張華瑜　潘永東　柳小寧　包奇軍

摘要：青稞粗蛋白含量的檢測通常采用凱氏定氮分析法，費時、費力、成本高。利用定標的大麥模型預測青稞的粗蛋白含量，相關分析表明，近紅外谷物分析儀與凱氏定氮儀的測定值間存在極顯著的相關性，皮爾森相關系數(shù)達到0.976 9，回歸分析建立的兩者間的線性回歸方程是y=1.023 7x-2.515 7（R2=0.954 2）。利用近紅外光譜分析技術檢測青稞粗蛋白含量快速、準確、成本低，準確度和精密度均好。

關鍵詞：青稞;粗蛋白含量;近紅外光譜分析技術;快速檢定;方法

中圖分類號：S512.3? ? ? ? 文獻標志碼：B? ? ? ? 文章編號：1001-1463（2020）01-0033-04

doi：10.3969/j.issn.1001-1463.2020.01.008

Study on Content of Crude Protein of Highland Barley by

Near Infrared Grain Analyzer

ZHANG Huayu， PAN Yongdong， LIU Xiaoning， BAO Qijun

（Institute of Economic Crops and Beer Materials， Gansu Academy of Agricultural Sciences， Lanzhou Gansu 730070， China）

Abstract：The method of kjeldahl nitrogen analysis is usually used to detect the content of crude protein in highland barley， which is time-consuming， laborious and costly. The calibrated barley model was used to predict the crude protein content of the barley. The correlation analysis showed that there was a very significant correlation between the measured values of the near-infrared grain analyzer and the kjeldahl nitrogen analyzer， and the pearson correlation coefficient was 0.976 9. The linear regression equation established by the regression analysis was y=1.023 7x-2.5157（R2=0.954 2）. Nir spectroscopy is used to detect the content of barley crude protein quickly， accurately， with low cost and good accuracy and precision.

Key words：Highland barley;Crude protein;Near Infrared spectrum analysis technique;Rapid detection;Method

青稞屬禾本科大麥屬，在植物學上屬于栽培大麥的變種，因其籽粒內外稃與穎果分離，籽粒裸露，故稱裸大麥[1 ] 。其耐寒性強，適應性廣，高產早熟，是小宗糧中的大作物[2 ]，在我國主要分布在西藏、青海、云南及四川的甘孜州和阿壩州、甘肅的甘南等高寒地區(qū)[3 ]。青稞是我國青藏高原地區(qū)主要的糧食、飼料和釀造作物，在農業(yè)生產中占有重要地位[4 ]。青稞中蛋白質含量高，在谷物中僅低于小麥和燕麥，而且氨基酸配比合理，人體必需氨基酸較為齊全[5 ]，因此，作為一種優(yōu)質的蛋白質來源將會受到越來越多的關注。早在20世紀70年代后期，美國和加拿大谷物委員會就把近紅外光譜分析技術檢測粗蛋白質含量作為法定方法。我國對近紅外光譜分析技術也進行了大量的研究工作[6 ] 。實驗室對青稞蛋白質的檢測通常采用的是常規(guī)化學方法，需要一系列的預處理過程，操作繁瑣，更遺憾的是要將樣品破壞，被測定的樣品往往已不能被利用，嚴重影響育種效率的提高。當代近紅外光譜分析技術具有無損、快速、高效等分析特點，可以克服上述缺點，非常適合于在作物育種中的應用。但由于不同型號的近紅外儀的性能、參數(shù)和定標軟件及擬分析對象不同，難以直接引用前人的定標研究結果[7 - 9 ] 。

我們利用FOSS 1241近紅外谷物分析儀對青稞粗蛋白質含量進行測定，依據(jù)已經定標的大麥應用模型來檢測青稞粗蛋白質含量，同時用凱氏定氮法對已獲得的青稞樣品進行蛋白質的化學定量分析，將近紅外谷物分析儀測得的該樣品的蛋白質含量與凱氏定氮分析法檢測的結果進行相關分析研究，得出相關系數(shù)，建立回歸方程，并進行外部內部驗證，以初步探索利用近紅外定標的大麥模標快速地檢測出青稞的粗蛋白質含量。

1? ?材料與方法

1.1? ?材料

供試青稞樣品共198份，其中117份由西藏自治區(qū)農牧科學院提供，81份由甘南州農業(yè)科學研究所提供，均生產于2016年。

1.2? ?儀器

FOSS INFRATECTM 1241 ANALYZER近紅外谷物分析儀（瑞典生產），F(xiàn)OSS 8400全自動送樣凱氏定氮儀（瑞典生產），電熱鼓風干燥箱（控溫精度±1 ℃）（上海一恒科學儀器廠制造）。

1.3? ?實驗方法

凱氏定氮分析數(shù)據(jù)為化學值，近紅外分析數(shù)據(jù)為預測值。

1.3.1? ?青稞樣品粗蛋白含量預測值檢測? ?利用已有的近紅外谷物分析儀大麥定標BA922126 STM應用模型掃描所有青稞樣品。樣品去雜去塵，每次裝樣量相同，每個樣品重復檢測2次，并按照精確度要求，對2次檢測結果的差與平均值的比值小于2%的樣品求平均值，否則對樣品重新檢測，再計算平均值，便得到青稞粗蛋白質含量的預測值（絕干）。

1.3.2? ? 凱氏定氮分析法檢測青稞粗蛋白含量? ? 按照國家標準（GB 5009.5 — 2016）中凱氏法進行[10 ]。利用FOSS全自動送樣凱氏定氮儀檢測青稞粗蛋白含量。將粉碎好的樣品均勻地稱取2份放入凱氏管中，同時稱取2份作水分平行試驗。凱氏管經消化—蒸餾—滴定，求出2次重復測定結果的平均值。

1.3.3? ? ?水分的檢測? ? 水分的檢測依據(jù)GB 5009.3 — 2016直接干燥法標準要求進行[11 ]。同時作平行試驗，取平均值。

1.3.4? ? 青稞絕干粗蛋白質的計算? ? 近紅外分析數(shù)據(jù)為絕干值，而凱氏定氮儀檢測的數(shù)據(jù)為濕值，用凱氏定氮分析法檢測青稞粗蛋白質的同時也檢測樣品的水分含量。依下式計算絕干粗蛋白質含量。

青稞粗蛋白質（絕干）含量=[凱氏定氮儀檢測的蛋白質值/（1-水分值）]

1.4? ?數(shù)據(jù)統(tǒng)計分析

采用SPSS 13.0進行數(shù)據(jù)分析，采用Excel 2007作圖。

2? ?結果與分析

通過常規(guī)化學方法 — 凱氏定氮分析法測得的供試青稞樣的粗蛋白質絕干值為87～175 g/kg，而利用近紅外谷物分析儀測得的粗蛋白質含量為87～176 g/kg。西藏自治區(qū)農牧科學院提供的材料中有3份在進行近紅外谷物分析儀掃描時未獲得有效光譜而無結果。在進行統(tǒng)計分析時，剔除了部分用2種方法檢測的結果相差較大的樣品。

2.1? ?近紅外谷物分析儀與凱氏定氮儀檢測青稞粗蛋白質含量結果的相關分析

利用SPSS 13.0對供試青稞樣品粗蛋白質含量近紅外谷物分析儀與凱氏定氮儀檢測結果進行相關分析，結果2種檢測方法在0.01水平上極顯著相關，皮爾森相關系數(shù)r=0.976 9。

2.2? ?近紅外谷物分析儀與凱氏定氮儀檢測青稞粗蛋白質含量結果的回歸分析

利用SPSS 13.0對青稞樣品粗蛋白質含量的近紅外谷物分析儀測定值x與凱氏定氮儀測定值y進行線性回歸分析（y=kx+b），得到的線性回歸方程y=1.023 7x-2.515 7，R2=0.954 2，回歸曲線見圖1。對回歸模型的方差分析（表2）表明，P < 0.001，表明該回歸方程可準確反映近紅外谷物分析儀測定值與凱氏定氮儀測定值間的線性關系。

2.3? ?準確性驗證

另外取24份青稞樣品（盲樣），分別用近紅外谷物分析儀和凱氏定氮儀檢測粗蛋白含量，并將近紅外谷物分析儀測定值代入回歸方程求出粗蛋白含量擬合值，見表2。采用SPSS 13.0將粗蛋白含量擬合值與凱氏定氮儀測定值進行配對樣本t檢驗（自由度f=23），顯著性水平α=0.05。t檢驗結果顯示，t= 0.037 61，P=0.970 3 > 0.05，青稞樣粗蛋白含量擬合值與凱氏定氮儀測定值間無顯著差異，表明近紅外谷物分析儀測定值應用于回歸模型，可以準確測定青稞樣粗蛋白含量。

2.4? ?精密度分析

取1份不在上述試驗范圍內的青稞樣品，用近紅外谷物分析儀進行3次平行檢測，得出的粗蛋白值含量分別為100.4、100.3、100.4 g/kg，代入回歸方程y=1.023 7x-2.515 7，計算出粗蛋白含量的實際值為100.3、100.2、100.3 g/kg，平均值為100.2 g/kg。符合相對誤差不大于2%即為合格的要求，表明近紅外谷物分析儀檢測該批樣品的粗蛋白含量精確度高。

3? ?結論與討論

影響青稞產量的主要品質性狀是粗蛋白含量[12 - 15 ]，育種工作者要選育目標品種，必須從早代材料開始選擇，而近紅外光譜法檢測早代材料青稞粗蛋白方便快捷、省量、省時，節(jié)約成本，有利加快育種進程。有研究表明，利用常規(guī)化學方法檢測和以定標好的大麥應用模型BA922126 STM預測粗蛋白含量，2種方法檢測結果的相關性達到極顯著水平。通過盲樣檢測，并進行配對樣本t檢驗分析，表明2種檢測方法差異不顯著，即近紅外光譜分析法與常規(guī)化學法檢測青稞粗蛋白質含量相關性好，準確性高;同時，平行試驗結果的精密度小于2%，即精密度高。表明利用FOSS 1241近紅外谷物分析儀的大麥定標模型BA922126 STM對青稞粗蛋白含量進行預測是可行的。

參考文獻：

[1] 盧良恕.? 中國大麥學[M].? 北京：中國農業(yè)出版社，1996：474.

[2] 向文彬.? 青稞新品種—“康青7號”栽培技術[J].? 西藏農業(yè)科技，2009，31（1）：22-24.

[3] 臧靖巍，闞建全，陳宗道.? 青稞的成分研究及應用狀況[J].? 中國食品添加劑，2004（4）：43-46.

[4] 劉三才.? 我國青稞的質量與品質研究進展[J].? 作物雜志，2014（4）：1-5.

[5] 張文會.? 青稞蛋白質理化特性研究[J].? 現(xiàn)代農業(yè)科技，2014（9）：300-301.

[6] 彭玉魁.? 近紅外光譜分析技術在裸大麥質量監(jiān)測上的應用[J].? 中國飼料，1997（24）：13-14.

[7] 陳曉玲，馮前進，謝振文，等.? 水稻直鏈淀粉含量近紅外模型的創(chuàng)建[J].? 仲愷農業(yè)工程學院學報，2009，22（1）：5-8.

[8] 吳建國.? 作物種子品質研究中近紅外光譜分析模型的創(chuàng)建和應用[D].? 杭州：浙江大學，2004.

[9] 李? ?勇.? 近紅外分析模型穩(wěn)健性研究[D].? 楊凌：西北農林科技大學，2005.

[10] 中華人民共和國國家衛(wèi)生和計劃生育委員會.? 食品安全國家標準食品中蛋白質的測定：GB 5009.5—2016[S].? 北京：中國標準出版社，2016.

[11] 中華人民共和國國家衛(wèi)生和計劃生育委員會.? 食品安全國家標準食品中水分的測定：GB 5009.3—2016[S].? 北京：中國標準出版社，2016.

[12] 欒運芳，趙慧芬，大次卓嘎，等.? 西藏青稞品質和功能成份及生態(tài)性狀的典范相關分析[J].? 大麥與谷類科學，2009（1）：1-5.

[13] 欒運芳，何? ?燕.? 西藏青稞品質改良的趨勢及對策[J].? 大麥科學，2004（2）：1-4.

[14] 徐冬麗，劉梅金，郭建煒，等.? 2012 — 2014年第四輪國家青稞品種區(qū)試合作的結果[J].? 甘肅農業(yè)科技，2017（2）：27-29.

[15] 胡再青，劉梅金，徐冬麗，等.? 甘南高寒陰濕區(qū)甘青6號青稞種植密度與肥料配比試驗初報[J].? 甘肅農業(yè)科技，2018（11）：10-12.

（本文責編：鄭立龍）

收稿日期：2019 - 09 - 29

基金項目：國家大麥青稞產業(yè)體系遺傳改良研究室種子擴繁與生產技術（CARS-05）;國家自然基金項目“壟作溝灌栽培模式對啤酒大麥品質影響及調控機制”（31760358）。

作者簡介：張華瑜（1967 — ），女，湖南安仁人，高級實驗師，主要從事大麥育種、大麥及麥芽品質分析研究工作。Email：zhanghuayu67@163.com。

通信作者：潘永東（1962 — ），男，甘肅武威人，研究員，主要從事啤酒大麥遺傳育種及栽培技術研究工作。Email：panyongdong1010@163.com。