目录
随时了解最新动态 关于 neospectra
导言
黄油和人造黄油是用于烹饪目的的最受欢迎的脂肪原料之一。它可以按原样使用，也可以用作几种制剂的煎炸介质。反式脂肪天然存在于黄油中。分析反式脂肪的传统方法是通过气相色谱法对化合物进行仪器分离。这种方法既昂贵又耗时，并且需要一个设备齐全的实验室。
近红外光谱在预测黄油和人造黄油中的反式脂肪方面表现良好。本文的目的是展示使用透反射附件预测反式脂肪的 NeoSpectra 扫描仪的性能。NeoSpectra已在其产品组合中增加了透反射附件，显示了分析液态样品的独特能力。
概述
根据美国农业部的数据（2021年），美国的人均黄油消费量在2021年达到每人6.5磅，而2010年的人造黄油消费量为每人3.6磅。反式脂肪酸（TFA）天然存在于反刍动物的食物中，特别是肉类和乳制品中。在牛奶中，黄油中含有反式疫苗酸（C 18:1 反式 11），含量从 2% 到 4% 不等。但是，人造黄油中的反式脂肪主要来自伊来酸（C 18:1 反式 9）和亚油酸（9-12 反式-C 18:1）。量化黄油和人造黄油中反式脂肪酸的传统方法是气相色谱与火焰电离（GC-FID）。该方法涉及复杂的分析过程，需要数小时的准备工作，包括衍生成挥发性FAME。
NIR 的工作原理
近红外是一种二级分析方法，它依赖于来自参考实验室（GC-FID）的数据和参考数据，用光谱构建 PLSRegression。校准后，PLS 模型可以仅使用 NIRSpectroMeter 生成的光谱预测脂肪酸成分。然后，仪器可以在不到2分钟的时间内获得结果。
实验设计
为了证明NeoSpectra扫描仪能够预测黄油和人造黄油中的反式脂肪，进行了实验。
样本集：
从美国俄亥俄州的一家当地商店共收集了90种黄油和20种人造黄油。样品在 65°C 的烤箱中熔化 15 分钟。黄油和人造黄油中所含的水被重力分离出来。
参考方法
气相色谱（FID）用于分析提取脂肪中的脂肪酸分布。结果以每 100 克样本中的脂肪酸克数表示。
校准和验证套件
交叉验证威尼斯百叶窗用于评估模型性能。
测量条件
● 设置： 漫反射
●配件： 采用 0.25 mm OPL 时的透反射率
●光谱范围： 1350 — 2550 纳米
●扫描时间： 的 5 秒
●分辨率 在 α=1,550nm 时为 16nm
●光斑大小 = 10 毫米2
●温度： 房间温度
●平均值： 使用NeoSpectra扫描仪对每个样本进行了2次测量，并对分析进行了平均值。
校准模型开发
构建偏最小二乘回归（PLS）模型是为了建立通过实验室化学分析确定的光谱和成分之间的线性关系。PLS 用于将最初包含 257 个变量（波长）的频谱数据减少为有限数量的潜在变量（L.V.）。降低复杂性旨在增强数据的可解释性。
潜在变量的选择基于其与响应的相关性（在此背景下为反式脂肪水平），优先考虑相关度高的变量，并避免向模型添加随机噪声。
数据分析
为了评估偏最小二乘（PLS）模型的性能，采用了交叉验证技术。这涉及计算预测误差（所有样本误差的均方根）和预测内容与从化学分析中获得的参考数据之间的决定系数（R2CV）。交叉验证技术需要将数据划分为校准集和验证集。校准集用于训练 PLS 模型，而验证集则用于评估模型的性能。
在每次迭代中，将验证集和校准集合合在一起，并将数据的新部分指定为验证集。然后重复该过程，包括对更新后的集合进行模型训练和验证。这种迭代过程一直持续到每个样本在验证集中至少出现一次为止，从而对PLS模型的预测能力进行了全面评估。
结果和讨论
交叉验证的结果如图 2 所示。
为了量化模型的准确性，以下统计特征总结为：
• R2: 确定系数。越接近 1 越好。
• SECV: 交叉验证的标准错误。
这项研究的发现表明，Neospectra提供的交叉验证平均误差为0.31％。与总体标准差相比，可以看出，这些模型能够将种群划分为三个半以上的区域（低、中、中高和高水平），这表明NeoSpectra Scanner为预测黄油样本中的反式脂肪水平提供了出色的结果。（表 2）。图 2 显示了预测水平和测得的反式脂肪水平之间的良好线性。与其他传统和新兴的黄油和人造黄油分析技术不同，NeoSpectra独特地整合了一组功能，能够在现场和实验室进行经济高效、快速、广泛、用户友好和精确的脂肪分析，只需极少的样品制备。
结论
NeoSpectra 扫描仪在使用黄油和人造黄油中的透反射附件分析反式脂肪方面表现出卓越的性能。人造黄油被用作零反式脂肪，以确保模型能够检测到低水平。该技术的工业应用将允许快速筛选反式脂肪含量。与傅里叶红外或气相色谱相比，NeoSpectra有可能更快速、更实惠地检测黄油和人造黄油样品中的反式脂肪酸。
致谢
本文之所以成为可能，要归功于俄亥俄州立大学教授路易斯·罗德里格斯-索纳和硕士生塞莱斯特·马托斯的贡献。特别感谢他们的宝贵贡献和数据。
