[发明专利]近红外检测花生中蛋白质组分含量的方法

说明书

技术领域

本发明涉及一种检测花生中蛋白质组分含量的方法，尤其是涉及一种利用近红外光谱检测花生中蛋白质组分含量的方法。 

背景技术

花生中蛋白质含量为24%～36%，包括花生球蛋白和伴花生球蛋白（伴花生球蛋白Ⅰ和伴花生球蛋白Ⅱ）两种组分，各种组分在花生蛋白质的功能性质中起到非常重要的作用；随着人们生活水平的提高，花生育种研究已从单纯重视产量，转化为产量和品质兼顾，并不断重视营养和蛋白质组分的功能性质。在花生品质分析中，花生蛋白质组分含量测定通常采用聚丙烯酰胺凝胶电泳（SDS-PAGE），但该种方式分析速度慢，需要对花生仁脱脂、提取出蛋白质后再进行SDS-PAGE及光密度分析方可计算蛋白质组分含量，不适于大批量样品的测定和育种材料的筛选。因此，需要找到一种快速和准确的花生蛋白质组分含量检测方法，为花生蛋白质组分含量的评价提供依据。 

无损检测技术是一门新兴的综合性应用学科，在不破坏或损坏被检测对象的前提下，利用样品内部结构存在所引起的对热、声、光、电、磁等反应的变化，来对样品结构组成做出判断和评价。根据无损检测原理的不同，检测方法大致可分为光学特性分析法、声学特性分析法、机器视觉技术检测方法、电学特性分析法、核磁共振检测技术与X射线技术等。 

近年来，近红外光谱技术在农产品无损检测尤其是农作物的品质分析和农药残留等方面的应用十分广泛。国内外还未见近红外技术在花生蛋白质组分含量分析测试方法或建立相关模型方面的报道。 

发明内容

本发明的目的是提供一种近红外检测花生中蛋白质组分含量的方法。 

本发明提供的一种检测花生中蛋白质组分含量的方法，包括如下步骤： 

1）对已知花生蛋白质组分含量的花生标准品进行近红外光谱扫描，获得所述已知花生蛋白质组分含量的花生标准品在近红外波长的所有光谱信息，得到校正集样本光谱的计算平均值； 

2）对所述步骤1）所得校正集样本光谱进行预处理； 

3）将所述步骤2）预处理后的校正集样本光谱中的信息数据进行主成分分析，提取特征信息数据；

4）校正模型的建立： 

以所述花生标准品的花生蛋白质组分含量的化学测定值为校正值，将所述步骤3） 所得特征信息数据作为自变量，所述校正值作为因变量，用化学计量学多元校正算法建立所述自变量与所述因变量之间的校正模型（也即花生蛋白质组分含量与近红外光谱特征信息数据之间的映射关系；）； 

5）未知花生蛋白质组分含量的花生样品的测定： 

将所述步骤1）所述已知花生蛋白质组分含量的花生标准品替换为待测花生样品，重复所述步骤1）至步骤3），将所述步骤3）所得特征信息数据输入所述步骤4）的校正模型，得到所述待测花生样品中的花生蛋白质组分含量。 

上述方法所述步骤1）中，所述近红外波长为950-1650nm。所述近红外光谱扫描步骤中，扫描方式为连续波长近红外扫描或离散波长近红外扫描。所述光谱信息为吸光度。 

所述步骤2）预处理步骤中，预处理的方法为多元散射校正方法、平滑方法和求导方法中的至少一种。所述求导方法为一阶求导或二阶求导方法。 

所述步骤3）主成分分析步骤包括如下步骤：将所述步骤2）预处理后的校正集样本光谱中的信息数据变换到2-10个互不相关的变量中；上述2-10个互不相关的变量含有原来多个相关的光谱≥90%的信息。 

所述步骤1）所述扫描方式为连续波长近红外扫描时，所述化学计量学多元校正算法为偏最小二乘法（PLS）、主成分回归（PCR）或人工神经网络算法（ANN）；所述扫描方式为离散波长近红外扫描时，所述化学计量学多元校正算法为逐步回归算法或多元线性回归算法（MLR）。 

所述步骤4）中，所述花生标准品的花生蛋白质组分含量的化学测定值是由SDS-PAGE（聚丙烯酰氨凝胶电泳）和光密度分析仪测定而得。 

所述花生蛋白质组分选自花生球蛋白、伴花生球蛋白和伴花生球蛋白Ⅰ中的至少一种。 

另外，可按照如下步骤对步骤4）所得校正模型进行验证：将所述步骤1）所述已知花生组分含量的花生标准品替换为一组已知花生组分含量的花生样品，重复所述步骤1）至步骤3）后，利用所述步骤4）所述校正模型得到所述已知花生组分含量的花生样品中花生组分含量的计算值，计算所述计算值与实际值的相关系数和方差，评价所述步骤4）所得校正模型的可靠性。 

在所述步骤1）之前，亦不需要对花生标准品或待测花生样品进行任何预处理。