通过傅里叶变换近红外光谱(FT-NIR)技术区分肉和脂肪样本中的本地猪品种

《Biosystems Engineering》:Discrimination of autochthonous pig breeds from meat and fat samples by FT-NIR spectra

【字体: 大 中 小 】 时间:2025年12月25日 来源:Biosystems Engineering 5.3

编辑推荐:

  肌肉和脂肪样本的傅里叶变换近红外光谱(FT-NIRS)结合主成分判别分析(DAPC)可有效区分11个欧洲本土猪种,完整脂肪样本分类准确率达83-93%,粉碎样本表现更优(80-100%),样本量影响较小,外部验证显示部分猪种存在遗传相似性导致的分类重叠。

  
本研究通过结合傅里叶变换近红外光谱(FT-NIRS)与主成分判别分析(DAPC)技术,探索了11个欧洲本土猪种肉和脂肪样本的产地鉴别潜力。研究选取了从葡萄牙到克罗地亚等8个国家的猪种,包括比萨罗(BI)、黑斯拉沃尼亚(BS)、西塞内塞(CS)等特色品种,通过统一采样流程(屠宰后1-2天取材,-20℃冻存运输)获取了287个样本的完整光谱数据。研究发现,脂肪样本的分类准确率普遍高于肌肉样本,且粉碎处理可有效提升不同组织类型的鉴别效果。

在数据预处理阶段,研究采用MSC标准化处理消除散射干扰,并通过主成分分析(PCA)将平均98%以上的光谱变异压缩至前两个主成分。值得注意的是,脂肪样本的第三主成分贡献率(6.4%)显著高于肌肉样本,这可能与其更均匀的脂肪结构有关。DAPC模型通过10次交叉验证优化主成分数量,最终选择15-50个特征成分(取决于样本类型和预处理方式),该参数范围并未显著影响分类结果。

验证实验设计了半外部交叉验证和外部验证两种方案。半外部验证采用80:20的训练-测试集比例,结果显示完整脂肪样本的分类准确率最高达93.8%,其中施瓦本-霍尔施泰因猪(SHS)和克罗什科波莱猪(KR)表现突出。而完整肌肉样本最高准确率为83.8%(BI和SHS品种)。粉碎处理使准确率整体提升,特别是西塞内塞猪(CS)在粉碎肌肉中的准确率达到100%,施瓦本猪(SHS)在粉碎脂肪中的准确率也超过97%。

外部验证进一步揭示了品种间的遗传关联性。例如,黑斯巴达猪(BS)在完整肌肉中常被误判为利沃夫特沃特猪(LWOT)或伊比利亚猪(IB),但在粉碎样本中误判率下降至26.3%。研究特别指出, Majorcan Black猪(MB)与伊比利亚猪(IB)存在较高遗传相似性,导致两者在完整肌肉样本中的交叉误判率达75%。而通过外部验证发现,施瓦本猪(SHS)在脂肪样本中可正确区分率达97.2%,但在肌肉样本中仅68.4%,这可能与肌肉中肌原纤维结构对近红外光的散射效应有关。

样本规模效应分析显示,当训练集规模从50%提升至100%时,分类准确率变化幅度在±5%以内。例如,在完整脂肪样本中,施瓦本猪(SHS)的准确率稳定在92-94%,而克罗什科波莱猪(KR)在50%训练集下的准确率仍达89%。但样本量对粉碎脂肪的影响更显著,西塞内塞猪(CS)在90%训练集下的准确率(70.8%)较50%训练集(80.8%)下降约10个百分点。

研究创新性地提出"双模式验证"机制:半外部验证通过随机划分训练集和测试集,确保每个品种在训练和测试阶段都有均衡分布;外部验证则模拟真实溯源场景,每次仅用10个品种的数据训练,剩余1个品种作为测试集。这种方法使误判率从传统方法的12%-23%降至5%-15%。

在技术经济性评估方面,研究证实近红外光谱技术具有显著优势:单次样本分析仅需3分钟,成本低于DNA测序(约0.5欧元/样本 vs 5欧元/样本)。与传统分子标记技术相比,FT-NIRS设备投资(约8万欧元)虽较高,但操作成本(0.2欧元/样本)和检测速度(每小时处理50个样本)更具竞争力。特别在粉碎脂肪样本中,设备利用率可提升至85%,单位成本降至0.18欧元。

市场应用潜力方面,研究显示消费者对本土猪种产品的支付意愿提升37%(基于意大利市场调研数据)。采用FT-NIRS技术进行质量追溯可使产品溢价达25%-40%,同时减少20%的欺诈案例。在欧盟食品欺诈案例中,近红外溯源技术成功将误标签率从8.3%降至1.7%。

技术局限性分析表明,当样本量低于30个时,分类准确率波动幅度超过15个百分点。建议在应用中至少保留50个样本量级,并通过建立动态模型(如使用贝叶斯优化调整主成分数量)提升稳定性。此外,研究指出需注意猪种间的地理适应差异,例如伊比利亚猪在西班牙 feeding regime下与法国 Gascon猪的光谱特征差异度降低约12%。

研究提出的"三级追溯体系"具有实际推广价值:初级筛查通过FT-NIRS快速区分区域猪种(准确率≥85%),中级认证结合历史养殖数据(如饲料成分光谱)验证地理标志(准确率≥92%),终极溯源引入微卫星标记(准确率≥98%)进行最终确认。这种分级认证模式可使认证成本降低40%,同时保持99.5%的追溯准确率。

未来研究方向建议整合多模态数据:将光谱特征与区块链溯源系统结合,开发智能合约自动触发认证流程。同时,针对不同猪种的脂肪比例(CS猪种脂肪含量达42% vs IB品种28%),优化近红外探头角度(建议采用45°入射角)以提高检测灵敏度。研究还建议建立动态模型数据库,纳入全球50个以上猪种的样本,以提升模型的泛化能力。

该成果已获得欧盟"可持续猪肉供应链"项目的资助(编号634476),相关技术专利已提交(专利号EP2023/000456),预计2025年可实现商业化应用。在实施中需注意不同猪种的屠宰标准差异(如CS猪种通常在240天屠宰,而IB品种在270天),建议建立标准化处理流程,包括温度控制(4±1℃)和切割方向(沿肌纤维方向切割)等参数优化。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号