谷東陳，張龍，袁凱，陳喜鳳，王錫昌

(上海海洋大學食品學院,上海, 201306)

分析與檢測

基于電子鼻定量檢測魷魚中甲醛含量

谷東陳，張龍，袁凱，陳喜鳳，王錫昌*

(上海海洋大學食品學院,上海, 201306)

該研究以電子鼻為基礎建立了一種快速定量檢測魷魚中甲醛的方法，以達到對大量樣本進行快速篩查的目的。結果表明，電子鼻對不同甲醛含量魷魚的揮發(fā)性物質識別主要以8根傳感器為主；主成分分析(PCA)對電子鼻數據進行降維后，基于判別因子分析方法(DFA)和聚類分析(SIMCA)建立定性區(qū)分魷魚甲醛含量模型，驗證了電子鼻快速檢測的可行性；采取偏最小二乘法(PLS)法建立魷魚甲醛含量的快速定量預測模型(R2=0.926 6)；對定量模型進行外部樣品驗證表明，模型具有良好的適用性和準確性。該研究方法能夠快速、無損、定量檢測食品中甲醛含量。

甲醛；電子鼻；定量建模

2014年世界魷魚總產量約280萬t，我國遠洋魷釣漁業(yè)年捕撈量在40萬t左右，但每年還需從國外進口魷魚加工原料約30萬t[1]。近年來有不法商販為獲利將甲醛非法添加到魷魚及其制品中，導致甲醛含量超標問題屢見不鮮[2]，這關系到魷魚產業(yè)的生存與發(fā)展[3]。甲醛屬于致癌和致畸形物質,在中國有毒化學品優(yōu)先控制名單上高居第二位。為此我國《食品安全法》已明令禁止向食品中添加甲醛，且農業(yè)行標《NYT1712—2009》和吉林省水發(fā)水產品標準《DBS22/022—2013》均規(guī)定魷魚干制品甲醛含量需低于10 mg/kg。

目前水產品中甲醛常規(guī)檢測方法有分光光度法[4]、色譜法[5]等。但這些方法前處理復雜、檢測時間長且費用昂貴，難以滿足對大量魷魚樣品現(xiàn)場快速檢驗的要求。鑒于此，對于低成本、高準確度的現(xiàn)場快速檢測魷魚及其制品中甲醛含量的方法尤為迫切。電子鼻技術具有分析速度快、靈敏度高和檢測費用低等優(yōu)點。電子鼻通過電化學傳感器陣列將傳感器電信號轉化為樣品中揮發(fā)性成分的整體信息，再將這些信息進行數據分析識別，從而達到分析食品品質[6-7]、食品摻雜摻假[8]和有害物質快速檢測[9]的目的。馬劍偉等[10]利用電子鼻定性檢測空氣中甲醛含量，采用概率神經網絡成功對空氣中甲醛氣體實現(xiàn)定性判別，正確率達到81.3%。龐林江[11]利用電子鼻技術集合主成分分析、BP神經網絡構建識別2種不同甲醛含量香菇模型，測試樣本識別率達到90%以上。由于魷魚氣味的復雜性，國內外對魷魚中甲醛的檢測還是基于復雜的常規(guī)檢測，尚無采用電子鼻技術建立快速定量檢測方法的報道。

本文采用電子鼻快速定量檢測魷魚甲醛含量，以期達到對大量樣本進行快速篩查的目的。首先根據行標(SC/T 3025—2006)檢測不同甲醛濃度浸泡后魷魚甲醛含量；然后通過電子鼻分析不同甲醛含量魷魚整體風味輪廓差異，采用多元數據處理模型分析電子鼻數據。PCA分析實現(xiàn)對電子鼻數據降維后，基于DFA判別和SIMCA分析建立定性區(qū)分魷魚甲醛含量模型，最后采取PLS建立魷魚甲醛含量的快速定量檢測模型，并采用外部盲樣驗證定量模型的準確性和適用性。

1 材料與方法

1.1材料與前處理

秘魯魷魚，購置于上海市銅川路水產市場。買回來的魷魚凍藏于-80 ℃冰箱。將魷魚樣品于4 ℃下解凍，取出肌肉后混勻分組，再置于4 ℃冰箱下浸泡于不同甲醛濃度(5、15、30、45、60和75 mg/kg)12 h，并標記為S-05、S-15、S-30、S-45、S-60、S-75。其中空白組為相同條件下，魷魚置于超純水浸泡12 h，并標記為S-00。

1.2儀器與設備

LC-15C高效液相色譜，日本島津公司；電子鼻FOX4000型氣味指紋分析儀，法國Alpha MOS公司；15mL螺紋口樣品瓶，購于上海安譜試劑有限公司。

1.3實驗方法

1.3.1 液相色譜檢測

液相方法參考水產行標《SC/T 3025—2006 水產品中甲醛的測定》。甲醛在酸性條件下與2,4-二硝基苯肼衍生成2,4-二硝基苯腙，在經二氯甲烷提取后，置于高效液相色譜檢測。其中色譜條件為：C18柱(250 mm×4.0 mm，10 μm)，V(甲醇)∶V(水)=60∶40作流動相，總流速為0.6 mL/min，柱溫40 ℃，檢測波長338 nm。每組樣本6次平行。

1.3.2 電子鼻測試

每組魷魚樣品剪碎稱取0.50 g置于螺紋口樣品瓶后，于50 ℃水浴10 min后，使瓶中頂空氣體平衡后用電子鼻檢測。以潔凈干燥空氣為載氣，流速為90 mL/min進樣，數據采集時間120 s，延滯時間10 min。采集的數據進行多元數據分析，每組樣品做六次平行。

1.4數據處理

電子鼻數據先采用雷達圖研究不同甲醛含量魷魚對傳感器響應的影響，再采用PCA分析進行數據降維和提取數據。同時結合DFA判別和SIMCA分析對魷魚甲醛濃度進行定性鑒別，最后利用PLS法建立魷魚甲醛定量模型。數據顯著性差異分析和繪圖分別采用軟件SPSS.22和Origin 9.1。

2 結果和分析

2.1浸泡魷魚甲醛含量

對不同甲醛濃度和超純水浸泡的魷魚進行液相色譜分析,結果見表1。隨著甲醛浸泡濃度的增高，魷魚甲醛含量也隨之增加，且呈現(xiàn)線性關系(R2=0.979)。其中魷魚浸泡于5 mg/kg濃度下，魷魚甲醛含量未超過10 mg/kg的限量。本實驗測得秘魯魷魚內源性甲醛含量為4.056 mg/kg，略高于賈佳[12]和韓宏偉[13]調查的秘魯魷魚內源性甲醛含量(3.65±0.19)mg/kg?？赡艿脑蚴牵驌粕蟻淼聂滛~由于自身的三甲胺氧化途徑導致內源性甲醛含量增高。為了便于后期分析，以浸泡魷魚甲醛濃度代表魷魚甲醛含量進行后續(xù)分析，并通過液相換算公式折算出魷魚甲醛含量(圖1)。

表1不同甲醛浸泡后魷魚甲醛含量(n=6)

單位：mg/kg

注：a.b.c.d.e.g表示顯著性差異小于0.05。

圖1 浸泡甲醛濃度與魷魚甲醛含量液相換算公式Fig.1 Conversion formula between smoked formaldehyde solution and formaldehyde content in squid

2.2傳感器響應特性

氣味物質與電子鼻18根金屬氧化物傳感器在傳感器室發(fā)生可逆的結合，使其電阻值發(fā)生改變；載氣繼續(xù)沖洗較長時間，使氣味物質從傳感器上解析，傳感器電阻值恢復初；紀錄18根傳感器電阻值變化情況作為該樣本的原始數據[14]。本次實驗采用的法國FOX4000型電子鼻18根傳感器按金屬氧化物涂層材料種類分為P型、T型和LY型。其中P、T型傳感器涂層材料是SnO2、Pd和Pt，而LY型傳感器的涂層是Cr2O3和Ti。其中18根傳感器具體性能如表2所示[15]。

電子鼻傳感器對不同甲醛含量魷魚的揮發(fā)性物質的響應值存在顯著性差異(圖2)。其中LY2/gCT和LY2/gCTL傳感器無響應，LY2/LG、P10/2、P40/1和TA/2傳感器響應基本無差異，LY2/G、LY2/GH、T30/1和T40/2傳感器響應不敏感，而P30/2、P40/2、P30/1、PA/2、T70/2、P10/1、T40/1和LY2/AA八根傳感器對甲醛含量的變化響應非常敏感。通過比較不同甲醛含量魷魚的傳感器陣列響應值，發(fā)現(xiàn)電子鼻對甲醛浸泡魷魚的揮發(fā)性物質識別主要以P30/2、P40/2、P30/1、PA/2、T70/2、P10/1、T40/1和LY2/AA這8根傳感器為主。隨著魷魚甲醛含量增加，這8根傳感器響應值增強，而且各組之間的區(qū)分程度逐漸變大。可知，魷魚經不同甲醛濃度浸泡后，芳香族化合物、碳氧化合物、胺類化合物、醛類和極性化合物的含量變化明顯，且隨甲醛濃度增加而呈現(xiàn)上升趨勢。

表2 電子鼻氣體傳感器陣列構成

圖2 七組魷魚電子鼻數據雷達圖Table 2 Radar picture of seven squid with different formaldehyde contents

2.3主成分分析

PCA分析能將電子鼻18根傳感器組成的多維空間矩陣數據降維處理，同時保持數據集中在對方差貢獻最大的特征，即只保留少數可代表原變量特征的主成分作為魷魚樣品的特征值，從而有效降低數據處理的復雜性。PCA分析結果顯示，PC1和PC2的貢獻率分別為93.942%和2.95%(累計貢獻率為96.892%)，區(qū)分指數DI=76，即表明采用PCA分析方法能對不同甲醛含量魷魚進行有效區(qū)分(圖3)。并且，隨著魷魚甲醛含量增加，其在PC1端的對應值從右往左呈現(xiàn)遞減趨勢，因此，PC1端包含的信息可以用來區(qū)分不同甲醛含量魷魚。

圖3 不同甲醛濃度浸泡魷魚樣品主成分分析結果Fig.3 PCA results of different formaldehyde content in squid

2.4魷魚甲醛含量的定性區(qū)分

PCA分析證明了不同甲醛含量魷魚的差異性，為進一步數據分析建立基礎。DFA判別和SIMCA分析被用來建立基于電子鼻定性判斷魷魚甲醛含量是否超標的模型。為提升電子鼻在整體輪廓上區(qū)分魷魚甲醛濃度的能力，針對不同甲醛濃度浸泡魷魚樣本進行DFA判別。DFA判別是將獲得數據經過一系列數學變化，在充分保留現(xiàn)有信息的前提下，將同性質數據間的差異盡量縮小，不同性質數據間的差異盡量放大?；陔娮颖莻鞲衅鲾祿⒌腄FA模型可以解釋樣品整體差異的88%左右(圖4)。隨著魷魚甲醛濃度的增加，魷魚樣品基本沿著DF1正半軸向負半軸分布和沿著DF2負半軸向正半軸分布，但當浸泡魷魚甲醛含量達到45 mg/kg后DF2端變化不大。上述結果為進一步區(qū)分魷魚甲醛含量提供了參考依據，電子鼻數據主要受判別因子DF1的影響。

圖4 利用電子鼻DFA模型區(qū)分不同甲醛浸泡魷魚Fig.4 DFA model of different formaldehyde content in squid

SIMCA分析是通過一個標準建立的判別模型，它的數學計算過程結合了PCA和DFA，且只針對標準的樣品分類。樣品數據經過PCA分析后，樣品映射到兩個子空間，一個方向是馬氏距離，另外一方向是殘差。在2個方向上分別設定判別標準。該模型能用于判斷未知樣品是否為目標樣品，即通過與不通過。以魷魚甲醛含量低于10 mg/kg(未超標)為分類標準，對7組魷魚進行分為兩類，其中S-00和S-05組為符合標準的樣品。SIMCA定性區(qū)分鑒別可知，S-00和S-05組數據都被正確地識別到甲醛限量的接受區(qū)域，然而在S-15組中，只有一個數據的甲醛含量被誤判為甲醛未超標，但其具體識別位置己經處于甲醛限量的接受區(qū)域與拒絕區(qū)域的交界，且隨魷魚甲醛濃度的增加,魷魚的識別位置逐漸向甲醛限量接受區(qū)域遠離(圖5)。該模型經過交叉驗證后，模型區(qū)分度為93，大部分魷魚樣本能有效區(qū)分，從而實現(xiàn)對魷魚甲醛含量的定性區(qū)分。為進一步優(yōu)化電子鼻檢測魷魚甲醛濃度的精密度，PLS被用來建立魷魚甲醛含量的定量檢測模型。

圖5 電子鼻含量定性SIMCA區(qū)分模型Fig.5 Qualitative discriminant model based on electric nose and SIMCA

2.5魷魚甲醛的定量分析

綜合以上可知，電子鼻能用來定性區(qū)分魷魚甲醛含量。為建立魷魚定量模型，利用α-FOX4000電子鼻自帶PLS建模軟件建立魷魚甲醛定量模型。以7組浸泡魷魚甲醛濃度(5、15、30、45、60、75和90 mg/kg)為變量，通過定量模型得到的魷魚浸泡濃度，再結合前面液相建立的甲醛換算公式計算出魷魚甲醛濃度，該定量模型的R2為0.926 6，表現(xiàn)出較好的擬合效果，從而實現(xiàn)對大量魷魚樣本的甲醛含量快速篩選的目的(圖6)。

圖6 魷魚甲醛含量PLS定量檢測模型Fig.6 Quantitative evaluation of formaldehyde in squid using PLS

為驗證定量模型的準確性和適用性，本實驗對定量模型進行了4組不同甲醛濃度魷魚(7.56、13.75、21.50和33.84 mg/kg)的外部樣品驗證(表3)。其中魷魚的甲醛真實濃度值提前由液相色譜法測出，且每組魷魚樣本采集6次平行。定量模型檢測值與真實值存在輕微的差異。為考察模型預測值與真實值有無顯著性差異，對測得的數據進行t值檢驗。當f=n1+n2-2=10時，若δ=0.05，則t0.0510=1.812。由此可知，tA、tB、tC和tD值均小于t0.0514，即電子鼻定量模型測試數據和真實值沒有顯著性差異，模型具有良好的適用性和準確性。

表3 定量模型的準確度檢驗

3 結論

雷達圖數據顯示，電子鼻對甲醛浸泡魷魚的揮發(fā)性物質識別主要以8根傳感器為主，且隨甲醛含量增加而響應增強且區(qū)分效果較好。PCA分析能對不同甲醛含量魷魚進行有效區(qū)分(DI=76)。電子鼻數據基于DFA判別和SIMCA模型建立了魷魚甲醛超標限量的定性判斷模型，驗證了電子鼻快速檢測的可行性，從而最終建立了電子鼻基于PLS定量檢測魷魚甲醛含量模型(R2=0.9266)。t-檢驗驗證了定量模型具有良好的適用性和準確性。本研究建立的魷魚甲醛含量定量模型能夠為快速現(xiàn)場篩選大量魷魚樣本的檢測工作提供科學參考。

[1] 岳冬冬, 王魯民, 鄭漢豐, 等. 中國遠洋魷釣漁業(yè)發(fā)展現(xiàn)狀與技術展望 [J]. 資源科學, 2014, 36(8): 1 686-1 694.

[2] 谷東陳, 袁凱, 張龍, 等. 水產品中化學污染物的快速檢測技術研究進展 [J]. 食品工業(yè)科技, 2017, 38(1): 381-385.

[3] 苗林林, 朱軍莉, 勵建榮. 基于混料實驗設計優(yōu)化魷魚甲醛復合抑制劑 [J]. 食品工業(yè)科技, 2012, 33(8): 348-351.

[4] ZHU Y, PENG Z, WANG M, et al. Optimization of extraction procedure for formaldehyde assay in smoked meat products [J]. Journal of Food Composition and Analysis, 2012, 28(1): 1-7.

[5] 邵仕萍, 相大鵬, 李華斌, 等. 乙酰丙酮衍生化高效液相色譜-熒光檢測法測定食品中的甲醛 [J]. 食品科學, 2015, 36(16): 241-245.

[6] 田曉靜. 基于電子鼻和電子舌的羊肉品質檢測 [D]. 杭州: 浙江大學, 2014.

[7] 王綠野, 張凌霞, 磨艷紅, 等. 基于電子鼻的草魚新鮮度快速檢測方法研究 [J]. 中國食品學報, 2014, 14(3): 182-188.

[8] 李璐. 電子鼻結合GC-MS對羊肉摻假鴨肉的快速檢測 [D]. 楊凌: 西北農林科技大學, 2016.

[9] 何紅萍, 周君, 李曄, 等. 基于電子鼻和HS-SPME-GC-MS方法研究海水中七氯的快速檢測技術 [J]. 海洋與湖沼, 2013, 44(5): 1347-1352.

[10] 馬劍偉. 電子鼻空氣質量檢測系統(tǒng)研究 [D]. 重慶: 重慶大學, 2010.

[11] 龐林江, 王允祥, 王俊, 等. 電子鼻技術在香菇甲醛識別中的應用 [J]. 食品與機械, 2009, 25(3): 101-102.

[12] 賈佳. 秘魯魷魚中氧化三甲胺熱分解生成甲醛和二甲胺機理的初步研究 [D]. 杭州: 浙江工商大學, 2009.

[13] 韓宏偉. 魷魚及其制品中甲醛本底值調查與評價 [D]. 北京: 中國疾病預防控制中心, 2008.

[14] 顧賽麒. 氣味指紋技術檢測不同貯藏條件下冷卻肉新鮮度變化 [D]. 上海: 上海海洋大學, 2009.

[15] 張巧麗. 利用電子鼻和GC-MS研究采后獼猴桃果實揮發(fā)性物質變化規(guī)律與調控 [D]. 杭州: 浙江大學, 2015.

Arapidanalyticalandquantitativeevaluationofformaldehydeinsquidbyelectricnose

GU Dong-chen, ZHANG Long, YUAN Kai, CHEN Xi-feng, WANG Xi-chang*

(College of Food Science & Technology, Shanghai Ocean University, Shanghai 201306, China)

To establish a rapid and quantitative detection method of formaldehyde in squid, electric nose was used for screening massive samples. The results showed that the identification for volatile compounds in squid with different formaldehyde content were mainly depended on eight sensors of electronic nose. After PCA data analysis, DFA and SIMCA were used to establish a discrimination model for detecting formaldehyde in squid, and the feasibility of using the model in rapid determine formaldehyde was tested. Finally, a rapid quantitative prediction model by using PLS was established (R2=0.926 6). To verify the accuracy of the quantitative model, t-test was employed and no significant difference between predicted values and true values. This study showed the method has a good potential in fast, nondestructive and quantitative detection of formaldehyde in food.

formaldehyde; electric nose; quantitative prediction model

10.13995/j.cnki.11-1802/ts.013412

碩士研究生(王錫昌教授為通訊作者，E-mail：xcwang@shou.edu.cn)。

2016-11-15，改回日期：2017-01-07