基于脂肪酸编码的正交偏最小二乘判别分析(OPLS-DA)分类器用于有机牛肉真伪鉴别

《Food Control》：Fatty acids-encoded orthogonal partial least squares classifier for authentication of organic beef

　　

有机牛肉因其相对于主流常规体系生产的牛肉具有广受认可的健康及生态兼容优势，市场占比不断增长。验证有机牛肉的真实性对于确保符合生产法规及防止欺诈性错误标注至关重要，然而开发稳健的鉴别技术仍具挑战。本研究开发了基于肌内脂肪(intra-muscular fat, IMF)脂肪酸(fatty acid, FA)信息的化学信息学正交偏最小二乘判别分析(Orthogonal Partial Least Squares Discriminant Analysis, OPLS-DA)分类器，可用于有机牛肉的鉴别。该模型成功实现了有机与常规牛肉间的高区分性能（交互验证准确率为99%，外部验证准确率为93%）。α-亚麻酸(C18:3n-3)，其次是C20:3n-3c11,14,17、亚油酸(C18:2n-6)及C22:2n-6c13,16是与牛只饲粮背景（特别是牧草采食量）关联的主要判别脂肪酸(fatty acid, FA)。此外，共轭亚油酸(cis-9, trans-11 C18:2c9t11)、二十碳五烯酸(EPA, C20:5n-3c5,8,11,14,17)及二十二碳五烯酸(DPA, C22:5n-3c7,10,13,16,19)在有机牛肉中水平显著更高。该方法可为有机牛肉产地溯源(provenance claim)验证提供支持。

论文解读：基于脂肪酸编码的正交偏最小二乘判别分析(OPLS-DA)分类器用于有机牛肉真伪鉴别

研究背景与目的

有机耕作具有多重社会经济效益及再生农业价值，欧盟有机牛肉生产须遵循理事会条例(EC) No. 834/2007，要求至少60%干物质采食量为有机牧草(forage)，禁用转基因饲料与合成化肥，兽药仅用于治疗且需双倍休药期。常规体系则允许较高比例精料(concentrate)补饲及集约化管理。随爱尔兰有机牛肉市场预期至2030年翻两番，消费驱动源于有机生产带来的营养品质提升及生态关切，但也增加了虚假标注风险，故亟需可靠的真伪鉴别方法。既有稳定同位素比分析(SIRA via IRMS)、快速蒸发电离质谱(REIMS)及脂肪酸(fatty acid, FA)指纹分析等手段各有局限，本研究旨在探究爱尔兰市售有机与常规牛背最长肌肌内脂肪(intra-muscular fat, IMF)中脂肪酸(fatty acid, FA)谱的差异，并构建、验证基于正交偏最小二乘判别分析(Orthogonal Partial Least Squares Discriminant Analysis, OPLS-DA)的分类模型，为有机牛肉真实性认证提供参照。

主要关键技术方法

研究人员采集爱尔兰都柏林零售渠道32份有机认证与32份常规认证28天成熟牛腰脊肉(sirloin steak, M. longissimus lumborum)，确保来自不同生产批次以排除同源干扰。采用微波辅助萃取–甲酯化法制备脂肪酸甲酯(fatty acid methyl ester, FAME)，经CP-Sil 88毛细管柱气相色谱–火焰离子化检测(GC-FID)定性定量。独立样本t检验比较组间差异，主成分分析(Principal Component Analysis, PCA)做探索性聚类，正交偏最小二乘判别分析(Orthogonal Partial Least Squares Discriminant Analysis, OPLS-DA)构建二分类判别模型，以变量投影重要性(Variable Importance in Projection, VIP)>1筛选关键判别脂肪酸(fatty acid, FA)，10折交互验证及留出法外部验证评估模型效能，置换检验(n=200)诊断过拟合，ROC曲线下面积(Area Under the Curve, AUC)量化判别力，使用R语言ropls等包完成分析。

研究结果

3.1. FA profile of IMF（肌内脂肪脂肪酸组成）

研究人员通过独立样本t检验发现，有机与常规牛肉总饱和脂肪酸(Sum of Saturated Fatty Acid, ΣSFA)、单不饱和脂肪酸(Sum of Monounsaturated Fatty Acid, ΣMUFA)、多不饱和脂肪酸(Sum of Polyunsaturated Fatty Acid, ΣPUFA)总量无显著差异，但有机牛肉总n-3多不饱和脂肪酸(Sum of n-3 Polyunsaturated Fatty Acid, Σn-3 PUFA, 以α-亚麻酸C18:3n-3为主)及长链n-3多不饱和脂肪酸(Sum of Long-Chain n-3 Polyunsaturated Fatty Acid, ΣLC n-3 PUFA, 含C20:5n-3/EPA、C22:5n-3/DPA)显著高于常规(P<0.001或P<0.01)；总n-6多不饱和脂肪酸(Sum of n-6 Polyunsaturated Fatty Acid, Σn-6 PUFA, 以C18:2n-6/亚油酸LA为主)显著低于常规(P<0.001)；n-6/n-3比值显著更低(1.47 vs 3.31, P<0.001)。共轭亚油酸(Conjugated Linoleic Acid, CLA, 主要为c9,t11 C18:2c9t11)在有机组中亦显著偏高(P<0.01)。分支链及奇数链饱和脂肪酸(C15:0iso, C15:0anteiso, C15:0, C17:0, C18:0)和部分n-6族(C20:2n-6c_11,14、C20:3n-6c_8,11,14)亦呈组间差异。上述差异归因于有机体系更高牧草(forage)摄入与常规体系更高谷物精料(concentrate)摄入导致的瘤胃生物氢化途径不同，脂肪酸谱实质反映了牛只饲粮背景。

3.2. Multivariate exploratory analysis (PCA)（多元探索性分析—主成分分析）

PCA得分图显示有机与常规样本沿生产体系呈大致分离趋势，前三个主成分捕获>90%总方差。载荷表明C18:1c9(油酸)、C18:2n-6(亚油酸LA)及C16:0(棕榈酸)是PC1主要贡献者，C18:2n-6、C18:1c9和C18:0(硬脂酸)主导PC2，C16:0、C18:2n-6和C18:3n-3(α-亚麻酸ALA)主导PC3，初步证实脂肪酸谱具分组潜力。

3.3. OPLS-DA (variables importance and model performance)（正交偏最小二乘判别分析及变量重要性与模型性能）

研究人员构建含1个预测成分与4个正交成分的OPLS-DA模型，tp1-to1得分图显示两类样品明显分离。变量投影重要性(VIP>1)排序显示关键判别脂肪酸依次为C18:3n-3(VIP=2.25)、C20:3n-3c_11,14,17(VIP=1.7)、C18:2n-6(VIP=1.63)及C22:2n-6c_13,16(VIP=1.5)；其中C18:3n-3、C20:3n-3c_11,14,17、C22:2n-6c_13,16与有机牛肉正相关（高牧草摄入标志），C18:2n-6与常规牛肉正相关（高精料标志）。模型累计解释X变量方差R²X=0.68，Y变量R²Y=0.86，预测能力Q²=0.75＞0.5，交叉验证均方根误差RMSEP=0.2。ROC曲线AUC=0.88(文中图注标注0.84为排版注示，统计结果以正文AUC=0.88为准)，200次置换检验R²Y与Q²均显著(P＜0.05)，无过拟合。交互验证整体分类准确率99%(仅1例误判)，外部验证准确率93%(有机类灵敏度100%，精确率88.2%，F1值93.7%，假发现率FDR=11.8%)，表明模型具良好判别力。

讨论与结论（翻译自Conclusion and perspectives）

脂肪酸分析与正交偏最小二乘判别分析(OPLS-DA)相结合，在爱尔兰采样背景下可潜在用于验证有机牛肉真实性并将其与常规牛肉区分，分类准确率分别为交互验证99%与外部验证93%。牛肉脂质脂肪酸谱反映了牛只饲粮背景，因此鉴别基于饲喂诱导的特征——特别是放牧期长短及农场自有有机精料用量。然而仅凭脂肪酸谱不应作为有机牛肉的最终判定依据，因其无法反映有机体系其他方面如药物暴露、合成化肥或转基因饲料使用。脂肪酸分析具备实操性，可作为行业常规筛查手段或综合检测方案的一部分，助力有机牛肉溯源认证，增强消费者对高附加值牛肉产品的信心并减少真伪争议。未来对完整牛肉脂质组的探究可能揭示更多产地标志物。综上，脂肪酸数据联合OPLS-DA在多种食品产地溯源鉴别中具有广泛适用前景。