食品分析 (4)

图2.3表示测定不同食品中咖啡因浓度而绘制的标准曲线。用HPLC连接一台检测波长设定在272nm处的紫外检测器，该仪器可快速分析食品中咖啡因。在272nm处，咖啡因峰面积与其浓度成比例。利用该仪器检测某一未知样品（如：咖啡）时，就会得到一个峰面积，根据峰面积的大小，利用标准曲线就能求得未知样品中待测成分的浓度。

图2.3标出了所有的数据电和一条似乎经过了大部分点的直线。同时该直线几乎经过原点。这一现象是合理的，因为当待测成分浓度为零时，在272nm处不应该产生吸收信号。但是，该直线并非完全是直的（事实上从来都不是），而且也没有真正经过原点。

在测定样品中咖啡因浓度时得到样品的峰面积，比如说4000，据此可在标准曲线上找到相应的点，然后从该点向x轴画一条垂线，根据这条垂线与x轴的交点位置便可以估算出该溶液中含有约42~43mg/kg的咖啡因。

利用线性回归能从数学上确定线的最佳拟合。直线方程式是y=ax+b，式中a表示斜率，b表示直线在y轴上的截距。要确定斜率和y轴上的截距，就需要用下列回归方程。在确定了a和b后，对任何（测得的）y，都可确定其浓度（x）：

(x?x)(y?y)?斜率a=

?(x?x)ii2iy轴上的截距b=y-ax

xi和yi这些参数都是个体值，而x和y则是个体值的平均值。现在，许多计算器和计算机都具有迅速计算回归方程的功能，因此无需对该方程在数学上进行全面的讨论。上述方程给出了y关于x的回归线，并假定误差出现在y轴上。回归线描绘了所有数据点之间的平均关系，因此它是一条经过平衡的线。

利用图2.3中的数据，可计算未知物中咖啡因浓度，并将其与图解法相比较。如果仍以未知物在272nm处的吸收峰面积为4000为例，根据标准曲线数据和线性回归分析，求得y轴上的截距（b）为84.66118, 斜率（a）为90.07331。

y?by=ax+b 或 x=

a4000?84.66118x（浓度）==43.468(mg/kg)（咖啡因）

90.07331因此计算值与图解估算值非常接近。应用计算机软件和计算器还可获得这条回归线的其它信息。 2、相关系数

根据实验数据绘制标准曲线时，总是涉及到如何绘制穿过数据点的直线以及数据与直线的符合程度如何。对任一组数据，首先要做的事就是要在图上标明其位置，目的是看这些点是否能连成一条直线。如果不存在线性关系，同样能从该线上辨认出原始数据点。

图2.4说明了标准曲线上的差异，其中2.4(1)表明数据间具有良好的相互关系，而2.4(2)则表明其相互关系比较糟糕。在这两种情况下，都可以绘制一条经过数据点的直线。虽然由两张图得到同样的直线，但后者的精密度显然较差。

在绘制标准曲线时，还存在其它可能，如图2.5(1)表示x与y之间具有良好的相互关系，但却是在负方向上的，图2.5(2)则表示了一些不相关的数据。

相关系数表示数据与直线之间的符合程度。对一条标准曲线而言，理想情况就是所有数据点完全位于一条直线上。但是，这根本不符合实际情况，因为在配制标准物和测量物理数值时，都可能引入误差。

下面将叙述相关系数和测定系数的定义。基本上所有的计算机和绘图软件都能自动计算这些数值。

(xi?x)(yi?y)?相关系数r= （2.25）

22[?(xi?x)][?(yi?y)]以图2.3所示的咖啡因标准曲线为例：

r=0.99943（相关系数的数值通常要求有四位有效数字）。

对标准曲线，希望r值尽可能的接近+1.0000或－1.0000，因为这个值代表绝对相关（绝对的直线）。一般说来，在分析工作中，r应为0.9970或更高一些（这项要求不适用于生物学研究）。

实际中经常使用测定系数（r2），虽然它不能指出相互关系的方向，但有助于更好的认识该直线。在上述例子中，r2为0.99886，表明吸光度（y）变化的比例与相应浓度（x）之间能够进行线性回归，这意味着该直线变化程度约为0.114%[(1.0000-0.99886) ×100%=0.00114×100%=0.114%]。 四、结果报告

在处理实验结果时，常常在报告结果的同时指出测定方法的灵敏度和精密度。下面我们将讨论如何评价实验值以便获得精确的报告结果。 1、有效数字

有效数字这一术语描述了如何判断实验结果中应记录数字的位数，但这一概念在具体使用时相当模糊，而且判断常常不正确。不是将有意义的数字舍弃，就是将无意义的数字还保留着。下面我们讲一些准确的原则以帮助确定报告结果有效数字的位数。但是，在处理有效数字时保持一定的灵活性也是很重要的。

适当使用有效数字的目的在于借此表示分析方法的灵敏度和可靠性。当一个数值除最后一位数是可疑的，其余均是可靠的，那么该数值就是由有效数字构成的。例如，某个报告结果为64.72，该数值包含四位有效数字，其中前散位是可靠的（64.7），最后一位是不可靠的，即2是不确定数，可能是1或3。一般来说，不管小数点的位置如何，一个数值中所显示的数字就代表了有效数字。对于含有零的数值，假如零的每一边都与一个数字相邻，那么上述规定也是正确的。例如，64.72，6.472,0.6472和6.407均含有四位有效数字。注意：如果某数值小数点右边的零仅用来表明某值小于1时，可以把此数值记录为.6472，但在小数点前加上零更好。

对于零是否是有效数字，必须特别考虑下述情况：

（1）在小数点后的零通常是有效数字。如64.720和64.700都含有五位有效数字；

（2）小数点前没有其它数字时，小数点前的零不是有效数字。正如前文指出的那样，0.6472只有四位有效数字；

（3）如果小数点前没有其它数字，那么小数点后的零也不是有效数字。如0.0072。小数点前没有数字，所以该数值只有两位有效数字。又如1.0072，小数点前有数字，因此小数点后的零属有效数字，该数值共有五位有效数字。

（4）除非特别说明，一个整数末位的零不是有效数字。因此，整数7000只有一位有效数字。但是如果加上一个小数点和零，如7000.0，则表示此数值含有五位有效数字。

如果难以理解上述规则，有个方法可以帮助衡量零的有效性，那就是将该数字转化成指数形式。如果能将零省略，那么它们就不是有效数字。如7000用指数形式表示就是7×103，含有一位有效数字；对于7000.0，所有的零都应该保留下来，该数字的指数形式为7.0000×103，含有五位有效数字。0.007也可转化为指数形式，7×10-3，说明只含一位有效数字。一般说来，在算术运算中，有效数字是由含最少有效数字的位数决定的。避免混淆的简单方法就是按照所有数值进行计算，然后将最终答案四舍六入五留双到恰当的位数。例如：36.54×238×1.1=9566.172，1.1只有两位有效数字，该答案应该是9600（其中的两个零不是有效数字）。除了小数加减运算外，该方法适用于多数计算过程，效果良好。在小数的加减运算中，最终数值有效数字的位数是根据小数点后的数字确定的。加法运算7.45＋8.725=16.175，因为7.45在小数点后只含两位数字，所以加法运算的结果应该是16.18。同理，433.8－32.66=401.14，正确结果应该是401.1。

上述规则在应用过程中存在减少最终答案有效数字的倾向，因此在使用时要格外小心。例如，以测定某未知溶液中咖啡因含量为例，测定结果为43.5mg/kg。在测定过程中必须用一个容量瓶将样品稀释50倍，使未知物浓度符合方法测定的范围。为了计算原始样品中的咖啡因浓度，用50乘以测定的结果，也就是说在未知物中含有43.5ug/ml×50=2175ug/ml咖啡因。根据上述规则，需要将该数字舍入到一位有效数字（因为50只含有一位有效数字），并把该数值记录为2000ug/ml。但是，这样做实际上降低了试验过程的灵敏度。主要原因是忽略了用于稀释的容量瓶的准确度所致。一个A级容量瓶只有0.05ml的公差，因此正确表达稀释倍数的方法就是用50.0代替50，这样最终实验结果的有效数字将增加两位，结果变为2180ug/ml。 2、有效数字的运算原则

在记录测量数据时，应根据仪器的精密程度，保留一位估计值，因而在保留

适当位数的有效数字后，对多余的值必须舍弃，这一过程应遵循“四舍六入五留双”的原则。在应用这一原则时应注意一次修约获得结果。如修约11.4549为整数，正确的是11.4549?11，而不是11.4549?11.455?11.46?11.5?12。 （1）当几个数据加减时，计算结果的绝对误差应与加减的各数中绝对误差最大者相符。也就是说，应以参加运算的各数字中小数点后位数最少的那个数字为依据，先修约再计算。例如：2.386＋5.2＋4.56=2.4＋5.2＋4.6=12.2

（2）当几个数据相乘除时，计算结果的相对误差应与参加运算的各数中相对误差最大者相近。也就是说，计算结果的保留是以各数字中有效数字位数最少的那个数字为依据，先修约再计算。例如：0.0120×25.25×1.05780=0.0120×25.2×1.06=0.320 3、数字的舍弃

在处理实验数据的过程中，不可避免的会遇到与其它值不匹配的数值。那么能否将其舍弃，并且不用它来计算最终的报告结果？

回答是“有时候可以”，但需要经过仔细考虑。如果例行公事似的舍弃数据以使测试结果看起来更好，那么就等于歪曲结果和测试的精密度。如果这个异常数值是某一特定实验中一个可识别错误造成的结果，那么舍弃此值是无害的，但不论怎样都要倍加小心，因为有可能会舍弃掉一个比其他数值更接近真实值的值。

如果准确度和精密度自始至终都很差，则说明使用的分析方法不当或试剂配制错误或测试过程中出现差错，最好通过改善实验过程或改变分析方法进行纠正，而不能试图用舍弃数字的方法来排除不符合要求的数值。

有几种检验方法可用于舍弃异常数据，Q－检验法是其中常用的一个方法。在Q－检验法中，计算Q值，并将结果与表格中的数值相比较，如果计算值比表格中的值大，那么该可疑值可被舍弃（90%置信度）。

Q=

x2?x1 W式中：x1——可疑值 x2——x1的最临近值

W——所有数值的极差，等于最高值减去最低值

表2.4列出了舍弃结果所需的Q值（90%置信度）

表2.4 舍弃结果所需的Q 测定次数 舍弃Q（90%置信度） 测定次数 舍弃Q（90%置信度） 3 0.94 7 0.51 4 0.76 8 0.47 5 0.64 9 0.44 6 0.56 10 0.41 举例：仍以生汉堡包水分含量为例，共进行了四次重复测定，结果如下：64.53,64.45,64.78和55.31。其中，55.31这个结果似乎要比其他结果小很多。那么该值能否被舍弃呢？根据上式x1=可疑值=55.31，而x2是与x1最邻近的值，即

64.45?55.319.14==0.97

64.78?55.319.47由表2.4可知，0.97﹥0.76，因此，水分含量为55.31%这个值可以舍弃，而且不让其参与平均值的计算。

第三章 样品的采集及预处理

食品分析的全过程包括：

样品的采集——干扰组分的分离与预处理——待测成分的测定——结果计算。本章首先学习全过程的前两步：样品的采集与预处理。

第一节 样品的采集和保存

一、正确采样的意义

采样——在产品中抽取一定代表性样品，供分析化验用，这个抽取代表性样品的过程，成为采样。

整体 部分 说明 测定结果 进行分析检验，是在整批被测食品中抽取一部分作为被测样品，而对样品进行分析的结果，却是用来说明整批食品的，因此，在定量分析之前必须做到： 1、正确采集样品，使样品能够代表整批食品所具有的特性。

因此，在采样时，不能忽略样品的均匀性、代表性，否则，无论分析工作做得如何认真、准确，都是无意义的。同时，如果错误使用了无代表性的分析数据，会给实际工作带来难以估计的后果。

2、样品种类繁多，且组成很不一致（即：不同样品的组成成分差异很大），故需采取其平均样品。

检样：由整批食品的各个部分采取的少量样品

样品 原始样品：把许多分检样综合在一起，称为原始样品。

平均样品：原始样品经过处理再抽取其中一部分作检验用者，称为平

均样品。

平均样品有以上两种定义，实质上是一样的，只是二者说明的角度不同，以第一个定义为准。下面举例说明什么是检样、原始样品和平均样品。

啤酒的生产：每天按不同的班次取三瓶进行检验，这三瓶啤酒就是检验。将这三瓶啤酒混合在一起就称为原始样品，再从混合液中抽取一部分进行检验，抽取进行检验的这部分啤酒就是平均样品。这就要求我们在进行测定时，要使用其平均样品，而不能使用检样或平均样品。例如：（1）葡萄酒测定时，不能取一瓶进行测定，而应取多瓶 混合 取小部分 （2）蜂蜜中还原糖和非还原糖的测定，虽然只用几克，（一般5~10g），但不能随便取一点就来测定，而是用一根长玻璃棒，在许多桶中各蘸一下（玻璃棒要插到桶底），盛于大桶中，充分混合后，再取5~10g样品进行测定。 二、采样的方法和数量 （一）方法

采样对测定结果起决定性作用，所以，采样一般由我们分析工作者亲自动手。采样的方法因食品的形态、种类和检验项目的不同而异。下面分别叙述不同样品的采样方法和数量。

64.45，极差W=64.78－55.31。Q=

搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新医药卫生食品分析 (4)全文阅读和word下载服务。