FTIR 结合化学计量学法鉴别燕窝的真伪

赵 斌， 邓仙梅， 刘 敬，3， 王 琼，3， 赖小平

(1. 中山火炬职业技术学院，广东 中山528436;2. 广州中医药大学，广东 广州510006;3. 国家中药现代化工程技术研究中心 中山健康产品分中心，广东 中山528436)

燕窝(cubilose)是雨燕科动物金丝燕分泌唾液所筑成的巢窝［1］，最早记载于《本草备要》，认为其“甘淡平，大养肺阴，化痰止咳。补而能清，为调理虚劳之圣药”。燕窝是驰名中外的滋补良品，市场需求量巨大，但相关质量控制标准很不健全，导致市场上其质量参差不齐，伪品众多［2］(如猪皮、银耳、琼脂等)，故亟需建立一套快速有效的鉴别燕窝真伪的方法。在国内，已有很多学者对燕窝的性状、理化性质、化学成分测定等方面进行分析研究［3-9］，但均需对样品进行前处理，费时费力。傅立叶红外变换光谱法(FTIR)是一种无损、快速、简便的分析技术，孙素琴等［10-11］采用该方法对燕窝的品质进行了研究，通过检测不同产地燕窝及掺假物猪皮、银耳的特征峰来比较其真伪，但对鉴定人员的专业素质要求较高，而且主观性较强。本实验将FTIR 与化学计量学法相结合，期冀快速准确地鉴别燕窝的真伪。

1 材料与方法

1.1 仪器与试剂 Nicolet iS10 傅里叶变换红外光谱仪(美国Thermo Nicolet 公司);YP-2 压片机(上海山岳科学仪器有限公司);HW-3 红外烘干箱(安合盟天津科技发展有限公司)。KBr 为光谱纯(美国Thermo Nicolet 公司)。

1.2 样品来源及处理 收集28 份东南亚进口的燕窝样品，经广州中医药大学中药学院赖小平教授鉴定为正品，与若干伪品(猪皮、琼脂、银耳)一起组成真、伪燕窝样品集，见表1。将它们于60 ℃下干燥24 h，研成粉末，过100 目筛，储存于干燥器中备用，然后准确称取各样品2 mg，置于玛瑙研钵中，按1 ∶100 比例加入干燥KBr，研磨均匀后取适量混合样品置于压片模具中，用压片机压成均匀透明的薄片，用于测定红外光谱。

表1 燕窝的鉴定结果及其伪品来源Tab.1 Result of identification of cubilose and sources of its counterfeit goods

1.3 光谱条件及样品光谱采集 室温20 ～25 ℃;相对湿度20% ～25%;扫描范围4 000 ～400 cm-1;扫描次数16 次/s;扫描速度0.2 cm/s;分辨率4 cm-1。扫描时，除去水分和CO2的干扰。

在采集样品光谱前，先以KBr 为背景，累积扫描32 次，每个样品平行测3 次，取平均值，而且均须扣除KBr 背景光谱。然后，采用Spectrum v32 操作软件(美国Thermo Nicolet 公司)进行数据采集及谱图处理。

1.4 数据处理 采用SIMCA-P +12.0 软件进行主成分分析，SPSS 16.0 软件进行系统聚类分析。

2 结果与分析

2.1 样品及伪品的红外谱图分析(图1) 由图1A 可知，28 批燕窝样品(白燕、血燕和黄燕)均有很相似的红外光谱，在特征区(4 000 ～1 300 cm-1)范围内基本一致，但在指纹区(1 300 ～400，特别是1 000 ～400 cm-1)范围内有差异，可能是由于燕窝样品的不同批次或种类所致。由图1B 可知，虽然不同种类燕窝红外谱图的峰形、峰位都很相似，但其峰强度在2 927、1 044 cm-1附近和1 450 ～1 100、960 ～800 cm-1特征范围内的差异比较明显。

图1 真伪燕窝的红外谱图Fig.1 IR spectra of real and false cubilose

燕窝的主要化学成分为蛋白质、氨基酸及多糖。在2 927 cm-1附近的吸收峰为甲基和亚甲基，而在1 641、1 532、1 044 cm-1附近为蛋白质、氨基酸和多糖。由图1C 可知，琼脂和银耳在2 927 cm-1附近的吸收比燕窝弱，而猪皮及去油猪皮的吸收比较强;在1 641 cm-1附近，琼脂、银耳及去油猪皮的吸收都明显弱于燕窝，而猪皮则没有吸收峰;在1 750 cm-1附近，猪皮、银耳及去油猪皮均有一个明显而尖锐的脂肪类特征吸收峰;在1 532 cm-1附近，这几类伪品都没有吸收峰;在1 044 cm-1附近，猪皮及去油猪皮均无吸收峰，而琼脂及银耳在此处的吸收比燕窝强。综上所述，以图谱中这4 个特征区的峰特点为依据，即可初步将燕窝与其伪品区分开。

2.2 主成分分析 主成分分析(PCA)是一种降维统计分析技术，它可利用变量之间的相关关系，在最大限度保留原数据信息量的前提下，用较少的新变量来代替较多的旧变量，从而使问题简单化。本实验以真伪燕窝的红外谱图为变量，将其转化为数据矩阵，并选取了3 000 ～2 700、1 800 ～400 cm-1这两个波段范围内的光谱数据进行分析。然后，对其波数点所对应的百分透过率数据进行主成分分析，并选取特征根大于1 的特征波数点为聚类分析提供主要变量，用于减少交叉关联信息对其结果的影响，提高分析的准确度，并建立真伪燕窝的分类识别模型，见图2。由图可知，燕窝与琼脂、银耳、猪皮等伪品之间均互不干扰，可以很好地区分开。

图2 真伪燕窝3D-PCA 图Fig.2 3D-PCA diagram of real and false cubilose

2.3 系统聚类分析 聚类分析是一种根据观测变量，对未知事物进行分类的统计方法，它可获取中药材复杂化学体系中红外光谱整体特征信息的差异，从不同样本中找出决定其差异的变量，从而进行分类。本实验以上述主成分分析提取的特征波数点所对应的百分透过率为变量，对燕窝及其伪品进行系统聚类分析，见图3。由图可知，该方法能很好地将燕窝(Ⅰ)与其伪品(Ⅱ)分为2 大类，而在Ⅱ类下又能很好地将猪皮(29)、去油猪皮(30)、银耳(31 -33)及琼脂(34)区分开。同时，在Ⅰ类下也能将不同批次的燕窝分为几小类。

3 结论和讨论

本实验根据FTIR 谱图、特征峰主成分及聚类分析结果，可将28 个燕窝真品与6 个猪皮、银耳伪品清晰地区分开，表明FTIR 作为一种无损、快速、简便、经济的分析技术，可用于燕窝真伪的鉴别。但由于伪品数目较少，故采用该方法进行真伪燕窝的快速区分尚需更多样品的验证。

文献［10-11］报道，通过对红外谱图的直观分析，可区分不同种类燕窝，并同时评价其品质，但本实验尚不能对不同种类燕窝(白燕、血燕及黄燕)进行辨别分析，可能是由于以上文献中每类样品只有1 个，并且是根据产地来进行燕窝种类的区分，而本实验中每类样品有5 ～18 个，并且来自不同产地或渠道，其数量及复杂程度要高于文献报道。另外，文献［12-13］采用FTIR 结合化学计量学法进行烟叶产地、部位的识别及真假牛奶的区分，发现天然产物样品的复杂程度越高，对其分类识别的准确率越低，并且模式识别的方法对分类结果也有重要影响。另外，文献［12］ 表明，产地不同所导致样品差异的程度要大于部位不同，提示燕窝真伪的区分可能应在同一产地样品中进行，这有待于今后作进一步验证。

［1］ 山东省药品监督管理局. 山东省中药材标准(2002 年版)［M］. 济南:山东友谊出版社，2002:270.

［2］ 林洁茹，周 华，赖小平，等. 燕窝研究概述［J］. 中药材，2006，29(1):85-90.

［3］ 冯夏红，李 峰，赫 宁，等. 三种燕窝的真伪鉴别［J］.中医药学刊，2004，22(5):956.

［4］ 蒋华嵩. 真假燕窝的鉴别［J］. 中草药，2000，31(1):58.

［5］ 李兆奎，周红艳，李卫红，等. 燕窝中亚硝酸盐来源及定量分析［J］. 中国中医药科技，2010，17(5):419-420.

［6］ 侯惠婵，施亦斌，黄文青，等. 中国产燕窝总氮及氨基酸含量分析［J］. 中药材，2007，30(8):961-963.

［7］ 李宪华，奚星林，陈文锐. 进出口燕窝品质分析评价［J］.广州食品工业科技，2003，19(3):72，89.

［8］ 王 慧，倪坤仪，王 玉. 燕窝中唾液酸的含量测定［J］.药物分析杂志，2006，26(6):1251-1253.

［9］ 赵 斌，黎小鹏，刘 敬，等. 东南亚进口燕窝中总氮和氨基酸分析［J］. 中药材，2014，37(6):949-952.

［10］ 孙素琴，梁曦云. 6 种燕窝的傅里叶变换红外光谱法原性状快速鉴别［J］. 分析化学，2001，29(5):552-554.

［11］ 邓月娥，孙素琴，周 群，等. FTIR 光谱法与燕窝的品质分析［J］. 光谱学与光谱分析，2006，26(7):1242-1245.

［12］ Ni L J，Zhang L G，Xie J，et al. Pattern recognition of Chinese flue-cured tobaccos by an improved and simplified K-nearest neighbors classification algorithm on near infrared spectra［J］.Anal Chim Acta，2009，633(1):43-45.

［13］ Zhang L G，Zhang X，Ni L J，et al. Rapid identification of adulterated cow milk by non-linear pattern recognition methods based on near infrared spectroscopy［J］. Food Chem，2014，145(15):342-348.