[發(fā)明專利]一種基于脂質(zhì)紅外光譜的反芻動物源性飼料原料鑒別方法

有效

• 申請?zhí)枺?/td>: 201410012308.8
• 申請日: 2014-01-10
• 公開（公告）號: CN103776773A
• 公開（公告）日: 2014-05-07
• 發(fā)明（設計）人: 劉賢;蒲乾坤;韓魯佳;楊增玲
• 申請（專利權(quán)）人: 中國農(nóng)業(yè)大學
• 主分類號: G01N21/25
• 分類號: G01N21/25
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王文君

技術(shù)領域

本發(fā)明涉及動物源性飼料的鑒別分析領域，具體地說，涉及一種基于脂質(zhì)紅外光譜的反芻動物源性飼料原料鑒別方法。

背景技術(shù)

近年來，“瘋牛病”事件對歐盟乃至世界范圍的畜牧業(yè)、公共安全、飼料工業(yè)和畜產(chǎn)品國際貿(mào)易均帶來了巨大沖擊，嚴重威脅動物和人類健康的同時，也造成了巨大的經(jīng)濟損失。已有研究表明瘋牛病是由于使用患有瘋牛病和羊搔癢病的牛、羊等動物的肉骨粉添加在飼料中喂養(yǎng)反芻動物而引起，反芻動物食用同源性動物源性飼料是傳播瘋牛病的主要途徑。為了高效防范瘋牛病，從源頭上切斷瘋牛病的傳播途徑，世界各國紛紛制定相關措施并通過法律、法規(guī)控制反芻動物肉骨粉等動物源性飼料的使用。但是由于蛋白質(zhì)飼料資源匱乏，加之利益的驅(qū)使，非法進口、制假售假和違禁添加等違規(guī)使用動物源性飼料的行為屢禁不止，這不僅嚴重擾亂市場秩序，侵害消費者的利益，也造成了很大的瘋牛病隱患。要滿足飼料質(zhì)量安全監(jiān)管需求，確保相關法律法規(guī)的有效實施，科學可靠的檢測技術(shù)和方法是重要的保障。而為了更好地實施飼料產(chǎn)業(yè)的可持續(xù)發(fā)展和循環(huán)利用，逐步細化至不同種屬之間是否相互飼用是動物源性飼料禁用法律法規(guī)的必然發(fā)展趨勢，這也對不同種屬尤其是反芻動物源性飼料的鑒別技術(shù)提出更高的要求。

目前，國際范圍內(nèi)研究和應用較多的動物源性飼料檢測技術(shù)主要有：以組織學特性為基礎的顯微鏡分析法、以蛋白質(zhì)為基礎的酶聯(lián)免疫吸附分析法、以DNA為基礎的聚合酶鏈反應法以及近紅外光譜快速分析和顯微近紅外分析技術(shù)。其中用于官方仲裁檢測的動物源性飼料檢測標準方法主要為顯微鏡分析法和聚合酶鏈反應法，我們國家目前主要采用聚合酶鏈反應法。上述這兩種方法雖然可以進行不同種屬動物源性成分的鑒別分析，但均存在一定的局限性，單一使用難以滿足高效準確的種屬鑒別分析要求。顯微鏡法沒法進行反芻動物種屬的檢測，PCR法可以進行反芻動物種屬鑒別但自身存在很多不足如溫度敏感、假陽性問題?，F(xiàn)有的近紅外和顯微鏡技術(shù)都是基于原料進行檢測的，屬于快速方法但檢測精度都相對偏低，而且同樣對于種屬的分析有局限性。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本發(fā)明提供一種基于脂質(zhì)紅外光譜的反芻動物源性飼料原料鑒別方法。

本發(fā)明所述的動物源性飼料原料包括陸生動物肉骨粉、陸生動物肉粉、陸生動物骨粉和魚粉等蛋白飼料。當前市場上動物源性飼料多為單一種屬動物制成，本發(fā)明也是針對多種不同的單一種屬動物制成的動物源性飼料原料進行鑒別分析。

為實現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案：

一種基于脂質(zhì)紅外光譜的反芻動物源性飼料原料鑒別方法，包括以下步驟：

1）收集與制備已知來源的不同種屬動物源性飼料原料樣本；

2）提取脂質(zhì)樣品；

3）采集脂質(zhì)樣品紅外光譜信息數(shù)據(jù)；

4）依據(jù)步驟3）中所采集的脂質(zhì)樣品紅外光譜信息數(shù)據(jù)，建立反芻動物源性飼料原料判別分析模型；

5）評價步驟4）所建立的判別分析模型；

6）提取待測動物源性飼料脂質(zhì)樣品，并采集紅外光譜信息數(shù)據(jù)，輸入步驟4）中所建立的判別分析模型進行種屬鑒別分析。

其中，步驟1）還包括對所收集與制備的已知來源的不同種屬動物源性飼料進行旋風磨粉碎，然后過1.0mm篩。

其中，步驟2）中，采用索氏提取法提取脂質(zhì)樣品。

其中，步驟3）中脂質(zhì)樣品紅外光譜信息基礎數(shù)據(jù)的采集方式為衰減全反射方式。

其中，步驟3）中光譜采集范圍為4000到400cm-1，分辨率為4cm-1，掃描次數(shù)為32次。

其中，步驟4）中，采用回歸法和留一法交互驗證，建立反芻動物源性飼料原料偏最小二乘判別分析模型。

其中，步驟5）中，采用識別率Sensitivity和拒絕率Specificity兩個指標對判別模型進行評價，Sensitivity和Specificity越接近于1，判別模型精度越高。

Sensitivity=PA/（PA+ND）????（1）

Specificity=NA/（PD+NA）????（2）

式中：PA為判別陽性樣品數(shù),ND為判別假陰性樣品數(shù)，NA為判別陰性樣品數(shù)，PD為判別假陽性樣品數(shù)。

優(yōu)選地，所述識別率Sensitivity和拒絕率Specificity為0.85-1.0時，所述判別分析模型有效。