIRandNIRspectroscopyMIR 4000 400cm 1 molecularbondsNIR 14000 4000cm 1 complexstructuralinformationCommonmerit rapid non destructive beappropriatefordifferentstate employedchemometricanalysis 2 Ramanspectroscopy特点 对于碳碳双键 碳碳或碳氮三键敏感 对水不敏感 对无机物有高度的选择性 报道不多 例子 植物油和蜂蜜掺假 3 NMRspectroscopy13CNMR鉴定脂肪酸组成 区分奶牛奶和水牛奶 1HNMR区分不同品种咖啡 应用较少 设备昂贵 操作复杂 4 SNIF NMRandIRMSIRMS 同位素比质谱仪 可以进行少量样品的同位素测定和区分 精确测量同位素含量 SNIF NMR 点特异性天然同位素分馏核磁共振技术 可以确定同位素在分子中的具体位置 它们是目前国际上通用的2种同位素比值检测技术 这2种技术的联合使用可以获得多元素多方位的信息 从而解决更复杂的掺假问题 原理与应用 原理 在人工 天然和生物合成过程中 产物分子具有特殊的同位素比例 即所谓的 同位素签字 生命科学中常用的有 13C 12C 18O 16O 2H 1H 15N 14N 已成功应用于多种食品掺假检测 被认为是可信度最高的检测方法之一 13C 12C DependentonPlantsphysiologyC3plants cerealsandmostfruits usetheCalvine BensonpathwaytofixCO2C4plants maize corn andsugarcane usetheHatche SlackpathwayC3plantsfixCO2andincorporateless13CthanC4plants 13C 12C 用于检测是否外加糖 添加蔗糖 玉米糖化液 玉米果葡糖浆 解决办法 IRMS检测CO2添加甜菜糖 如何检测 解决办法 SNIF NMR技术可以检测出乙醇分子特定位置上氘的相对浓度 这种不同植物来源的糖可影响发酵后酒精分子中氘的分布 研究表明 葡萄酒乙醇分子中甲基位 D H 含量在很大程度上取决于发酵糖的氘含量 它代表着糖的植物来源 因此利用核磁共振技术分析乙醇分子中不同位点的2H含量 可鉴别酿酒原料的种类以及葡萄酒在发酵前是否添加了外源物质 如甜菜糖 甘蔗糖 玉米糖等 实例 18O 16O 由于蒸腾作用 植株中重同位素富集 使植物自身水分子中18O 16O的含量相对自来水 地表水要高 如果在酿造期间外加水 其18O 16O的比值会降低 因此通过测定葡萄酒中水分子18O 16O的比值 可鉴别葡萄酒在生产过程中是否加水 目前测定18O 16O的比值主要利用IRMS技术 同位素比质谱仪通过测CO2中离子质量m z46 12C16O18O 和m z44 12C16O16O 比值的变化来判断水中18O 16O同位素的含量 15N 14N 化肥15N含量低 而有机肥15N含量高 可用来检测有机食品和普通食品 5 FluorescentandUV vispectroscopyGuimet F Ferre J Boque R Rius F X 2004 Applicationofunfoldprincipalcomponentanalysisandparallelfactoranalysistotheexploratoryanalysisofoliveoilsbymeansofexcitation emissionmatrix AnalyticaChimicaActa 515 1 75 85 Gonza lez M Lobo M G Me ndez J Carnero A 2005 Detectionofcolourdulterationincochinealsbyspectrophotometricdeterminationofyellowandredpigmentgroups FoodControl 16 105 112 2 Chromatographictechniques 1 Gaschromatography 2 HPLC 3 Electronicnose电子鼻 ElectronicNose 技术主要是基于一系列选择性气体传感器对食品挥发性成分的鉴别作用 优点 样品的需要量相对小和前处理简单 分析快速 并且很容易和化学计量学连用 缺点 对特殊化合物的选择性不是很好 例子 Guadarrama等成功的应用电子鼻技术和PCA鉴别了6种不同产地的橄榄油 4 DNA basedtechnologyDNA技术具有高效 准确 稳定的优点 但是因为DNA容易降解 很多加工食品不一定能提取出DNA 或者生产者可以故意降解掺入物质的DNA 这样就不能达到鉴别的作用 5 Immunologicaltechnology主要是ELISA技术 这种技术利用抗体结合目的蛋白的特异性可以从质和量两个方面去检测蛋白质 达到鉴别真伪的目的 特点 酶联免疫技术具有特异性强的优点 缺点就是针对一些特殊的蛋白要获得抗体非常困难 例子 1 Jha等利用ELISA技术成功地鉴别了食品中肉的品种 2 Moatsou等报道把ELISA技术鉴别不同种牛奶也有很好的效果 6 Thermaltechniques差示扫描量热法 可以判断液晶的相变情况 也可以测定各相态存在的温度范围和转变温度 例子 动物油脂掺入植物油 四 化学计量学建模技术研究进展 化学模式识别方法包括主成分分析 Principlecomponentanalysis PCA 聚类分析 Clusteranalysis CA 和判别分析 Discriminantanalysis DA 等方法 按照有没有训练可以划分为有监督的模式识别方法 Supervisedclassification 和无监督的模式识别方法 Unsupervisedclassification 前者是事先规定分类的标准和种类的数目 通过大批已知样本的信息处理 称为训练或学习 找出规律 再用计算机预报未知 后者是只有一大批样本 事先没有规定分类标准 也没有规定分成几类 却要求通过信息处理找出合适的分类方法并实现分类 主成分分析 PCA 主成分分析就是根据在初选的特征量间可能存在的相关性 找到一种空间变换方式 通过对原特征 经标准化后的 变量进行线性组合 形成若干个新的特征矢量 要求它们之间相互正交 并能最大限度地保留原样本集所含的原始信息 主成分分析在模式识别方面的应用是将多元变量用特征投影的方式进行降维 得到可在二维或三维空间显示的特征变量 然后利用人眼进行分类识别 属于无监督的模式识别方法 聚类分析 CA 聚类分析是数理统计的一种方法 适用于对于样本没有类的先验知识的情况 包括系统聚类方法 k均值聚类法 图论方法中的最小生成树等方法 其中系统聚类法和k均值聚类法是比较常用的方法 系统聚类法的基本思想是在各自成类样本中 将距离最近的样本并为一个新类 计算新类与其它类的距离 直到所有的样本并为一类 k均值聚类法是一种动态聚类方法 其基本思想是假设一个分类数目k 任意选取k个点作为初始类聚点 逐个计算其它样本与k个类重心之间的距离 选取距离最小者将其并入该类 再重新计算各类的重心 并以该重心为新的凝聚点 直到每个样本都被归类 判别分析 DA 判别分析属于有监督的模式识别方法 它需要用已知的类别的样本集进行训练 得到判别模型 才能对未知样本进行类别的判定 判别分析的代表性方法有线性判别 LDA K最邻近法 KNN 简易分类算法 SIMCA 人工神经网络 ANN 和支持向量机 SVM LDA的目标是寻找最能把两类样本分开的投影直线 以投影后样本类间离散度和样本类内离散度的比值最大的形式选择线性变换矩阵 KNN法方法的思路是 如果一个样本在特征空间中的k个最相似 即特征空间中最邻近 的样本中的大多数属于某一个类别 则该样本也属于这个类别 该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别 SIMCA分类法是建立在主成分分析的基础上的一种识别方法 其基本思路是先利用主成分分析的显示结果得到一个样本分类的基本印象 然后分别对各类样本建立相应的类模型 并用这些类模型来对未知样品进行判别分析 以确定其属于哪一类或不属于哪一类 人工神经网络 ANN 又称神经网络 由于具有自学习 高容错和高度非线性描述能力等优点 所以被