鄭振佳，朱文卿，梁 浩，張 利，張 鵬，馬 越

（1.北京市農(nóng)林科學(xué)院蔬菜研究中心，果蔬農(nóng)產(chǎn)品保鮮與加工北京市重點實驗室，農(nóng)業(yè)農(nóng)村部蔬菜產(chǎn)后處理重點實驗室，北京 100097；2.山東農(nóng)業(yè)大學(xué)食品科學(xué)與工程學(xué)院，山東省高校食品加工技術(shù)與質(zhì)量控制重點實驗室，山東泰安 271018；3.龍大食品集團有限公司，煙臺龍大食品有限公司，山東煙臺 265231；4.山東中平藥業(yè)有限公司，山東臨沂 273300）

為確保食品安全和質(zhì)量，需要建立嚴(yán)格的質(zhì)量標(biāo)準(zhǔn)，不斷完善食品質(zhì)量控制體系。隨著科技的發(fā)展，多種檢測儀器和分析方法應(yīng)用到食品評價中，常采用高效液相色譜法、氣相色譜法等色譜指紋圖譜，紫外、紅外、熒光光譜等光譜指紋圖譜，生物指紋圖譜以及非線性化學(xué)指紋圖譜對各類食品進行產(chǎn)地與種類鑒別、摻假鑒別、名優(yōu)產(chǎn)品的鑒別、批次一致性評價及品種選育等。但由于食品本身具有復(fù)雜易變的特性，每種方法都難以有效分析食品的復(fù)雜組分。指紋圖譜可以將食品進行綜合分析，并能全面地反映食品內(nèi)部不同化合物的內(nèi)在作用關(guān)系，有利于食品的快速、精確檢測，可有效解決食品復(fù)雜性的問題，因此該技術(shù)已在食品分析中得到了廣泛的應(yīng)用。

指紋圖譜是基于食品的固有品質(zhì)特性，運用光譜、色譜等現(xiàn)代儀器檢測得到的能反映該食品內(nèi)部特征的圖譜，具有整體性、系統(tǒng)性、特征性和穩(wěn)定性的特點。指紋圖譜結(jié)合色譜和光譜等技術(shù)能夠獲得食品化學(xué)成分的特征譜圖，是食品產(chǎn)地鑒別、真?zhèn)舞b別、優(yōu)劣鑒別的有效工具，還可用于生產(chǎn)過程的質(zhì)量控制：追蹤化學(xué)成分的變化、監(jiān)測各批次產(chǎn)品質(zhì)量的一致性和穩(wěn)定性[1?4]。此外，食品指紋圖譜可以用于探究基因型、遺傳多樣性及品種選育等領(lǐng)域，對食品各個方面的分析評價都具有重大意義[5?6]。本文將以指紋圖譜常用的技術(shù)手段和分析方法為依據(jù)分類闡述近年來指紋圖譜在各類食品質(zhì)量控制與分析評價中的研究進展并對其在食品中的發(fā)展進行展望，以期指紋圖譜能為食品質(zhì)量控制、食品的現(xiàn)代化和國際化發(fā)展提供參考。

1 化學(xué)指紋圖譜

化學(xué)指紋圖譜是根據(jù)食品本身化學(xué)成分的不同，經(jīng)過不同的檢測儀器和分析方法得到的可以表征食品特性的指紋圖譜，主要包括色譜指紋圖譜和光譜指紋圖譜兩種技術(shù)[7]。

1.1 色譜指紋圖譜

色譜法具有簡便快速、靈敏度高和操作性強等優(yōu)勢，在目前的檢測領(lǐng)域中應(yīng)用最為廣泛[8],主要包括高效液相色譜法（HPLC）、氣相色譜法（GC）、毛細(xì)管電泳法（PCE）和薄層色譜法（TLC）等[9?10]。

1.1.1 高效液相色譜技術(shù) 高效液相色譜是構(gòu)建指紋圖譜時應(yīng)用最廣的方法，可分離樣品中的非揮發(fā)性成分，適用于高沸點、大分子、熱穩(wěn)定性較差的化合物，具有快速高效、靈敏度高、適用范圍廣等優(yōu)點，但成本較高，且易受“柱外效應(yīng)”的影響導(dǎo)致色譜峰加寬，柱效降低[11]。HPLC 指紋圖譜在種類鑒別方面應(yīng)用廣泛。胡毅等[12]通過建立超高效液相色譜（UPLC）指紋圖譜發(fā)現(xiàn)7 種雷山銀球茶與標(biāo)準(zhǔn)品指紋圖譜的相似度大于0.96，表明7 種銀球茶的化學(xué)成分相似且穩(wěn)定；同時銀球茶與綠茶的指紋圖譜有較大差別，可以區(qū)分茶葉的品種。Kus 等[13]發(fā)現(xiàn)HPLC 可有效區(qū)分蜂蜜的類型，并且在210 nm 處的指紋圖譜最適合通過化學(xué)計量分析來鑒別蜂蜜的花源，此法快速、準(zhǔn)確。在鑒別樣品摻假方面，王琴等[14]通過高效液相色譜-蒸發(fā)光散射檢測（HPLC-ELSD）建立了可可粉的脂質(zhì)指紋圖譜，此法可鑒別摻入1.2%及以上的摻假樣品，此法簡便快捷、靈敏度高，在鑒別樣品摻假方面表現(xiàn)出良好的發(fā)展前景。HPLC 是目前技術(shù)手段最成熟最廣泛的，尤其是UPLC、多維UPLC 的應(yīng)用以及與其它檢測儀器連用，為檢測不同物質(zhì)提供了可能，在檢測分析方面發(fā)揮著不可替代的作用。

1.1.2 氣相色譜及串聯(lián)質(zhì)譜技術(shù) 氣相色譜法常用于揮發(fā)性化合物的檢測分析，具有靈敏度高、選擇性強、分離效能好等優(yōu)點，但定性能力較弱、對難揮發(fā)和熱不穩(wěn)定的物質(zhì)難以分析。在產(chǎn)地鑒別方面，Rottiers 等[15]運用氣相色譜法-電子鼻技術(shù)結(jié)合主成分分析（PCA）成功地鑒別出14 種可可酒的地理起源，同時鑒別出了酸、醇、醛、酮等8 種化合物，此法為酒類活性成分的研究以及溯源追究提供了重要參考。在真假鑒定方面，喻鳳香等[16]采用GC 建立了常見油摻入量與玉米油指紋圖譜相似度的線性模型，該模型可對玉米油中摻入的植物油進行定量分析，為玉米油的純度鑒定及真假鑒定提供了有效的手段。此外，氣相色譜-質(zhì)譜（GC-MS）指紋圖譜技術(shù)在鑒別揮發(fā)性生物標(biāo)志物方面具有獨特的優(yōu)勢，Zhang 等[17]采用GC-MS 結(jié)合多變量分析報告了3 種獼猴桃的揮發(fā)性指紋和生物標(biāo)記，從圖譜中得到了95 種揮發(fā)物，并確定了6 種化合物為揮發(fā)性生物標(biāo)志物，這對于獼猴桃生產(chǎn)中的標(biāo)記輔助風(fēng)味育種具有一定的參考價值。GC 指紋圖譜操作簡單，選擇性高，靈敏度高，能夠準(zhǔn)確的描述揮發(fā)性成分的總體特征，客觀反映樣品質(zhì)量，可用于食品中揮發(fā)性成分的鑒別與分析。

1.1.3 毛細(xì)管電泳色譜技術(shù) 毛細(xì)管電泳色譜法適用于復(fù)雜物質(zhì)中有機酸類、核酸類和氨基酸類等提取物的分離和分析[8]，有速度快、進樣量小和選擇性強等優(yōu)點，但重現(xiàn)性較差[18]。PCE 指紋圖譜可用于判斷樣品的摻假情況，李克宏等[19]采用高效毛細(xì)管電泳法（HPCE）建立了大豆、花生、核桃和杏仁樣品中蛋白提取物的指紋圖譜，可根據(jù)色譜圖中是否出現(xiàn)新的色譜峰或特征蛋白含量是否減少來判斷樣品的摻假情況。毛月慧等[20]通過PCE 指紋圖譜技術(shù)成功地對洋槐蜜、棗花蜜及蜂王漿蜜的氨基酸進行了組成分析及定量分析，為蜂蜜的真假鑒定提供了參考。魏新軍等[21]采用HPCE 建立了9 個批次干紅葡萄酒的乙醚提取物的指紋圖譜，經(jīng)重疊率分析發(fā)現(xiàn)樣品間的重疊率均大于85%，表明產(chǎn)品質(zhì)量均一、穩(wěn)定[22]，該方法簡便快捷，可用于評價不同批次產(chǎn)品的一致性。PCE 是分析科學(xué)中繼HPLC 之后的又一重大進展，它簡單快速、試劑用量少，可同時測定多種成分，在復(fù)雜樣品提取物的檢測分析中表現(xiàn)出了良好的發(fā)展前景。

1.1.4 薄層色譜技術(shù) 薄層色譜分析是把支持物均勻涂布于支持板上形成薄層，然后用相應(yīng)溶劑展開，從而對混合樣品進行分離、鑒定和定量的一種層析分離技術(shù)，常用于快速分離諸如脂肪酸、氨基酸、核苷酸等物質(zhì)，具有簡便快速、形象直觀等優(yōu)點，但受外界影響大、重現(xiàn)性與精密度也較差[23]。TLC 指紋圖譜技術(shù)常用于產(chǎn)地鑒別與種類鑒別。關(guān)明[24]采用高效薄層色譜（HPTLC）結(jié)合PCA 和聚類分析（HCA）判定不同來源的藥食兩用大蒜中活性成分的組成和含量存在明顯差異，可用于大蒜的產(chǎn)地鑒別。周漩等[25]采用該技術(shù)分析了14 種不同地區(qū)的高良姜中的黃酮類提取物，并且經(jīng)定量掃描和PCA 可以將不同產(chǎn)地的高良姜樣品準(zhǔn)確區(qū)分開來。TLC 技術(shù)操作簡單，只需通過觀察薄層板，就可以快速的對不同樣品進行鑒別，在食品的質(zhì)量控制與評價方面具有一定的實用性。

1.2 光譜指紋圖譜

近年來，紫外光譜、紅外光譜、近紅外光譜、熒光光譜、拉曼光譜、核磁共振光譜等均被用于食品質(zhì)量控制中[26]。光譜分析技術(shù)難以分析出食品中的具體化合物信息，但對色譜分析具有補充與完善作用[8]。

1.2.1 紫外光譜技術(shù) 紫外光譜是由分子的外層價電子躍遷產(chǎn)生的，主要用于對某種特定的結(jié)構(gòu)（特別是共軛結(jié)構(gòu)）進行研究，具有簡便、快速、成本低等優(yōu)點，但缺點是不能很好地區(qū)分吸光度相似的物質(zhì)[27]。紫外光譜技術(shù)能夠通過分析樣品的結(jié)構(gòu)進行產(chǎn)地及種類的鑒別。張麗等[28]采用紫外光譜結(jié)合PCA 和偏最小二乘判別分析（PLS-DA）發(fā)現(xiàn)碧螺春的產(chǎn)地和等級得到了很好的區(qū)分，且此法精密度、重復(fù)性、穩(wěn)定性的RSD 均在1%以下，是碧螺春產(chǎn)地鑒別與品質(zhì)優(yōu)劣評價的有效工具。解華東等[29]對34 種食醋進行紫外掃描并建立指紋圖譜，結(jié)果顯示有33 種食醋的相似度小于0.9，具有明顯差異，可判斷它們屬于不同類型。該方法重現(xiàn)性好，可用于食醋的質(zhì)量控制。此外，紫外光譜還可以定量分析樣品中的化學(xué)成分。Belguidoum 等[30]利用紫外光譜結(jié)合HPLC對咖啡樣品的結(jié)構(gòu)進行分析，可以完整地監(jiān)測及評價咖啡的質(zhì)量。以上研究表明，紫外光譜技術(shù)精密度、重復(fù)性、穩(wěn)定性良好，在食品的質(zhì)量控制中有著廣泛的應(yīng)用。

1.2.2 紅外光譜技術(shù) 紅外光譜是被應(yīng)用于鑒別化學(xué)成分的官能團的一種光譜技術(shù)，樣品用量少、靈敏度高、重現(xiàn)性好，但精密度較低[31]。具有不同官能團的樣品，其對應(yīng)的紅外光譜特征不盡相同，因此其光譜特征可作為區(qū)分樣品種類與真假的指標(biāo)。姜川等[32]采用紅外光譜結(jié)合PCA 發(fā)現(xiàn)洋槐蜜與其它9 種蜂蜜指紋圖譜間存在明顯差異，表明蜂蜜的種類及蜜源不同；此外洋槐原蜜與市售洋槐蜜有兩處吸收峰明顯不同，可判斷在加工過程中添加了輔料，此法對蜂蜜的種類鑒別和加工過程的質(zhì)量控制具有重要意義。吳娜等[33]發(fā)現(xiàn)普洱生茶和熟茶的紅外指紋圖譜變化趨勢基本一致，但生茶吸收峰相對較多，在波長1500～3000 nm 范圍內(nèi)可以清晰地表現(xiàn)熟茶的特征吸收，可區(qū)分出普洱生茶和熟茶。楚剛輝等[34]建立了10 個批次的喀什樹莓酒及5 種偽品的紅外指紋圖譜，結(jié)果顯示不同批次樹莓酒的圖譜一致性良好，而樹莓酒與偽品之間有較大差異，表明此法可以為不同批次樹莓酒質(zhì)量的一致性評價和真?zhèn)舞b別提供依據(jù)。此外，紅外光譜還可應(yīng)用于農(nóng)產(chǎn)品的品質(zhì)檢測，如卷煙煙氣中苯并芘含量的測定[35]、番茄汁中的多組分質(zhì)量性狀的監(jiān)測[36]、麥麩中營養(yǎng)成分的測定[37]等。以上研究表明，紅外光譜技術(shù)在樣品鑒別與檢測方面具有廣泛的應(yīng)用。

1.2.3 近紅外光譜技術(shù) 近紅外光譜作為一種快速無損的檢測技術(shù)，波長范圍780～2526 nm，該區(qū)域主要是由含H 基團（C-H、O-H、N-H 和S-H）的倍頻和合頻吸收產(chǎn)生的，常用于化學(xué)成分的定性及定量分析，具有簡便、快速、無損的優(yōu)點，但抗干擾性差、靈敏度較低且需要基于大量的樣品[38?39]。Hao 等[40]建立了基于PLS-DA 的近紅外光譜模型，此模型成功地對巴戟天中的果糖、葡萄糖、蔗糖等14 個主要成分進行了定性及定量分析，為巴戟天藥理活性的進一步研究提供了依據(jù)。牛智有等[41]利用近紅外光譜結(jié)合PCA 和HCA 對4 種茶葉進行定性定量分析，結(jié)果顯示種類識別準(zhǔn)確率達(dá)100%，定量分析模型的決定系數(shù)均大于0.91，故通過該技術(shù)可以快速定性茶葉的種類以及定量茶葉成分的含量。Scholz 等[42]采用近紅外光譜對不同品種生咖啡豆中的二萜含量進行了定量分析，得知樣品中咖啡醇的含量范圍為1.8262～13.0862 mg/g，咖啡豆醇含量范圍為1.8269～12.6541 mg/g，此法準(zhǔn)確可靠，為生咖啡豆的準(zhǔn)確定量評價提供了一種新方法。較紅外光譜，近紅外光譜的準(zhǔn)確度更高，樣品前處理更簡便，甚至無需樣品前處理，因此越來越多的采用該法對樣品進行定性定量分析。

1.2.4 熒光光譜技術(shù) 熒光光譜是由包含所有待測組分的物理、化學(xué)和結(jié)構(gòu)信息的重疊熒光譜帶組成的，可用于元素含量的測定、產(chǎn)品真?zhèn)舞b別等，操作簡便、精密度高、穩(wěn)定性好，但缺點是只有少部分化合物產(chǎn)生熒光[43]。不同產(chǎn)品因所含熒光物質(zhì)的分子結(jié)構(gòu)或含量的差異，其熒光光譜具有指紋特征，可用于不同產(chǎn)品的質(zhì)量控制。Sosa 等[44]采用熒光光譜法測定了馬鈴薯塊莖中Fe 和Zn 的含量，結(jié)果顯示Fe含量為1.10～1.44 mg/kg，Zn 含量為0.91～1.06 mg/kg，此法可以對Fe 和Zn 含量進行高精度分析。Kashif等[45]采用該技術(shù)分析了不同商業(yè)等級的牛肉，結(jié)果顯示在250～300 nm 波長范圍內(nèi)顯示出5 個突出的熒光特征，可以反映牛肉品質(zhì)的優(yōu)劣。杜麗娟[46]分別采用三維內(nèi)源熒光和二維外源熒光結(jié)合計量學(xué)方法分析了生鮮乳和摻入奶粉的還原乳，結(jié)果顯示兩種方法均可以判斷還原乳的摻假情況，而后者只通過PCA 即可得到快速準(zhǔn)確的結(jié)果，且其分類模型的準(zhǔn)確率達(dá)100%，表明采用二維外源熒光優(yōu)勢更為明顯。熒光光譜節(jié)能環(huán)保、無損測量，能夠提供熒光基團的信息，將其與多元數(shù)據(jù)分析結(jié)合，能夠?qū)崿F(xiàn)對食品的控制和分類。

1.2.5 拉曼光譜技術(shù) 拉曼光譜是基于拉曼效應(yīng)，對與入射光頻率不同的散射光譜進行收集分析，得到待測物分子振動和轉(zhuǎn)動方面的信息，從而為分析物提供特有的光譜指紋圖譜，可用于食品中糖類、脂肪、蛋白質(zhì)等天然產(chǎn)物的測定，具有靈敏度高、重現(xiàn)性好等優(yōu)點，但抗干擾能力較差[47]。由于不同的化學(xué)成分具有不同的拉曼峰，因此可根據(jù)特征峰分析樣品中的化學(xué)成分進行質(zhì)量控制與分析評價。祁龍凱等[48]建立了20 批荔枝蜜拉曼指紋圖譜，在452、564、596 cm?1等處清晰地表現(xiàn)出了蛋白質(zhì)、氨基酸、糖類等天然產(chǎn)物的特征峰；且20 批荔枝蜜指紋圖譜的相似度較高，表明拉曼光譜技術(shù)可以直接、快速地判定荔枝蜜中的主要天然產(chǎn)物，同時指紋圖譜的建立可以為蜂蜜的質(zhì)量控制提供依據(jù)。Gussem 等[49]建立了49 種真菌的指紋圖譜，PCA 和線性判別分析（LDA）成功地將樣品分為3 類，且判別正確率達(dá)90%，故拉曼光譜在真菌屬的分類研究方面具有一定可行性。Boyaci 等[50]測定了132 種從豬、牛、羊等肉中提取的脂肪樣品及其薩拉米香腸產(chǎn)品，且PCA 成功地在30 s 內(nèi)區(qū)分出不同來源肉類及其香腸產(chǎn)品，此法快速簡便。以上研究表明，拉曼光譜技術(shù)在食品檢測中發(fā)揮了重要作用。

1.2.6 核磁共振光譜技術(shù) 核磁共振光譜是基于原子核對射頻電磁波輻射的吸收，產(chǎn)生核磁能級共振躍遷的圖譜技術(shù)，具有高度的特征性和重現(xiàn)性，但靈敏度較低[51]。該技術(shù)可用于食品真?zhèn)舞b別、品種鑒別、化學(xué)成分的確定等方面。魯惠玲等[52]建立了不同油類及不同品牌保健品魚油的指紋圖譜，結(jié)果顯示各圖譜能夠很好地表征出主要成分的特征信號，可鑒別出保健品魚油的摻兌情況。楊娟[53]構(gòu)建了基于核磁共振光譜結(jié)合LDA 鑒別5 種蜂蜜的識別模型，建模集和驗證集對5 種蜂蜜的判別率分別在93.3%和90%以上，總體判別率分別達(dá)96.9%和94.4%，可以準(zhǔn)確有效的鑒別蜂蜜品種。Monakhova 等[54]研究了含有101 個咖啡樣品的親脂性提取物，光譜顯示在親脂性提取物中檢測到了Robusta 咖啡和Arabica咖啡的存在，同時還可以定量Robusta 咖啡的含量，此法為咖啡的質(zhì)量控制提供了參考。綜上所述，核磁共振光譜技術(shù)可以為產(chǎn)品的質(zhì)量控制提供一種新方法，在食品分析方面具有巨大的應(yīng)用潛力。

基于上述分析可以看出，近些年色譜法和光譜法等技術(shù)在食品質(zhì)量控制和分析評價中均得到了廣泛的應(yīng)用，但不同的技術(shù)手段有不同的優(yōu)缺點和適用性，因此在實際應(yīng)用的過程中應(yīng)該基于物質(zhì)特性選擇合適的指紋圖譜。

2 生物指紋圖譜

生物指紋圖譜可分為蛋白質(zhì)指紋圖譜和DNA指紋圖譜，具有高度的特異性和穩(wěn)定性。蛋白質(zhì)指紋圖譜主要是以聚丙烯酰胺凝膠電泳技術(shù)來完成的，DNA 指紋圖譜是檢測具有高變異性且能在本類群或個體中穩(wěn)定遺傳的DNA 序列[55]，兩種技術(shù)廣泛用于小麥、水稻、玉米等作物的品種鑒定與分類中。

呂亞麗[56]分別采用生化標(biāo)記、隨機擴增多態(tài)性DNA 分子標(biāo)記和簡單序列重復(fù)區(qū)間擴增多態(tài)性分子標(biāo)記技術(shù)建立了11 個玉米品種的蛋白質(zhì)和DNA 指紋圖譜并進行HCA 分析，結(jié)果表明3 種方法均能把11 個玉米品種區(qū)分開來，且HCA 結(jié)果顯示3 種技術(shù)可得到基本一致的結(jié)果。史圓圓等[57]采用相關(guān)序列擴增多態(tài)性分子標(biāo)記技術(shù)對23 個無核葡萄品種的種質(zhì)親緣關(guān)系進行了分析鑒定，遺傳相似分析結(jié)果顯示，23 個葡萄品種在遺傳相似系數(shù)為0.61 處可分為2 大類群，在相似系數(shù)為0.66 處可分為4 大類群，因此可根據(jù)遺傳相似分析結(jié)果判斷物種的親源關(guān)系以選擇最為合適的親本進行雜交育種。以上研究表明，生物指紋圖譜是化學(xué)指紋圖譜的一個良好的補充與完善，在農(nóng)作物的品種鑒定及選育、種群結(jié)構(gòu)和親緣關(guān)系分析方面發(fā)揮著獨一無二的作用。

3 非線性化學(xué)指紋圖譜

非線性化學(xué)指紋圖譜是在化學(xué)振蕩、化學(xué)湍流等非線性化學(xué)反應(yīng)基礎(chǔ)之上建立的一種可鑒別與評價復(fù)雜樣品品質(zhì)的新技術(shù)，無需分離、提純等預(yù)處理，能適用于各種相態(tài)和劑型樣本的分析鑒別，具有速度快、成本低、直觀性好的特點，已在食品質(zhì)量檢測方面取得了廣泛的應(yīng)用[58?59]。

張海珍等[60]發(fā)現(xiàn)不同蜂蜜的非線性化學(xué)指紋圖譜形狀相似但振蕩壽命存在一定差異，可快速直觀地判斷蜂蜜的品種；同時指紋圖譜相似度在90%以上，表明不同品種蜂蜜質(zhì)量穩(wěn)定。樊成等[61]通過此技術(shù)建立了快速檢測羊乳摻雜牛乳的方法，結(jié)果表明牛乳和羊乳指紋圖譜的誘導(dǎo)時間、停波時間和最大振幅等具有顯著差異，能夠判斷羊乳的摻假情況。李永玲[62]利用振蕩反應(yīng)體系建立了8 種速溶咖啡樣品的非線性化學(xué)指紋圖譜，有效鑒別出了不同的品種及品牌；PCA 和HCA 成功地區(qū)分出咖啡種類和口味，為速溶咖啡的質(zhì)量控制提供了一種快速有效的電化學(xué)方法。Ma 等[63]采用非線性化學(xué)指紋圖譜技術(shù)結(jié)合PLS 計算了奶粉中的尿素和三聚氰胺，得出兩者的檢出限分別為0.33 和0.05 μg/g，定量限分別為1.11和0.18 μg/g，此法相對標(biāo)準(zhǔn)偏差在0.60%～4.12%范圍內(nèi)，穩(wěn)定可靠，可以用于奶粉的定量分析。以上研究表明，非線性化學(xué)指紋圖譜擁有豐富的定性和定量信息，操作簡便，無需復(fù)雜的前處理過程，可以為食品等復(fù)雜樣本的摻假鑒別和相對整體含量評價提供一種簡單快捷的方法，必將會在食品的質(zhì)量控制與品質(zhì)分析中獲得越來越廣泛的應(yīng)用。

4 食品指紋圖譜分析方法

4.1 化學(xué)模式識別

化學(xué)模式識別是將數(shù)理統(tǒng)計學(xué)、計算機信息技術(shù)與化學(xué)圖譜解析結(jié)合起來的整合技術(shù)[64]，往往基于色譜、光譜及其聯(lián)用技術(shù)，利用計算機對食品所含的化學(xué)成分進行描述、分析、分類和識別?；瘜W(xué)模式識別方法包括有監(jiān)督模式識別、無監(jiān)督模式識別以及其它化學(xué)模式識別方法[65]，具體分類見表1。

表1 化學(xué)模式識別方法Table 1 Chemical pattern recognition method

有監(jiān)督模式識別是將已知類別的樣本隨機分為訓(xùn)練集和測試集，利用已知類別的訓(xùn)練集建立判別模型，通過測試集的正確率來表征所建立模型的性能[66]，應(yīng)用較多的方法有PLS、LDA 和簇類獨立軟模式法（SIMCA）。穆同娜等[67]采用PLS 法建立了20 個嬰兒配方奶粉的近紅外模型，用此模型對驗證集中奶粉樣品的總脂肪酸、飽和脂肪酸和不飽和脂肪酸進行預(yù)測，預(yù)測值與化學(xué)測定值較為接近，表明PLS 法具有較好的預(yù)測能力。王勝威[68]采用LDA構(gòu)建了純羊肉與摻假羊肉的判別模型，此模型可以有效區(qū)分純羊肉與摻假羊肉，交叉驗證中正確區(qū)分率達(dá)100%。陳全勝等[69]采用近紅外光譜結(jié)合SIMCA建立了龍井、碧螺春、祁紅和鐵觀音4 種茶葉的判別模型，此模型對4 種茶葉的訓(xùn)練集的識別率分別為90%、100%、100%和100%，對預(yù)測集的識別率分別為100%、80%、100%和100%，拒絕率均為100%，結(jié)果準(zhǔn)確可靠。

無監(jiān)督模式識別針對不利用或沒有樣本所屬類別信息的情況，可以把復(fù)雜的數(shù)據(jù)以分類圖的形式顯示出來，常用的是PCA 和HCA[70?71]。李剛鳳等[72]采用PCA 對空心李果實的活性成分進行了綜合評價，結(jié)果顯示能體現(xiàn)空心李理化性狀的主成分有3 個，決定第1 主成分的為可溶性蛋白、維生素C、總酚和黃酮，決定第2 主成分的為總氨基酸和可溶性固形物，決定第3 主成分的為可溶性糖和可滴定酸，通過該方法可以直觀地看出各成分在樣品中的地位，便于對樣品進行全面的分析評價。王曉敏等[73]采用紅外光譜結(jié)合HCA 對13 個不同產(chǎn)地的香椿樣品進行了分析，HCA 成功地將香椿樣品分為4 類，此法為香椿的產(chǎn)地鑒別提供了一種有效的手段。

指紋圖譜結(jié)合有監(jiān)督模式識別和無監(jiān)督模式識別的使用，可以全面、準(zhǔn)確的反映樣品的質(zhì)量，增加分析結(jié)果的準(zhǔn)確性，已成為食品分析時不可缺少的工具。

4.2 其它相似度評價方法

其它相似度評價方法如表2 所示，表內(nèi)方法均有其適用情況，并非在指紋圖譜相似度評價中全部適用，需要科研工作者不斷進行試驗和篩選，以選擇不同情況下最為合適的評價方法。應(yīng)用較多的為夾角余弦法、系統(tǒng)相似度法和全定性和全定量相似度法。謝建軍等[81]采用夾角余弦法計算了85 份紅葡萄酒樣品和3 種勾兌葡萄酒樣品的氣相色譜指紋圖譜的相似度，結(jié)果表明紅葡萄酒指紋圖譜的相似度大于0.9700，勾兌葡萄酒指紋圖譜相似度均小于0.6128，可判斷它們?yōu)榧倨咸丫?，此法能為葡萄酒的真假鑒別提供可靠的依據(jù)。孫國祥等[82]采用全定性和全定量相似度法評價了甜瓜蒂的毛細(xì)管電泳指紋圖譜，結(jié)果表明該方法能同時監(jiān)測指紋圖譜大峰和小峰的變動與缺失，可解決指紋圖譜的宏觀定性和定量評價問題，實現(xiàn)了對甜瓜蒂宏觀定性定量的質(zhì)量控制。可以看出，相似度評價方法是對指紋圖譜進行方法學(xué)驗證時必不可少的工具，可判斷所建立的方法是否準(zhǔn)確、可靠。

表2 其它相似度評價方法Table 2 Other similarity evaluation methods

續(xù)表 2

5 展望

指紋圖譜技術(shù)擁有豐富的定性和定量信息，更能體現(xiàn)食品成分色譜或光譜的整體性，直觀性和重現(xiàn)性均較好，是評價食品優(yōu)劣、鑒別真?zhèn)?、區(qū)分品種和確保其一致性和穩(wěn)定性的有效方法。本文根據(jù)指紋圖譜分析技術(shù)的分類，綜述了各類食品指紋圖譜的研究進展，對食品的質(zhì)量控制具有一定的參考價值。同時在食品指紋圖譜研究過程中，大多數(shù)指紋圖譜的建立都進行了方法學(xué)的驗證，說明所建立的方法真實、可靠。但是在研究過程中依然存在一些問題，仍需進一步研究探討，今后可以考慮從以下幾方面進行深入研究：

目前對于食品指紋圖譜的研究大都是關(guān)于食品中化學(xué)成分的種類與含量的表征，對微量元素的研究較少，因此我們可以研究食品中微量元素的指紋圖譜，更加全面的反映食品內(nèi)在品質(zhì)，使食品質(zhì)量控制體系更加完善。

目前指紋圖譜的分析手段都是基于高端設(shè)備，需要經(jīng)過嚴(yán)格的前處理或者較為繁瑣的步驟，因此我們可以基于方法改良，簡化前處理；此外，還可嘗試將指紋圖譜技術(shù)與其它儀器集成聯(lián)合應(yīng)用，實現(xiàn)更高端的目標(biāo)需求，為食品質(zhì)量控制提供更高的標(biāo)準(zhǔn)。

應(yīng)進一步擴大指紋圖譜技術(shù)的應(yīng)用范圍。食品存在組分復(fù)雜，多種成分、多種機制協(xié)同作用，可通過指紋圖譜技術(shù)綜合分析各種化學(xué)成分分布的整體狀況，以全面衡量其功效與質(zhì)量；指紋圖譜還可用于研究食品代謝產(chǎn)物的變化規(guī)律，對所有代謝物進行高通量的代謝分析，找出與之相關(guān)的生物標(biāo)志物，為標(biāo)記輔助育種提供理論依據(jù)。

此外，食品指紋圖譜的技術(shù)手段和分析方法多種多樣，但較為單一，缺少系統(tǒng)的有機整合比較，應(yīng)建立各種手段的指紋圖譜的綜合數(shù)據(jù)庫，使食品控制體系更加立體、系統(tǒng)、全面。