51吃瓜最新版下载

一、介绍

食品中脂肪含量的测定通常采用基于溶剂提取的重量法（如索氏提取和莫吉奥尼提取），或者气相色谱法（脂肪酸甲酯或FAMEs）。尽管这些方法，尤其是气相色谱法，被视为“金标准"，但它们也有固有的局限性。

重量法在食品生产和过程控制中广泛应用，但其结果往往不够精确且受多种实验条件影响，如提取时间、温度、溶剂组成和水解条件等。此外，重量法可能会因为提取到非脂肪成分（如低分子量碳水化合物、氨基酸、有机酸和甘油）而导致脂肪含量被高估。特别是低水分样品中的高蛋白质/脂肪比例（例如乳清蛋白浓缩物）更容易受到高估的影响，其中非脂肪成分几乎占提取值的50%。

气相色谱法常用于食品标签和研究应用，能够提供详细的脂肪组成信息，包括各个脂肪酸的含量。虽然气相色谱法比重量法更准确（因为它不太容易高估），但结果也高度依赖于实验因素，如衍生化条件和效率、柱子和水解条件。此外，准确的定量仍然具有挑战性，主要由于色谱峰积分的不精确性和短链脂肪酸的挥发性。

为了说明传统方法再现性的挑战，美国农业部最近发布了一项广泛的研究，将常见的食品CRM样品（来源于NIST和LGC）提交给几家合同实验室进行分析。如表1总结的那样，发现近30%的重量法结果超出了认证值的95%置信区间（CI）。此外，根据脂肪酸组成，大约17-56%的气相色谱结果超出了95%置信区间。单不饱和和多不饱和脂肪酸观察到的变化显着多于饱和脂肪酸，这表明含有显着量植物油的样品（如调味料）的结果可能特别不可靠。

二、材料与方法

CRM样本

面对这些挑战，ORACLE™ 快速NMR脂肪分析仪在许多案例中被证明比合同实验室的典型常规方法结果更准确和可重复。如表2和表3所示，对于几种常见食品的CRM样本，将ORACLE和合同实验室的结果（单一实验室）与认证值进行了比较。除了花生酱（NIST 2387）外，每种情况下的传统方法都观察到异常值（超出99%置信区间），异常值占所有结果的50%，包括脂肪酸甲酯（FAMEs）和重量分析。在少数案例中（烘焙巧克力和冷冻饮食组合；表2），异常值是可重复的，如果没有认证值可供参考，这会使它们难以检测。尽管在烘焙巧克力（NIST 2384）的情况下，ORACLE的分析结果与重量分析结果更为接近，但未观察到ORACLE分析的异常值。

非CRM样本

尽管CRM对于验证ORACLE结果非常有用，但许多基质没有可用的相关CRM。这需要使用非CRM样本，这些样本必须由外部实验室进行特征描述。然而，获取可靠的常规方法结果可能很困难，特别是当不可能将样本提交给多个实验室时。一个典型的场景总结在表4中，其中对商店购买的蛋黄酱样本进行了ORACLE以及两个矢口名合同实验室的分析（样本以盲法复制提交）。虽然实验室A的气相色谱结果相当可重复，但与实验室B的结果几乎有2%的差异。这强调了为了更好估计真实结果而将样本提交给多个实验室的重要性。可能是因为重量分析方法的高估，ORACLE值与气相色谱结果有更好的一致性（在95% CI内）。

叁、结论

尽管传统方法在食品检测中广泛使用，但它们存在一些局限性（例如高估和精度差），这使得与翱搁础颁尝贰的比较变得困难。为了验证翱搁础颁尝贰的结果，理想情况下建议获取颁搁惭样本。如果相关颁搁惭样本不可用，应该将感兴趣的样本外包给多个实验室进行重复分析。

四、参考

1 Aued-Pimentel, et al. Quim. Nova 2010, 33, 76-84.

2 Vaghela, M.N. and Kilara, A. JAOCS 1995, 72, 1117–1121.

3 Kostic, Vesna. IOSR Journal of Pharmacy 2015, 5, 11–19.

4 Phillips, Katherine et al. Anal Bioanal. Chem. 2007, 389, 219–229.

表1.合同实验室对CRM样本的分析⁴

*置信区间大致根据Phillips及其同事提出的Z分数进行估算。

表2.单一合同实验室的脂肪酸甲酯（FAMEs）与ORACLE的对比

表3.单一合同实验室的重量分析与ORACLE的对比

表4.非CRM食品样本（蛋黄酱）的分析