食品掺假检测方法VIP

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(Kaisersrule)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(Wilkslambdavalues),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）FluorescentandUVvisspectroscopy,（1）MIRandNIRspectroscopyMIR：4000400cm-1，molecularbondsNIR：140004000cm-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）FluorescentandUVvispectroscopyGuimet,F.,Ferre,J.,Boque,R.,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,所以被逐渐地应用于各个领域。人工神经网络又分反向传播神经网络(BackPropagationnetwork)、径向基人工神经网络(RadialBasisFunctionnet