融合DSC与FTIR数据及理化分析技术区分不同提取方式的浆果籽油：一种快速鉴伪新策略

《Journal of Food Composition and Analysis》：Fusion of DSC and FTIR data with physicochemical profiling to distinguish berry seed oils by extraction methods

本研究针对食品工业中正己烷提取油脂的神经毒性隐患及欧盟食品安全局（EFSA）重新评估其残留限量的需求，创新性地结合差示扫描量热法（DSC）熔融曲线与傅里叶变换红外光谱（FTIR）数据，通过低水平数据融合技术实现了冷压、正己烷和超临界CO2三种提取方法获得的黑加仑、树莓和草莓籽油的快速准确鉴别。SIMCA模型整体准确率达81%（校准集）和77%（验证集），显著优于单一技术模型，为油脂 authenticity 筛查和标签透明度监管提供了可靠技术支撑。

　　

随着人们对健康食品需求的日益增长，浆果籽油因其富含多不饱和脂肪酸和生物活性物质而备受青睐。然而，油脂提取方法直接影响其品质和安全特性。当前食品工业中广泛使用的正己烷溶剂提取法虽效率高，但存在神经毒性风险，且其残留物可能危害消费者健康。欧盟食品安全局（EFSA）已建议重新评估其在食品中的限量标准，这凸显了开发快速、可靠方法以鉴别油脂提取方式的紧迫性。尽管冷压法和超临界CO₂提取法更安全环保，但不同方法获得的油脂在理化特性上差异微妙，传统单一分析技术难以实现精准区分。为此，研究人员探索将热分析与光谱技术结合，通过数据融合策略提升鉴别能力。

本研究由波兰波兹南生命科学大学食品科学与营养学院的研究团队完成，论文发表在《Journal of Food Composition and Analysis》。研究人员系统评价了冷压、正己烷和超临界CO₂提取法对黑加仑、树莓和草莓籽油理化特性、热学行为及光谱特征的影响，并首次提出将差示扫描量热法（DSC）与傅里叶变换红外光谱（FTIR）数据进行低水平融合，结合SIMCA（软独立建模分类分析）模型，实现油脂类型和提取方法的同步快速鉴别。

关键技术方法包括：采用三种提取方法（冷压、正己烷、超临界CO₂）从三种浆果（黑加仑、树莓、草莓）种子中制备油脂样本（共27个样本，每类3个生产批次）；通过理化分析（酸价AV、过氧化值PV、p-茴香胺值p-AnV、比吸光系数K₂₃₂/K₂₆₈、DPPH自由基清除活性、色泽参数、总类胡萝卜素、叶绿素、脂肪酸组成及生育酚含量）全面表征油脂品质；利用DSC测定熔融曲线和氧化诱导时间（OIT），FTIR采集4000–500 cm^-1光谱；采用低水平数据融合策略整合DSC和FTIR预处理数据，结合PCA和SIMCA建模进行多类别分类验证。

3.1 提取方法对油脂理化特性的影响

超临界CO₂提取法产率最高（达0.2 g/g），但成本较高；冷压法产率最低，尤其黑加仑籽油因果胶含量高而粘度大。理化分析表明，冷压油氧化指标（PV、p-AnV）较高，可能与加工中暴露于氧气有关；超临界CO₂和正己烷提取油因密闭环境氧化程度较低。黑加仑油富含叶绿素和类胡萝卜素，使其色泽深暗；树莓油显示出最高的DPPH抗氧化活性（192 μmol TE/g）。脂肪酸组成不受提取方法影响，以亚油酸（C18:2）为主，黑加仑油特征性含有γ-亚麻酸（C18:3 n-6）。生育酚含量中，γ-生育酚在冷压和超临界油中较高，正己烷提取油最低，这可能影响油脂储存稳定性。

3.2 DSC熔融曲线与FTIR光谱的探索性与相关性分析

3.2.1 DSC熔融曲线受提取方法的影响

DSC熔融曲线显示，不同浆果油具有特征性吸热峰（Tm1、Tm2），树莓油还出现放热峰（Tm3）。提取方法仅引起Tm2轻微偏移（冷压油温度较高），但不改变整体曲线形状。峰高变化较大，冷压树莓和草莓油的第一个吸热峰（hm1）较高。PCA分析表明DSC能区分油脂类型，但无法有效区分提取方法。相关性分析显示Tm1与油酸（C18:1）正相关、与亚油酸（C18:2）负相关；Tm2与棕榈酸（C16:0）、亚油酸负相关，与α-亚麻酸（C18:3 n-3）正相关。冷压油中较高的色素含量可能与Tm2偏移相关。

3.2.2 FTIR光谱受提取方法的影响

FTIR光谱在2931 cm^-1（C-H伸展）、1726 cm^-1（C=O酸类）、1408 cm^-1（=C-H顺式）和1046 cm^-1（C-O）等处显示差异吸收。PCA分析表明FT能较好区分提取方法：超临界和冷压油与1726 cm^-1和1408 cm^-1相关，反映其抗氧化特性；正己烷油与1046 cm^-1相关，指示氧化劣变。FTIR单独使用无法区分油脂类型，但通过与DSC数据融合可互补增强分类能力。

3.3 基于数据融合与SIMCA的快速分类

低水平融合DSC-FTIR数据后，PCA得分图显示出九类（油脂类型+提取方法）的清晰分离趋势。SIMCA建模显示，融合数据模型的整体分类准确率（校准81%、验证77%）显著高于单一DSC（65%、64%）或FTIR（68%、67%）模型。具体而言，融合模型对树莓油分类效果最佳（F1分数100%），草莓油和黑加仑油的部分类别（如正己烷提取）鉴别难度较大，但融合数据仍改善了单一技术的局限性。结果表明，DSC-FTIR融合策略能同时利用热行为与光谱特征，提高复杂油脂体系的鉴别可靠性。

研究结论表明，不同提取方法显著影响浆果籽油的理化特性（除脂肪酸组成外），其中冷压油氧化程度较高但生物活性成分保留较多，超临界油品质优异但成本高，正己烷油需关注残留溶剂安全。DSC与FTIR数据融合通过互补优势，实现了油脂类型和提取方法的同步准确鉴别，为解决油脂 authenticity 问题提供了强有力的分析工具。该研究不仅为食品监管和产业筛查提供了新方法，也为多源数据融合在食品分析中的应用提供了范例。未来研究可扩大样本量和多样性（如地理来源、年份变异），以进一步提升模型泛化能力。