摘要：利用精米粉脂肪含量化学分析值及其近红外反射光谱以建立分析精米中脂肪含量数学模型。选取3段谱区(6100～4250cm-1；6100～5450cm-1并4600～4250cm-1；7500～5450cm-1并4600～4250cm-1)分别采用4种不同的预处理方法(直线扣除、乘性散射校正、矢量归 、一阶导数)，对其结果进行比较，发现选择不同谱区和不同光谱预处理方法对所建模型有很大的影响，同时证明了利用近红外光谱技术测定稻米脂肪含量的可行性。还阐述了如何对模型进行评价，并讨论了它在遗传育种中的应用。
关键词：稻米；脂肪含量；近红外反射光谱技术；模型预测效果；研究方法
近红外光谱分析技术是近年来发展起来的一种快速检测技术，它利用有机化合物在波数(波数是波长的度量单位，波数=107／纳米)为4 000～12500cm-1的谱区的特征吸收，分析测定物质的组成及组分含量。它应用于稻米品质检测方面的研究如直链淀粉、蛋白质含量的测定已早有报道，Delwiche等人在1996年就已经利用近红外光谱分析技术对精米中直链淀粉含量进行了测定并得到认可，以后陆续有人将近红外光谱分析技术应用于稻米品质相关组分的分析测定中，但利用近红外光谱分析技术对稻米中脂肪含量进行测定的研究未见报道。稻米中脂肪含量相对较少，但它却是影响米饭适口性的主要因素。刘宜柏对51个早籼品种的分
析研究表明，稻米中脂肪含量较其他品质性状对稻米的食味有更重要的影响，脂肪含量越高的稻米，米饭的适口性和香气越好，在一定范围内提高稻米脂肪含量能极显著地改善稻米食味品质[9l。另外，脂肪含量还影响稻米的贮藏品质，脂肪酸败会使稻米的贮藏寿命缩短。传统的稻米脂肪含量测定方法是利用索克斯特克抽提器测量，整个过程时间长，费用高，而且需要消耗大量挥发性溶剂，易造成环境污染并对操作人员的健康构成威胁。近红外光谱分析技术测定过程迅速，分析方式简单，无需溶剂、药剂，可同时测定多项指标，样品可以被重复测定和利用，另外，近红外光子的能量比可见光还低，不会对人体造成危害，属于绿色分析技术。利用近红外分析技术对稻米中脂肪含量进行快速准确的测定对于指导优质稻育种和稻米贮藏具有十分重要的意义。
1 材料与方法
1．1 试验材料
试验所用的水稻材料为中国水稻研究所2002年晚稻材料和2003年早稻材料，共154份，其中籼稻l14份，粳稻33份，糯稻7份，用日本生产的SATAKE RICE MACHINE-THU 型出糙机除去颖壳，用台州粮仪厂生产的JNMJ3型检验精米机磨成精米，精白时间统一为55s，再将精米通过SDM-A型旋风式磨粉机磨成粉，过6O目筛后分别装入小塑料袋中封口，存放于干燥器中备用。
1．2 脂肪含量的化学测定
脂肪含量测定依据GB2906-82残余法，用索克斯特克抽提器进行脂肪的抽提。首先从干燥器中取出样品，在105℃的恒温箱里烘2h至恒质量，取出后放入干燥器中冷却至室温后称取精米粉2g左右(准确记录所称精米粉质量C，本试验使用万分之一的天平)，放入脂肪抽提专用纸筒中；用洗净并在105℃的恒温箱里烘2h至恒质量的铝杯(冷却至室温，准确记录此时铝杯质量A)作提取杯，铝杯中加入25mL沸点为60～90℃的石油醚作溶剂，用索克斯特克抽提器进行抽提，油浴温度设定为150℃ 。第一步，样品浸在沸腾的溶剂中30min，使大部分可溶性物质被溶解；第二步，淋洗2h，样品上升到溶剂上面，使冷凝器中冷凝下来的溶剂可以充分地冲洗样品。抽提结束回收溶剂后，将铝杯重新放入105℃的恒温箱里烘2 h至恒质量(冷却至室温，准确记录此时铝杯质量B)。精米样品中脂肪含量=100×（B-A）/C×lOO％；式中A-洗净烘干后的铝杯质量(g)；B-抽提完毕烘干后的铝杯质量(g)；C-称取的精米粉样品质量(g)。
样品全部采用平行双样分析，取其平均值作为样品脂肪含量值。本试验中所测稻米样品的脂肪含量范围为0.1340%～O.8657%。
1．3 近红外反射光谱的扫描
利用德国BRUKER公司生产的VECTOR22／N型傅立叶变换近红外光谱分析仪，精米粉样品5g左右，置于直径为48mm 的石英杯中，在波数为4000～12000cm-1范围内扫描反射光谱，分辨率为8cm-1，扫描次数为64次，每样品重复2次，得2张“参考光谱”。随机选择15份样品组成检验样品集，定标样品集样品数为139份。
2 结果与分析
2．1 谱区对结果的影响
运用OPUS 4.0定量分析软件，软件自动优化所显示的有效谱区分别是6100～4250cm-1、6100～5450cm-1并4 600～4250cm-1、7500～5450cm-1并4600～4250cm-1。在运用偏最小二乘法和内部交叉验证法建立模型的过程中．选择不同的谱区，对结果具有一定的影响，这与Pasikatan等人的论述是一致的。从交叉验证(Cross validation)后预测值和实际值的决定系数R2、标准误RMSECV 以及模型校正(Calibration)后的决定系数R2、标准误RMSEE来看，波段所含有效信息量大小如下：6100～4250cm-1>6100～5450cm-1并4600～4250cm-1>7500～5450cm-1并4600～4250cm-1(校正和验证均以波段分析)。
2．2 光谱预处理方法对结果的影响
同一谱区，不同的预处理方法，所得结果也存在一定差异。如表所示，本试验在6100～4250cm-1谱区，光谱采用直线扣除预处理所得模型预测值和实际值的决定系数R2最大，为0.9084；在6100～5450cm-1并4600～4250cm-1谱区，光谱采用乘性散射校正预处理所得模型预测值和实际值的决定系数R2最大，为0.9013；在7500～5450cm-1并4600～4250cm-1谱区，光谱经矢量归一预处理后所得模型预测值和实际值的决定系数R2 最大，达0.8928。三者比较，本试验选择谱区为6100～4250cm-1谱区、预处理为直线扣除所得模型最好。这说明在建立模型的过程中要反复比较、慎重选择，力求选择的谱区和预处理方法为最佳搭配。
2．3 模型预测效果的评价
一般在实际建模过程中把交叉验证的决定系数R2和标准误RMSECV作为评价标准，R2值越大且RMSECV越小，理论上模型的预测效果就越好。所以本试验中谱区为6100～4250cm-1和光谱预处理为直线扣除的组合较为理想，交叉验证的预测值和实际值的决定系数R2=0.9084，而标准误RMSECV=0.0459。
2．3．1 从定标样品集内部交叉验证集看模型预测效果.如图所示，本试验精米样品化学值分布比较均匀，说明所选样品具有一定的代表性；稻米样品都比较集中的分布在中心线两侧，说明交叉验证的预测值和实际值比较吻合；整体分布情况良好，几乎没有样品远离中心线，说明实测值的测量精度相对较高；交叉验证的预测值和实际值的决定系数R2=0.9084，标准误RMSECV=0.0459，总体说明模型预测效果良好。
2．3．2 从检验样品集外部验证集看模型预测效果
图显示随机选取的l5份检验集精米样品脂肪含量的分布比较均匀，约在0.20%～0.80%，比较具有代表性，而其预测值和实际值都比较接近，这说明此模型可以用于精米中脂肪含量的测定。
3 讨论
近红外反射光谱技术在稻米品质检测中，已经得到了比较好的应用，尤其是含量较高的化学成分如蛋白质和直链淀粉含量测定，含量较少的氨基酸也有人做了尝试。在脂肪测定方面，近红外主要应用在大豆、蓖麻等油料作物和工业油脂上，因为其本身脂肪含量较高，都取得了较好效果。本试验中所搜集稻米样品数量有限，且主要是籼稻品种，使所建模型存在局限性，应进一步积累筛选材料，特别是增加粳稻和糯稻样品数，以进一步提高模型精度，使它具有广泛的适用性。
近红外技术的最大优点在于快速、简便，一旦建立起有效的回归方程，可在样品扫描几秒钟内显示结果。此外，一份样品可同时对多项指标进行测定，而且无损测定样品，由于该技术具有快速、简便、样品无损测定等特点，非常适合在遗传育种中利用。20世纪90年代初在谷物、蔬菜、饲料品质分析中开始利用。舒庆尧等采用NIRSystem6400型近红外分析仪，进行精米粉样品表观直链淀粉含量测定研究，取得较好效果。祁祖白等和吴长明等认为，水稻脂肪含量是数量性状，其遗传力较大，经过多代选择，较易得到高脂肪含量且性状稳定的优良品种。用脂肪含量太低的非优质高产品种作亲本，不利于提高脂肪含量。因此，在优质稻米选育的多世代选择过程中，利用近红外光谱分析技术就可以对选育起指导作用，低脂肪含量在早世代就可以淘汰，以缩短育种进程，节约人力、物力，指导育种向高质量、功能化、专业化方向发展。
近红外光谱分析技术在油菜遗传研究中已经得到应用，稻米脂肪含量与稻米食味品质之间存在密切联系，控制稻米脂肪含量的QTL分析，越来越受到关注，然而定位所需的群体脂肪含量若用传统方法一一测定，需要耗费大量的时间及人力物力，借助近红外光谱分析技术建立脂肪含量测定模型，则可以有效地解决这一问题。本研究建立的模型，总体效果较好，可以用于对加倍单倍体、重组自交系等遗传群体大量株系的脂肪含量进行分析，初步检测控制稻米脂肪含量的数量性状位点。
