Food Control|江南大学王兴国课题组：基于脂肪酸比例和生育酚组成结合化学计量学检测山茶油掺假

摘要

今天介绍一篇来自江南大学王兴国课题组发表在Food Control的论文。该文研究了利用脂肪酸比例和生育酚组成，结合化学计量学，检验山茶油（CAO）中玉米油(COO)、菜籽油(RAO)、米糠油(RBO)、芝麻油(SEO)和豆油(SOO)的掺假。使用层次聚类分析（HCA），根据高油酸/α-亚麻酸、油酸/棕榈酸、油酸/亚油酸比例和α-生育酚含量，将所有CAO样品归入一个类别。基于偏最小二乘法判别分析（PLS-DA），可以得到在掺假率高于40%的情况下，总判别准确率高于97.67%。使用SIMCA建模，掺假CAO样品（5%-100%）的判别准确率达到90.00%以上。这两种互补的鉴别方法被证实对于山茶油的鉴定是可行且准确的。

1、介绍

由于山茶油（CAO）经济价值高，因此其很容易被掺入廉价的植物油，如玉米油（COO）、菜籽油（RAO）、米糠油（RBO）、芝麻油（SEO）和大豆油（SOO）。近年来，人们提出了通过各种特定的物质，如脂肪酸、甘油三酯、角鲨烯、植物甾醇、生育酚和挥发物，结合化学计量学，来描述掺杂油的特征。

该研究旨在评估用气相色谱法和液相色谱法分别获得的脂肪酸比例和生育酚组成是否可以用来鉴别山茶油的掺杂。为此，研究了CAO和其他五种食用植物油（包括COO、RAO、RBO、SEO和SOO）的脂肪酸比例和生育酚组成，然后使用HCA比较这些油的相似性和差异性。随后，构建了PLS-DA和SIMCA模型来检测山茶油的掺假情况，并对它们的性能进行了比较。本文旨在对掺有普通植物油的山茶油进行准确的质量评估。

2、材料和方法

2.1、材料

从厂家购买36种山茶油、6种玉米油、3种菜籽油、4种米糠油、3种芝麻油、4种大豆油，并保证其植物来源和质量等级。通过与其他5种植物油以5%、10%、20%、30%、40%、50%、60%、70%和80%（w/w）的比例混合，得到掺假的山茶油样品。总共制备了135个掺假油样品，随后用于进一步分析。从Sigma-Aldrich购买37种脂肪酸甲酯（FAMEs）（C4-C24）、α-、β-、γ-和δ-生育酚。其他试剂由国药集团化学试剂公司提供。

2.2、分析方法

2.2.1、脂肪酸组成

称取50 mg油样放入试管，然后与正己烷（2.0 mL）和2M甲醇氢氧化钾（KOH-CH3OH，0.5 mL）均匀混合。使用配备火焰电离检测器和毛细管柱Trace TR-FAME的Agilent 7820A气相色谱仪进行分析。

2.2.2、生育酚分析

准确称量每份油样（100 mg），然后将其溶解在1 mL己烷中，通过正相高压液相色谱法结合紫外检测器在295 nm波长下进行测定。

2.3、统计分析

所有原始数据均在MetaboAnalyst 5.0和SIMCA 13中进行分析，用于HCA、PLS-DA以及SIMCA建模。在构建PLS-DA和SIMCA模型前，随机选择三分之二的样品作为构建这两个模型的校正集，而剩余三分之一的样品作为独立的验证集，以评估上述模型的性能。

3、结果和讨论

3.1、不同植物油中的脂肪酸比例

如表1所示，对五种植物油的棕榈酸/硬脂酸（P/S）、油酸/棕榈酸（O/P）、油酸/亚油酸（O/L）、油酸/α-亚麻酸（O/Ln）和亚油酸/硬脂酸（L/S）的相对比例进行了研究。P/S的相对比例在不同的油样中表现出不同的变化，其中RBO最高，其次是COO、CAO、SOO和RAO，最低的是SEO。同时，RAO和CAO中O/P较高，分别为13.23和8.65。此外，CAO中O/L和O/Ln最高，可能是由于其富含油酸（C18:1），而含有较少的亚油酸（C18:2）和α-亚麻酸（C18:3）。此外，由于C18:2含量丰富，COO中的L/S明显高于其余植物油中的L/S。上述脂肪酸比例显示了这些植物油之间的差异，表明这些参数可用于鉴别山茶油。

表1 植物油样品的脂肪酸比例和生育酚组成。CAO（山茶油）、COO(玉米油)、RAO (菜籽油)、RBO (米糠油)、 SEO (芝麻油)和 SOO (豆油)

3.2、不同植物油中的生育酚组成

表1中的数据表明，α-生育酚作为一种主要的生育酚，在上述所有植物油中均可以检测到，其含量为生育酚总量的1.79–100%。COO的α-生育酚含量最高，其次是RBO、RAO、SOO和CAO，最低的是SEO。

3.3、使用HCA对纯植物油进行分类

如图1（a）所示，根据脂肪酸比例，所有CAO和RAO样品形成一个分支，而其他四种植物油形成良好的聚类。CAO和RAO的O/Ln、O/P和O/L较高，而COO、RBO、SEO和SOO的L/S较高，其中RBO和COO的P/S较高。然而，如图1（b）所示，CAO和其他5种植物油可以分为2个亚组，生育酚组成作为构建HCA的输入变量。所有CAO样品与剩余油样品清晰分离，α-生育酚含量最高。SEO可分为一个类别，因为它的γ-/α-生育酚和γ-生育酚含量明显较高。同样，SOO由于γ-生育酚和δ-生育酚含量较高而成为一个集群。而RAO与COO被分组在同一个聚类中，因为它们的α-生育酚含量较低，但γ-生育酚、β-生育酚和δ-生育酚含量较高。此外，COO与RBO有部分重叠，因为它们的β-生育酚含量非常高。因此，为了更好地对所有油类样品进行分组，随后进行了第三次HCA，脂肪酸比例以及生育酚组成作为输入变量，如图1（c）所示。所有样品都可以分为两类。所有CAO由于高的O/Ln、O/P、O/L比例和α-生育酚含量而被归为一类。而其他五种植物油由于其L/S比例和β-生育酚含量相似而被归为一类。此外，在RBO、COO、SOO、SEO和RAO中可以观察到两个亚组。RBO和COO的P/S和L/S比例和β-生育酚含量最高，而SOO、SEO和RAO的γ-生育酚和γ-/α-生育酚含量较高。与使用脂肪酸比例或生育酚组成作为输入变量的HCA模型相比，使用所有植物油的脂肪酸比例和生育酚组成可以获得更好的分组，因此在后续研究中选择后者作为输入变量。

图1 脂肪酸比例（a）、生育酚组成（b）和脂肪酸比例以及生育酚组成（c）的不同植物油的热图

3.4、山茶油掺假分析的PLS-DA模型

图2（a）显示了在掺假率为5%–100%的情况下，PLS-DA模型的结果图。纯CAO样品集中在PLS-DA图的右上方，所有CAO+RBO的样品分布在右下方。大部分CAO+COO、CAO+SOO、CAO+RBO、CAO+SEO和CAO+RAO样品位于左侧。大部分CAO+COO、CAO+SOO、CAO+RBO、CAO+SEO和CAO+RAO样品位于左侧。如图2(a)-(b)所示，在掺杂率低于20%的低油样中可以观察到明显的重叠，因为它们的脂肪酸比例和生育酚组成相似。如图2(c)-(e)所示，去除5%和10%掺假比例的样品后，在图中有更清晰的边界，尤其是纯CAO和掺假样品之间的边界。当掺假率高于40%时，可以清晰地看到上述油样的相互分离。此外，使用200次随机排列测试，上述PLS-DA模型被证明是稳定的，R²Y和Q²Y截距值分别小于0.4和0.05。

图2 掺入不同植物油的山茶油的PLS-DA

如表2所示，由于所有数据集中的分类正确率都为100%，可以从其他组中清楚地分类出纯CAO样品。此外，在CAO + SOO校正组中，判别准确率达到100%，这是因为它们的δ-生育酚和γ-生育酚含量明显较高。然而，在CAO + COO样品中最低的判别准确率为63.64%，其中4个样品因其相似的γ-生育酚含量而被误判为CAO + SEO（表S1），2个低掺假比例（5%和10%）的样品被误判为CAO。当掺假比例≥10%时，在CAO和CAO+SOO的校正集和验证集中都可以找到数值为100%的判别准确率。同时，在CAO+RAO和CAO+SEO的验证集中也有数值为100%的判别准确率，但CAO+COO样品的判别准确率仍然很低，只有65%。随着掺假比例从10%增加到40%，总的判别准确率从91.53%提高到97.73%，CAO + COO为85.71%，其余五个组的判别准确率都为100%。因此，该PLS-DA模型在掺假率为40%至100%的山茶油鉴定中具有较高的准确度。

表2 PLS-DA分析的判别准确率

3.5、山茶油掺假分析的SIMCA模型

图3（a）-（e）为CAO和CAO+COO样品SIMCA验证的Coomans图。左上和右下空区域分别属于CAO和CAO+COO组，位于左下区域的样品被分配到这两个类别，而落在右上区域的样品被认为是未分类组。不同油样之间的误判无法避免，尤其是在掺假率低于10%的情况下，用红色圈出这些被误判的样品。当掺假比例达到40%时，所有油样都出现在远离分类框的地方。

图3 SIMCA模型中的Coomans图

表3中的判别准确率可以说明SIMCA模型的敏感性和特异性。对于验证集中的纯CAO样品，可以实现100%的判别准确率，而对于校正集，即使掺假率提高到40%，也只能获得91.67%的判别准确率。此外，在5%掺假水平下，观察到CAO+COO组的判别准确率为95.45%，验证集的掺假率在30%以上时，判别准确率可以提高到100%。同样，当掺假率为5%时，对于以下四个组，即CAO+RAO、CAO+RBO、CAO+SEO以及CAO+SOO，可以达到90.00%以上的判别准确率，证实了所构建的SIMCA模型在较低掺假率下对CAO和掺假CAO样品进行鉴别的有效性。此外，当掺假率低于20%时，与上述PLS-DA模型相比，SIMCA模型具有更高的判别准确率。当掺假率超过20%时，情况则相反，这表明使用SIMCA模型在低掺假率下鉴定山茶油是更好的选择，而PLS-DA模型更适用于高掺假率下的鉴定。

表3 SIMCA模型分析的判别准确率

结论

该研究证实了根据脂肪酸比例和生育酚组成结合化学计量学鉴别山茶油是可行的。当掺假率高于20%时，PLS-DA模型在山茶油鉴定中具有较高的准确率。在掺假率低于20%时，SIMCA模型具有较高的判别准确率。这两种互补的鉴别方法都可以用于山茶油掺假检测。

参考文献：

• Shi, T., G. Wu, Q. Jin and X. Wang (2022). “Camellia oil adulteration detection using fatty acid ratios and tocopherol compositions with chemometrics.” Food Control 133: 108565.

• 文章链接：https://doi.org/10.1016/j.foodcont.2021.108565

作者简介

王兴国，教授/博导，中国标准化专家委员会委员，全国粮油标准化技术委员会委员、油料及油脂分技术委员会副主任，中国食品科学技术学会食品营养与健康分会常务理事，国家食用植物油检测重点实验室高级技术顾问，中国粮油学会常务理事、学术委员会主任，中国粮油学会油脂分会常务副会长。始终专注于食用油加工基础理论和工程技术创新研究，在食用油精准适度加工理论与方法、花生油规模化安全生产、油脂脱色机理与专用脱色材料、油脂增值产品开发等方面取得了一系列重要成果；主持“食用植物油加工关键技术研究与示范”和“食用油生物制造技术研究与开发”等国家科技支撑、863 重点项目多项，获国家技术发明二等奖1项（排名1）、国家科技进步二等奖3 项（排名1、2、4）以及中国粮油学会科学技术特等奖等省部级奖励8 项；主持和参与制修订国家/行业标准30 余项；授权发明专利52件；出版专译著教材16部（册）；发表论文591篇，其中SCI论文373篇；指导研究生140余人，30余人获博士学位。曾获 “光华工程科技奖”、“全国优秀科技工作者”和“科学精神奖”等多个奖项。

扫码关注我们

微信号｜FoodAI

合作/投稿｜biomed@csu.edu.cn