论文部分内容阅读
禽肉是一种具有很高营养价值的食品,也是生活饮食中不可缺少的食品之一。在家禽养殖中,为了防治家禽的疾病,不可避免的会使用到抗生素。然而,部分抗生素不易降解,不合理的使用会导致其残留在家禽体内,进而威胁到人们的身体健康。为了确保禽肉产品的质量安全,一些国内外学者一直在探索研究抗生素残留快速检测技术。传统的检测抗生素残留方法前处理复杂、耗时长、成本高,较难实现禽肉中抗生素残留的快速检测。本文以禽肉(鸡肉、鸭肉)为载体,以磺胺二甲基嘧啶(sulfamethazine,SM2)、氧氟沙星(ofloxacin,OFL)、甲磺酸达氟沙星(danofloxacin mesylate,DFM)、盐酸沙拉沙星(sarafloxacin hydrochloride,SARH)和盐酸强力霉素(doxycycline hydrochloride,DCH)为研究对象,采用同步荧光技术结合化学计量学方法探索禽肉中抗生素残留的快速检测方法。主要的研究工作如下:(1)采用同步荧光技术结合化学计量学方法实现了禽肉中SM2和OFL残留的快速检测。首先,分析了SM2标准溶液、OFL标准溶液、空白禽肉提取液和含SM2和OFL的禽肉提取液的三维同步荧光光谱,确定了禽肉中SM2和OFL残留检测的波长差(Δλ)分别为150 nm和210 nm,荧光激发峰分别为292.5 nm和295 nm。其次,采用单因素试验考察了β-巯基乙醇和邻苯二甲醛溶液加入量及时间对荧光强度的影响,确定了鸡肉中SM2和OFL残留的最佳检测条件为:β-巯基乙醇溶液300μL、邻苯二甲醛溶液25μL和采集时间44 min;确定了鸭肉中SM2和OFL残留的最佳检测条件为:β-巯基乙醇溶液400μL、邻苯二甲醛溶液25μL和采集时间40 min。最后,利用峰高法和峰面积法分别建立了鸡肉中SM2和OFL残留的预测模型。试验结果表明,与基于峰面积法的预测模型相比,基于峰高法的预测模型的综合评价更好。基于峰高法的SM2残留预测模型的线性方程为y=0.550 5x+18.884,训练集决定系数(coefficient of determination for the training set,R_T~2)为0.919 4,预测集决定系数(coefficient of determination for the prediction set,R_P~2)为0.897 3,预测集均方根误差(root mean square error for the prediction set,RMSEP)为6.060 5 mg/kg,回收率处于76.1～115.2%之间,相对标准偏差(relative standard deviation,RSD)处于2.7～7.0%之间。基于峰高法的OFL残留预测模型的线性方程为y=7.783 8x+15.919,R~2_T为0.973 8,R~2_P为0.997 3,RMSEP为0.539 2 mg/kg,回收率处于96.7～110.1%之间,RSD处于2.8～10.0%之间。此外,利用峰高法和峰面积法分别建立了鸭肉中SM2和OFL残留的预测模型。试验结果表明,与基于峰面积法的预测模型相比,基于峰高法的预测模型的综合评价更好。基于峰高法的SM2残留预测模型的线性方程为y=0.501 7x+19.049,R~2_T为0.8447,R~2_P为0.815 6,RMSEP为7.950 9 mg/kg,回收率处于81.7～155.1%之间,RSD处于4.1～6.7%之间。基于峰高法的OFL残留预测模型的线性方程为y=7.320 6x+10.705,R~2_T为0.996 6,R~2_P为0.996 2,RMSEP为0.526 7 mg/kg,回收率处于96.4～111.2%之间,RSD处于2.9～6.8%之间。(2)采用同步荧光技术结合化学计量学方法实现了禽肉中DFM和OFL残留的快速检测。首先,分析了DFM标准溶液、OFL标准溶液、空白禽肉提取液和含DFM和OFL的禽肉提取液的同步荧光光谱,确定了禽肉中DFM和OFL残留的检测Δλ分别为130 nm和200 nm,荧光激发峰分别为288 nm和325 nm。其次,采用单因素试验考察了氢氧化钠溶液浓度和表面活性剂种类对荧光强度的影响,确定了鸡肉中DFM和OFL残留的最佳检测条件为:氢氧化钠溶液浓度0.1mol/L和SDS溶液浓度0.1 mol/L;确定了鸭肉中DFM和OFL残留的最佳检测条件为:氢氧化钠溶液浓度0.1 mol/L和SDS溶液浓度0.1 mol/L。最后,利用线性回归、偏最小二乘回归(partial least squares regression,PLSR)和多元线性回归(multiple linear regression,MLR)算法分别建立了鸡肉中DFM和OFL残留的预测模型。试验结果表明,与基于线性回归和MLR的DFM残留预测模型相比,基于PLSR的DFM残留预测模型的综合评价更好,其R~2_P为0.978 3,RMSEP为1.934 2 mg/kg,相对预测误差(ratio of prediction to deviation,RPD)为5.876 5;与基于线性回归和PLSR的OFL残留预测模型相比,基于MLR的OFL残留预测模型的综合评价更好,其R~2_P为0.895 0,RMSEP为3.859 8 mg/kg,RPD为2.509 1。此外,利用线性回归、PLSR和MLR算法分别建立了鸭肉中DFM和OFL残留的预测模型。试验结果表明,与基于PLSR和MLR的预测模型相比,基于线性回归的预测模型的综合评价更好。基于线性回归的DFM残留预测模型的R~2_P为0.968 2,RMSEP为1.619 2 mg/kg,RPD为4.711 7。基于线性回归的OFL残留预测模型的R_P~2为0.964 3,RMSEP为2.244 0 mg/kg,RPD为4.751 3。(3)采用同步荧光技术结合化学计量学方法实现了鸡肉中SARH和DCH残留的快速检测。首先,分析了SARH标准溶液、DCH标准溶液、空白鸡肉提取液和含SARH和DCH的鸡肉提取液的三维同步荧光光谱,确定了鸡肉中SARH和DCH残留检测的Δλ都为110 nm,荧光激发峰分别为320 nm和381 nm。其次,采用单因素试验考察了硫酸镁溶液浓度和SDS溶液浓度及时间对荧光强度的影响,确定了鸡肉中SARH和DCH残留的最佳检测条件为:硫酸镁溶液浓度0.375 mol/L、SDS溶液浓度0.30 mol/L和采集时间12 min。最后,利用MLR、PLSR和支持向量回归(support vector regression,SVR)算法分别建立了鸡肉中SARH和DCH残留的预测模型。试验结果表明,与基于MLR和SVR的预测模型相比,基于PLSR的预测模型的综合评价更好。基于PLSR的SARH残留预测模型的R~2_P为0.846 5,RMSEP为0.344 1 mg/kg,RPD为2.588 2。基于PLSR的DCH残留预测模型的R~2_P为0.914 1,RMSEP为5.890 9 mg/kg,RPD为3.243 5。本文采用同步荧光技术结合化学计量学方法探索了禽肉中SM2、OFL、DFM、SARH和DCH残留的快速检测方法,在此基础上可以进一步优化和拓宽同步荧光技术在禽肉中其它抗生素残留检测中的应用。