專利名稱：近紅外檢測花生中蛋白質組分含量的方法
技術領域：
本發(fā)明涉及一種檢測花生中蛋白質組分含量的方法，尤其是涉及一種利用近紅外光譜檢測花生中蛋白質組分含量的方法。
背景技術：
花生中蛋白質含量為24% 36%，包括花生球蛋白和伴花生球蛋白(伴花生球蛋白I和伴花生球蛋白II)兩種組分，各種組分在花生蛋白質的功能性質中起到非常重要的作用；隨著人們生活水平的提高，花生育種研究已從單純重視產量，轉化為產量和品質兼顧，并不斷重視營養(yǎng)和蛋白質組分的功能性質。在花生品質分析中，花生蛋白質組分含量測定通常采用聚丙烯酰胺凝膠電泳(SDS-PAGE)，但該種方式分析速度慢，需要對花生仁脫脂、提取出蛋白質后再進行SDS-PAGE及光密度分析方可計算蛋白質組分含量，不適于大批量樣品的測定和育種材料的篩選。因此，需要找到一種快速和準確的花生蛋白質組分含量檢測 方法，為花生蛋白質組分含量的評價提供依據。無損檢測技術是一門新興的綜合性應用學科，在不破壞或損壞被檢測對象的前提下，利用樣品內部結構存在所引起的對熱、聲、光、電、磁等反應的變化，來對樣品結構組成做出判斷和評價。根據無損檢測原理的不同，檢測方法大致可分為光學特性分析法、聲學特性分析法、機器視覺技術檢測方法、電學特性分析法、核磁共振檢測技術與X射線技術等。近年來，近紅外光譜技術在農產品無損檢測尤其是農作物的品質分析和農藥殘留等方面的應用十分廣泛。國內外還未見近紅外技術在花生蛋白質組分含量分析測試方法或建立相關模型方面的報道。

發(fā)明內容
本發(fā)明的目的是提供一種近紅外檢測花生中蛋白質組分含量的方法。本發(fā)明提供的一種檢測花生中蛋白質組分含量的方法，包括如下步驟I)對已知花生蛋白質組分含量的花生標準品進行近紅外光譜掃描，獲得所述已知花生蛋白質組分含量的花生標準品在近紅外波長的所有光譜信息，得到校正集樣本光譜的計算平均值；2 )對所述步驟I)所得校正集樣本光譜進行預處理；3)將所述步驟2)預處理后的校正集樣本光譜中的信息數據進行主成分分析，提取特征信息數據；4)校正模型的建立以所述花生標準品的花生蛋白質組分含量的化學測定值為校正值，將所述步驟3)所得特征信息數據作為自變量，所述校正值作為因變量，用化學計量學多元校正算法建立所述自變量與所述因變量之間的校正模型(也即花生蛋白質組分含量與近紅外光譜特征信息數據之間的映射關系；)；5)未知花生蛋白質組分含量的花生樣品的測定
將所述步驟I)所述已知花生蛋白質組分含量的花生標準品替換為待測花生樣品，重復所述步驟I)至步驟3)，將所述步驟3)所得特征信息數據輸入所述步驟4)的校正模型，得到所述待測花生樣品中的花生蛋白質組分含量。上述方法所述步驟I)中，所述近紅外波長為950_1650nm。所述近紅外光譜掃描步驟中，掃描方式為連續(xù)波長近紅外掃描或離散波長近紅外掃描。所述光譜信息為吸光度。所述步驟2)預處理步驟中，預處理的方法為多元散射校正方法、平滑方法和求導方法中的至少一種。所述求導方法為一階求導或二階求導方法。所述步驟3)主成分分析步驟包括如下步驟將所述步驟2)預處理后的校正集樣本光譜中的信息數據變換到2-10個互不相關的變量中；上述2-10個互不相關的變量含有原來多個相關的光譜> 90%的信息。所述步驟I)所述掃描方式為連續(xù)波長近紅外掃描時，所述化學計量學多元校正算法為偏最小二乘法(PLS)、主成分回歸(PCR)或人工神經網絡算法(ANN);所述掃描方式為 離散波長近紅外掃描時，所述化學計量學多元校正算法為逐步回歸算法或多元線性回歸算法(MLR)。所述步驟4)中，所述花生標準品的花生蛋白質組分含量的化學測定值是由SDS-PAGE (聚丙烯酰氨凝膠電泳)和光密度分析儀測定而得。所述花生蛋白質組分選自花生球蛋白、伴花生球蛋白和伴花生球蛋白I中的至少一種。另外，可按照如下步驟對步驟4)所得校正模型進行驗證將所述步驟I)所述已知花生組分含量的花生標準品替換為一組已知花生組分含量的花生樣品，重復所述步驟I)至步驟3)后，利用所述步驟4)所述校正模型得到所述已知花生組分含量的花生樣品中花生組分含量的計算值，計算所述計算值與實際值的相關系數和方差，評價所述步驟4)所得校正模型的可靠性。在所述步驟I)之前，亦不需要對花生標準品或待測花生樣品進行任何預處理。本發(fā)明收集了一批有代表性的花生樣品例如白沙1016、黑花生、白花生、五彩花生、中花8號、花育20號、開農30號等。測定樣品中的蛋白質組分含量，以這批樣品作為建立數學模型的校正集建立數學模型，提出了一種利用花生的近紅外光譜中包含樣品的主要成分及測量的信息測定其中蛋白質組分含量的方法，該方法應用化學計量學方法對花生近紅外光譜和花生中蛋白質組分含量進行關聯(lián)研究，可以確定這兩者之間的定性或定量關系，即校正模型。建立校正模型后，只要測量出未知樣品的近紅外光譜，根據校正模型就可以確定花生的各個蛋白質組分含量。該方法具有分析速度快、分析效率高，不使用任何化學試劑，分析成本低，且對環(huán)境不造成任何污染的優(yōu)點。


圖I為未經預處理的花生樣品光譜圖；圖2為校正集和驗證集的計算值和測定值的關系散點圖。
具體實施例方式下面結合具體實施例對本發(fā)明作進一步闡述，但本發(fā)明并不限于以下實施例。所述方法如無特別說明均為常規(guī)方法。所述原料如無特別說明均能從公開商業(yè)途徑而得。下述實施例每步驟的數據處理均由挪威CAMO公司出售的化學計量軟件The Unscrambler
9.7中完成。實施例II)取當年收獲的花生樣品作為標準品，141個樣品(符合花生群體的常態(tài)分布規(guī)律)；在25 °C下開啟近紅外光譜儀預熱30min，取60g花生樣品放于旋轉樣品杯中(直徑75mm，深度25mm);采用連續(xù)波長近紅外掃描中的漫反射模式采集光譜，掃描譜區(qū)950-1650nm，分辨率5nm，采集樣品的吸收光譜；為了克服樣品粒度差異引起的光譜漂移，減少誤差，每個樣品重復裝樣3次，得到校正集樣本光譜，取校正集樣本光譜中的吸光度作為光譜信息數據，將該校正集樣本光譜的計算平均值(圖I)存于計算機軟件中，備下一步構建花生蛋白質組分含量校正模型使用；
2)近紅外光譜預處理采用一階求導結合平滑處理方法對步驟I得到的校正集樣本光譜進行預處理；3)將步驟2)預處理后的校正集樣本光譜中的信息數據變換到主成分數為2-10個互不相關的變量中，完成特征信息數據的提取，花生中2種不同蛋白質組分對應的主成分數分別為花生球蛋白7、伴花生球蛋白9、伴花生球蛋白I :6。4)校正模型的建立用SDS-PAGE (聚丙烯酰氨凝膠電泳)和光密度分析儀測定花生標準品的蛋白質組分含量，得到化學測定值，以該值為校正值，將步驟3)所得特征信息數據作為自變量，校正值作為因變量，用偏最小二乘法建立自變量與因變量之間的校正模型(也即蛋白質組分含量與近紅外光譜特征信息數據之間的映射關系)，所得模型結果如表I所示；表I、花生蛋白質組分定標模型參數
權利要求
1.一種檢測花生中蛋白質組分含量的方法，包括如下步驟 1)對已知蛋白質組分含量的花生標準品進行近紅外光譜掃描，獲得所述已知蛋白質組分含量的花生標準品在近紅外波長的所有光譜信息，得到校正集樣本光譜的計算平均值； 2)對所述步驟I)所得校正集樣本光譜進行預處理； 3)將所述步驟2)預處理后的校正集樣本光譜中的信息數據進行主成分分析，提取特征信息數據； 4)以所述花生標準品的蛋白質組分含量的化學測定值為校正值，將所述步驟3)所得特征信息數據作為自變量，所述校正值作為因變量，用化學計量學多元校正算法建立所述自變量與所述因變量之間的校正模型； 5)將所述步驟I)所述已知蛋白質組分含量的花生標準品替換為待測花生樣品，重復所述步驟I)至步驟3)，將所述步驟3)所得特征信息數據輸入所述步驟4)的校正模型，得到所述待測花生樣品中的蛋白質組分含量。
2.根據權利要求I所述的方法，其特征在于所述步驟I)中，所述近紅外波長為950_1650nm。
3.根據權利要求I或2所述的方法，其特征在于所述步驟I)中，所述近紅外光譜掃描步驟中，掃描方式為連續(xù)波長近紅外掃描或離散波長近紅外掃描。
4.根據權利要求1-3任一所述的方法，其特征在于所述步驟2)預處理步驟中，預處理的方法為多元散射校正方法、平滑方法和求導方法中的至少一種。
5.根據權利要求4所述的方法，其特征在于所述求導方法為一階求導或二階求導方法。
6.根據權利要求1-5任一所述的方法，其特征在于所述步驟3)所述主成分分析步驟包括將所述步驟2)預處理后的校正集樣本光譜中的信息數據變換到2-10個互不相關的變量。
7.根據權利要求3-6任一所述的方法，其特征在于所述步驟I)所述掃描方式為連續(xù)波長近紅外掃描時，所述化學計量學多元校正算法為偏最小二乘法、主成分回歸或人工神經網絡算法； 所述掃描方式為離散波長近紅外掃描時，所述化學計量學多元校正算法為逐步回歸算法或多元線性回歸算法。
8.根據權利要求1-7任一所述的方法，其特征在于所述步驟4)中，所述花生標準品的蛋白質組分含量的化學測定值是由SDS-PAGE和光密度分析儀測定而得。
9.根據權利要求1-8任一所述的方法，其特征在于所述蛋白質組分選自花生球蛋白、伴花生球蛋白和伴花生球蛋白I中的至少一種。
10.根據權利要求1-9任一所述的方法，其特征在于所述步驟I)中，所述光譜信息為吸光度。
全文摘要
本發(fā)明公開了一種檢測花生中蛋白質組分含量的方法。該方法，包括1)校正集樣本光譜的建立；2)校正集樣本光譜預處理；3)提取校正集樣本光譜的特征信息數據；4)校正模型的建立；5)待測樣品分析。將待測樣品的近紅外光譜經預處理，提取特征信息輸入校正模型，即可計算得到花生樣品中的蛋白質組分含量。本發(fā)明具有分析速度快、分析效率高、不使用任何化學試劑、分析成本低、且對環(huán)境不造成任何污染等優(yōu)點，可為花生品質分析、控制花生品質及制品品質提供可靠依據。
文檔編號G01N21/35GK102879353SQ20121034966
公開日2013年1月16日 申請日期2012年9月19日 優(yōu)先權日2012年9月19日
發(fā)明者王強, 劉紅芝, 劉麗, 王麗, 杜寅 申請人:中國農業(yè)科學院農產品加工研究所