陳 超,郭 妍,張 政,趙風(fēng)云,2,*

(1.昆明理工大學(xué)食品安全研究院,云南昆明 650500;2.甘肅農(nóng)業(yè)大學(xué)食品科學(xué)與工程學(xué)院,甘肅蘭州 730070)

礦質(zhì)元素含量結(jié)合化學(xué)計(jì)量學(xué)對云南3種單花種蜂蜜的花源鑒別研究

陳 超1,郭 妍1,張 政1,趙風(fēng)云1,2,*

(1.昆明理工大學(xué)食品安全研究院,云南昆明 650500;2.甘肅農(nóng)業(yè)大學(xué)食品科學(xué)與工程學(xué)院,甘肅蘭州 730070)

為了鑒別云南地區(qū)3種單花種蜂蜜的花源,利用火焰原子吸收光譜法(F-AAS)和石墨爐原子吸收光譜法(GF-AAS)測定了云南地區(qū)3種特色春蜂蜜(苕子蜂蜜、橡膠蜂蜜和石榴蜂蜜)中K、Na、Zn、Mn、Mg、As、Fe、Cr、Ni、Ca、Cu、Pb和Cd的含量。比較發(fā)現(xiàn),3種蜂蜜間的礦質(zhì)元素含量差異較明顯。以礦質(zhì)元素含量為變量,應(yīng)用PCA、PLS-DA和BP-ANN,對3種蜂蜜進(jìn)行分析。PCA將13個(gè)變量降為三個(gè)主成分,三個(gè)主要組件解釋了66.39%的總方差,并初步實(shí)現(xiàn)了不同蜂蜜的分類。在上述結(jié)果的基礎(chǔ)上,從每種蜂蜜中隨機(jī)選取30個(gè)樣品,分別構(gòu)建PLS-DA和BP-ANN蜂蜜鑒別模型。PLS-DA模型的訓(xùn)練和交叉驗(yàn)證分類的總正確率分別為96.7%和92.2%;BP-ANN模型的訓(xùn)練和交叉驗(yàn)證分類的總正確率分別為100%和95.6%。與PLS-DA相比,BP-ANN模型的性能較好。應(yīng)用訓(xùn)練后的BP-ANN模型,對余下的35個(gè)蜂蜜樣品進(jìn)行測試,橡膠蜂蜜和石榴蜂蜜的預(yù)測精度達(dá)到100%,而苕子蜂蜜因一個(gè)樣品被錯誤的劃分到石榴蜂蜜,預(yù)測精度為90%。利用F-AAS、GF-AAS測定礦質(zhì)元素含量結(jié)合化學(xué)計(jì)量學(xué)可以實(shí)現(xiàn)云南地區(qū)3種單花種蜂蜜的花源鑒別。

蜂蜜,礦質(zhì)元素,鑒別,PCA,PLS-DA,BP-ANN

蜂蜜是由蜜蜂采集花蜜生產(chǎn)的天然甜味物質(zhì)[1]。其主要成分是糖類、氨基酸、礦質(zhì)元素等[2-3]。蜂蜜中礦質(zhì)元素含量范圍大約為0.1%～1%[4],主要是K、Ca、Na、Zn、Mg、Mn、Fe等[5-6]。礦質(zhì)元素?zé)o法通過生物體自身產(chǎn)生,蜂蜜中的礦質(zhì)元素來源主要與蜜源植物及蜜蜂的生存環(huán)境有關(guān)[7]。因此,蜂蜜中礦質(zhì)元素含量,可以反映蜂蜜相關(guān)的蜜源植物及其地理信息[8-9]。

不同植物或地理來源的蜂蜜價(jià)格存在差異[10-12],消費(fèi)者不僅關(guān)心蜂蜜摻假與否,同時(shí)也關(guān)心其植物和地理來源等信息,并且蜂蜜來源的真實(shí)性也會影響蜂蜜的貿(mào)易[13],許多國家和地區(qū)針對名優(yōu)蜂蜜已建立了原產(chǎn)地保護(hù)、地理標(biāo)識和傳統(tǒng)特色保護(hù)制度[14]。傳統(tǒng)檢測蜂蜜植物來源和地理來源的方法主要是花粉分析,但這種分析方法效率低,且與檢測者的經(jīng)驗(yàn)有關(guān)[15-16]。近年來,光譜學(xué)技術(shù)結(jié)合化學(xué)計(jì)量學(xué)已大量用于蜂蜜分類及其原產(chǎn)地的鑒別研究。Alda-Garcilope等[17]應(yīng)用原子吸收光譜儀測定了西班牙原產(chǎn)地保護(hù)產(chǎn)品“Miel de Granada”蜂蜜中的7種礦質(zhì)元素含量,結(jié)合化學(xué)計(jì)量學(xué)方法實(shí)現(xiàn)了對蜂蜜產(chǎn)地的鑒別研究。

常見的化學(xué)計(jì)量法有主成分分析(PCA)[18]、偏最小二乘法(PLS)[19]和反向神經(jīng)網(wǎng)絡(luò)系統(tǒng)(BP-ANN)[20]等。Oroian[21]等應(yīng)用ICP-MS結(jié)合PCA技術(shù),實(shí)現(xiàn)了羅馬尼亞東北部地區(qū)蜂蜜的鑒別。Chen[22]等應(yīng)用NIR結(jié)合BP-ANN,建立了山西長治地區(qū)不同蜂蜜的真?zhèn)闻袆e辦法。通過測定蜂蜜中礦質(zhì)元素含量,對蜂蜜蜜源植物和地理起源進(jìn)行鑒別研究十分必要。

云南蜜源植物種類豐富,產(chǎn)出多種特色蜂蜜。陽歷4～5月份為晚春時(shí)節(jié),此時(shí)盛開的蜜粉源植物為蜜蜂春繁越夏提供食物,此時(shí)節(jié)能生產(chǎn)的商品蜂蜜并不多,主要有苕子蜜(Viciacraccahoney)、橡膠蜜(Heveabrasiliensishoney)、石榴蜜(Punicagranatumhoney)。本研究利用火焰原子吸收光譜法(F-AAS)和石墨爐原子吸收光譜法(GF-AAS)測定了云南多個(gè)地區(qū)的3種春蜂蜜中的13種礦質(zhì)元素含量,結(jié)合PCA、PLS和BP-ANN技術(shù),旨在探討礦質(zhì)元素含量與蜂蜜類型之間的關(guān)系。本研究的開展為云南地區(qū)特色蜂蜜的植物來源和地理標(biāo)識分析提供理論依據(jù),還可為其他地區(qū)蜂蜜溯源研究提供技術(shù)支持。

1 材料與方法

1.1 材料與儀器

蜂蜜 2015年4～5月從云南不同地區(qū)采集了125個(gè),其中,苕子蜂蜜40個(gè),橡膠蜂蜜45個(gè),石榴蜂蜜40個(gè),所有樣品獲得后,及時(shí)檢測,備用樣品置于4 ℃貯存,蜂蜜樣品采集地點(diǎn)分布如圖1所示;30% H2O2優(yōu)級純,天津市風(fēng)船化學(xué)試劑科技有限公司;65% HNO3優(yōu)級純,成都市科龍化工試劑廠;各元素標(biāo)準(zhǔn)溶液 濃度為1000 μg/mL,國家有色金屬及電子材料分析測試中心;NH4H2PO4分析純,汕頭市西隴化工廠有限公司;所有實(shí)驗(yàn)用水 均為超純水。

圖1 蜂蜜樣品采集地信息Fig.1 Provenance of the honey samples in Yunnan(China)

NovAA400P火焰石墨爐原子吸收光譜儀 德國耶拿分析儀器股份公司;C21-FH2103多功能電磁爐 廣東美的生活電器制造有限公司;AL204型電子天平 梅特勒-托利多儀器(上海)有限公司;UPHW-I-90T優(yōu)普系列超純水機(jī) 成都超純科技有限公司;各元素空心陰極燈 北京有色金屬研究總院。

1.2 實(shí)驗(yàn)方法

1.2.1 樣品預(yù)處理 蜂蜜樣品在40 ℃條件下,超聲勻漿。稱取2 g蜂蜜樣品置于50 mL小燒杯中,加入8 mL HNO3(65%)和2 mL H2O2(30%),用保鮮膜覆蓋,置于通風(fēng)櫥內(nèi)過夜。次日,在電熱板上加熱消解,待不再產(chǎn)生棕色煙霧且消解液澄清透明時(shí)取下,冷卻至室溫后,轉(zhuǎn)移至50 mL容量瓶,用超純水稀釋到刻度,搖勻,待用。試劑空白對照除不加入樣品外,以相同的方式制備。

1.2.2 元素測定 參照GB/T 18932.12-2002《蜂蜜中鉀、鈉、鈣、鎂、鋅、鐵、銅、錳、鉻、鉛、鎘含量的測定方法 原子吸收光譜法》中方法,利用F-AAS測定3種不同蜂蜜樣品中的K、Na、Zn、Mn、Mg、As、Fe、Cr、Ni、Ca和Cu元素;利用GF-AAS測定樣品中Pb和Cd元素,NH4H2PO4作為基體改進(jìn)劑,儀器工作參數(shù)見GB/T 18932.12-2002。

1.3 數(shù)據(jù)分析

實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)使用Office Excel 2010軟件,方差分析使用SPSS 22.0軟件,PCA、PLS和BP-ANN分析使用MATLAB R2010b軟件。

2 結(jié)果與討論

2.1 蜂蜜中礦質(zhì)元素的含量

蜂蜜中礦質(zhì)元素含量如表1所示。K是3種蜂蜜中含量最多的元素,這與先前的研究結(jié)果相一致[22-23]。苕子蜂蜜和石榴蜂蜜中K和Mg的含量顯著低于橡膠蜂蜜;3種蜂蜜間Fe、Ca、Na、Cr和Ni的含量,分別存在顯著性差異;苕子蜂蜜中Zn和Cu的含量顯著高于石榴和橡膠蜂蜜;苕子蜂蜜和石榴蜂蜜Mn的含量顯著高于橡膠蜂蜜;3種蜂蜜間Pb、Cd和As的含量無顯著差異。40個(gè)苕子蜂蜜中Zn含量范圍為2.78～23.01 mg/kg,45個(gè)橡膠蜂蜜中K含量為213.58～436.35 mg/kg，40個(gè)石榴蜂蜜中Fe含量為4.70～36.00 mg/kg，元素的含量范圍均較寬。

由上述分析可知,不同植物來源的蜂蜜中13種礦質(zhì)元素含量有明顯差異。即使是同一植物來源的蜂蜜,其礦質(zhì)元素含量的最小值和最大值也相差較大。因此,需要化學(xué)計(jì)量學(xué)方法來評估不同植物來源的聚類趨勢。

表1 苕子蜜、橡膠蜜和石榴蜜中的礦質(zhì)元素的含量Table 1 Statistics of the element contents in V. cracca honey,H. brasiliensis honey and P. granatum honey

注:表中數(shù)值表示為平均值±標(biāo)準(zhǔn)差;不同字母代表同行中的數(shù)值之間差異顯著(p<0.05)。

2.2 化學(xué)計(jì)量學(xué)分析

2.2.1 PCA分析 PCA能夠?qū)崿F(xiàn)對樣品分類結(jié)果的可視化,把復(fù)雜多變量的樣品信息簡單直觀地表達(dá)出來,基本能夠反映元素分布和不同蜂蜜種類之間的關(guān)系。因?yàn)椴煌N類蜂蜜的礦質(zhì)元素含量存在差異(表1),以蜂蜜中礦質(zhì)元素含量為變量對不同種類蜂蜜進(jìn)行鑒別研究是可行的。

通過PCA分析,將13個(gè)變量降為三個(gè)主成分,三個(gè)主成分解釋了66.39%的總方差,第一主成分(PC1)表示了33.31%,余下兩個(gè)主成分分別解釋了24.26%和8.82%的總方差。顯然,PC1和PC2是主要成分,代表了57.57%的方差,變量的載荷圖解釋了每個(gè)元素與兩個(gè)主要組件的關(guān)系。PC1和PC2變量的載荷圖(圖2a)結(jié)果表明,K、Mg、As、Fe、Ni、Cr、Ca與PC1呈正相關(guān),而Na、Pb、Cr、Zn、Mn、Cu與PC1呈負(fù)相關(guān)。另一方面,Na、Mn、Fe、Ni、Cr與PC2呈負(fù)相關(guān),其余均與PC2呈相關(guān)。

圖2(b)代表蜂蜜樣品的得分圖,3種蜂蜜類型基本分離?？梢钥吹杰孀臃涿圯^為分散,且苕子蜂蜜與石榴蜂蜜之間有交聯(lián)。橡膠蜂蜜和石榴蜂蜜位于得分圖的右側(cè),與PC1正相關(guān),這意味著這些樣品中與PC1正相關(guān)的礦質(zhì)元素含量較高。結(jié)合圖2(a)和圖2(b)可以看出,橡膠蜂蜜中K、Mg、Ca以及石榴蜂蜜中Fe、Ni的含量分別是蜂蜜樣品中最高的,與表1的數(shù)據(jù)相一致。K、Mg、Ca可能是橡膠蜂蜜的潛在分辨標(biāo)記,Fe、Ni、Cr可能是石榴蜂蜜的潛在分辨標(biāo)記。

圖2 蜂蜜樣本的主成分分析Fig.2 Principal component analysis

2.2.2 分類與預(yù)測 為了更好地對蜂蜜樣品進(jìn)行分類和預(yù)測,從每種蜜源植物蜂蜜樣品中,隨機(jī)選取30個(gè)樣品,構(gòu)建偏最小二乘判別分析模型(PLS-DA)和反向傳播人工神經(jīng)網(wǎng)絡(luò)模型(BP-ANN)。

在PCA的基礎(chǔ)上,建立PLS-DA模型來對不同植物來源的蜂蜜進(jìn)行分類和預(yù)測。該模型的識別能力,由正確分類的百分比表示。結(jié)果如表2所示,訓(xùn)練總正確率為96.7%,對橡膠蜂蜜分類正確率為100.0%,對苕子和石榴蜂蜜分類正確率分別為93.3%和96.7%。模型預(yù)測能力由交叉驗(yàn)證的正確率表示。總體預(yù)測精度為92.2%,苕子和石榴蜂蜜預(yù)測正確率分別為86.7%和90.0%,均低于訓(xùn)練模型?？偟膩碚f,PLS-DA模型具備一定的分類和預(yù)測能力,但精度不是很高。

表2 偏最小二乘判別分析模型訓(xùn)練及交叉驗(yàn)證結(jié)果Table 2 Model training and cross-validation results by PLS-DA model

為了進(jìn)一步提高蜂蜜分類的正確率,建立了BP-ANN模型進(jìn)行檢驗(yàn)。神經(jīng)網(wǎng)絡(luò)模型包含三層,輸入層和輸出層各有一個(gè)神經(jīng)元,隱層的神經(jīng)元數(shù)目為10,學(xué)習(xí)效率和迭代次數(shù)分別為0.6和100次。對模型的訓(xùn)練和驗(yàn)證正確率進(jìn)行了評估,如表3所示。訓(xùn)練過程中,所有蜂蜜根據(jù)其植物來源,均被正確分類。同時(shí),對模型的魯棒性也進(jìn)行了評估,橡膠蜂蜜的交叉驗(yàn)證正確率為100.0%,苕子和石榴蜂蜜正確率均為93.3%。與PLS-DA比較,BP-ANN更加精準(zhǔn)。

表3 反向傳播人工神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練及交叉驗(yàn)證結(jié)果Table 3 Model training and cross-validation results by BP-ANN model

2.2.3 BP-ANN模型的穩(wěn)定性測試 為進(jìn)一步測試BP-ANN模型的預(yù)測能力的穩(wěn)定性,測試了剩下的35個(gè)蜂蜜樣品。結(jié)果如表4所示,所有樣品根據(jù)蜂蜜蜜源植物來源被正確地分為3類,除一個(gè)苕子蜂蜜被錯誤地劃分到石榴蜂蜜外,其余蜂蜜樣品均被正確分類,總體預(yù)測正確率為97.1%。這表明BP-ANN擁有較強(qiáng)的抗變換性和泛化能力,證明了BP-ANN的優(yōu)越性。

表4 反向傳播人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果Table 4 Model prediction results by BP-ANN model

3 結(jié)論

應(yīng)用F-AAS和GF-AAS測定云南地區(qū)3種特色蜂蜜中的13種礦質(zhì)元素含量,并結(jié)合化學(xué)計(jì)量學(xué)技術(shù)進(jìn)行鑒別分析。結(jié)果表明:3種蜂蜜間的礦質(zhì)元素含量差異較明顯。PCA分析直觀反映了元素種類與蜂蜜類型間關(guān)系,并初步對不同蜂蜜實(shí)現(xiàn)了分類。在PCA的基礎(chǔ)上,建立的PLS-DA和BP-ANN模型進(jìn)一步提高了樣品分類和預(yù)測正確率。與PLS-DA相比,BP-ANN模型的性能較好。應(yīng)用訓(xùn)練后的BP-ANN模型對余下的蜂蜜樣品進(jìn)行測試,橡膠蜂蜜和石榴蜂蜜的預(yù)測精度達(dá)到100%,苕子蜂蜜的預(yù)測精度為90%。本研究的開展為云南地區(qū)特色蜂蜜的植物來源和地理標(biāo)識分析提供理論依據(jù)。

[1]Tayebcherif K,Perisvicente J,Cardabroch S,et al. Use of micellar liquid chromatography to analyze oxolinic acid,flumequine,marbofloxacin and enrofloxacin in honey and validation according to the 2002/657/EC decision.[J]. Food Chemistry,2016,202:316-323.

[2]El-Arab A M E,Girgis S M,Hegazy E M,et al. Effect of dietary honey on intestinal microflora and toxicity of mycotoxins in mice[J]. Bmc Complementary & Alternative Medicine,2006,6(1):13.

[3]穆雪峰,徐響,孫麗萍. 蜂蜜中酚類物質(zhì)及其抗氧化活性研究進(jìn)展[J]. 食品科學(xué),2011(21):278-282.

[4]Meli M A,Desideri D,Roselli C,et al. Radioactivity in honey of the central Italy[J]. Food Chemistry,2016,202:349-355.

[5]Kaygusuz H,Tezcan F,Bedia Erim F,et al. Characterization of Anatolian honeys based on minerals,bioactive components and principal component analysis[J]. LWT-Food Science and Technology,2016,68:273-279.

[6]Da Silva P M,Gauche C,Gonzaga L V,et al. Honey:Chemical composition,stability and authenticity[J]. Food Chemistry,2016,196:309-323.

[7]Ares A M,Valverde S,Nozal M J,et al. Development and validation of a specific method to quantify intact glucosinolates in honey by LC-MS/MS[J]. Journal of Food Composition and Analysis,2016,46:114-122.

[8]Chudzinska M,Baralkiewicz D. Application of ICP-MS method of determination of 15 elements in honey with chemometric approach for the verification of their authenticity[J]. Food & Chemical Toxicology,2011,49(11):2741-2749.

[9]Baroni M V,Arrua C,Nores M L,et al. Composition of honey from Córdoba(Argentina):Assessment of North/South provenance by chemometrics[J]. Food Chemistry,2009,114(2):727-733.

[10]Chen H. Uncertainties estimation for determination of 10 elements in Northeastern China black bee honey by ICP-MS[J]. Analytical Methods,2013,5(13):3291-3298.

[11]劉博靜,孫建民,王繼坤. 兩產(chǎn)地3種蜂蜜中的10種元素比例分布[J]. 微量元素與健康研究,2009,26(5):33-34.

[12]裴高璞,史波林,趙鐳. 蜂蜜質(zhì)量市場動態(tài)及摻假檢測方法現(xiàn)狀分析[J]. 食品科學(xué),2013,34(15):329-336.

[13]袁玉偉,張志恒,葉雪珠. 蜂蜜摻假鑒別技術(shù)的研究進(jìn)展與對策建議[J]. 食品科學(xué),2010(9):318-322.

[14]Luykx D M A M,Ruth S M V. An overview of analytical methods for determining the geographical origin of food products[J]. Food Chemistry,2008,107(2):897-911.

[15]Anklam E. A review of the analytical methods to determine the geographical and botanical origin of honey[J]. Food Chemistry,1999,63(4):549-562.

[16]趙風(fēng)云,董霞,李建軍. 蜂蜜孢粉學(xué)的研究與應(yīng)用[J]. 云南農(nóng)業(yè)大學(xué)學(xué)報(bào),2007,22(2):270-274.

[17]de Alda-Garcilope C,Gallego-Picó A,Bravo-Yagüe J C,etal. Characterization of Spanish honeys with protected designation of origin “Miel de Granada” according to their mineral content[J]. Food Chemistry,2012,135(3):1785-1788.

[20]Zhao J W,Han X Y,Chen Q S. Identification of Adulterated Honey Based on Three-Dimensional Fluorescence Spectra Technology[J]. Spectroscopy & Spectral Analysis,2013,33(6):1626-1630.

[21]Oroian M,Amariei S,Leahu A,et al. Multi-Element Composition of Honey as a Suitable Tool for Its Authenticity Analysis[J]. Polish Journal of Food & Nutrition Sciences,2015,65(2):93-100.

[22]Chen L,Wang J,Ye Z,et al. Classification of Chinese honeys according to their floral origin by near infrared spectroscopy[J]. Food Chemistry,2012,135(2):338-342.

[23]Ribeiro R D O R,Mársico E T,Carneiro C D S,et al. Seasonal variation in trace and minor elements in Brazilian honey by total reflection X-ray fluorescence[J]. Environmental Monitoring & Assessment,2015,187(3):1-8.

Floral origin determination of three kinds of monofloral honey from Yunnan via chemometric analysis of mineral elements

CHEN Chao1,GUO Yan1,ZHANG Zheng1,ZHAO Feng-yun1,2,*

(1.Food Safety Institute,Kunming University of Science and Technology,Kunming 650500,China;2.College of Food Science and Engineering,Gansu Agricultural University,Lanzhou 730070,China)

In order to discriminate the floral origins of honey,the concentrations of 13 mineral elements(K,Na,Zn,Mn,Mg,As,Fe,Cr,Ni,Ca,Cu,Pb,and Cd)of three honeys(Viciacraccahoney,Heveabrasiliensishoney andPunicagranatumhoney)from Yunnan(China)were determined by flame atomic absorption spectrometry(F-AAS)or graphite furnace atomic absorption spectrometry(GF-AAS),which showed great differences among the honeys. Based on the specific mineral content,principal component analysis(PCA),partial least-squares discriminant analysis(PLS-DA)and back-propagation artificial neural network(BP-ANN)were used in classification of the three honeys. With PCA,three honey species were preliminary classified by three principal components,which were established from thirteen mineral contents. Subsequently,PLS-DA and BP-ANN classification model were constructed with 30 randomly selected samples from the three honey species. In PLS-DA,the total correct classification rates for model training and cross-validation were 96.7% and 92.2%,respectively. In BP-ANN,the total correct classification rates for model training and cross-validation were 100% and 95.6%,respectively,indicating a better performance of BP-ANN than PLS-DA. The validation of BP-ANN model was further tested by the rest 35 honey samples.H.brasiliensishoney andP.granatumhoney samples were predicted with 100% accuracy.V.craccahoney samples was predicted with 90% accuracy. These result suggested that the value of mineral content tested by F-AAS or GF-AAS with chemometric methods could be used as a potential and powerful tool for the classification of honeys from different botanical origins.

honey;mineral elements;identify;PCA;PLS-DA;BP-ANN

2016-08-12

陳超(1990-)，男，在讀碩士研究生，研究方向：發(fā)酵工程，E-mail:543924510@qq.com。

*通訊作者:趙風(fēng)云(1979-)，女，博士，副教授，研究方向：食品生物技術(shù)，E-mail:zhaofy@kmust.edu.cn。

國家自然科學(xué)基金地區(qū)基金(31560576)。

TS207.3

A

:1002-0306(2017)04-0090-05

10.13386/j.issn1002-0306.2017.04.009