本發(fā)明涉及食藥用真菌子實體的檢測領域，尤其涉及一種快速簡便測定迷力菌子實體中蛋白質(zhì)含量的方法。

背景技術：

迷力子菌，是麥角菌科真菌寄生在蝙蝠蛾科昆蟲幼蟲上的子座，是一種傳統(tǒng)的名貴滋補食藥用真菌，有增強免疫功能、抗腫瘤、益精氣、補虛損、抗氧化等多種功效。其富含有蛋白質(zhì)、多糖、蟲草酸、蟲草素及腺苷類物質(zhì)。此外，還含有維生素b12、麥角硫因、皂苷、多種生物堿等。

據(jù)文獻資料報道：不同品種培養(yǎng)出來的迷力子菌子實體其各組分含量有較大差異，其組分含量還受培養(yǎng)基的種類所影響，故不同品種、產(chǎn)地、批次其品質(zhì)具有較大差異。此外，人工培養(yǎng)和馴化的迷力子菌在生產(chǎn)過程中極易出現(xiàn)菌種退化以及品質(zhì)下降的現(xiàn)象，蛋白質(zhì)為其營養(yǎng)成分重要指標，其含量對于迷力子菌的菌種選育和品質(zhì)評價具有重要意義。

查閱文獻資料得知：迷力子菌中蛋白質(zhì)含量的檢測方法主要是采用傳統(tǒng)的理化分析方法，這種分析方法樣品分析的樣品少，時間長，分析過程中產(chǎn)生大量的廢酸廢堿，對環(huán)境有一定的污染。

技術實現(xiàn)要素：

為了克服現(xiàn)有技術存在的缺點與不足，本發(fā)明提供一種快速簡便測定迷力菌子實體中蛋白質(zhì)含量的方法，通過采集不同品種、來源以及不同培養(yǎng)方式的子實體樣品原始光譜，采用化學計量學軟件進行光譜預處理，確定迷力子菌中的主成分數(shù)，利用凱氏定氮法檢測結果，通過校正模型的建立及驗證，再進行迷力子菌中蛋白質(zhì)含量檢測，具有檢測速度快、檢測樣品多、檢測成本低、檢測結果準確、不產(chǎn)生污染的特點。

為解決上述技術問題，本發(fā)明提供如下技術方案：一種快速簡便測定迷力菌子實體中蛋白質(zhì)含量的方法，包括如下步驟：

s1、收集冬蟲夏草粉末樣品，對樣品進行近紅外光譜掃描以及采集光譜，得到校正集樣品原始光譜；

s2、對校正集樣品原始光譜進行預處理；

s3、將預處理后的校正集樣品原始光譜的信息數(shù)據(jù)進行主成分分析，提取特征信息數(shù)據(jù)；

s4、對迷力子菌子實體樣品進行蛋白質(zhì)含量的化學檢測，得到化學測定值；將化學測定值設為校正值，將步驟s3的特征信息數(shù)據(jù)作為自變量，校正值作為因變量，使用偏最小二乘法建立自變量與因變量之間的校正模型；

s5、將校正模型利用軟件分別進行內(nèi)部交互驗證和外部交互驗證，評價校正模型的可靠性。

進一步地，所述步驟s1，具體為：

s11、使用不同培養(yǎng)方式培養(yǎng)不同品種的迷力子菌子實體，同時收集市面上不同產(chǎn)地、來源迷力子菌樣品；將迷力子菌樣品在55℃下鼓風干燥48小時后進行粉碎，過90目網(wǎng)篩，得冬蟲夏草粉末樣本；

s12、在25℃下開啟近紅外光譜儀并預熱30分鐘，取5g左右冬蟲夏草粉樣本末于直徑為32mm、厚度為45mm的旋轉(zhuǎn)樣品杯中，使用積分球漫反射方式掃描以及采集光譜，得到校正集樣品原始光譜；其中，光譜的采集范圍為4000-10000cm-1，分辨率為8cm-1，掃描次數(shù)為32次，每個樣品重復裝樣3次；

s13、將該校正集樣品原始光譜的計算平均值存于計算機軟件中進行外部驗證，用于評價步驟s4所得校正模型的可靠性。

進一步地，所述步驟s2，采用一階導數(shù)卷積平滑方法對校正集樣品原始光譜進行預處理。

進一步地，所述步驟s3的主成分分析中，將預處理后的樣品光譜中的信息數(shù)據(jù)變換到主成分數(shù)為2-10個互不相關的變量中，完成特征信息數(shù)據(jù)的提?。黄渲?，迷力子菌中蛋白質(zhì)的主成分數(shù)為10。

進一步地，所述步驟s4，具體為：

s41、稱取步驟s1中的冬蟲夏草粉末樣本0.2-2.0g至干凈的消化管中，加入0.2g硫酸銅、6g硫酸鉀及20毫升硫酸，稍搖勻后于瓶口放一小漏斗，消化爐加熱，直到液體呈藍綠色澄清透明后，再繼續(xù)加熱0.5小時；

s42、將步驟s41的消化管中的液體冷卻后，置于自動凱氏定氮儀中進行蒸發(fā)，并進行鹽酸滴定，通過計算得到樣品中蛋白質(zhì)的含量的化學測定值；

s43、以步驟s42的化學測定值設為校正值，將步驟s3的特征信息數(shù)據(jù)作為自變量，校正值作為因變量，用偏最小二乘法建立自變量與因變量之間的校正模型。

采用上述技術方案后，本發(fā)明至少具有如下有益效果：本發(fā)明的檢測方法通過采集冬蟲夏草校正集樣品原始光譜，采用一階導數(shù)、卷積平滑(savitzky-golay)進行光譜預處理，確定迷力子菌蛋白質(zhì)的主成分數(shù)，利用理化檢測結果，通過校正模型的建立及交互驗證，具有檢測速度快、成本低、檢測結果準確、檢測效率高的特點；本發(fā)明中的實驗數(shù)據(jù)采用tqanalyst8軟件進行處理和分析；利用本發(fā)明的校正模型，只需將迷力子菌子實體進行簡單的烘干磨粉處理后，借助近紅外光譜掃描就可準確、迅速測定出其蛋白質(zhì)的含量，在單位時間內(nèi)可以檢測大批量產(chǎn)品，并可對產(chǎn)品品質(zhì)進行更科學的等級劃分，且操作十分簡便，對操作人員要求不高；此外，利用此校正模型對迷力子菌的優(yōu)選育種有非常大的優(yōu)勢，能間接提高迷力子菌的品質(zhì)和效益。

附圖說明

圖1為本發(fā)明一種快速簡便測定迷力菌子實體中蛋白質(zhì)含量的方法步驟流程圖；

圖2為本發(fā)明實施例中迷力子菌校正集樣品原始光譜圖；

圖3為本發(fā)明實施例中原始光譜預處理圖；

圖4為本發(fā)明實施例中迷力子菌蛋白質(zhì)的實際值和計算值的關系散點圖；

圖5為本發(fā)明實施例中校正模型示意圖。

具體實施方式

需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互結合，下面結合附圖和具體實施例對本申請作進一步詳細說明。

如圖1所示，本發(fā)明提供了一種快速簡便測定迷力菌子實體中蛋白質(zhì)含量的方法，步驟注意包括：s1、收集冬蟲夏草粉末樣品，對樣品進行近紅外光譜掃描以及采集光譜，得到校正集樣品原始光譜；

s2、對校正集樣品原始光譜進行預處理；

s3、將預處理后的校正集樣品原始光譜的信息數(shù)據(jù)進行主成分分析，提取特征信息數(shù)據(jù)；

s4、對迷力子菌子實體樣品進行蛋白質(zhì)含量的化學檢測，得到化學測定值；將化學測定值設為校正值，將步驟s3的特征信息數(shù)據(jù)作為自變量，校正值作為因變量，使用偏最小二乘法建立自變量與因變量之間的校正模型；

s5、將校正模型利用軟件分別進行內(nèi)部交互驗證和外部交互驗證，評價校正模型的可靠性。

實施例1

下面詳細描述了每個步驟的具體實施方式。

①集迷力子菌子實體樣品原始光譜：

用不同培養(yǎng)方式培養(yǎng)不同品種的子實體，同時收集市面上不同產(chǎn)地、來源迷力子菌樣品，共55個。將樣品55℃下鼓風干燥48h天后用萬能粉碎機粉碎，過90目網(wǎng)篩，得冬蟲夏草粉末；在25℃下開啟近紅外光譜儀預熱30分鐘，取5g左右冬蟲夏草粉末于直徑32mm，厚度45mm的旋轉(zhuǎn)樣品杯中，積分球漫反射方式采集光譜，光譜采集范圍4000-10000cm-1，掃描次數(shù)32，每個樣品重復裝樣3次，得到校正集樣品原始光譜，將該校正集樣品原始光譜的計算平均值存于計算機軟件中；

②校正集樣品原始光譜預處理：

將步驟①所得到的冬蟲夏草校正集樣品原始光譜，采用一階導數(shù)(1stderivative)卷積平滑(savitzky-golay)進行光譜預處理。其中，沒有對原始光譜進行預處理前的圖像如圖2所示，對原始光譜預處理的結果如圖3所示。

③主成分數(shù)的確定：

將預處理后的樣品光譜中的信息數(shù)據(jù)變換到主成分數(shù)為2-10個互不相關的變量中，完成特征信息數(shù)據(jù)的提取；迷力子菌中蛋白質(zhì)的主成分數(shù)為10。

④校正模型的建立：

a.迷力子菌子實體樣品中蛋白質(zhì)含量的化學測定值：準確稱取步驟①中的冬蟲夏草粉末0.2-2.0g至干凈的消化管中，精密稱，加入0.2g硫酸銅，6g硫酸鉀及20ml硫酸，稍搖勻后于瓶口放一小漏斗，消化爐加熱(220℃0.5h，420℃3-4h)，待內(nèi)容物全部炭化，泡沫完全停止后，保持瓶內(nèi)液體微沸，至液體呈藍綠色澄清透明后，再繼續(xù)加熱0.5小時；將冷卻后的消化液至于自動凱氏定氮儀中進行蒸發(fā)，收集液用標定好的鹽酸滴定，通過計算得到樣品中蛋白質(zhì)的含量的化學測定值；

b.以a步驟中迷力子菌蛋白含量的化學測定值為校正值，將步驟③所得特征信息數(shù)據(jù)作為自變量，校正值作為因變量，用偏最小二乘法建立自變量與因變量之間的校正模型；

如圖4所示，為模型迷力子菌蛋白質(zhì)的實際值和計算值的關系散點圖。其中，計算值與實際值的相關系數(shù)為0.99220，方差(rmsec)為0.00495，表明模型相關性非常好，能準確預測迷力子菌子實體中蛋白質(zhì)的含量。

⑤模型的驗證：

將步驟④所建立的模型利用軟件分別進行內(nèi)部交互驗證和外部驗證，評價步驟④所得校正模型的可靠性。

a將樣本的光譜數(shù)據(jù)及有效成分標準方法測量值輸入tqanalyst8軟件，利用優(yōu)選條件(主因子數(shù)為10，pls,msc,一階導數(shù))建立模型如圖5。

b模型的內(nèi)部交互驗證：蟲草中蛋白質(zhì)含量交互驗證的預測值與標準方法測定值間的相關系數(shù)r2為0.99220，rmsec值為0.00495，結果表明模型擬合度及穩(wěn)定性非常好。

如表1所示，為蟲草酸含量的模型預測值與化學測定值的比較：

表1

盡管已經(jīng)示出和描述了本發(fā)明的實施例，對于本領域的普通技術人員而言，可以理解的是，在不脫離本發(fā)明的原理和精神的情況下可以對這些實施例進行多種等效的變化、修改、替換和變型，本發(fā)明的范圍由所附權利要求及其等同范圍限定。