《Meat Science》：Predicting beef palatability using conventional and rapid analytical methods: A random forest approach
编辑推荐：
牛肉食用品质是消费者满意度和支付意愿的主要决定因素，但目前仍具有高度变异性且难以一致预测。适口性是一个多维构念，受嫩度、多汁性、风味和总体喜好驱动，各维度均受肌肉生物学、动物生产系统和宰后加工之间复杂相互作用的影响。肌肉纤维类型、结缔组织含量和肌内脂肪（IMF
牛肉食用品质是消费者满意度和支付意愿的主要决定因素，但目前仍具有高度变异性且难以一致预测。适口性是一个多维构念，受嫩度、多汁性、风味和总体喜好驱动，各维度均受肌肉生物学、动物生产系统和宰后加工之间复杂相互作用的影响。肌肉纤维类型、结缔组织含量和肌内脂肪（IMF）等关键内在因素，连同成熟和烹饪等加工因素，共同导致这种变异性。因此，预测消费者感知的品质仍是牛肉产业的关键挑战。为此，已开发如澳大利亚肉类标准（MSA）等分级系统，将动物、胴体和加工特征与消费者感官结果相联系。MSA模型整合供应链多个输入，通过胴体分级预测综合食用品质评分（MQ4），该评分源自消费者对嫩度、多汁性、风味喜好和总体喜好的评定。这些系统高效但劳动密集，部分依赖加工后胴体分级员的评定和客观测量，限制了其可扩展性。因此，对能够预测食用品质性状的客观、快速、无损技术的兴趣日益增加。常规肉品质（MQ）测量，包括极限pH、色泽、剪切力和烹饪损失，是牛肉适口性（尤其嫩度和多汁性）公认的决定因素。此外，肌内脂肪和脂肪酸（IMF-FA）组成与风味形成和总体喜好相关，反映其在烹饪过程中脂质氧化和香气化合物生成中的作用。然而，这些常规性状的实验室测定成本高、耗时、劳动密集，且脂质分析需要化学试剂，使其难以用于常规高通量肉类产业。快速高通量分析技术，包括近红外光谱（NIRS）等成熟方法和快速蒸发电离质谱（REIMS）等较新方法，提供了潜在替代方案。NIRS是一种成熟的快速无损方法，广泛用于预测肉中脂肪、水分和蛋白质含量，但其预测消费者感官结果的应用尚不成熟。REIMS作为一种环境代谢组学技术受到关注，能够从肉中生成实时化学指纹，检测包括脂质和小分子在内的广泛代谢物，其中一些与宰后生化过程和风味形成直接相关。鉴于牛肉适口性的多因素性质，通过先进建模方法整合多样数据源有望改善预测。研究人员以随机森林回归作为共同框架，比较四个维度差异显著的数据集中所包含的预测信息。因此，本研究旨在比较常规（MQ和IMF-FA）和快速（NIRS和REIMS）分析测量单独及组合预测消费者来源牛肉适口性（MQ4）的能力。研究人员开展了以下研究并得出相应结论：在总体、实验条件和建模方法范围内，常规MQ性状对消费者来源MQ4提供最高预测性能，且没有任何组合数据集优于单独MQ。仪器嫩度和烹饪损失是MQ数据集中最具影响力的预测因子。将MQ加入IMF-FA改善了R2、RMSE和MAE，表明存在互补预测信息。相反，将REIMS加入MQ+IMF-FA提高了R2但使RMSE和MAE变差，表明其表观贡献取决于性能指标。在快速方法中，REIMS显示中等预测潜力但仍低于MQ性状，表明其代谢物和脂质指纹含有与消费者适口性相关的信息。NIRS在评估的测量、预处理和建模条件下提供有限预测信息。这些发现表明，快速分析方法目前应被视为补充性研究工具而非既定肉品质测量的替代品。鉴于样本量有限且缺乏外部验证，模型性能和变量重要性排序应视为探索性。这些结果对牛肉产业具有重要意义，为食用品质预测技术的选择提供了实证依据。
**研究背景与问题**：牛肉食用品质是消费者满意度和支付意愿的主要决定因素，但变异性高且难以一致预测。适口性由嫩度、多汁性、风味和总体喜好多维构成，受肌肉生物学、生产系统和宰后加工复杂交互影响。澳大利亚肉类标准（MSA）等分级系统虽然有效，但劳动密集、依赖胴体分级员评估，可扩展性受限。常规肉品质（MQ）测量（pH、色泽、剪切力、烹饪损失）和肌内脂肪及脂肪酸（IMF-FA）组成虽为适口性决定因素，但实验室测定成本高、耗时且需化学试剂，难以高通量应用。近红外光谱（NIRS）作为成熟快速无损技术，对化学成分预测能力强，但对消费者感官结果预测结果不一；快速蒸发电离质谱（REIMS）作为新兴环境代谢组学技术，多用于分类而非连续感官评分预测，且工业在线实施困难。因此，研究人员旨在以随机森林回归为共同框架，比较常规（MQ、IMF-FA）与快速（NIRS、REIMS）方法单独及组合预测消费者来源牛肉适口性（MQ4）的能力，以明确各数据源的预测价值。
**关键技术方法**：研究采集新西兰商业屠宰场宰后约24 h的80个牛肉样本，涵盖4种肌肉（LT、GM、SM、SS）和20头牛4个类别（Friesian公牛；Angus杂交阉牛、母牛、奶牛，各n=5）。样本经真空包装冷藏运输，48 h制备牛排，14天湿式成熟后于-20 °C冻存。测定指标包括：pH、仪器色泽（L*、a*、b*、色相角、色度）、Warner-Bratzler剪切力和烹饪损失（MQ）；冻干后直接转甲基化测定IMF和脂肪酸组成（IMF-FA）；350–2500 nm近红外光谱（NIRS，经SNV和均值中心化预处理）；激光辅助REIMS（LA-REIMS）高分辨质谱指纹（m/z 50–1200）。消费者评价由180名消费者按MSA协议完成，计算MQ4综合评分。采用随机森林回归（R软件，ranger和tuneRanger包），500次重复分层留出划分（75%训练/25%测试），经Spearman相关逐步过滤降低共线性，以MAE、RMSE和R2评估性能，置换重要性评估变量贡献。
**研究结果**：（1）MQ4评分：消费者评价显示牛肉适口性评分范围宽（25.6–70.8，均值50.8±10.5），肌肉间差异显著（P<0.05），LT和SS最高且无差异，GM低于LT但不低于SS，SM最低，反映肌肉特异性结构、组成和结缔组织差异，与MSA分级排序一致。（2）随机森林模型性能：单独数据集中MQ预测性能最高（R2=0.62；RMSE=7.31；MAE=6.15），其次为REIMS（R2=0.55），IMF-FA中等（R2=0.43），NIRS最低（R2=0.17）。组合数据集中MQ+IMF-FA+REIMS表现最佳（R2=0.58），但无组合模型超过单独MQ；将MQ加入IMF-FA使R2从0.43升至0.52，加入REIMS使R2从0.52升至0.58但RMSE和MAE升高，NIRS纳入全模型未改善性能，提示部分冗余。（3）变量重要性：MQ模型中14天Warner-Bratzler剪切力和烹饪损失排名最高，色相角和pH次之，色度和L*最低；IMF-FA模型中组成比例（如LA:ALA、n-6:n-3）、奇数支链脂肪酸和总饱和脂肪酸最具影响力，PUFA相关变量与MQ4负相关，MUFA和SFA相关变量正相关；NIRS中2200–2500 nm脂质相关波段最重要，1451 nm（水）和1013 nm（蛋白）次之；REIMS中脂质相关化合物（磷脂、溶血磷脂、二酰甘油等）、氨基酸衍生物和小肽贡献突出，但相当比例特征未匹配到已知代谢物。
**讨论与结论**：讨论指出，MQ数据集的优越预测力凸显传统肉品质测量作为适口性有效预测因子的重要性，但仍有大量变异未被解释，反映食用品质固有的复杂多维性及消费者偏好、烹饪变异等难以分析捕捉的因素。IMF-FA的中等性能表明脂质性状含预测信息但不完整。REIMS的中等性能与多数既往分类研究一致，表明其代谢物指纹与食用品质相关但连续预测能力有限；本研究以连续MQ4为目标的框架与既往分类研究形成区别。NIRS有限性能提示光谱信息单独不足以准确建模MQ4，其间接性及测量条件不一致是重要原因。组合数据未改善MQ提示额外数据集未提供充分独立于核心MQ变量的增量信息。研究局限性包括：剪切力和感官样本烹饪方案不同；统一随机森林框架虽提高可比性但限制模型特异性调优收益；样本量（n=80）相对NIRS和REIMS高维度较小，结果应视为探索性，需更大独立数据集和外部验证确认。研究结论为：在本研究评估的总体、实验条件和建模方法下，常规MQ性状对消费者来源MQ4提供最高预测性能，无组合数据集优于单独MQ；仪器嫩度和烹饪损失是MQ中最具影响力的预测因子；MQ加入IMF-FA改善R2、RMSE和MAE，表明互补信息；REIMS加入MQ+IMF-FA提高R2但恶化RMSE和MAE，其贡献取决于性能指标；REIMS显示中等预测潜力但仍低于MQ性状，NIRS在评估条件下预测信息有限。快速分析方法目前应视为补充性研究工具而非既定肉品质测量的替代品，其稳健性和普适性需通过更大独立数据集在更广泛牛群、肌肉和生产系统中进一步验证。
