紅外光譜分析技術(shù)在稻米品質(zhì)方面的應用
發(fā)布日期：2014-07-08
點(diǎn)擊：1896
水稻作為世界主要糧食作物之一，近紅外光譜技術(shù)較早地應用于稻米品質(zhì)的分析。日本學(xué)者在20世紀80年代初利用近紅外分析技術(shù)測定了稻米蛋白和丙氨酸含量等品質(zhì)性狀，其結果與常規測定有很高的相關(guān)性，但發(fā)現直鏈淀粉含量和灰分測定的重演性較差。90年代以來(lái)，應用近紅外光譜技術(shù)測定稻米蒸煮與營(yíng)養品質(zhì)等性狀的研究已經(jīng)取得較好的進(jìn)展。Villareal等研究了NIR技術(shù)測定糙米和精米的表觀(guān)直鏈淀粉含量（AAC）的效果，發(fā)現測定精米時(shí)結果穩定，與常規測定方法得的結果有較好的相關(guān)性。Delwiche等則用97份精米粉為分析樣品，明顯提高了NIR分析的精確度，碘比色法與NIR方法測得的AAC兩者間相關(guān)系數達0.956.采用直接掃描整粒精米的方法分析稻米品質(zhì)性狀，結果發(fā)現AAC、蛋白質(zhì)含量、糊化溫度（堿消值）、米粉黏滯特性等都可取得良好的結果。稻米的品質(zhì)除了與其化學(xué)組成（淀粉、蛋白質(zhì)、水分含量等）有關(guān)，還受顏色、透明度、外觀(guān)紋理、口感等影響。Barton等利用近紅外光譜評估稻米的質(zhì)量，發(fā)現其化學(xué)組成和物理性質(zhì)（顏色、透明度、粉碎程度等）可以利用不同的波長(cháng)區域建立相應的模型進(jìn)行質(zhì)量評估。舒慶嘵等以精米粉為樣品，建立了稻直鏈淀粉含量的NIR定標分析模型，外部檢驗決定系數達0.94，工作標準誤差小到0.84.利用較小定標樣品集構建稻米直鏈淀粉和蛋白質(zhì)含量測定的NIR分析模型也取得良好效果，模型的決定分別為0.95和0.94.一些學(xué)者將NIR技術(shù)應用于精米粉黏滯度（RVA）、差熱分析（DSC）和米膠特性等淀粉品質(zhì)參數的研究，發(fā)現絕大部分指標的定標模型決定系數在0.8以上，誤差較小。Kawamura等將NIR技術(shù)用于稻米加工過(guò)程的質(zhì)量控制，成功地分析了稻米的水分和蛋白質(zhì)含量?jì)身椫笜恕Ｒ陨系难芯看蠖嗉性诰椎钠焚|(zhì)測定上，但用于育種中材料的品質(zhì)篩選的石粉較少。舒慶曉等較早地以建立小樣本美國稻糙米的NIR分析模型，取得較好的效果，可用于美國稻的單株選擇。
上述研究為NIR技術(shù)在水稻品質(zhì)良種中的應用打下了一定的基礎。但尚存在著(zhù)不少問(wèn)題，如樣品來(lái)源較為單一、大多為單年份的試驗材料、定標集本數目偏少、所構建的模型實(shí)際適用性還不夠理想，且目前定標模型分析所需樣品量較大，不適合于單株樣品量很少的育種中間材料選擇。更重要的是，絕大部分用于構建分析模型的樣品為穩定的品種或品系，這與育種蹭材料常處于分離狀態(tài)不相符合，而樣品狀態(tài)對于NIR分析是非常重要的。由于上述這些原因，目前NIR分折技術(shù)還未在稻米品質(zhì)改良的育種選擇過(guò)程中得到廣泛應用。鑒于此因，Wu等以及吳建國等對稻米品質(zhì)指標的NIR分析技進(jìn)行了系統研究，試驗中利用14個(gè)親本以及3個(gè)不同世代的遺傳群體進(jìn)行NIR建模研究，發(fā)展了樣品量?jì)H需3g和0.5g、且能同時(shí)測定稻米蛋白質(zhì)和16種氨基酸含量的NIR分析技術(shù)。同時(shí)根據遺傳背景和品質(zhì)差異，選擇了474粒稻谷組成一個(gè)原始樣品集，發(fā)展了可以用于分析單粒稻谷直鏈淀粉含量的NIR分析模型。為了使NIR分析更具實(shí)用性，將1999～2002年期間獲得的586個(gè)CENTER程序界定群體，經(jīng)SELECT程序選擇出290樣品作為定標樣品集，建立了可用于稻米粉直鏈淀粉含量、堿消值和膠稠度等品質(zhì)性狀測定的NIR分析模型，定標決定系數分別為0.96、0.85、0.81.應用136個(gè)差異大的水稻樣品作為原始群體，也發(fā)展了能分析精米脂肪酸含量的NIR定標模型，其決定系數和標準偏差分別為0.90和0.04%。通過(guò)不斷嘗試新的稻米品質(zhì)指標，加之測定儀器和軟件的不斷改進(jìn)，NIR技術(shù)有可能成為稻米品質(zhì)育種選擇的常用測定工具。
111儀器信息網(wǎng)
