近红外光谱在食品和食品成分掺假中的作用

每年出口超过250万吨，贸易最广泛的食品之一是奶粉¹．它被广泛应用于各种食品，从婴儿配方奶粉到糖果和烘焙食品。

遗憾的是，2011 - 2012年美国药典录制了137例全球经济动机的掺假案件，^2，乳制品也是食品欺诈的常见目标。

奶粉的价值与其蛋白质含量有关，蛋白质分析的标准技术依赖于简单的氮含量分析，从氮含量推断蛋白质浓度。正是因为这个原因，添加富含氮的化学物质可以人为地增加表观蛋白质，因此，价格也就上涨了。

这些经济动作的掺假发生的已知发血导致三聚氰胺含量的严格限制。例如，美国FDA指出氰尿酸或三聚氰胺在婴幼儿配方粉剂中不应以超过2.5ppm或1ppm的水平存在于食物中^3.．

LC/MS/MS等高灵敏度技术⁴需要确定这些物质在这些水平以上的缺失。亚博网站下载

尽管拥有尽可能高灵敏度的实验室技术至关重要，但此类技术通常成本高昂且耗时，这可能会限制其获得代表性样品的能力。

还有两个额外的担忧是经济动作的掺假特异性。首先是PPM级掺假在经济上不值得，如此真正掺杂的样品可能具有更高的浓度。

例如，必须加入2400ppm的三聚氰胺，以将脱脂乳粉中的总氮增加0.16％（对应于表观蛋白质增加1％总质量）。

其次，更令人担忧的是，虽然有三聚氰胺掺假的公开案例，但“化学空间”是巨大的。还有更多的高氮化合物可以以同样的方式利用。⁵

重要的是要超越目前已知的掺假物质，并考虑其他可能性，以保持领先于罪犯。由于这些原因，在打击出于经济动机的掺假过程中，“指纹”工具在不分离的情况下测量整个样品的反应，发挥着关键作用。

近红外光谱（NIR）已广泛应用于食品、饲料和农业行业，用于定量分析水分、蛋白质和脂肪等营养和质量参数。

不太为人所知的是，面对潜在的掺假，它可以成为检验成分样本完整性的一个出色工具。NIR光谱包含整个样品的信息——包括存在的任何掺假品，它们可以在几秒钟内测量。

光谱必须使用适当的化学计量学工具进行处理，以区分奶粉基质和任何掺假品的贡献，因为工作中没有物理分离过程。

在本文中，利用奶牛场守卫™ 奶粉分析仪新的掺假筛选™算法用于检测奶粉中7种含量远低于1%的潜在掺假物质，无需任何耗时的PLS或其他化学计量校准。

什么是掺假屏?

如图1所示，近红外在掺假检测中的应用使用的是标准的化学计量学工具。对三聚氰胺进行了PLS回归定量分析，并取得了良好的效果。

图1。用于掺假分析的现有化学计量学工具的示意图。左：定量方法，例如单峰高度或PLS回归。右图：非目标、基于因素的方法，如SIMCA。图片来源：PerkinElmer食品安全与质量

然而，这种靶向技术仅适用于它们被校准的掺杂物，并且校准可以是极其耗时的过程，涉及制备数十种以具有精确已知的掺杂剂的掺杂剂。

利用SIMCA等基于主成分分析(PCA)的技术是一种替代方法，在这种方法中，为纯材料构建模型，并使用样本光谱与该模型的匹配质量来确定结果是通过还是失败。

没有迹象表明为什么失败的样品没有(没有掺杂物的识别),尽管这个方法确实是一道和潜在的敏感的技术并没有使用任何掺杂物,因为掺杂物,所以不能指望灵敏度高达定量方法。

最后，依靠传统图书馆搜索的技术，即使是使用多元算法，也无法准确地模拟矩阵中的变化，经常被商业图书馆使用，适用性可能有限

掺假筛选是一种新的算法，专门用于解决筛选复杂矩阵中可能存在的多种掺假的问题。它结合了非靶向筛查的简单性和普遍性，以及靶向方法的一些敏感性优势。

它是如何工作的?

与SIMCA一样，第一步是生成纯物质样品的光谱库。该库应尽可能涵盖材料的自然变化——例如，由于供应商、批次或加工参数之间的差异。

然而，这些都是“正常”样本，因此不需要收集“高杠杆”样本（例如，具有异常营养参数的样本），这通常是用于营养特性的定量技术的情况。

一个典型的奶粉库可能包含几十个样本，但所需的光谱数量取决于基质的复杂性和所需的灵敏度。第二步是准备掺杂光谱库。

没有必要创建混合物，因为这些是纯掺杂的光谱。这已经在DairyGuard上完成了，该系统包含19种高氮工农业化学品的光谱库。

向库中添加新的致致掺杂与测量纯惯声一样简单，然后将频谱复制到库文件夹。这两组光谱在软件中注册，因此该技术可以使用。

与SIMCA相比的性能:物理上的添加样本

采用喷雾干燥法制备全脂奶粉66份样品，其中空白对照6份，污染样品12份，材料库48份。

使用了下列潜在的掺假剂:

• 三聚氰胺
• Cyromazine.
• 尿素
• 替尼胺
• 氰尿酸
• 毕尔

每一种化合物都被磨碎，然后与质量浓度分别为0.2%和2%的奶粉完全混合。

以不同方式制备的样品（例如，“湿混合”）可以产生不同的结果并且需要修改的文库谱。Spectra在PerkinElmer Dairyguard奶粉分析仪上量化，由边界组成^TM值近红外（NIR）利用NIRA II漫反射率配件的光谱仪。

16厘米的分辨率^－１样品累积时间为20 s。SIMCA技术是在默认置信度(99%)下利用PerkinElmer AssureID™软件构建的。材料库中的48个光谱全部使用。

掺假屏幕配置有24个光谱，用于验证（阈值设置）和24用于校准。表1显示了结果的概述，展示了掺假屏幕的敏感性比SIMCA更好。

表1。SIMCA的性能(99%置信水平)和物理添加全脂奶粉样品的掺假筛查。以便=双氰胺;AS =掺假屏。突出显示不正确的结果(假阴性)。请参阅前一页的侧栏，了解检测限制和置信估计的解释。资料来源:PerkinElmer食品安全和质量公司

样本	SIMCA 通过吗?	作为 通过吗?	同级 （％）	作为Det。限制 （％）	作为 信心
空格1 - 6	是的	是的	下面的LOD	-	-
掺杂剂为2％	没有	没有	所有涉及者都正确识别出来
Biureet 0.2％	是的	没有	0.19	0.15	可能的
氰酸0.6％	是的	没有	0.37	0.25	可能
Cyromazine 0.2%	是的	是的	0.017	0.11	不太可能
DCD计划的0.2%	是的	是的	0.019	0.095	不太可能
三聚氰胺0.2%	没有	没有	0.21	0.12	可能
尿素0.2%	没有	没有	0.14	0.07	可能

掺杂筛选算法

当一个样本光谱被扫描时，该算法首先将其与从参考材料产生的PCA模型进行比较。亚博网站下载接下来，该模型依次用每个掺假光谱进行扩增。

如果在模型中包含一个给定的掺假物质大大增加了样品光谱的拟合性，那么掺假物质很可能存在于样品中。该算法还搜索最多三个潜在掺杂物的每个组合，以考虑多种掺杂物的污染。

对于库中的每个掺假品，算法的输出是估计的检测限、浓度和置信度指标。

浓度估计基于掺杂物库光谱的相对强度和样品光谱中确定的量，而不考虑有效光程差。

因此，这是一种半定量估计，检测限估计也用同样的方法表示。最后，报告的置信度表明掺假存在的可能性。

由于该技术的灵敏度取决于掺杂光谱和材料光谱之间的相似性，因此检测限估计和置信指标至关重要。

为了验证检测限，建议制备少量浓度略高于估计检测限的样品，并验证掺假物质被高可信度检测到。

软件将警告用户，如果奶粉本身与原始校准数据不匹配，或者如果样品被库中不存在的物种污染，则可能存在不明成分。

两种技术都正确地将空白样品识别为未受污染的。SIMCA在百分比水平上检测掺假没有困难，0.2%在某些情况下足以引发故障(三聚氰胺和尿素)。

掺假筛选在灵敏度方面表现较好，检测到双缩脲为0.2%和三聚氰酸为0.6%(但没有cyromazine或DCD为0.2%)。除了提高灵敏度外，掺假筛也提供了正确的掺假标识，而SIMCA仅仅表示通过或不通过，没有任何说明原因。

图片来源:PerkinElmer食品安全和质量公司

增强的诊断

SpectrumTM软件为高级用户提供一系列诊断工具;图2显示了一个掺假屏幕结果屏幕。应该注意的是，虽然在空白部分列出了掺假物质，但其水平和置信度非常低。

图2。频谱软件版本10中掺假屏幕的典型结果屏幕，显示未污染样品的残余光谱。图片来源:PerkinElmer食品安全和质量公司

示出了其中一种空白样本的残余光谱，并且没有任何可以与未拼质组分相关的结构的证据。

相比之下，受污染样品(2%尿素)的残留表现出相当大的结构(图3中的红色痕量)。当拟合中包含掺假光谱时，大多数这种结构被消除(绿色痕量)。

图3。被污染样品的残留光谱。红色痕迹:PCA残留，显示未建模成分的证据。绿色痕迹:掺杂的屏幕残留，显示一个很大的改善适合。图片来源:PerkinElmer食品安全和质量公司

即使残留物中的结构是掺杂物存在的结果，其结构也不能被识别为掺杂物的光谱。掺假物质和未受污染物质(奶粉)的吸收波段对应的位置通常都有正负光谱特征。

掺假筛从样品光谱中估计掺假光谱，以提供更可解释的光谱。它利用最小二乘法拟合掺杂的参考光谱和未受污染的物质。

图书馆光谱与提取的掺杂剂光谱之间的良好一致性是掺杂剂存在的强指示剂，特别是对于具有独特光谱的化学掺杂剂。

相反，如果提取的光谱中缺少库中的谱带，这可能表明样品掺杂了库中找不到的东西。

2%尿素样品的提取光谱（黑色）和库光谱（红色）如图4所示。库光谱中的每个峰与估计光谱中的一个峰匹配，因此用户可以确信样品中存在尿素。

图4。被2%尿素污染的样品的估计（黑色痕迹）和库（红色痕迹）掺杂光谱。图片来源：PerkinElmer食品安全与质量

当调查结果达到或接近检测极限时，如图5所示的被0.2%三聚氰胺污染的样本，这种结果可视化模式特别有用。

图5。被0.2%三聚氰胺污染的样品的估计（黑色痕迹）和库（红色痕迹）掺杂光谱。图片来源：PerkinElmer食品安全与质量

虽然该样品在掺假筛和SIMCA中都出现了“失败”的结果，表明需要进一步分析，但掺假筛的结果强烈表明三聚氰胺可能存在，为指导下一步提供了更多的信息。

与SIMCA比较:合成加标样品

的敏感性SIMCA和掺假屏幕通过在空白光谱中加入0.1%到2.0%的掺假光谱，得到的光谱进行了进一步的研究。

由于掺假剂的有效路径长度取决于测量矩阵(即掺假剂本身或奶粉)，生成的光谱并不等同于物理加标样品的光谱，但它们确实能够比较两种技术的相对灵敏度。

掺假屏幕明显提供更好的性能。这是因为掺假筛正在积极地寻找与已识别的掺假威胁光谱相对应的结构，而SIMCA只考虑残差的大小。

在检测受污染样品方面，掺假筛的性能始终优于SIMCA，而在物理加标样品上的性能差异并不明显。

表2。对合成添加样品的掺假筛选性能与SIMCA(在指定的置信水平)比较。资料来源:PerkinElmer食品安全和质量公司

掺假	最低检测浓度（合成尖峰）
	辛加（99%）	SIMCA（95％）	掺杂筛
毕尔	> 2％	> 2％	0.2％
氰尿酸	> 2％	> 2％	0.3％
Cyromazine.	0.6%	0．5%	0.3％
替尼胺	1.4%	1.2%	0.3％
三聚氰胺	0.7%	0.6%	0.3％
尿素	1.7%	1.4%	0.3％

完整工作流中的集成

可以设定置信度和级别（集中）的通过/失败标准;这允许掺假屏幕作为常规进入材料测试的一部分使用。

该过程可以作为Spectrum Touch™应用程序的一部分并入，允许非专业用户的简单，可靠的操作。

DairyGuard奶粉分析仪系统包括图6中所示的频谱触摸应用，除了示例定量技术之外还包含SIMCA和掺假屏幕分析，可以用作开发您自己应用程序的起点。

图6。DairyGuard Touch App的结果屏幕，显示样品通过了分析证书(COA确认测试和SIMCA非目标屏幕，但由于三聚氰胺浓度较低，在较敏感的掺假屏幕上未能通过。图片来源:PerkinElmer食品安全和质量公司

总结

为了经济利益而掺假食品和食品成分是一种古老的做法，不幸的是，这种做法不太可能在近期内消除。这个问题必须用所有可能的分析方法来解决：鉴于其在原材料测试中的普遍性，NIR光谱显然可以发挥作用。亚博网站下载

PerkinElmer的掺假筛选算法保留了非靶向化学计量学技术(如SIMCA)的优势，但通过使用潜在掺假的光谱库获得了更高的灵敏度。

该技术可以很容易地适用于筛选新产品或新掺假品，而无需准备混合样品进行校准。

使用掺假库还可以生成更丰富的诊断信息，为结果提供更大的可信度，并为可疑样品的下一步分析步骤提供信息。

的PerkinElmer Dairyguard奶粉分析仪是一个完整的解决方案预配置奶粉掺假屏幕分析(连同标准的定量分析)，与所有功能集成到一个简单的，基于触摸屏的界面。

参考文献

1. 美国农业部对外农业服务局。乳制品：世界市场和贸易。2011年7月25日。
2. 美国药典。食物欺诈数据库。网址：http://www.foodfraud.org.(2013年11月访问)。
3. 美国食品和药物管理局。新闻稿:食品及药物管理局就食物中三聚氰胺及与三聚氰胺有关的化合物发出临时安全及风险评估。2008年10月3日。网址：http://www.fda.gov/NewsEvents/Newsroom/PressAnnouncements/2008/ucm116960.htm(2013年11月访问)。
4. Sherri Transipseed，Christine Casey，Cristina Nochetto，David N. Heller。用LC-MS / MS测定婴儿配方婴儿配方三聚氰胺和氰尿酸残基。美国FDA实验室信息公告4421，2008年10月。
5. Shaun Macmahon，Timothy H. Begley，Gregory W. dianenko，Selen A. Stromgren。一种液相色谱 - 串联质谱法，用于检测含蛋白质食物中经济动掺杂的掺孔。[色谱A，1220（2012），101-107。

这些信息来源于PerkinElmer食品安全和质量公司提供的材料。亚博网站下载

有关此来源的更多信息，请访问PerkinElmer食品安全和质量。