食品掺杂假冒的无目标检测新方法：一类偏最小二乘与应用研究

For food adulterations and frauds, the current analytical methods are mainly targeted at analysis of specific components. For adulterants like Sudan dyes and melamine, relevant analysis is passively performed only when an adulterant is known or suspected to exist. However, because new adulterants and frauds are constantly emerging, the traditional targeted analytical methods have encountered some serious problems. This project will be focused on new chemometric methods for non-targeted analysis. The one-class partial least squares (OCPLS) recently proposed by us will be further investigated in the following aspects: (1) to uncover the meaning and properties of OCPLS distance measures; (2) to develop new feature selection methods for OCPLS; and (3) to develop quality control models for refined kudzu starch in Wuling Mountain Area against geographical frauds and adulterations based on near-infrared spectroscopy, High Performance Liquid Chromatography (HPLC) fingerprints and analysis of the metal elements. The study will contribute to the theory of class modeling and OCPLS, as well as enhance model sensitivity and the specificity for detection of unknown adulterants and frauds. Considering the fact that partial least squares (PLS) is the cornerstone of chemometrics and the relationship between PLS and OCPLS, the well-established OCPLS is likely to become one of the basic chemometric tools in the future.

对食品掺假问题，现有分析手段多为“有目标检测”方法，如对苏丹红、三聚氰胺等掺杂物，只有在预先获知或怀疑某成分可能存在时，才能展开相关的“被动”检测。由于可能的掺杂和假冒方法层出不穷，“有目标检测”遇到很多困难。本项目拟对“无目标检测”的化学计量学新方法、我们最近提出的一类偏最小二乘(OCPLS)进行深入的理论和应用研究：(1)深入探究OCPLS距离量度的意义和性质；(2)发展适用于OCPLS的变量选择方法; (3)基于红外光谱、高效液相色谱指纹图谱和金属元素分析数据，分别对武陵山区葛根精粉进行原产地、掺假的质量控制研究。本项目可以完善类模型和OCPLS的理论基础，改善模型灵敏性和特异性，增强对未知掺假的检测能力。偏最小二乘(PLS)是化学计量学的基石，考虑与PLS的关系，OCPLS方法经完善后将来有可能成为化学计量学的基本工具之一。

对食品掺假问题，现有分析手段多为“有目标检测”方法，如对苏丹红、三聚氰胺等掺杂物，只有在预先获知或怀疑某成分可能存在时，才能展开相关的“被动”检测。由于可能的掺杂和假冒方法层出不穷，“有目标检测”遇到很多困难。本项目对“无目标检测”的化学计量学新方法一类偏最小二乘(OCPLS)进行了深入的理论分析和应用研究：(1)深入探究OCPLS距离量度的意义和性质；(2)发展适用于OCPLS的变量选择方法;(3)进一步研究确定OCPLS和PLS的模型复杂度的方法；(4)基于红外光谱、荧光量子点等分析技术，分别对葛根精粉、茶油、木薯粉、天麻、灵芝、蜂蜜、果汁等进行原产地、掺假等质量控制研究。理论分析表明，OCPLS与软独立模型类簇法(SIMCA)相比,其隐变量同时考虑了数据的方差和一类样品的紧密性，因此对于复杂体系而言，OCPLS在较次要隐变量的构造上可能较SIMCA更有优势，在理论上OCPLS模型也更加稳定。研究结果表明，OCPLS是一种可靠的无目标掺假检测的化学计量学方法，对多种食品掺假的无目标检测，均得到了较好的结果。实验中掺假的最低检出水平分别如下：葛根（NIR），0.5%(w/w);木薯粉（NIR），0.6%(w/w)；茶油（NIR+荧光），0.2%(w/w); 灵芝（NIR），2%(w/w);天麻（NIR），1%(w/w); 蜂蜜（量子点荧光），1%(w/w)；橙汁（量子点荧光），2%(w/w)；猕猴桃果汁（传统荧光+量子点荧光），2%(w/w)。同时，如果把OCPLS与更灵敏的分析检测技术如荧光量子点等相结合，有望检出更低水平的掺假物。本项目可以完善类模型和OCPLS的理论基础，改善模型灵敏性和特异性，增强对未知掺假的检测能力。偏最小二乘(PLS)是化学计量学的基石，考虑到OCPLS与PLS的关系，OCPLS方法经完善后将来有可能成为化学计量学的基本工具之一。