首页 展会资讯
肉类加工资讯
Food Chem.|中国农业科学院农产品加工所陈丽副研究员：结合定量脂质组学和反向传播神经网络方法判别羔羊肉的品种和部位来源
Food Chem.|中国农业科学院农产品加工所陈丽副研究员：结合定量脂质组学和反向传播神经网络方法判别羔羊肉的品种和部位来源
来源: 聚展网
2023-11-27 16:51:50
439
分类:
肉类加工资讯
许多消费者愿意购买具有明显地理产地、品种和有机认证特征以及品牌的肉类产品，并愿意为此支付溢价。例如，近年来，中国地方肉羊品种——宁夏滩羊逐渐为消费者所熟知。其肉质细腻、味道鲜美，富含蛋白质和矿物质，是消费者追求健康和高品质肉类的绝佳选择。然而，产自特定地理区域的肉类或肉制品，尤其是受原产地名称和地理标志保护的肉类或肉制品，往往价格不菲，在市场上很容易被假冒。
食品欺诈损害了消费者对优质羊肉的信赖。欺诈行为往往涉及用品质较差的肉制品替代羊肉，使得消费者辨别真伪。欧盟的马肉丑闻就是肉类欺诈的典型案例。随着检测方法的进步，人们对肉类产品中虚假品种或部位的担忧与日俱增。近期，一种肉类欺诈形式，是将低档或替代品种的羊肉误标为高品质、特定地域的羊肉产品。因此，确保准确识别羊肉的品种和部位对于防止此类欺诈行为至关重要。羊肉品质会受到多种因素的影响，如地区、品种、年龄、饲料成分、生长环境和屠宰季节等。目前，多元素法和稳定同位素比值法结合化学计量分析是确定肉类或肉制品来源的常用技术。虽然这些方法可以有效地追踪不同来源的羊肉，但由于差异不明显，准确区分同一品种羊的不同部位或同一环境中不同品种的羊可能比较困难。近年来，传统的机器学习技术因其卓越的识别和分类能力而被广泛应用于肉类行业。机器学习方法的一个主要优势是能够快速过滤无关信息，提取基本特征变量，并从海量数据中建立判别模型。因此，这些方法与光谱和质谱等检测技术相结合，在检测猪肉、牛肉、动物脂肪、鱼类和海鲜等各种肉类产品的溯源和掺假方面大受欢迎。由于脂质是重要的代谢产物，具有多种关键功能，其组成可直接反映不同样品之间的代谢状况差异。因此，基于质谱的脂质组学也被用于确定薏苡仁、鸡蛋、羊乳、猪肉和葡萄酒等食品的真伪和追溯其地理来源。研究结果表明，脂质组学方法在鉴别真伪和地理来源方面表现良好。然而，关于应用脂质组学追溯羊肉品种和部位来源的报道较少。因此，有必要对结合脂质组学和机器学习的羊肉溯源方法进行探究。中国农业科学院农产品加工研究所农业农村部农产品质量安全收贮运管控重点实验室、都柏林大学农业与食品科学学院、广西科技大学生物与化学工程学院的Liu Chongxin（第一作者）、陈丽（通信作者）等为加强优质羔羊肉产品质量控制，旨在探究脂质组学和机器学习相结合的方法在羊肉溯源过程中的应用可行性，研究有望为羊肉真伪鉴别提供新的可靠技术支撑。如图所示，通过UHPLC-Q-Exactive™ Orbitrap-MS-MS，共鉴定出29 类1 230 个脂质分子，其中含量最高的6 类脂质分别是磷脂酰乙醇胺（phosphatidyl ethanolamine，PE）、甘油三酯（triglyceride，TG）、鞘磷脂（sphingomyelin，SPH）、蜡酯（wax ester，WE）、磷脂酰胆碱（phosphatidylcholine，PC）和甘油二脂（diacylglycerol，DG）。A. 总脂质含量；B. 各脂类物质含量。TSLD，滩羊背最长肌；TSKM，滩羊霖肉；BHLD，巴寒杂交羊背最长肌；BHKM，巴寒杂交羊霖肉。
图1 不同品种和部位羔羊肉样本内总脂质及脂类物质含量为确定潜在的脂质生物标志物，以区分羊肉的品种来源，首先分别对2 个羊品种（滩羊和巴寒杂交羊）的背长肌和指关节肉进行差异脂质分子筛选。将独立样本t检验结果与调整后的P值和FC值相结合，绘制了火山图，以显示不同品种绵羊的差异表达脂质。以P<0.05和FC临界值为4的标准，筛选出约23 个下调和6 个上调脂质，以及27 个下调和44 个上调脂质（图2A和B）。OPLS-DA评分图显示2 个绵羊品种之间脂质模式的明显区别（图2E和F）。利用OPLS-DA模型选择VIP分数大于1的差异脂质，并将结果显示在Venn图中（图2I和J）。同理，用相同的方法对羊肉部位来源的脂质生物标志物进行了筛选，以P<0.05和FC临界值为2的标准，筛选出了约147 种下调脂质和13 种上调脂质，以及23 种下调脂质和30 种上调脂质（图2C和D）。OPLS-DA评分图显示，两部位肉的脂质模式有明显区别（图2G和H）。VIP分数大于1也被用来确定分离部位的代表性脂质，其结果显示在Venn图中（图2K和L）。最后，分别确定了12 个和7 个潜在的脂质生物标志物，以建立羊肉品种和部位来源的鉴别模型。
A～D. 火山图；E～H. OPLS-DA分数图；I～N. Venn图。
图2 筛选潜在的脂质标志物对羔羊的品种和部位进行鉴定4 种机器学习分类方法在测试集上的详细分类结果和判别模型的ROC曲线如图3所示。4 种方法在品种分类方面的结果都显示出较高的总体可接受性，但在部位分类方面的结果则显示出较大的差异。在部位分类方面，按结果总体可接受性从高到低排列的方法依次是BPNN、SVM、FFNN 和RF，测试预测准确率分别为100%、91.5%、90%和85.5%。品种和部位判别模型的ROC曲线显示了相似的结果，FFNN和BPNN的AUC均远高于RF和SVM。RF的品种判别模型、RF的部位判别模型和SVM的AUC分别为0.49、0.53和0.58，均小于0.6，因此被认为是无效模型。
RF，随机森林；SVM，支持向量机；FFNN，前馈神经网络；BPNN，反向传播神经网络；AUC，曲线下面积。
图3 RF、SVM、FFNN和BPNN方法的受试者特性曲线比较综上所述，脂质组学结合反向传播神经网络方法对于判别我国羔羊肉的品种和部位来源是可行和有效的。这项工作的成果可进一步发展，为羔羊肉认证这一已被研究但尚未解决的重要问题提供新的技术基础。此外，通过对羊肉分类的关键脂质化合物，也可以减少分析的时间。文章《Combined quantitative lipidomics and back-propagation neural network approach to discriminate the breed and part source of lamb》发表于Food Chemistry 2024年437卷
中国农业科学院农产品加工研究所陈丽副研究员为本文通信作者
文章链接：https://doi.org/10.1016/j.foodchem.2023.137940
陈丽，女，博士，副研究员。肉品加工与品质调控创新团队科研骨干。2011年硕士毕业于中国农业科学院，同年就职于中国农业科学院农产品加工研究所，2019年博士毕业于比利时列日大学。主要研究领域：从事畜禽肉品质评价与智能识别技术研究工作，主要研究方向：1）畜禽肉多维品质数字化表征技术；2）畜禽肉特质品质挖掘；3）生鲜肉品质无损检测监测技术装备研发。主持、参加课题情况：先后主持国家自然科学基金面上项目、青年基金项目、公益性行业（农业）科研专项课题、十三五国家重点研发计划子课题等国家和省部级项目8项；获国家科学技术进步奖二等奖1项（第4）、中华农业科技奖一等奖1 项（第3）、中国专利奖优秀奖1项（第3）、中国商业联合会科学技术奖特等奖1 项（第3）等奖励8 项；获授权国际专利7 件、中国专利48 件；发表论文68 篇；参与制定农业行业标准9项；副主编著作2 部。
新刊启动 Food Science of Animal Products《动物源食品科学》（英文），欢迎投稿
Food Science of Animal Products（ISSN: 2958-4124, e-ISSN : 2958-3780）是一本国际同行评议、开放获取的期刊，由北京食品科学研究院、中国肉类食品综合研究中心主办，中国食品杂志社《食品科学》编辑团队运营，属于食品科学与技术学科，旨在报道动物源食品领域最新研究成果，涉及肉、水产、乳、蛋、动物内脏、食用昆虫等原料，研究内容包括食物原料品质、加工特性，营养成分、活性物质与人类健康的关系，产品风味及感官特性，加工或烹饪中有害物质的控制，产品保鲜、贮藏与包装，微生物及发酵，非法药物残留及食品安全检测，真实性鉴别，细胞培育肉，法规标准等。
投稿网址：
https://www.sciopen.com/journal/2958-4124
声明：文章部分图文版权归原创作者所有，不做商业用途，如有侵权，请与我们联系删除。
来源：聚展网
点赞
分享： ![]()
2025.05.27-05.30
Meat Tech
2025.02.25-02.27
MEAT ATTRACTION
2024.05.05-05.11
Beef Australia
2024.06.18-06.21
Tecno Carne
2025.03.11-03.14
Japan Meat Industry Fair
2024.08.22-08.24
MeatTech Asia
2025.03.12-03.14
Meat Pro Asia
2024.05.20-05.22
RefCold Russia
