基于近红外光谱技术的云南地方猪种肉质特性分析

基于近红外光谱技术的云南地方猪种肉质特性分析

附近的红色区域（nir）光谱位于光和中红外光之间的光谱区域，波长范围为800-2500nm。它反映了分子振动的光谱，主要是含有氢团（c-h、n-h、o-h）的复频和合频吸收，这与有机分子的组成、内部结构、官能团和分子状态直接相关。由于猪的遗传基础、生长环境、饲养方式等存在诸多差异,必然导致其肉质组成成分和质地结构存在一定差异,这种有机组分的差异为其近红外光谱分析提供了可能(李勇等,2009)。近红外光谱分析技术以其测定速度快、样品处理简单、测定时不需任何化学试剂等优势(严衍禄,2005),被广泛用于动植物品种鉴别、产地判别和质量等级判定(黄敏等,2006;周健等,2009;陈永明等,2009;李娟等,2008;González-Martin等,2003;Antonella等,2006),而应用于猪种遗传资源分析却鲜有报道。本研究利用近红外光谱分析技术,研究了7个云南地方猪种肉质有机成分的近红外光谱特征,从其近红外指纹图谱上揭示云南地方猪种遗传资源特性,拓展畜禽遗传资源评价方式,为畜禽遗传资源保护与开发提供依据。1材料和方法1.1样品采集和保存全部样品采自云南省5个地州市8个县7个地方猪种,均为现场屠宰直接采样,取样部位均为腰背最长肌(眼肌)胸腰结合段,共102份,每份约200g,采集后装入密封袋中于-20℃保存。各猪种名称及采样数量详见表1。1.2方法1.2.1近红外分析检测肉糜的制备肌肉样品进行近红外光谱采集前,所有的样品均经微波快速解冻和粉碎研磨处理。处理过程为:取出肉样于微波炉中解冻约5min,放至室温后剔除结膜并切片,放入PhilipsHIR-2864粉碎机粉碎约30s,再将磨碎后的肉糜装入样品旋转盘压实、抹平作为近红外分析仪扫描样本。1.2.2分析方法样本近红外光谱采集在DA7200(PERTEN,瑞典)固定光栅、连续光谱近红外分析仪上进行,随机软件为Simplicity4.0.2,采集模式为吸收光谱。光谱为4次扫描的平均值,收集光谱区域为950～1650nm,数据间隔为2nm,每个肉样近红外光谱数据点为351个。采集室温保持在25℃左右,湿度相对稳定。1.3数据处理与分析方法采用近红外光谱仪随机软件Simplicity4.0.2进行光谱汇总处理。光谱数据预处理、主成分分析均用Unscrambler9.8软件进行分析,预处理方法选用变量正态标准化(SNV)、9点平滑、一阶导数和二阶导数法(高荣强等,2003)。7个地方猪种近红外预处理光谱的系统聚类分析采用SPSS18.0软件进行。2结果与分析2.1猪种近红外光谱及平均光谱7个地方猪种肌肉的近红外原始光谱和各猪种近红外平均光谱见图1、2。由图1、2可知,在950～1650nm整个光谱范围内的各猪种近红外吸光度变化趋势基本一致,相似性程度较高。经SNV、9点平滑和一阶导数转换的各猪种肌肉近红外光谱和经转换的各猪种平均光谱见图3、4。由图3、4可知,波长在960、1140、1330和1390nm处有明显的吸收峰,各猪种存在明显差异。波长在960、1140和1330nm处红河滇南小耳猪吸收光度最高,迪庆藏猪最低;在1390nm处红河滇南小耳猪吸收最低,迪庆藏猪最高。2.2猪种平均光谱散点对云南地方猪种肌肉样品原始近红外光谱变量经SNV、9点平滑和一阶导数变量转换,消除各变量之间的相互关系,同时使变量转换所得数据能最大限度表征原始光谱变量结构特征。主成分分析结果显示,前2个主成分的累积贡献率超过了97%,可以解释绝大部分的光谱信息。因此,用第一主成分(PC1)和第二主成分(PC2)得分值做全部肉样散点图(图5)和各猪种平均光谱散点图(图6)。由图5可知,版纳滇南小耳猪、红河滇南小耳猪、迪庆藏猪、滇陆猪在4个象限都有分布,相互之间都有交叉,但各自又呈现不同特点。版纳滇南小耳猪主要分布在第2象限;红河滇南小耳猪主要分布在第3象限;迪庆藏猪主要分布在第1象限;滇陆猪分布于第1、2、3象限;昭通乌金猪分布于4个象限。由图6可知,大河乌猪和大河猪平均光谱分布于第一主成分(PC1)和第二主成分(PC2)得分值图的第1象限;版纳滇南小猪及滇陆猪分布于第2象限;红河滇南小耳猪分布于第3象限;迪庆藏猪与昭通乌金猪位于第4象限。迪庆藏猪与其它猪种差异较大,其中迪庆藏猪与红河滇南小耳猪差异最大;大河乌猪与大河猪、滇陆猪与版纳滇南小耳猪相似性较高。2.3云南地方猪种聚类分析采用SPSS系统聚类分析模块,计算7个云南地方猪种肌肉近红外光谱的欧氏距离,猪种间用Averagelinkage法连接得出系统聚类分析图,可简单直观了解各个云南地方猪种之间相互关系。对各猪种平均近红外原始光谱、SNV转换、一阶导数转换、SNV+一阶导数转换分别聚类分析结果见图7～10。由图7～10可知,滇陆猪先与版纳滇南小耳猪、红河滇南小耳猪聚为一类,再与昭通乌金猪等聚为一类;大河乌猪与大河猪、昭通乌金猪先聚为一类,再与其他猪种聚一类。但以各猪种平均近红外原始光谱进行聚类,由于未能剔除噪音对光谱信号的影响,也未消除各光谱变量之间的相互关系,聚类分析结果并不能正确反映出各猪种肉质之间相互关系,而经过SNV或一阶导数转换或同时两种转换的聚类分析结果均能揭示出云南地方猪种肉质之间相互关系。各猪种经SNV、9点平滑和一阶导数转换光谱系统聚类分析过程结果见表2。由表2可知:①大河乌猪与大河猪距离最近,首先聚为一类;②版纳滇南小耳猪与滇陆猪距离次近,聚为一类;③昭通乌金猪与第①步结果聚为一类;④红河滇南小耳猪再与第②步结果聚为一类;⑤为③、④步结果即以6个猪种聚合一类;⑥迪庆藏猪与其他猪种聚为一类。聚类分析结果表明,大河乌猪与与大河猪光谱欧氏距离最近;迪庆藏猪作为云南地方猪种其肉质特异性明显;同为滇南小耳猪,由于分布西双版纳州和红河州2个不同地理区域,其肉质上存在着明显差异。3地方猪种聚类分析本研究结果显示,对各地方猪种肌肉的近红外光谱进行一阶导数+SNV预处理,可消除光谱采集过程中来自颜色、温度、制样方法等的噪音,同时也可以消除光谱变量之间的相互关系,使得光谱数据更加稳定可靠,与李勇等(2009)研究结果一致。7个云南地方猪种近红外光谱整体变化趋势基本一致,光谱经过SNV、9点平滑和一阶导数预处理,各猪种在部分波段吸收峰差异更加明显,从而提高了判断种间遗传差异的精确性。从本研究中的近红外光谱主成分分析结果来看,不同猪种近红外光谱的主成分空间分布明显不同,既存在着交叉重合部分又存在着各品种的特异性部分,这直观、准确地反映了云南地方猪种遗传性状的规律特点。7个猪种平均光谱主成分分析结果显示,迪庆藏猪肉质及其该猪种遗传特征差异性明显;而大河乌猪与大河猪、滇陆猪与版纳滇南小耳猪2组猪种相似性较高,说明大河乌猪与大河猪、滇陆猪与版纳滇南小耳猪遗传同源性高。采用经过预处理后光谱的欧氏距离进行聚类分析,选取一定的欧氏距离可将云南地方猪群体划分成相对独立的类群,聚类分析结果显示,滇陆猪和大河乌猪是云南省培育并经国家畜禽品种遗传资源委员会审定的新品种,两者都是在乌金猪的遗传基础上导入不同比例的外血选育而成。滇陆猪含长白猪、约克猪、太湖猪、乌金猪血缘各25%(杨凤鸣等,2000),在图8～10中,滇陆猪先与版纳滇南小耳猪、红河滇南小耳猪聚为一类,再与昭通乌金猪等聚为一类。大河乌猪含杜洛克、大河猪(乌金猪的一个重要类群)血缘各50%(王忠庆等,2004),大河乌猪与大河猪、昭通乌金猪先聚为一类,再与其他猪种聚一类。因此,在乌金猪的基础上通过杂交导入外血、横交固定、继代选育可使培育的新品种能保留原有猪种的肉质特色,同时也可能产生新的肉质特征。由于大河乌猪和滇陆猪2个培育新品种都是以乌金猪为基础,导入50%外血的大河乌猪肉质特性依然与乌金猪接近;而导入75%外血的滇陆猪肉质特性更与滇南小耳猪接近,与乌金猪肉质特性距离较远。这可能与乌金猪肉质遗传性有分离现象或导