双能X射线吸收法在猪里脊肉总脂肪与肌内脂肪预测中的应用评估与局限性分析

【编辑推荐】本研究针对猪肉脂肪含量检测的精准需求，评估了双能X射线吸收法（DXA）预测猪里脊肉总脂肪和肌内脂肪（IMF）的效能。结果表明，DXA对总脂肪预测具有较高准确性（R2 =0.83），但对IMF预测能力有限（R2 =0.05），为肉类品质检测技术优化提供了关键数据支撑。

　　

猪肉的脂肪含量直接影响其风味和消费者选择，但传统化学分析方法（如索氏提取法）耗时耗力，难以满足快速检测需求。随着消费者对营养标签精准度的要求提高，以及育种行业对肌内脂肪（Intramuscular Fat, IMF）的重视，开发高效、非侵入的脂肪检测技术成为研究热点。双能X射线吸收法（Dual-energy X-ray Absorptiometry, DXA）因其低辐射（～0.01 μSV）和成本优势，在肉类成分分析中展现出潜力，但其对IMF的预测效能尚未在猪里脊肉中得到系统评估。

巴西米纳斯吉拉斯联邦大学动物科学系的研究团队通过分析140份猪里脊肉样本（含/不含皮下脂肪），结合DXA扫描与化学分析法，首次系统评估了DXA在猪里脊肉脂肪预测中的表现。研究发现，DXA对总脂肪的预测整体表现优异（r=0.91），但在高脂肪样本中精度下降（r=0.69）；而对IMF的预测能力极弱（r=0.23），表明现有模型需进一步校准。该研究为肉类工业优化脂肪检测技术提供了重要依据，成果发表于《Meat Science》。

关键技术方法
研究采用DXA扫描（Hologic Horizon A设备）与化学分析法（索氏提取）对比分析猪里脊肉样本。样本来自商业屠宰场，分为含皮下脂肪（SF）与去SF两组，通过回归模型（R²
、RMSECV等指标）评估预测性能，并验证DXA软件（Apex 5.0）的准确性。

研究结果

1. Material and methods：140份猪里脊肉样本（2.5 cm厚）经DXA扫描后，通过化学分析获取基准脂肪数据，建立预测模型。
2. Results：DXA高估脂肪含量，总脂肪预测模型在混合样本中表现最佳（R²
   =0.83，斜率0.97），但IMF预测模型失效（R²
   =0.05，斜率0.14）。
3. Discussion：与牛肉研究类似，DXA对高脂肪样本预测更准，但IMF因分布异质性导致误差，需开发针对性校准算法。

结论与意义
该研究证实DXA适用于猪里脊肉总脂肪的快速筛查，但IMF预测需技术升级。这一发现为肉类加工业实现精准营养标签、遗传选育及分级系统优化提供了技术边界，同时提示未来研究应聚焦IMF特异性模型开发。研究团队建议结合近红外光谱等技术提升IMF检测精度，推动肉类品质智能评估体系的完善。