蜂蜜还原能力的电化学传感器检测
第27卷 第2期 农 业 工 程 学 报 V ol.27 No.2
366 2011年 2月 Transactions of the CSAE Feb. 2011
蜂蜜还原能力的电化学传感器检测
汤明杰1,蔡健荣1※,吴小娟1,吕 强2
(1.江苏大学食品与生物工程学院,镇江 212013; 2.河南工业大学信息科学与工程学院,郑州 450001)
摘 要:为了实现蜂蜜抗氧化物还原能力的快速检测,该文提出了一种用电化学传感器来检测3种不同蜜源蜂蜜的还原能力的新方法。试验采用循环伏安法采集蜂蜜样本的电化学响应信号,提取12个特征值进行归一化预处理,然后利用偏最小二乘法(PLS )建立模型进行检测。校正集的相关系数r 和交互验证均方根误差(RMSECV )分别为0.9425和0.0433;预测集的相关系数r 和预测均方根误差(RMSEP )分别为0.9392和0.0417。研究结果表明,电化学传感器结合偏最小二乘法检测蜂蜜的还原能力的思路是可行的。
关键词:电化学传感器,农产品,模型,蜂蜜,还原能力,偏最小二乘法 doi :10.3969/j.issn.1002-6819.2011.02.062
中图分类号:TS207.3,TP212.2 文献标志码:A 文章编号:1002-6819(2011)-02-0366-04
汤明杰,蔡健荣,吴小娟,等. 蜂蜜还原能力的电化学传感器检测[J]. 农业工程学报,2011,27(2):366-369.
Tang Mingjie, Cai Jianrong, Wu Xiaojuan, et al. Determination of reducing power of honey by electrochemical sensor[J]. Transactions of the CSAE, 2011, 27(2): 366-369. (in Chinese with English abstract)
0 引 言
蜂蜜具有多种生物学活性物质。蜂蜜的品质由蜜源种类及其化学组成决定。研究发现,蜂蜜中含有源于蜜源植物的微量抗氧化成分,有较好的抗菌、抗衰老作用。这些成分不仅是蜂蜜起保健作用的主要活性物质,也可作为评价蜂蜜内在品质、鉴定蜂蜜真伪的重要指标。
蜂蜜中主要的抗氧化成分有黄酮类和酚酸类化合物等。由于蜂蜜的蜜源植物不同,蜂蜜中抗氧化成分的种类和含量也有所不同,其特征成分存在很大的差异[1-4]。抗氧化剂是一种具有阻止或延缓氧化进程的电活性物质,在体内清除氧自由基的过程与在电极上发生的氧化还原过程类似,通过电子转移来实现,抗氧化活性实质上是一种电化学性质[5]。
目前,蜂蜜品质的测定方法有气相色谱/质谱(gas chromatography-mass spectrometry,GC-MS )联用法[6]、核磁共振法[7]、高效阴离子交换色谱-脉冲安培检测法(high-performance anion exchange chromatography with pulsed amperometric detection,HPAEC-PAD )[8]和13C/12C 比率分析法[9]、液相色谱技术[10-11]等。然而,这些方法涉及复杂、费时的样品前处理,检测仪器昂贵,萃取用的有机溶剂还会造成环境污染,因而不便于日常分析。
近年来,电化学技术由于其高效、快速、灵敏度高等特点,得到了迅速的发展。采用电化学技术研究不同
蜜源蜂蜜中的微量抗氧化成分,可以有效地评价不同蜜源植物来源的蜂蜜的抗氧化活性,评价抗氧化活性的方法之一就是还原能力的测定。Yen 和Siddhuraju P认为抗氧化剂的还原能力与其抗氧化活性之间存在联系。还原能力越强,抗氧化活性越强。因此,可以通过测定还原能力来说明抗氧化活性的大小[12-13]。目前关于采用电化学方法检测蜂蜜品质的研究尚无文献报道。
为了使建立的检测方法具有普遍适用性,试验选用了3种蜜源的蜂蜜样本,采用循环伏安法初步分析了蜂蜜在玻碳电极上的电化学响应信号,提取特征变量,利用偏最小二乘法建模,快速检测不同蜜源蜂蜜的还原能力。为快速检测具有抗氧活性物质的还原能力提供参考。
1 材料与方法
1.1 试验材料
试验选用3种蜜源的蜂蜜,在25 mL电解杯中分别加入1.5~6.5 g的蜂蜜,加入15 mL二次蒸馏水搅拌溶解,移取1 mL溶液用于还原能力的测定,其余用于电化学检测。共制得浓度不等的156个样本。样本构成如表1所示,校正集105个,其中枸杞蜜、荆条蜜、山楂蜜各35个,预测集51个,其中枸杞蜜、荆条蜜、山楂蜜各17个(均购于江苏省镇江市胡老三蜜坊)。
表1 试验样本的组成
Table 1 Compositions of test samples
品 种 枸杞蜜 荆条蜜 山楂蜜
校正集
预测集
35 17 35 17 35 17
收稿日期:2010-09-06 修订日期:2010-11-18 基金项目:国家自然科学基金项目(30771243)
作者简介:汤明杰(1985- ),女,河北唐山人,主要从事农产品无损检测技术研究。镇江 江苏大学(本部)食品与生物工程学院,212013。 Email: [email protected] ※通信作者:蔡健荣(1966-),男,上海人,博士,教授,博士生导师,主要从事农产品无损检测技术、收获机器人技术研究。镇江 江苏大学(本部)食品与生物工程学院,212013。Email: [email protected]
1.2 电化学检测
试验使用电化学工作站(CHI 660D,上海辰华仪器公司),电位范围:-0.1~0.8 V,扫描速度:0.1 V/s,灵
第2期 汤明杰等:蜂蜜还原能力的电化学传感器检测
367
敏度:1e-6 A/V,采样间隔:0.001 V。玻碳电极(直径3 mm)为工作电极,铂电极为对电极,饱和甘汞电极为参比电极。将玻碳电极在金相砂纸上打磨,依次在1.0、0.3、 0.05 µm 的Al 2O 3悬浊液上抛光成镜面;再依次在二次蒸馏水、1 mol/L盐酸、无水乙醇、二次蒸馏水中分别超声洗涤5 min。试验室环境温度控制20℃左右进行。测得 3种蜂蜜样本的循环伏安图如图1所示,对每个样本先负向扫描得到还原信号(上面曲线),再正向扫描得到氧化曲线(下面曲线)。
液(0.2 mol/L,pH 值6.6)2.5 mL和质量分数为1%铁氰
化钾2.5 mL,摇匀,置于50℃水浴中反应20 min,然后加入质量分数为10% 的三氯乙酸2.5 mL,摇匀。吸取上清液2.5 mL,加入2.5 mL蒸馏水和0.25 mL质量分数为 0.1%的三氯化铁溶液。样品在700 nm波长处使用紫外可见分光光度计(UV1601,北京瑞利公司)测定吸光度。反应物的吸光度增加表明还原能力增强[14]。通过测定蜂蜜对Fe 3+的还原能力来评价其抗氧化性的强弱。还原能力越强,抗氧化性越强[14]。不同质量浓度蜂蜜的还原能力(吸光度)如图2所示。试验样本的还原能力统计分析见表2。
图1 蜂蜜样本的循环伏安图
Fig.1 Cyclic voltammogram of honey samples
1.3 蜂蜜中抗氧化成分还原能力的测定
试验采用Oyaizu 方法[14]测定蜂蜜的还原能力。取1 mL溶液加入10 mL试管中,再依次加入磷酸盐缓冲溶
图2 不同质量浓度蜂蜜的还原能力
Fig.2 Reducing power of honey of different concentrations
表2 蜂蜜样本的还原能力实测值的统计表 Table 2 Statistic of honey reducing power
蜜源 枸杞
校正集
荆条 山楂 枸杞+荆条+山楂
枸杞
预测集
荆条 山楂 枸杞+荆条+山楂
样本数
平均值
还原能力(吸光度A 700 nm) 最大值
最小值
标准偏差
变异系数/
%
35 0.4916 0.797 0.287 0.1230 25.0091 35 0.4161 0.626 0.222 0.1122 26.9572 35 0.5219 0.790 0.244 0.1342 25.7103 105 0.4765 0.797 0.222 0.1301 27.3096 17 0.4816 0.699 0.299 0.1123 23.3214 17 0.4093 0.598 0.226 0.1088 26.5768 17 0.5131 0.758 0.298 0.1264 24.6533 51 0.4680 0.758 0.226 0.1219 26.0549
1.4 数据预处理
根据试验所得到的3种不同蜜源的蜂蜜样本循环伏安图的信息差异,并充分考虑各种参数之间的独立性,选取了12个参数作为模型建立的特征变量,特征变量的详细信息见表3。
为了消除各特征值间幅值的差异,首先对建模输入变量的原始数据进行归一化处理,归一化后的数据具有零均值和单位方差。
1.5 偏最小二乘(partial least square,PLS )建模
PLS 是1983年由S.Wold 和C.Albano 等人首先提出,它是将因子分析和回归分析结合的多元数据处理方法[15]。PLS 通过因子分析将数据压缩为较低维的空间数据。
表3 特征变量的选取和表述
Table 3 Selection and expression of characteristic variables
变量序号X 1 X 2 X 3 X 4 X 5 X 6
特征参数 氧化峰电位值 氧化峰电流值 氧化峰半峰电位值 氧化峰半峰电流值 氧化峰电流差值 氧化峰面积
变量序号 X 7 X 8 X 9 X 10 X 11 X 12
特征参数 还原峰电位值 还原峰电流值 还原峰半峰电位值还原峰半峰电流值还原峰电流差值 还原峰面积
它是在自变量X 中提取主成分t ,同时在因变量Y 中提取主成分u ,分别进行X 对t 的回归和Y 对u 的回归,并且考虑了t 对Y 的最大相关性。PLS 最大程度上提取了对因
368 农业工程学报 2011年
变量解释的自变量成分,同时很好地解决了多重相关性的问题。
试验采用不同蜜源的校正集样本建模预测同种蜂蜜预测集样本的还原能力。再将3种蜜源样本混合在一起作为第4组样本(枸杞+荆条+山楂),建立模型。同时将4个模型对各组样本进行交叉预测,检验各模型对不同蜜源蜂蜜样本的鲁棒性。
coefficient )和RMSECV 分别为0.9425和0.0433。预测集还原能力预测值与实测值的散点图如图4b 所示,相关系数r 和预测均方根误差RMSEP (root mean square error of prediction )分别为0.9392和0.0417。模型具有很好的预测能力。
2 结果与分析
2.1 3种蜂蜜还原能力测定结果
由图2可知,随着蜂蜜浓度的增大,各不同蜜源蜂蜜的还原能力也依次增强,但不同蜜源蜂蜜的还原能力具有显著性差异(p <0.05)。3种蜜源蜂蜜样本的还原能力的大小顺序依次为山楂蜜>枸杞蜜>荆条蜜。 2.2 偏最小二乘(PLS )建模
蜂蜜的电化学信号数据经归一化预处理后,用12个特征变量与蜂蜜的还原能力进行PLS 建模。当PLS 主因子数为8时,所有样本(枸杞+荆条+山楂)模型的交互验证均方根误差(root mean square error of cross-validation,RMSECV )达到最小(见图3)。校正集还原能力预测值与实测值的散点图如图4a 所示,相关系数r (correlation
图3 校正集均方根误差随偏最小二乘PLS 主因子数变化情况 Fig.3 Root mean square error of cross-validation (RMSECV) vs.
partial least square (PLS) components for calibration set
图4 校正集和预测集PLS 模型还原能力预测值与实测值的散点图 Fig.4 Predicted vs. actual in calibration model and prediction model
2.3 模型交叉验证
表4列出了不同蜜源蜂蜜的PLS 模型交叉验证的结果,即采用3种蜜源蜂蜜和所有试验样本(枸杞+荆条+山楂)建立的4个PLS 校正模型分别预测相应蜜源和其他蜜源蜂蜜的还原能力。从统计结果可以看出:不同蜜源蜂蜜的PLS 模型能够很好的预测相应蜜源蜂蜜的还原能力,说明利用电化学传感器技术检测蜂蜜的还原能力具有可行性;所有试验样本(枸杞+荆条+山楂)建立的PLS 模型能够针对不同蜜源的蜂蜜有效地预测其还原能力,相关系数r 分别为0.9073,0.9550和0.9575,说明所有试验样本建立的模型涵盖蜂蜜还原能力的信息;不同蜜源蜂蜜建立的PLS 模型交叉验证其他蜜源蜂蜜还原能
表4 不同蜜源蜂蜜的偏最小二乘(PLS )模型交叉验证
Table 4 Cross-validation of PLS calibration model of different nectariferous honey
枸杞蜜
模型
r RMSEP r RMSEP r RMSEP r RMSEP
枸杞蜜 山楂蜜 荆条蜜
枸杞蜜+荆条蜜+山楂蜜
山楂蜜 荆条蜜 枸杞蜜+荆条蜜+山楂蜜
0.9283 0.0411 0.9356 0.0584 0.9515 0.0371 0.9279 0.0465 0.8615 0.0690 0.9129 0.0548 0.9453 0.0495 0.8915 0.0584 0.9459 0.0379 0.9573 0.1283 0.9726 0.0257 0.8333 0.0786 0.9073 0.0460 0.9550 0.0451 0.9575 0.0327 0.9392 0.0417
第2期 汤明杰等:蜂蜜还原能力的电化学传感器检测
369
力时,有些模型预测效果略差。例如,山楂蜜建立的模型在预测枸杞蜜(r =0.8615)时,荆条蜜建立的模型在预测3种蜜源蜂蜜样本(r =0.8333)时预测效果不理想(见表4),可能是由于不同蜜源蜂蜜的抗氧化成分的种类和含量有所不同,模型中反应蜂蜜还原能力的信息存在 差异。
[7]
[8]
3 结 论
研究利用电化学传感器技术,采集并分析枸杞、荆条和山楂3种蜜源蜂蜜的电化学响应信号,在不同蜜源的蜂蜜循环伏安图上提取的12个特征,归一化处理后进行PLS 建模,预测集相关系数r 和预测均方根误差RMSEP 分别为0.9392和0.0417。模型具有很好的鲁棒性。研究结果表明,电化学传感器结合偏最小二乘法检测蜂蜜的还原能力的思路是可行的。
[1]
[参 考 文 献]
Yao L H, Datta N, Tomá S-Barberá F A, et al. Flavonoids, phenolic acids and abscisic acid in Australian and New Zealand Leptospermum honeys[J]. Food Chemistry, 2003, 81(2): 159-168.
Yao L H, Jiang Y M, Singanusong R, et al. Phenolic acids and abscisic acid in Australian Eucalyptus honeys and their potential for floral authentication[J]. Food Chemistry, 2004, 86(2): 169-177.
Kenjeri ć D, Mandić M L, Primorac L, et al. Flavonoid profile of Robinia honeys produced in Croatia[J]. Food Chemistry, 2007, 102(3): 683-690.
Ferreres F, Tomas-Barberan F A. An HPLC technique for flavonoid analysis in honey[J]. Journal of Science of Food and Agriculture, 1991, 56(1): 49-56.
何建波,徐红梅,朱燕舞,等.电化学方法研究天然抗氧化剂[J].化学与生物工程,2004(5):10-12.
Montilla A, Ruiz-MatuteA I, Sanz M L, et al. Difructose
[9]
[10]
[11]
[12]
[2]
[13]
[3]
[4] [14]
[5] [6]
[15]
anhydrides as quality markers of honey and coffee[J]. Food Research International, 2006, 39(7): 801-806.
Martin G J, Martin M L. Deuterium labeling at the natural abundance level as studied by high field quantitative 2H NMR[J]. Tetrahedron Letters, 1981, 22(36): 3525-3528. Cordella C, Militao J S L T, Clément M C, et al. Detection and quantification of honey adulteration via direct incorporation of sugar syrups or bee-feeding: preliminary study using high-performance anion exchange chromatography with pulsed amperometric detection (HPAEC-PAD) and chemometrics[J]. Analytica Chimica Acta, 2005, 531(2): 239-248.
Padovana G J, De Jongb D, Rodriguesa L P, et al. Detection of adulteration of commercial honey samples by the 13C/12C isotopic ratio[J]. Food Chemistry, 2003, 82(4): 633-636. Swallow K W, Low N H. Analysis and quantitation of the carbohydrates in honey using high-performance liquid chromatography[J]. Journal of Agricultural and Food Chemistry, 1990, 38(9): 1828-1832.
Cabanero A I, Recio J L, Rupérez M. Liquid chromatography coupled to isotope ratio mass spectrometry: A new perspective on honey adulteration detection[J]. Journal of Agricultural and Food Chemistry, 2006, 54(26): 9719-9727. Yen G C, Duh P D, Tsai C L. Relationship between antioxidant activity and maturity of peanut hulls[J]. Journal of Agricultural and Food Chemistry, 1993, 41(1): 67-70.
Siddhuraju P, Mohan P S, Becker K. Studies on the antioxidant activity of Indian Laburnum (Cassia fistula L.): a preliminary assessment of crude extracts from stem bark, leaves, flowers and fruit pulp[J]. Food Chemistry, 2002, 79(1): 61-67.
Oyaizu M. Studies on products of browning reactions: antioxidant activities of products of browning reaction prepared from glucose amine[J]. Japanese Journal of Nutrition., 1986, 44(6): 307-315.
许禄,邵学广.化学计量学方法[M].第2版.北京:科学出版社,2004:163-176.
Determination of reducing power of honey by electrochemical sensor
Tang Mingjie1, Cai Jianrong1※, Wu Xiaojuan1, Lü Qiang2
(1. School of Food and Biological Engineering, Jiangsu University, Zhenjiang 212013, China ;
2. School of Information Science and Engineering, Henan University of Technology, Zhengzhou 450001, China)
Abstract: In order to realize rapid detection of reducing power of the antioxidants in the honey, the new approach was proposed to predict reducing power of three kinds of different nectariferous honey by electrochemical sensor in this work. Twelve features were extracted from electrochemical signal using cyclic voltammetry and preprocessed by normalization. Partial least square (PLS) model was employed to discriminate reducing power of honey. Experimental results indicated that the optimal model was achieved with r = 0.9425 and RMSECV = 0.0433 in calibration set; and r = 0.9392 and RMSEP = 0.0417 in prediction set. This work shows that electrochemical sensor combined with PLS has a significant potential in detection of reducing power of honey.
Key words: electrochemical sensors, agricultural products, models, honey, reducing power, partial least square