專利名稱：一種從油菜籽中檢測蛋白質(zhì)和氨基酸的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及油菜籽中蛋白質(zhì)及氨基酸的檢測技術(shù)領(lǐng)域，更具體涉及一種從油菜籽 中檢測蛋白質(zhì)和氨基酸的方法，該方法適用于各種油菜籽中蛋白質(zhì)和氨基酸的檢測。
背景技術(shù)：
油菜籽是人們食油的重要來源。隨著人們生活水平的提高，培育高蛋白質(zhì)含量的 油菜籽以提高油菜籽的綜合利用價值成為油菜育種的一個方向。在選擇育種的種子過程中 如何將富含高蛋白質(zhì)和氨基酸的種子從眾多的種子中篩選出來是一項(xiàng)重要而復(fù)雜的工程。 傳統(tǒng)的化學(xué)及色譜分析分析方法操作復(fù)雜，費(fèi)時、費(fèi)力。近紅外光譜技術(shù)是發(fā)展最快、最引 人注目的光譜分析技術(shù)之一。所謂近紅外光，是指波長在780-2500nm范圍內(nèi)，介于可見光 和紅外光之間的一種電磁波。近紅外光譜主要反映含氫基團(tuán)X-H振動的倍頻和合頻吸收信 息。目前已用于石油、煙草中等有機(jī)成分的檢測。油菜籽中的主要成分如油脂、蛋白質(zhì)、可 溶性固形物等都含有羥基、氨基、巰基或羰基，因此，從理論上講，近紅外光譜分析技術(shù)也可 用于油菜籽的化學(xué)成分含量分析。目前已經(jīng)用近紅外技術(shù)成功檢測了油菜籽中的含油量和 菜籽餅粕中的粗蛋白和部分氨基酸的含量，但是還沒有能夠?qū)⒔t外光譜分析技術(shù)用來檢 測油菜籽中的蛋白質(zhì)及氨基酸含量的報道。

發(fā)明內(nèi)容
為了解決油菜籽品質(zhì)檢測的化學(xué)及色譜分析方法操作復(fù)雜，費(fèi)時、費(fèi)力的缺點(diǎn)，本 發(fā)明的目的是在于提供了一種從油菜籽中檢測蛋白質(zhì)和氨基酸的方法，方法易行，操作簡 便，樣品前處理簡單。對于油菜籽生產(chǎn)企業(yè)，將收獲后的油菜籽在一定溫度和時間快速測 定?？焖贌o損。近紅外光譜的采集時間非常短，模型計算的時間基本可以忽略。多成分同 時測量。可同時測量出油菜籽中粗蛋白和其他氨基酸的含量。為了實(shí)現(xiàn)上述的目的，本發(fā)明采用以下技術(shù)措施本發(fā)明提供的油菜籽品質(zhì)快速檢測方法為先獲得干燥的待測油菜籽，采集近紅外光譜，然后利用數(shù)學(xué)模型將采集到的近 紅外光譜轉(zhuǎn)換為油菜籽的蛋白質(zhì)和各種氨基酸參數(shù)，所述品質(zhì)參數(shù)為蛋白質(zhì)、各種氨 基酸的含量中的一種或多種，所述數(shù)學(xué)模型采用偏最小二乘法建立，模型函數(shù)為yi = x(UiX) ’ BiQi，其中yi為所述品質(zhì)參數(shù)中的某種品質(zhì)參數(shù)，向量χ為待測油菜籽的近紅外 光譜，Ui為所述某品質(zhì)參數(shù)濃度特征因子矩陣，X為選取的建模樣品的近紅外光譜矩陣，Bi 為所述某品質(zhì)參數(shù)吸光度特征因子矩陣，Qi為濃度載荷矩陣，其中Ui、Bi、Qi根據(jù)所述建模 樣品的近紅外光譜矩陣及對應(yīng)品質(zhì)參數(shù)的值由化學(xué)計量學(xué)方法確定，計算yi采用經(jīng)典的 偏最小二乘法軟件。所述近紅外光譜可以是780-2500nm波長范圍內(nèi)的近紅外光譜。應(yīng)用近紅外 光譜儀，采集樣品在780-2500nm波長范圍內(nèi)的近紅外光譜。所述采集到的近紅外光 譜對光譜進(jìn)行了預(yù)處理，所述預(yù)處理為背景去除、校正、去噪聲和特征數(shù)據(jù)點(diǎn)選擇的一種或多種，采用的方法為No Spectral Data Pr印rocessing(光譜未處理)，Constant offset Elimination(常數(shù)偏移消除)，Straight Line Subtraction(直線差值)， Vector Normalization ( ^im^^it), Min-Max Normalization ( M MX ^ it ), Multiplicative Scattering Correction (多兀散身寸校正)，F(xiàn)irst Derivative ( 一階導(dǎo) 數(shù))，Second Derivative (二階導(dǎo)數(shù))，F(xiàn)irst Deri vat ive+Straight LineSubtraction (一 階導(dǎo)數(shù) + 直線差值)，F(xiàn)irst Derivative+Multiplicative ScatteringCorrection ( 一階導(dǎo) 數(shù)+多元散射校正)、小波去噪中的一種或多種。所述數(shù)學(xué)模型建立了近紅外光譜與油菜籽中各成分含量實(shí)測值之間的函數(shù)關(guān)系， 從而可以利用采集的近紅外光譜轉(zhuǎn)換為油菜籽中相對應(yīng)的成分含量。建模時，所用到的油 菜籽中各成分含量實(shí)測值中，粗蛋白的含量采用GB/T 6432-94，氨基酸的含量采用中華人 民共和國國家標(biāo)準(zhǔn)食物中氨基酸的測定方法GB/T14965-1994。所述數(shù)學(xué)模型是采用化學(xué)計量學(xué)方法建立的近紅外光譜與油菜籽各成分參數(shù)之 間的定量模型。采用的化學(xué)計量學(xué)方法可以包括多元線性回歸、偏最小二乘回歸、人工神經(jīng) 網(wǎng)絡(luò)、支持向量機(jī)。較佳地，所述數(shù)學(xué)模型利用生產(chǎn)中常見的同類油菜籽樣品進(jìn)行驗(yàn)證，根 據(jù)實(shí)際生產(chǎn)中的誤差要求，反復(fù)優(yōu)化后得到。一種油菜籽中蛋白質(zhì)及氨基酸的快速檢測方法，其步驟是A、將收獲的油菜籽放入烘箱中烘干，濕度控制在103-108°c干燥，時間控制在3_5 小時，然后冷卻至室溫(20-250C )；B、將冷卻后的油菜籽放入近紅外儀(BRUKER公司的VECT0R22/N型)的樣品盤中 掃描近紅外光譜，每次樣品重復(fù)裝樣2-4次；C、將樣品的2-4次測量光譜平均化計算其平均光譜；D、將樣品的平均光譜代入模型中，即可計算出(調(diào)出每一種物質(zhì)的方法，通過計 算，即可計算出樣品中該物質(zhì)的含量)樣品的粗蛋白和氨基酸的含量。本發(fā)明提供的油菜籽中蛋白質(zhì)及氨基酸的快速檢測方法能夠快速準(zhǔn)確地檢測出 油菜籽中粗蛋白和其他氨基酸的含量。更具體地講，優(yōu)點(diǎn)如下1.樣品前處理簡單。對于油菜籽生產(chǎn)企業(yè)，將收獲后的油菜籽在105°C干燥4h后 即可測定。2.快速無損。近紅外光譜的采集時間非常短，模型計算的時間基本可以忽略。3.多成分同時測量?？赏瑫r測量出油菜籽中粗蛋白和其他氨基酸的含量。4.本發(fā)明為油菜籽成分的在線實(shí)時檢測提供了技術(shù)基礎(chǔ)。


圖1為一種油菜籽中蛋白質(zhì)的近紅外預(yù)測值與實(shí)際值之間的散點(diǎn)圖。粗蛋白在級 數(shù)為10時RMSECV最小，為0. 894，R2最大，為90. 9%圖2為一種油菜籽中甘氨酸的近紅外預(yù)測值與實(shí)際值之間的散點(diǎn)圖。在級數(shù)為3 時 RMSECV 最小，為 0. 0726，R2 最大，為 73. 84%。圖3為一種油菜籽中丙氨酸的近紅外預(yù)測值與實(shí)際值之間的散點(diǎn)圖。丙氨酸在級 數(shù)為5時RMSECV最小，為0. 0934，R2最大，為60. 22%。圖4為一種油菜籽中谷氨酸的近紅外預(yù)測值與實(shí)際值之間的散點(diǎn)圖。谷氨酸在級數(shù)為7時RMSECV最小，為0. 264，R2最大，為81. 74%。圖5為一種油菜籽中賴氨酸的近紅外預(yù)測值與實(shí)際值之間的散點(diǎn)圖。賴氨酸在級 數(shù)為5時RMSECV最小，為0. 0961，R2最大，為72. 26%。圖6為一種油菜籽中蘇氨酸的近紅外預(yù)測值與實(shí)際值之間的散點(diǎn)圖。蘇氨酸在級 數(shù)為5時RMSECV最小，為0. 0651，R2最大，為80. 76%圖7為一種油菜籽中絲氨酸的近紅外預(yù)測值與實(shí)際值之間的散點(diǎn)圖。絲氨酸在級 數(shù)為10時RMSECV最小，為0. 0804，R2最大，為71. 78%圖8為一種油菜籽中精氨酸的近紅外預(yù)測值與實(shí)際值之間的散點(diǎn)圖。精氨酸在級 數(shù)為5時RMSECV最小，為0. 0879，R2最大，為79. 23%圖9為一種油菜籽中組氨酸的近紅外預(yù)測值與實(shí)際值之間的散點(diǎn)圖。組氨酸在級 數(shù)為5時RMSECV最小，為0. 0544，R2最大，% 57. 3%,波長范圍為10001. 5-3999. 8圖10為一種油菜籽中脯氨酸的近紅外預(yù)測值與實(shí)際值之間的散點(diǎn)圖。脯氨酸在 級數(shù)為6時RMSECV最小，為0. 115，R2最大，為65. 99%圖11為一種油菜籽中亮氨酸的近紅外預(yù)測值與實(shí)際值之間的散點(diǎn)圖。亮氨酸在 級數(shù)為7時RMSECV最小，為0. 103，R2最大，為83. 76%圖12為一種油菜籽中纈氨酸的近紅外預(yù)測值與實(shí)際值之間的散點(diǎn)圖。纈氨酸在 級數(shù)為5時RMSECV最小，為0. 0737，R2最大，% 75. 81%
具體實(shí)施例方式本發(fā)明提供的油菜籽中蛋白質(zhì)和氨基酸的快速檢測方法為先獲得干燥狀態(tài)的待 測油菜籽，采集近紅外光譜，然后利用數(shù)學(xué)模型將采集到的近紅外光譜轉(zhuǎn)換為待測油菜籽 的品質(zhì)參數(shù)，所述品質(zhì)參數(shù)為粗蛋白、氨基酸含量中的一種或多種，所述數(shù)學(xué)模型采用偏最 小二乘法建立，用到的所述建模樣品來自華中農(nóng)業(yè)大學(xué)國家油菜工程技術(shù)研究中心。下面以油菜籽蛋白質(zhì)含量的建模方法為例對本發(fā)明做進(jìn)一步的說明。一種油菜籽中蛋白質(zhì)及氨基酸的快速檢測方法，其步驟是A、將收獲的油菜籽放入烘箱中烘干，濕度控制在103或104或105或106或107 或108°C干燥，時間控制在3或4或5小時，然后冷卻至室溫(25°C )；B、將冷卻(25°C )后的油菜籽放入近紅外儀(BRUKER公司的VECT0R22/N型)的直 徑50mm樣品盤中，在波長范圍為3999. 9-10001. 5cm—1譜區(qū)范圍內(nèi)掃描64次，分辨率為4CHT1 條件下掃描近紅外光譜。每次樣品重復(fù)裝樣2或3或4次；C、將樣品的2或3或4次測量光譜平均化計算其平均光譜；D、將樣品的平均光譜代入模型中，即可計算出樣品的粗蛋白和氨基酸的含量。近紅外光譜采集采用BRUKER公司的VECT0R22/N型傅立葉型近紅外光譜 儀測定油菜籽的漫反射光譜。將油菜籽盛于直徑50mm的旋轉(zhuǎn)樣品池，在波長范圍為 3999. 9-10001. 5cm—1譜區(qū)范圍內(nèi)掃描64次，分辨率為4cm—1。每次樣品重復(fù)裝樣3次。光譜預(yù)處理將樣品的三次測量光譜平均化計算其平均光譜。建模采用偏最小二乘法建立校正模型。具體過程如下將平均化后的光譜矩陣χ 及建模樣本的蛋白質(zhì)含量y作為輸入數(shù)據(jù)，輸入到偏最小二乘法軟件中，經(jīng)過迭代運(yùn)算，軟 件自動計算出偏最小二乘模型的一系列參數(shù)，包括蛋白質(zhì)參數(shù)濃度特征因子矩陣Ui、蛋白
5質(zhì)吸光度特征因子矩陣Bi、濃度載荷矩陣Qi。從而得到蛋白質(zhì)預(yù)測模型的函數(shù)表達(dá)式y(tǒng)i =χ (UiX)，BiQi，其中，向量χ為待測油菜籽的近紅外光譜。利用上述模型進(jìn)行待測油菜籽蛋白質(zhì)快速檢測的方法如下按照上述近紅外光譜采集的方法分別采集待測油菜籽的近紅外光譜，并經(jīng)過 上述光譜預(yù)處理后得到待測油菜籽樣品的近紅外光譜向量，利用上述數(shù)學(xué)模型yi = x(UiX) ’ BiQi即可計算出上述待測油菜籽的蛋白質(zhì)含量。該計算過程也可編制成程序，輸 入待測油菜籽的近紅外光譜向量X，就可自動計算出其蛋白質(zhì)含量。同樣，利用上述方法，可以建立油菜籽氨基酸含量與近紅外光譜值的函數(shù)關(guān)系，從 而通過近紅外光譜值而得到上述各種含量。油菜籽各指標(biāo)偏最小二乘回歸建模的結(jié)果如下表所示。其中，校正集用來建立模 型，預(yù)測集用來對模型進(jìn)行驗(yàn)證。下表中級數(shù)為各模型的主成分?jǐn)?shù)；r為模型的相關(guān)系數(shù)，r 越接近1，模型準(zhǔn)確度越高；SEC為校正集樣本標(biāo)準(zhǔn)差，RMSECV和RMSECP分別為校正集和預(yù) 測集樣本的預(yù)測相對誤差。準(zhǔn)確率80%以上作準(zhǔn)確預(yù)測。
權(quán)利要求
一種油菜籽中蛋白質(zhì)及氨基酸的快速檢測方法，其步驟是A、將收獲的油菜籽放入烘箱中烘干，濕度控制在103 108℃干燥，時間控制在3 5小時，然后冷卻至室溫；B、將冷卻后的油菜籽放入近紅外儀的樣品盤中掃描近紅外光譜，每次樣品重復(fù)裝樣2 4次；C、將樣品的2 4次測量光譜平均化計算其平均光譜；D、將樣品的平均光譜代入模型中，計算出樣品的粗蛋白和氨基酸的含量。2、根據(jù)權(quán)利要求1所述的一種油菜籽中蛋白質(zhì)及氨基酸的快速檢測方法，其特征在于，所述的近紅外光譜為780 2500nm。
全文摘要
本發(fā)明公開了一種油菜籽中蛋白質(zhì)及氨基酸的快速檢測方法，其步驟是A、將收獲的油菜籽放入烘箱中烘干，濕度控制在103-108℃干燥，時間控制在3-5小時，然后冷卻至室溫；B、將冷卻后的油菜籽放入近紅外儀的樣品盤中掃描近紅外光譜，每次樣品重復(fù)裝樣2-4次；C、將樣品的2-4次測量光譜平均化計算其平均光譜；D、將樣品的平均光譜代入模型中，計算出樣品的粗蛋白和氨基酸的含量。方法易行，操作簡便，樣品前處理簡單。對于油菜籽生產(chǎn)企業(yè)，將收獲后的油菜籽在一定溫度和時間快速測定?？焖贌o損。近紅外光譜的采集時間非常短，模型計算的時間基本可以忽略。多成分同時測量。可同時測量出油菜籽中粗蛋白和其他氨基酸的含量。
文檔編號G01N21/35GK101936893SQ20101024285
公開日2011年1月5日 申請日期2010年7月30日 優(yōu)先權(quán)日2010年7月30日
發(fā)明者傅廷棟, 孫秀麗, 李培武, 祝利霞, 譚正林 申請人:華中農(nóng)業(yè)大學(xué)