中红外光谱技术结合PLS-DA模型实现荷斯坦牛A2牛奶快速鉴别：一种绿色高效的大规模筛查方案

为解决传统基因分型技术耗时昂贵的问题，西班牙加泰罗尼亚地区研究人员创新性采用中红外光谱（MIR）结合偏最小二乘判别分析（PLS-DA）技术，对1,356头荷斯坦牛的2,270份牛奶样本进行β-酪蛋白（β-CN）基因型鉴别。研究证实该技术对A2A2基因型鉴别准确率达88%，为乳品行业提供了一种非破坏性、高通量的A2牛奶认证方案。

　　

牛奶作为重要营养来源，其消化耐受性一直是消费者关注的焦点。传统A1牛奶在消化过程中会释放可能引发胃肠不适的β-酪啡肽-7（BCM-7），而A2牛奶因β-酪蛋白（β-CN）第67位氨基酸由组氨酸变为脯氨酸，显著降低了BCM-7的产生。尽管PCR和高性能液相色谱（HPLC）能准确鉴别牛奶基因型，但其高昂成本和低通量特性难以满足乳品行业大规模筛查需求。

西班牙加泰罗尼亚地区跨行业乳品协会的研究人员开展了一项突破性研究，创新性地将中红外光谱（MIR）技术应用于A2牛奶认证。该研究采集了6个农场1,356头荷斯坦牛的2,270份牛奶样本，通过MilkoScan 7RM光谱仪获取光谱数据，并结合β-CN、κ-CN和β-LG基因型信息，建立了基于偏最小二乘判别分析（PLS-DA）的鉴别模型。关键技术包括：光谱数据预处理去除水吸收噪声区域（3,690-2,990 cm^-1和1,680-1,580 cm^-1），12种预处理方法比较，以及采用4折交叉验证优化模型参数。

【牛奶质量】
研究发现不同β-CN基因型（A1A1/A1A2/A2A2）的牛奶在脂肪、蛋白质、乳糖含量和体细胞评分（SCS）上无显著差异，但不同农场间存在成分波动（P < 0.05），提示牧场管理因素对品质的影响大于基因型本身。

【光谱信息】
原始光谱在1,550 cm^-1（C-N/N-N键）和1,390-1,454 cm^-1（C-H键）处显示特征峰，但主成分分析（PCA）前两个成分（解释73.2%方差）未能有效区分A1/A2牛奶，凸显复杂基质中直接识别的难度。

【PLS-DA鉴别】
采用标准正态变量二阶导数（SNV2D）预处理的三组分PLS-DA模型对A1A2和A2A2基因型分别达到81%和82%的平衡准确率。当简化为A1（含A1A1/A1A2）与A2（A2A2）二分类时，模型性能显著提升，测试集准确率达88%，特异性高达95%，证实该方法对纯合A2牛奶的高鉴别效力。

这项发表于《Journal of Dairy Science》的研究为乳品行业提供了革命性的解决方案：中红外光谱技术可在常规检测中同步完成A2牛奶认证，单样本检测成本显著低于基因分型技术。尤其值得注意的是，模型对纯合A2牛奶的优异鉴别能力（88%准确率）使其具备产业化应用价值，为消费者获取可信赖的A2乳制品提供了技术保障。未来研究需扩大A1A1基因型样本量以完善模型普适性，但现有成果已为乳品功能化转型提供了强有力的技术支撑。