食醋在中国已有近三千年的历史,是中国人不可缺少的调味品和保健品。但是,近年来假冒伪劣食醋事件屡被曝光,从2018年山西平遥陈醋造假被曝光,到2019年农业农村部网站公布了农村假冒伪劣食品十大经典案例,再到2022年公安部发布了各地公安机关打击危害食品安全犯罪的7起经典案例,食醋贴牌假冒之风盛行,但国内关于食醋鉴别分析的报道较少,缺乏针对性的检测方法。
热重分析(thermogravimetry analysis,TGA)技术是指在程序控制温度和一定气氛下连续测量待测样品的质量与温度或时间变化关系的一种热分析技术[1]。热重法针对微量样品进行实验,具有操作简便、可重复性强、精度高、响应灵敏快速等优点[2],在食品成分测定[3-4]、中药材鉴别[5-7]等领域广泛应用。但TGA仪自身存在一定局限性,通常可将其与其他分析技术联用,从而对样品热响应行为进行全面分析[2]。气相色谱质谱联用技术既结合了气相色谱的高效分离能力,又具有质谱可提供丰富的结构信息的优点,是挥发性或半挥发性小分子化合物的重要分析方法[8]。GC/MS已广泛应用于食醋挥发性成分分析[9-14]、食醋品牌鉴别[15-16]等领域。
TGA-GC/MS技术不仅结合了TGA实时获得失重信息方便快捷的优点,还可以通过GC/MS进行分离定性,常被用于鉴别食用油是否掺假[17-18]。本研究建立了TGA-GC/MS联机实验方法,比较不同品牌食醋间的数据,结合化学计量学分析软件,建立了食醋品牌的鉴别分析模型,为质监部门打击市场食醋制假售假等违规现象提供了快速的检测方法。
1 材料与方法
1.1 样品
市售金山寺(8组)、东湖(13组)、紫林(8组)、恒顺(13组)、宁化府(13组)以及其他品牌食醋(48组)。
1.2 TGA仪工作参数
气体吸收池温度25.0 ℃,高温传输线1温度250 ℃,富集管采集温度40 ℃,阀箱温度230.0 ℃,TGA接口温度200.0 ℃,富集管释放温度:150.0 ℃;升温程序:初始温度50 ℃,以50.0 ℃/min的速率升温至250 ℃,保持10.0 min,一路进气流量50.0 mL。
1.3 GC-MS工作参数
GC单元:进样口模式选择分流,进样口温度250.0 ℃,压力5.00 psi,总流量54.00 mL/min,隔垫吹扫流量3.00 mL/min,标准模式,分流比50∶1,分流流量50.00 mL/min;升温程序:初始温度50 ℃,保持5.00 min,升温速率50 ℃/min,升温至100 ℃,保持5 min,升温速率4 ℃/min,升温至180 ℃,保持时间5 min,升温速率50 ℃/min,升温至250 ℃,保持10 min。
MS单元:采集模式为全扫描模式,质量数范围28～400,离子源温度230 ℃,传输线温度250 ℃。
1.4 食醋样品测定
将食醋样品充分混匀,采用移液枪移取200 μL小心加入样品池中,开始测定,结束后记录测定数据。每个样品测定2次,每次测定前混匀样品。
1.5 识别不同品牌食醋的线性判别分析(linear discriminant analysis,LDA)模型
1.5.1 建立TGA-GC/MS多谱特征值组合
TGA原始曲线经一阶导数处理后,选择50～250 ℃温度段作为特征波段,经标准化处理,筛选出TGA特征值;GC/MS原始谱图经筛选共有峰、标准化处理后,筛选出GC/MS特征值,将2组原始谱图的特征值组合,形成TGA-GC/MS多谱特征值组合。
1.5.2 建立LDA模型
TGA-GC/MS多谱特征值组合经T-Test特征值提取、主成分分析(principal component analysis,PCA)及PCA 特征提取后,选择LDA模型进行建模分析。模型交叉验证结果正确识别率R评价模型的精确度。按公式(1)计算模型正确识别率。
R/%=正确识别的样品数/样品总数×100
(1)
1.6 数据分析
利用MSpectrum PatternTM对数据进行化学计量学分析和建模。
2 结果与分析
2.1 食醋的TGA-GC/MS分析
TGA-GC/MS相比较GC/MS,具有无需样品预处理、操作方便、快速、进样量少等优势,相比较近红外[19]而言,TGA-GC/MS能够更加直观的获取食醋样品成分信息。TGA单元在50.0～250.0 ℃,以50 ℃/min升温速率持续升温,挥发成分从样品表面生成和释放,样品质量减少,挥发性成分通过TGA-GC/MS传输线到达GC/MS单元,进行分离定性定量分析。
由于各品牌食用醋主要成分相似,5个品牌共103组食醋样品的TGA曲线(图1-a)和质谱曲线(图1-b)过于相近,重叠现象严重,无法通过直接观察方法将不同品牌醋区分开,因此,采用化学计量学方法对TGA原始曲线和GC/MS原始谱图进行预处理,并建立TGA-GC/MS多谱特征值组合。该多谱组合依次经T-Test对存在差异显著性的点进行特征值提取处理(图1-c)、PCA及特征提取(图2),并选择LDA模型进行建模分析(图3)。
a-食醋TGA图;b-食醋的总离子流谱图;c-T-Test特征值提取图(以东湖/非东湖为例)
图1 食醋TGA-GC/MS分析和预处理图
Fig.1 TGA-GC/MS analysis and pretreatment of the vinegar
a～e分别为东湖、恒顺、宁化府、紫林和金山寺等单一品牌和其他品牌之间的区分;f-东湖、恒顺、宁化府、金山寺以及紫林等5大品牌相互之间的区分;g-PCA置信椭圆和散点分布图(以东湖/非东湖为例);h-聚类分析图(以东湖/非东湖为例)(下图同)
图2 食醋的PCA和聚类分析结果
Fig.2 PCA and cluster analysis results of the vinegar
图3 不同品牌食醋的LDA模型
Fig.3 LDA model for different brands of vinegar
2.2 食醋的PCA和聚类分析
PCA被广泛应用于食醋鉴别[19-20]、蜂蜜掺假[21]等领域。TGA-GC/MS多谱特征值组合经T-Test特征值提取处理(图1-c)后,进行PCA和聚类分析(图2-h),选取贡献度最大的3个主成分PC1、PC2、PC3作为数据代表用以可视化,分别对应图2中X、Y、Z轴。由图2可知,除恒顺与非恒顺(图2-b)外,其余4个单一品牌和其他品牌之间都可以达到一定的聚类分堆和区分效果,但不能准确划分单一品牌和其他品牌之间的界限;图2-f显示,除恒顺和宁化府外,东湖、紫林、金山寺都能较好的聚类分堆和区分,但不能准确划分各个品牌之间的界限。因此,本研究在PCA后进行特征值提取,选择LDA模型进行建模分析,对5个品牌食醋进一步鉴别。
2.3 LDA模型在食醋品牌鉴别中的应用
LDA是根据研究对象的各种特征值判别其类型归属问题的一种多变量统计分析方法,在食品真伪鉴别领域也有广泛应用。本研究对TGA-GC/MS多谱特征值组合进行PCA,并进行特征值提取,选择累计贡献率80.00%,进行LDA建模分析(图3-a～图3-e)。
经留一线法交叉验证,5个单一品牌模型正确识别率依次为:东湖87.63%、恒顺80.41%、宁化府96.91%、紫林80.41%、金山寺87.63%,5个单一品牌和其他品牌之间都可以达到聚类分堆和区分效果,且能准确划分单一品牌和其他品牌之间的界限;5个品牌相互之间区分建模与单一品牌不同,TGA-GC/MS多谱特征值组合先经方差分析后,再进行PCA降维提取特征值,选取贡献率80%,即前11个特征值进行LDA建模分析(图3-f),经留一法验证,模型正确识别率80.00%,5个品牌相互之间聚类分堆和分离效果良好,且各品牌之间界限清晰,便于区分。
基于TGA-GC/MS多谱特征值组合的LDA模型与基于近红外光谱的LDA模型[19]相比,多维数据进行建模时,比单维数据建模其聚类效果更加明显,能够较好的实现东湖、恒顺、宁化府、紫林以及金山寺等食醋品牌与其他品牌的分类区分。
3 结果与讨论
本研究采用的TGA-GC/MS技术结合化学计量学方法对5个品牌的食醋进行鉴别区分,具有无需样品预处理、进样量少、样品正确识别率高、操作简单等优势,可作为一种鉴别食醋品牌的检测方法。
基于TGA-GC/MS多谱特征值组合的LDA模型显示出了较好的分离和聚类分堆效果,且目标品牌与其他品牌之间界限清晰;该模型5个单一品牌和其他品牌之间区分正确识别率为:东湖87.63%、恒顺80.41%、宁化府96.91%、紫林80.41%、金山寺87.63%,5个品牌相互之间区分正确识别率为80.00%,各品牌食醋正确识别率较高,结果可为食醋的鉴别提供参考。
[1] 丁延伟. 热分析基础[M].合肥:中国科学技术大学出版社, 2020.
DING Y W.Fundamentals of Thermal Analysis[M].Hefei:University of Science and Technology of China Press, 2020.
[2] 谢启源, 陈丹丹, 丁延伟.热重分析技术及其在高分子表征中的应用[J].高分子学报, 2022, 53(2):193-210.
XIE Q Y, CHEN D D, DING Y W.Thermogravimetric analysis and its applications in polymer characterization[J].Acta Polymerica Sinica, 2022, 53(2):193-210.
[3] 崔丽伟, 展海军, 张佳佳, 等.热重分析法测定大米中淀粉含量[J].中国粮油学报, 2017, 32(9):167-170.
CUI L W, ZHAN H J, ZHANG J J, et al.Determination of starch content in rice by thermogravimetric analysis[J].Journal of the Chinese Cereals and Oils Association, 2017, 32(9):167-170.
[4] 展海军, 张佳佳, 徐飞, 等.用热重分析法同时测定大豆中主要成分含量[J].粮食与饲料工业, 2016(11):56-61.
ZHAN H J, ZHANG J J, XU F, et al.Determination of main component content in soybean by thermogravimetric analysis[J].Cereal &Feed Industry, 2016(11):56-61.
[5] 郑志全, 石晋丽, 姜亦南, 等.TG-DTA分析法快速区分国产血竭、进口血竭及真伪鉴别研究[J].中医药信息, 2018, 35(3):30-36.
ZHENG Z Q, SHI J L, JIANG Y N, et al.Rapid distinguish and authenticity identification of Draconis resina and Draconis sanguis by TG-DTA[J].Information on Traditional Chinese Medicine, 2018, 35(3):30-36.
[6] 刘建群, 余昭芬.雷公藤及其伪品的热分析研究[J].中国药房, 2016, 27(30):4269-4271.
LIU J Q, YU Z F.Study on thermal analysis of Tripterygium wilfordii and its counterfeits[J].China Pharmacy, 2016, 27(30):4269-4271.
[7] 李建涛, 孙莹莹, 卢立达, 等.差热/热重分析法鉴别杭菊、贡菊和野菊花[J].齐齐哈尔医学院学报, 2019, 40(14):1775-1777.
LI J T, SUN Y Y, LU L D, et al.Differential thermal analysis method/thermogravimetry in identification of different species of Chrysanthemum morifolium, Florists Chrysanthemum and Dendranthema indicum[J].Journal of Qiqihar Medical University, 2019, 40(14):1775-1777.
[8] 张良晓. 气相色谱—质谱定性定量分析新方法研究[D].长沙:中南大学, 2011.
ZHANG L X.Studies on new methods of identification and quantification of gas chromatography mass spectrometric data[D].Changsha:Central South University, 2011.
[9] CIRLINI M, CALIGIANI A, PALLA L, et al.HS-SPME/GC-MS and chemometrics for the classification of balsamic vinegars of Modena of different maturation and ageing[J].Food Chemistry, 2011, 124:1678-1683.
[10] WANG L, HUANG X Y, YU S S, et al.Characterization of the volatile flavor profiles of Zhenjiang aromatic vinegar combining a novel nanocomposite colorimetric sensor array with HS-SPME-GC/MS[J].Food Research International, 2022, 159:111585.
[11] AL-DALALI S, ZHENG F P, SUN B G, et al.Tracking volatile flavor changes during two years of aging of Chinese vinegar by HS-SPME-GC-MS and GC-O[J].Journal of Food Composition and Analysis, 2022, 106:104295.
[12] AL-DALALI S, ZHENG F P, SUN B G, et al.Effects of different brewing processes on the volatile flavor profiles of Chinese vinegar determined by HS-SPME-AEDA with GC-MS and GC-O[J].LWT-Food Science and Technology, 2020, 133:109969.
[13] AL-DALALI S, ZHENG F P, LI H H, et al.Characterization of volatile compounds in three commercial Chinese vinegars by SPME-GC-MS and GC-O[J].LWT-Food Science and Technology, 2019, 112:108264.
[14] ZHANG G R, LI L, LIU J, et al.Comparing the metabolite components of Sichuan Sun vinegar and other kinds of vinegar based on non-targeted metabolomic[J].LWT, 2022, 164:113640.
[15] MARRUFO C A, CEJUDO B M J, DUR
N G E, et al.Characterization and differentiation of high quality vinegars by stir bar sorptive extraction coupled to gas chromatography-mass spectrometry (SBSE-GC-MS)[J].LWT-Food Science and Technology, 2012, 47:332-341.
[16] 马永昆, 蒋家奎, 魏永义, 等.基于GC-MS与嗅闻联用的镇江香醋香气指纹图谱研究[J].食品科学, 2007, 28(9):496-499.
MA Y K, JIANG J K, WEI Y Y, et al.Establishment of fingerprint of aroma components of Zhenjiang frangrance vinegar based on GC-MS analysis and GC-olfactory[J].Food Science, 2007, 28(9):496-499.
[17] ZHOU X, ZHANG Q H, CHEN X T, et al.In-situ assessment of olive oil adulteration with soybean oil based on thermogravimetric-gas chromatography/mass spectrometry combined with chemometrics[J].Food Control, 2021, 130:108251.
[18] ZHOU X A, LI X Q, ZHAO B, et al.Discriminant analysis of vegetable oils by thermogravimetric-gas chromatography/mass spectrometry combined with data fusion and chemometrics without sample pretreatment[J].LWT, 2022, 161:113403.
[19] 古丽君, 林振华, 吴世玉, 等.近红外光谱结合线性判别分析方法在食醋品牌鉴别中的应用[J].食品与发酵工业, 2019, 45(18):243-247.
GU L J, LIN Z H, WU S Y, et al.Research on identification of vinegar brand based on NIR combined with LDA[J].Food and Fermentation Industries, 2019, 45(18):243-247.
[20] GENG L L, SUN H Y, YUAN Y et al.Discrimination of raw and vinegar-processed Genkwa Flos using metabolomics coupled with multivariate data analysis:A discrimination study with metabolomics coupled with PCA[J].Fitoterapia, 2013, 84:286-294.
[21] RAYPAH M E, ZHI L J, LOON L Z, et al.Near-infrared spectroscopy with chemometrics for identification and quantification of adulteration in high-quality stingless bee honey[J].Chemometrics and Intelligent Laboratory Systems, 2022, 224:104540.