食用油脂肪酸摄入不均衡是目前我国居民在食用油使用中面临的主要问题之一[1]。人体对食用油脂肪酸的摄入需要保持合理的数量以及适宜的比例，否则将导致人体代谢紊乱，影响身体健康。中国营养学会结合我国居民膳食构成及脂肪酸摄入的实际，建议在膳食总脂肪供能20%~30%的前提下，SFA、MUFA和PUFA供能比小于1:1:1[2]。单一种类植物油具有较为固定的脂肪酸含量和比例，长期摄入会引起脂肪酸摄入不均衡，而食用调和油可以通过调配多种油脂脂肪酸比例使其符合人体摄入需求。但是目前我国调和油只有企业标准 (SB/T 10292-1998)，尚无国家标准，导致市场上调和油“乱调”现象频出，消费者也无从知道调和油品质究竟如何。
目前，食用油脂肪酸检测的常规方法多为气相[3]、液相色谱法，此类实验室分析法检测精度较高，但是存在耗时、操作繁琐等问题，不适合于现场的快速分析和执法部门的市场监管[4]。近年来，拉曼光谱技术蓬勃兴起，它具备快速、无污染、无需前处理等优点，并且食用油拉曼光谱具有丰富的信息，能清晰表征所含物质的结构和特征信息[5]，因此拉曼光谱技术逐渐成为食用油品质和安全快速检测领域极具研究价值和应用潜力的新方法[6-8]。
本文采用激光共聚焦显微拉曼光谱技术结合化学计量学方法建立快速测定食用调和油的SFA、MUFA和PUFA的定量分析模型，通过SFA、MUFA和PUFA三者含量及比例来快速判断食用调和油品质，希望能为规范食用调和油生产、监管食用调和油品质提供一种快速、准确的检测方法。
1 材料与方法 1.1 材料与试剂鉴于目前市场上的食用调和油主要由各类植物油混合而成，为使实验建立食用油脂肪酸模型具有普适性，本实验中的样本集包含了具有代表性的纯植物油样本及调和油样本。实验选购主流品牌的纯植物油样本及市场上常见的调和油品牌样品，其中纯植物油样本25份 (花生油3份、大豆油3份、橄榄油3份、芝麻油3份、菜籽油3份、玉米油3份、葵花籽油3份、稻米油2份、花椒油1份、油茶籽油1份)，调和油样本18份，样本共计43份，均购于北京本地超市。
1.2 仪器与设备DXR型共聚焦激光显微拉曼光谱仪，美国Thermo Fisher科技公司。
1.3 食用油脂肪酸含量测定食用油样本的SFA、MUFA和PUFA含量由北京理化分析测试中心根据国标GB/T 17377-2008气相色谱法测定。
1.4 Raman光谱采集DXR光谱仪参数设置如下：780 nm激光光源，激光功率18 mW；奥林巴斯BX51研究级显微镜，10X目镜聚焦；拉曼位移范围100~3300 cm-1。实验采集样本拉曼谱图如图 1所示。浅色样本如玉米油、大豆油的拉曼光谱基线较为光滑、平稳，而深色样本如花生油、芝麻油的光谱上存在明显毛刺和鼓包。
|
图 1 食用油样本拉曼谱图 Fig.1 Raman spectrums of edible oil samples |
应用TQ Analyst软件和MATLAB R2013进行建模数据处理和分析。模型评价采用主成分数nF，决定系数R2，定标均方根误差 (Root Mean Square Error of Calibration，简记为RMSEC)，交叉校验均方根误差 (Root Mean Square Error of Cross-Validation，简记为RMSECV)，预测均方根误差 (Root Mean Square Error of Prediction，简记为RMSEP) 以及相对分析误差 (Ratio of Performance to Standard Deviate，RPD)。RPD通常用来表征模型的稳定性和实际预测能力[9]。当RPD>3时，模型具有较高的稳定性和良好的预测能力。
2 结果与分析 2.1 预处理由于校正集样品的选取直接影响所建模型的适用性和准确性，因此采用综合考虑光谱和组分差异的SPXY法按3:1划分校正集和校验集。校正集样本32个，校验集样本11个。样本集统计信息如下表 1所示。
|
表 1 样本集统计信息 Table 1 Statistical information of samples |
由于原始光谱中明显存在基线漂移及毛刺等问题，因此需要光谱预处理净化谱图，为建立性能优秀的校正模型提供质量较高的光谱数据信息。实验采用TQ软件提供的一阶导数、一阶导数+ Savitzky-Golay (5、7、9、11、13、17点) 平滑、一阶导数+Norris导数 (5、7、9、11、13、17点) 平滑、二阶导数、二阶导数+Savitzky-Golay (5、7、9、11、13、17点) 平滑、二阶导数+Norris导数 (5、7、9、11、13、17点) 平滑等方法进行光谱预处理，经建模比较分析，对SFA、MUFA、PUFA建模时分别选取一阶导数+Norris导数9点、11点、17点平滑预处理后，模型质量较好。预处理后谱图如图 2所示，与原始光谱图比较，基线漂移得到了明显的校正，谱峰更为尖锐清晰，谱图质量有了显著改善。
|
图 2 预处理后的拉曼谱图 Fig.2 Raman spectrums after pretreatment |
经光谱预处理后，采用全波段 (100~3300 cm-1) 和PLS方法分别建立SFA、MUFA和PUFA的定量分析模型，建模结果如下表 2所示。3个模型的决定系数都达到了0.99，且RPD>3。实验结果表明食用油三类脂肪酸的拉曼定量分析模型有较高的稳定性和良好的预测能力。
|
|
表 2 食用油脂肪酸Raman模型指标 Table 2 Raman model indexes of edible oil fatty acids |
纯植物油脂肪酸比例相对固定，如大豆油的脂肪酸的比例约为14:22:65，玉米油的脂肪酸的比例约为12:25:63，花生油的脂肪酸的比例约为20:40:40，橄榄油的脂肪酸的比例约为15:71:14，葵花籽油的脂肪酸的比例约为10:21:69[10]。食用调和油是由多种植物油调配而成，所以脂肪酸比例是不确定的。实验选取7个测试样本代入上述建好的脂肪酸模型预测样本的SFA、MUFA和PUFA含量，并依此含量值为基础计算得到三者比例，结果如表 3所示。
|
|
表 3 测试样本结果列表 Table 3 Results list of the test sample |
分析表 3数据可知以下3点：
(1) 通过光谱模型预测得到的食用油脂肪酸含量和比例与国标实测脂肪酸含量和比例非常吻合，且纯植物油样本的脂肪酸比例与文献检索的脂肪酸比例也较为接近，说明本实验建立的Raman光谱定量分析模型预测性能优异。
(2) 测试样本中的花生浓香调和油脂肪酸比例与花生油脂肪酸比例差距较大，倒是与大豆油、玉米油比例非常接近；同样的，测试样本中的橄榄葵花调和油脂肪酸比例与橄榄油脂肪酸比例明显不同，反倒是与大豆油、葵花籽油比例非常接近。但是两个调和油样本的价格远远高于大豆油和葵花籽油。这也从侧面反映出了目前调和油市场的混乱，如配方模糊、比例不明、标识混乱等，侵害了消费者的权益。调和油一旦勾兑完成，成分比例很难检测，行业内几乎都不对调和油成分比例进行标注。因此，许多油脂品牌便打着茶籽油或橄榄油的旗号，把原本以大豆油或玉米油为主的普通调和油宣传成高端调和油，以此抬高价格。
(3) 测试样本中的两类调和油脂肪酸比例都并不是中国营养学会推荐的1:1:1。
3 结论由于饮食习惯所致，我国居民摄入的食用油较多，因此通过食用调和油来调整我国不同地区居民脂肪酸摄入的平衡是可行的途径。本研究提出的基于激光拉曼光谱的食用油脂肪酸的快速测定方法，不但克服了传统检测方法的弊端，而且实现了快速、高效、无污染的食用油脂肪酸含量及比例的快速测定，为我国制定和规范调和油的生产，监管食用植物油品质安全提供了极具应用潜力的检测手段。此外，由于单一种类植物油具有较为固定的脂肪酸含量和比例，因此本文方法可为单一种类食用植物油的真伪鉴别提供参考。
| [1] |
中国营养学会.
中国居民膳食营养素参考摄人量[M]. 北京: 中国轻工业出版社, 2000: 35-37.
Chinese Nutrition Society. Chinese Residents Dietary Nutrient Reference Intake[M]. Beijing: China Light Industry Press, 2000: 35-37. |
| [2] |
魏永生, 郑敏燕, 耿薇, 刘建. 常用动、植物食用油中脂肪酸组成的分析[J]. 食品科学, 2012, 33(16): 188–193.
Wei Y S, Zhang M Y, Geng W, Liu J. Fatty acid composition analysis of common animal fats and vegetable oils[J]. Food Science, 2012, 33(16): 188–193. |
| [3] |
GB/T 17377-2008动植物油脂脂肪酸甲酯的气相色谱分析.
GB/T 17377-2008 Animal and vegetable oils and fats Analysis of Fatty Acid Methyl Esters by Gas Chromatography. |
| [4] |
范雅, 李霜, 许大鹏. 油酸和亚油酸的激光拉曼光谱 (英文)[J]. 光谱学与光谱分析, 2013, 33(12): 3240–3243.
Fan Y, Li S, Xu D P. Raman spectra of oleic acid and linoleic acid[J]. Spectroscopy and Spectral Analysis, 2013, 33(12): 3240–3243. |
| [5] |
吴静珠, 石瑞杰, 陈岩, 刘翠玲, 徐云. 基于PLS-LDA和拉曼光谱快速定性识别食用植物油[J]. 食品工业科技, 2014(24): 55–58.
Wu J Z, Shi R J, Chen Y, Liu C L, Xu Y. Rapid qualitative identification method of edible vegetable oil based on PLS-LDA and Raman[J]. Food Science and Technology, 2014(24): 55–58. |
| [6] | Graham S F, Haughey S A, Ervin R M, Cancouët E, Bell S, Elliott C T. The application of near-infrared (NIR) and Raman spectroscopy to detect adulteration of oil used in animal feed production[J]. Food Chemistry, 2012, 132(3): 1614–1619. DOI:10.1016/j.foodchem.2011.11.136 |
| [7] |
刘燕德, 靳昙昙, 王海阳. 基于拉曼光谱的三组分食用调和油快速定量检测[J]. 光学精密工程, 2015, 23(9): 2490–2496.
Liu Y D, Jin T T, Wang H Y. Rapid quantitative determination of components in ternary blended edible oil based on Raman spectroscopy[J]. Optical Precision Engineering, 2015, 23(9): 2490–2496. DOI:10.3788/OPE. |
| [8] | Zhang X F, Qi X H, Zou M Q, Liu F. Rapid authentication of olive oil by Raman spectroscopy using principal component analysis[J]. Analytical Letters, 2011, 44(12): 2209–2220. DOI:10.1080/00032719.2010.546030 |
| [9] |
褚小立.
化学计量学方法与分子光谱分析技术[M]. 北京: 化学工业出版社, 2011.
Chu X L. Molecular Spectroscopy Analytical Technology Combined with Chemometrics and Its Applications[M]. Beijing: Chemical Industry Press, 2011. |
| [10] |
李丹华.食用植物油的鉴别方法和合理调配研究[D].苏州:苏州大学, 2007.
Li D H. A research on identification and reasonable match of edible vegetable oil[D]. Suzhou:Suzhou University, 2007. |