1.一种预测茶油中其他掺杂油种类及含量的方法,其特征在于包括以下步骤:
1)取茶油纯品和其他植物油纯品,将后者以不同体积比与前者混合,得到若干待测样本;
2)取步骤1)所述若干待测样本,分别与氘代氯仿涡旋混匀,而后分别检测其1H NMR图谱;
3)取步骤2)所得的茶油纯品1H NMR图谱和其他植物油纯品1H NMR图谱,进行相位和基线的校准之后采用不同区域的分段积分,而后执行PCA分析;
1
4)以步骤3)所得的PCA得分情况为依据选择一种前处理方法对步骤2)所得的若干 H NMR图谱分别进行分段积分;
5)取步骤4)所得数据,分为训练集和预测集;训练集作PCA分析,查看样本的整体分类情况,通过DmodX图剔除异常点;PCA初步分析过的样本进一步采用OPLS-DA分析,根据得分图及DmodX图剔除异常点,通过载荷图找出差异代谢物;通过置换检验验证模型的有效性;
利用上述验证过的模型鉴别预测集,通过判别正确率来评价模型的对掺假油种类的识别能力;
6)取步骤4)所得的部分数据,分为训练集和预测集,通过训练参数R2、RMSEE以及预测参数RMESP来评价定量模型;
其中,所述其他植物油纯品有三种,分别为玉米油、葵花籽油和菜籽油;
步骤2)所述检测其1H NMR图谱,其核磁共振条件为:质子共振频率为600MHz,时域为
32K,脉冲为90,时间为11μs,谱宽为10ppm,恢复时间为2s,信号检测时间为2.73s,每次自由感应衰减扫描次数为32,虚拟扫描次数为4;化学位移以ppm为单位,以四甲基硅烷(TMS,δ=
0)为内标;
其中,步骤4)所述的前处理方法选自以下A~C的其中一种:
A、以0.01ppm的积分宽度对10-0.5ppm区域分段积分,扣除氘代氯仿溶剂峰信号,得到
879个变量,归一化处理;
B、对0-7ppm的谱图自动积分,部分区域手动积分,15个峰的积分面积以标准化为1000的酰基链的α-亚甲基氢为参考,得到15个变量,归一化处理;
C、以0.04ppm的积分宽度对7-0ppm的谱图区域分段积分,得到175个变量,归一化处理。
2.根据权利要求1所述的一种预测茶油中其他掺杂油种类及含量的方法,其特征在于步骤1)混合产物中所述其他植物油纯品的体积分数分别为0%、5%、10%、20%、30%、
40%、50%、60%、70%、80%、100%。
3.根据权利要求1所述的一种预测茶油中其他掺杂油种类及含量的方法,其特征在于步骤2)中所述待测样本的用量为200μL,所述氘代氯仿的用量为800μL。
4.根据权利要求1所述的一种预测茶油中其他掺杂油种类及含量的方法,其特征在于步骤5)中所取的数据来自111个待测样本,分为77个训练集和34个预测集,训练集中纯茶油样本以及掺玉米油、葵花籽油、菜籽油的样本依次为15、21、21、20,验证集中依次为7、9、9、
9;对77个训练集作PCA分析,剔除一个异常点,得分图上掺有玉米油和葵花籽油的样本重叠较大,先将玉米油和葵花籽油归为一类,剔除2个异常点,最终利用74个训练集建立OPLS-DAModle 1,34个验证集预测该模型;玉米油和葵花籽油单独建立OPLS-DA Modle 2,其中训练集和预测集样本数分别为41和18。
5.根据权利要求1所述的一种预测茶油中其他掺杂油种类及含量的方法,其特征在于步骤3)所述相位和基线的校准包括以下步骤:将测得的1H NMR自由感应衰减信号导入MestReC软件进行傅立叶转换,自动调整相位和基线,以内标峰TMS(δ=0)为基准校正化学位移。