梯型熔解温度等温扩增检测食品中植物源成分的内标方法构建

目的为梯型熔解温度核酸等温扩增(ladder-type melting temperature isothermal amplification,LMTIA)检测食品中植物源特异性基因建立内标方法,并用于检测肉制品中植物成分。方法针对植物转录间隔区(internal transcribed spacer,ITS)的共有序列,设计LMTIA引物,优化反应温度,考查方法灵敏度,并评估淀粉制品、蜂蜜、食用油DNA提取方法与LMTIA检测方法的适应性,以H_(2)O、鸭肉、鸡肉、羊肉、猪肉和牛肉基因组为阴性对照测试LMTIA方法的假阳性。结果所建立的LMTIA方法在最优温度57℃时,灵敏度为10 pg/μL玉米基因组与10 pg/μL红枣基因组,可检出肉制品掺入0.1%的玉米淀粉,所选淀粉制品、蜂蜜、食用油DNA提取方法均适用于LMTIA检测,并且所有阴性对照样品在测试中均未出现假阳性。结论本研究成功建立了LMTIA检测食品中植物源特异性基因的内标方法,排除了DNA提取引起的LMTIA检测的假阴性,可用于肉制品中植物成分定性检测。

Real-time环介导等温扩增检测枣花蜜源成分

目的建立real-time环介导等温扩增技术(loop-mediated isothermal amplification,LAMP)检测枣花蜜源成分的方法。方法以枣转录间隔区(internaltranscribedspacer,ITS)为靶序列,用软件PrimerExplorerV5与软件Oligo 7设计LAMP特异性引物,优化反应温度,测试灵敏度、特异性和适用性。结果所建立的方法在反应温度55℃条件下,引物特异性强,最低检测限为≥1 pg/μL大枣DNA。结论该方法具有特异性强、灵敏度高、操作简单等优势,适合商业枣花蜜掺假快速检测。

基于监测数据的食用油安全风险预警分析

以我国食品安全抽检项目和监测数据为研究对象,选择与人们日常生活密切相关的食用油为研究类别.通过对数据处理分类,将不合格项目的检测值与国家标准值相比,计算不合格率,以此反映相应不合格项目的风险状态,初步建立食品安全预警数据分析体系,并依据数据分析结果发布相关食品安全预警信息.

基于大数据的肉制品安全预警分析

以国家食品药品监督管理局2014至2018年北京、河南、江西等全国25个省的2450个肉制品数据为例,结合MATLAB数据处理软件,尝试构建基于大数据的肉制品安全预警分析系统,得到应重点防范和预警的肉制品安全影响因素.数据统计结果表明,肉制品中的不合格项目主要有菌落总数、山梨酸、酸价和过氧化值.

基于大数据的茶叶安全风险预警分析

以国家食品药品监督管理局发布的截止至2018年3月底之前的所有茶叶检测结果数据为基础,利用基于大数据的方法进行统计分析,得到茶叶总体不合格率及不合格项目的频次,同时分析每个省份抽查的不合格率较高的项目.结果显示,在所检测的茶叶中,出现频次较高的不合格项目有三氯杀螨醇、氰戊菊酯、日落黄等.有助于为茶叶安全市场预警提供方向依据,把控茶叶监管的重点,提高监管力度.

基于液质联用和偏最小二乘-判别式鉴别大叶和小叶迷迭香

为了建立一种鉴别大叶和小叶迷迭香的方法,采用液质联用(LC-MS/MS)同时测定迷迭香中木犀草素、咖啡酸、鼠尾草酸、鼠尾草酚、槲皮素、芹菜素、迷迭香酚、泽兰黄酮、香叶木素9种物质含量。检测不同批次大小叶迷迭香9种物质的含量,偏最小二乘-判别分析(partial least squares-discriminate analysis,PLS-DA)分析大小叶迷迭香9种物质含量。结果表明:建立的LC-MS/MS方法线性关系良好,回收率高,符合方法学考察要求。鼠尾草酚、鼠尾草酸、咖啡酸、槲皮素、迷迭香酚、香叶木素、泽兰黄酮、木犀草酸的含量在大叶迷迭香和小叶迷迭香中存在重要差异,可以作为鉴别大叶迷迭香和小叶迷迭香的主要特征标记物。

液-液微萃取结合气质联用法测定白酒中15种塑化剂含量

为考察白酒中塑化剂含量,采用表面活性剂强化乳化液-液微萃取结合气相色谱-质谱联用法测定32份不同白酒中15种邻苯二甲酸酯类塑化剂的含量。结果表明,该方法在0.008~5.00μg/mL范围内呈良好线性关系,15种塑化剂的最低检出限在1.44~1.50μg/L范围内,加标回收率在89.71%~117.73%之间,回收率试验结果相对标准偏差(RSD)范围为1.71%~6.82%,精密度试验结果RSD均<2.53%,重复性试验结果RSD均<3.60%,精密度、重复性良好,准确度高。在32份不同香型白酒样品中,9种塑化剂的检出率均>70%,其中邻苯二甲酸二乙酯的检出率100%,检出值范围为0.001~0.740μg/mL。主成分分析(PCA)结果表明,塑化剂含量与白酒香型相关性不显著(P>0.05),相关性分析结果表明塑化剂含量之间存在极显著相关性(P<0.01)。

气相色谱质谱法分析大叶和小叶迷迭香香气成分

目的分析大叶和小叶迷迭香的香气成分差异。方法应用混合水平均匀试验优化顶空固相微萃取(headspace solid-phase microextraction,HS-SPME)条件,采用二次多项式逐步回归分析,确定最优固相微萃取条件。气相色谱质谱法(gas chromatography-mass spectrometry,GC-MS)分析大叶迷迭香和小叶迷迭香香气成分,采用偏最小二乘判别式法(partial least squares-discriminate analysis,PLS-DA)分析不同迷迭香的香气成分。结果HS-SPME最佳条件为饱和度10.0%的氯化钠溶液、平衡时间为13.0 min、萃取时间为42.0 min、装液量为3.2 mL、萃取温度为80.0℃。通过GC-MS分析共检测到123种挥发性物质,其中11种酯类、22种烯类、8种烷类、3种酸类、20种醛酮类、39种醇类、2种醚类、5种酚类、9种芳香烃、4种其他物质。大叶迷迭香中检测出91种物质,小叶迷迭香中检测出86种物质。基于迷迭香香气成分的相对含量建立PLS-DA模型,可区分大叶和小叶迷迭香。结论本研究成功建立了鉴别大叶和小叶迷迭香的方法,分析了大叶和小叶迷迭香的香气成分差异,为迷迭香品质评价提供一定的理论依据。

人工神经网络在鉴别不同工艺花生油中的应用

采用顶空固相微萃取结合气质联用(GC-MS)分析不同工艺花生油的挥发性成分,结合人工神经网络建立鉴别模型。结果表明:3种不同工艺花生油共检出71种成分,包括6种醇、10种醛、16种烷烃、12种酯、7种酮、3种酚、10种含氮化合物、7种其他种类化合物。花生油的主要挥发性成分是2,3-二氢苯并呋喃、1-(2-羟基-5-甲基苯基)乙酮、4-乙酰基-2-甲基苯酚、2,6-二乙基吡嗪。采用人工神经网络对不同工艺花生油数据进行建模和预测,不同工艺花生油识别率在100%。因此,神经网络结合GC-MS用于鉴别压榨花生油、浸提花生油和水代花生油是可行的。

不同蜜源蜂蜜挥发性成分差异分析

为考察不同蜜源蜂蜜挥发性成分差异,采用固相微萃取结合气相色谱与质谱联用技术对8种不同蜜源蜂蜜成分进行鉴定分析.结果表明:8种蜂蜜的挥发物中共鉴定59种挥发性化合物,椴树蜜中有30种,荆花蜜中有21种,荆条蜜中有16种,苕子蜜中有18种,洋槐蜜中有24种,野山花蜜中有27种,野酸枣蜜中有24种,枣花蜜中有32种.聚类分析结果表明,不同蜜源的蜂蜜相似度不大,通过主成分分析(principal components analysis,PCA)结果表明,壬醛和生物碱乙酸甲酯作为潜在特征标记物,可以区分不同蜜源的蜂蜜,为鉴定不同蜜源蜂蜜奠定基础.

苦杏仁多肽的制备及其抗氧化活性研究

在碱法提取苦杏仁蛋白的基础上,利用响应面法优化苦杏仁蛋白抗氧化肽的最佳提取工艺.以1,1-二苯基-2-三硝基苯肼(DPPH)自由基清除率为指标,对蛋白酶K酶解脱脂苦杏仁蛋白的工艺进行优化.采用单因素实验,研究酶解温度、酶解时间、底物蛋白浓度对酶解液DPPH自由基清除能力的影响,得到最适条件;采用响应面实验进行三因素三水平17个试验点的Box-Behnken试验,建立回归方程,得出苦杏仁抗氧化肽的最佳酶解工艺为:酶解温度52℃、酶解时间115 min、底物蛋白浓度9 mg·mL^(-1).在此条件下,苦杏仁蛋白酶解液的DPPH自由基清除率达到64.9%.

结核分枝杆菌Mce2R/Rv0586蛋白的克隆、表达与纯化

构建pET-32m-Mce2R原核表达质粒,对重组蛋白Mce2R进行诱导表达、纯化及活性鉴定.以结核分枝杆菌H37Rv全基因组为模板,经聚合酶链式反应(PCR)扩增Mce2R(Rv0586)基因片段,产物经BamHⅠ和HindⅢ限制性内切酶酶切,电泳验证后与同样双酶切后的载体质粒pET32m进行连接,将连接产物pET-32m-Mce2R转化到大肠杆菌DH5a中,抽提质粒后测序验证,重组载体转化至大肠杆菌BL21(DE3)中以IPTG诱导表达,利用亲和层析纯化,经SDS-PAGE检测目的蛋白,分子量约为29 kDa.为进一步探索结核分枝杆菌Mce2R蛋白的结构及生化机制奠定了基础.

紫外可见光谱结合人工神经网络识别迷迭香产地

为准确识别迷迭香产地,构建基于紫外光谱法迷迭香产地快速鉴别方法。采集不同产地迷迭香200~700nm紫外可见光谱,将原始光谱数据、一阶求导和二阶求导,经过小波降噪平滑、降噪后一阶求导和降噪后二阶求导后的数据,进行主成分分析,比较地鉴别效果,采用人工神经网络对迷迭香的产地进行预测。结果表明,小波降噪后一阶求导数据的主成分分析前2个主成分的二维投影图区分不同产地迷迭香样品效果最好,不同产地迷迭香样品小波降噪后一阶求导数据的调整余弦相似性在0.823~0.999之间。采用人工神经网络对不同产地迷迭香光谱小波降噪后一阶求导数据进行建模和预测,迷迭香产地识别率在100%。紫外可见光谱结合小波降噪及神经网络能够快速鉴别迷迭香的产地。