看完蛋黃醬中的脂質含量，你還吃的下嗎？

使用脂質含量不同的 8 種蛋黃醬作為測定樣品。表 1 為蛋黃醬包裝上標記的脂質。按照脂質從多到少的順序，對樣品標上字母 A～H。

將固定用夾具安裝在積分球上，使所有樣品能夠設置在相同位置進行測定。將樣品放入玻璃制螺口瓶中，并設置在積分球上（圖 1），交換同一樣品的螺口瓶，分別測定 2 次。因此，總數據數為 16（8 × 2 = 16）。

此次測定中使用了一次性螺口瓶，并使用了美國 Labsphere公司制的氟類樹脂白板 Spectralon?作為反射測定的基準板。

表 2 和圖 2 分別為測定條件和測定結果。圖 2 的縱軸以吸光相關的 log 10 （R 0 /R）的值來顯示。此處，R 0 是基準板的反射強度，R 是樣品的反射強度。圖 2 的“Abs.”表示 log 10 （R 0 /R）。由圖 2可知，2 次重復測定的結果幾乎重疊，說明交換螺口瓶產生的影響較小。圖 3 中放大顯示了圖 2 的 1000 nm～1500 nm 的范圍。用圓圈標出了脂質的吸光位置（1210 nm 附近）。由此可知，樣品中脂質含量越多，吸收峰就越大。

使用多變量分析的多元回歸法和 PLS 法對脂質進行定量。以表 1 的 A、C、E、G、H 作為標準樣品，繪制了各方法的校準曲線。

使用蛋黃醬包裝上標記的脂質作為標準樣品的真值。

為確認校準曲線的精度，使用表 1 中 B、D、F 樣品作為驗證樣品。表 3 為使用各方法的校準曲線對驗證樣品的脂質獲取的測定結果。

比較后可知，兩種方法的定量精度并無明顯差異，說明定量結果良好。表 3 的RMSEP 是圖 4 中定義的值，表示預測值與實際值平均差的指標。

PLS 法使用 CAMO 公司制多變量分析軟件 The Unscrambler? 1 )進行了計算。多元回歸法使用 Microsoft 公司制表格計算軟件Excel?  2 ) 的“回歸分析”功能進行了計算。

注釋：多元回歸法的計算中使用了 1150 nm、1210 nm、1240 nm、1280 nm這 4 種波長數據。PLS 法的計算中對 1150 nm～1280 nm 間的所有數據進行了中心平均化處理。

此次測定的蛋黃醬容器材質全部相同，皆為 PE（聚乙烯）和EVOH（乙烯-乙烯醇共聚物樹脂）。因此，我們嘗試了直接對塑料瓶裝蛋黃醬進行測定。

蛋黃醬容器的厚度根據樣品不同會有所差異。蛋黃醬的數據也會受到容器厚度的透過影響。這與在多變量分析中再添加一個目標成分（脂質）以外的成分是同等的。多變量分析可校正其他成分的變動部分。因此，校正該厚度的變動部分后則可以對脂質定量。

圖 5 為將樣品設置在積分球上的照片；圖 6 為 A～H 所有樣品的測定結果。測定條件與表 2 相同。將樣品重新設置在積分球上，分別測定 2 次。

圖 7 為圖 6 的放大圖，用圓圈標出脂質的吸收位置（1210 nm 附近）。由此可知，樣品中脂質含量越多，吸收峰就越大。各樣品的脂質請參照表 1。

與使用螺口瓶的測定方法相同，對脂質進行了定量。表 4 為驗證樣品校準曲線的測定結果。由此可知，多元回歸法和 PLS 法的測定結果均良好。

注釋： 多元回歸法的計算方法中使用了 1180 nm、1210 nm、1240 nm、1300 nm 這 4 種波長數據。PLS 法的計算中對 1100 nm～1300 nm 間的所有數據進行了中心平均化處理。

1）The Unscrambler 是 CAMO 公司的商標或者注冊商標。

2）Excel 是 Microsoft 公司的商標或者注冊商標。

本次分析使用了以下兩種方法：

· 使用螺口瓶進行測定

· 直接對塑料瓶裝蛋黃醬進行測定。

采用多變量分析的多元回歸法和 PLS 法，對蛋黃醬的脂質進行了定量，并比較了其定量精度。由結果可知，多元回歸法和 PLS法這兩種測定方法都獲取了良好的定量結果。

以往測定高粘性的乳脂狀樣品時，會通過涂敷在玻璃板的方發進行透過測定，但如果涂敷不均勻，將很難獲得高精度的測定結果。使用本方法，能夠通過簡單的操作獲取高精度的數據。

綜上所述，本次分析的結果表明，本方法可有效地對蛋黃醬等乳脂狀樣品中脂質進行定量分析。

如有任何疑問可聯系我們！