摘要：采集42份自然風干花生種子近紅外光譜，并進行維生素E含量的反相高效液相色譜（RP-HPLC）測定，利用偏最小二乘法（Modified PLS）構建了多粒自然風干花生種子維生素E含量的近紅外定量分析模型。經優化及內部交叉檢驗，確定最佳光譜預處理方法為“一階導數+多元散射矯正”，維生素E含量譜區范圍為6 094.3～7 506.0、4 242.8～5 454.0 cm-1，維數為8，模型的決定系數（R2）為88.34，交叉檢驗根均方差（RMSECV）為0.423。利用該模型對6份花生野生種樣品的維生素E含量進行預測，t測驗結果顯示預測值與真實值間差異不顯著。可見，所建近紅外光譜模型可以很好地預測自然風干花生種子中維生素E的含量。
關鍵詞：花生；自然風干種子；維生素E含量；近紅外定量分析
中圖分類號：S565.201文獻標識號：A文章編號：1001-4942（2018）06-0163-04
Abstract To build a near infrared spectroscopy （NIRS） model for predicting vitamin E content in sun-dried peanut seeds， spectral data of 42 peanut seed samples were collected and the vitamin E content of each sample was determined by reverse phase high performance liquid chromatography （RP-HPLC）. Then a NIR calibration model for vitamin E content was established by partial least squares method （modified PLS）. Through optimizing and internal cross validation， the optimal spectrum pretreatment method was the first derivative plus multiplicative scattering correction. The spectrum range， rank， determination coefficient （R2） and root-mean-squares error of cross-validation （RMSECV） for vitamin E were 6 094.3～7 506.0 cm-1 and 4 242.8～5 454.0 cm-1， 8， 88.34 and 0.423， respectively. The model was used to predict the vitamin E content of 6 samples of wild peanut species， and the t test results showed that the difference between the predicted value and true value was not significant. Therefore， the constructed near-infrared spectroscopy model could predict the content of vitamin E in sun-dried peanut seeds very well.
Keywords Peanut； Sun-dried seed； Vitamin E content； Near infrared spectroscopy （NIRS）
花生是世界上主要的經濟作物，是優質食用植物油和高消化率蛋白質的重要來源[1]。花生中含有比較豐富的維生素E[2，3]。維生素E是一種天然的抗氧化劑，是機體重要的脂溶性維生素，具有增強免疫力、延緩衰老、降低心血管疾病和癌癥發病率的功效[4，5]。維生素E的傳統測定方法包括熒光光譜法、高效液相色譜法、蔽塞法、氣相色譜法等，成本高、費時間、有一定破壞性。花生高維生素E育種迄今未能開展，原因就在于缺乏成本低廉、速度快、穩定可靠的選擇鑒定技術。
近紅外檢測技術具有成本低、無損、速度快等優點，已在棉籽、油菜、玉米、大豆、芝麻等多種農作物的品質分析中應用[6-13]，在花生上也已成功建立了能準確預測脂肪酸、脂肪、蛋白、水分、蔗糖等含量的近紅外模型[14-18]，但有關花生維生素E含量預測的近紅外模型迄今未見報道。本研究利用自然風干花生種子，采集其近紅外光譜，并通過RP-HPLC法測定其維生素E含量，目的在于構建花生維生素E多粒近紅外模型，為花生高維生素E育種提供選擇手段。
1 材料與方法
1.1 試驗材料
構建維生素E模型所用的試驗材料系來自國內外的42 份花生品種（系），如表1所示。
1.2 試驗方法
1.2.1 光譜采集 所用光譜數據均在德國布魯克光譜儀器公司生產的Matrix-Ⅰ型傅立葉變換近紅外光譜儀上采集。掃描譜區范圍為4 000～12 000 cm-1，掃描次數64次，分辨率為8 cm-1。開機預熱30 min后檢測樣品。采集光譜所用花生種子為自然日光干燥的樣品，每份材料約30～50粒，重復掃描3次。
1.2.2 維生素E含量測定 按GB 5009.82—2016中的反相高效液相色譜法[19]進行測定。
1.2.3 模型構建與優化 光譜處理和模型構建采用Matrix-Ⅰ型近紅外光譜儀自帶的OPUS 5.5軟件，用NIR選項自動尋優，選擇最佳光譜預處理辦法、最佳譜區、維數；采用內部交叉檢驗進一步驗證，并剔除奇異點（outlier）。通過比較樣品預測值與化學值的決定系數（R2）和交叉驗證根均方差（RMSECV）衡量模型質量，篩選最佳模型。
對所建模型進行外部驗證，即：隨機挑選驗證樣品，利用DPS 14.50數據分析軟件對樣品的預測值和化學值進行配對t測驗，根據分析結果判斷模型的可靠性。
2 結果與分析
2.1 近紅外光譜的采集
采集的花生自然風干多粒種子的近紅外光譜如圖1所示，符合預期。
2.2 花生籽仁中維生素E含量的化學分析
采用HPLC法測定42份花生籽粒樣品中的維生素E含量，樣品化學值相關參數見表2。維生素E含量均值為10.97 mg/100g，最大、最小值分別為17.10、8.21 mg/100g。表明建模花生樣品維生素E含量變幅尚可，可用于近紅外光譜模型構建。
2.3 近紅外模型建立
經自動優化，確定花生種子維生素E含量的最佳光譜預處理方法為“一階導數+多元散射矯正”，譜區范圍為6 094.3～7 506.0、4 242.8～5 454.0 cm-1，維數為8，模型的R2為88.34，RMSECV為0.423（圖2）。
2.4 模型預測效果驗證
另取6份外部花生樣品（均為野生種），檢驗模型預測效果，結果（表3）顯示，維生素E含量偏差為-0.76～0.59 mg/100g。對預測值與化學值進行成對數據t測驗，兩組數據均值差為0.101，自由度為5，t值為0.545 3 結論 維生素E抗氧化性強，有益人體健康[20]。有人曾將蘭娜型品種制取的花生油穩定性強與其含有較多的維生素E聯系起來[21]。因此，提高花生種子中維生素E含量，不僅與人體健康息息相關，而且可能會有助于延長花生制品的貨架期。 本研究采用反相高效液相色譜法測定花生種子中維生素E含量，與正相高效液相色譜法相比，其具有保留時間恒定、平衡快、色譜柱性能穩定的優點。所構建的自然風干花生種子維生素E含量近紅外模型的R2較高，RMSECV較小，預測效果較好，為培育高維生素E花生品種提供了新的選擇手段。下一步將用于篩選本項目組化學誘變后代、種間雜交后代群體以及國內外種質，并利用經色譜法確認的維生素E含量更高的材料進一步優化補充模型，拓寬模型的適用范圍。 參 考 文 獻： [1] 萬書波，封海勝，王秀貞. 花生營養成分綜合評價與產業化發展戰略研究[J]. 花生學報，2004，33（2）：1-6. [2] 周筱丹，董曉芳，佟建明. 維生素E的生物學功能和安全性評價研究進展[J]. 動物營養學報，2010，22（4）：817-822. [3] 張建書，王強，劉紅芝，等. 不同地區花生品種VE、植物甾醇組成與含量的分析比較[J]. 食品科學，2012，33（22）：191-194. [4] Jiang Q.Natural forms of vitamin E： metabolism，antioxidant，and anti-inflammatory activities and their role in disease prevention and therapy [J]. Free Radic. Biol.Med.，2014，72： 76-90. [5] Schneider C.Chemistry and biology of vitamin E [J].Mol.Nutr.Food Res.，2005，49（1）：7-30. [6] 張曉芳，俞信，閻吉祥，等.近紅外反射技術開放式檢測棉籽中水分和油含量的研究[J]. 光譜學與光譜分析，2007，27（13）：473-476. [7] Lordelo M M， Shaaban S A， Dale N M， et al.Near infrared reflectance spectroscopy for the determination of free gossypol in cotton seed meal[J].Journal of Applied Poultry Research， 2008，17（2）：243-248. [8] 秦利，沈曉佳，陳進紅，等. 近紅外反射光譜法（NIRS）測定棉仁粉中蛋白質和棉酚含量的研究[J]. 光譜學與光譜分析，2010，30（3）：635-639. [9] 呂培軍，薛蕾，伍曉明，等. HPLC 法分析油菜種子油中維生素E的組成與含量[J]. 植物遺傳資源學報，2011，12（4）：634-639，645. [10]康月瓊，郝風，柴勇，等. 油菜品質近紅外檢測模型建立的研究[J].中國農學通報，2011，27（5）： 144-148. [11]魏良明，嚴衍祿，戴景瑞.近紅外反射光譜測定玉米完整籽粒蛋白質和淀粉含量的研究[J].中國農業科學，2004，37（5）：630-633. [12]王鐸，張力，范素杰，等. 大豆主要脂肪酸含量近紅外模型的建立[J].大豆科學，2017，36（2）：295-299. [13]劉盼，張艷欣，黎冬華，等. 基于近紅外模型的芝麻核心種質油脂和蛋白質含量變異分析[J].中國油料作物學報，2016，38（6）：722-729. [14]張建成，王傳堂，王秀貞，等. 花生自然風干種子油酸、亞油酸和棕櫚酸含量的近紅外分析模型構建[J]. 中國農學通報，2011，27（3）：90-93. [15]楊傳得，唐月異，王秀貞，等. 傅立葉近紅外漫反射光譜技術在花生脂肪酸分析中的應用[J]. 花生學報，2015，44（1）：11-17. [16]王秀貞，唐月異，張建成，等. 近紅外技術分析化學誘變對花生脂肪、蛋白質和蔗糖含量的影響[J]. 花生學報，2009，38（4）：5-8. [17]楊傳得，于洪濤，關淑艷，等. 近紅外反射光譜技術預測花生種子含水量[J]. 花生學報，2012，41（1）：6-9，20. [18]秦利，劉華，杜培，等. 基于近紅外光譜法的花生籽仁中蔗糖含量的測定[J]. 中國油料作物學報， 2016，38（5）：666-671. [19]中華人民共和國國家衛生和計劃生育委員會，國家食品藥品監督管理總局. GB5009.82—2016 食品安全國家標準食品中維生素A、 D、 E的測定[S]. 2016-12-23. [20]Schmlz L，Birringer M，Lorkowski S，et al. Complexity of vitamin E metabolism [J]. World Journal of Biological Chemistry， 2016， 7（1）： 14-43. [21]Pattee H E， Young C T. Peanut science and technology [M]. American Peanut Research and Education Association，1982.