[0044] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。实施
例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件或者按照产品说
明书进行。
[0045] 1.仪器、试剂与材料
[0046] 6890/5975气相色谱质谱联用仪（美国安捷伦公司）；COMBI PAL型全自动三位一体进样器(美国安捷伦公司)；20mL顶空瓶（美国安捷伦公司）；AMDIS自动质谱解卷积和鉴定软件（美国国家标准与技术研究院）；Mass Profiler Professional差异化分析软件（美国安
捷伦公司）。
[0047] 从市场或者生产厂家收集食用植物油样品54个，包括大豆油（Soybean oil）13个，花生油（Peanut oil）9个，芝麻油（Sesame oil）10个，菜籽油（Colza oil）5 个，棕榈油（Palm oil）5个，棉籽油（Cottonseed oil）6个，玉米油（Maize oil）6个（见表1）。
[0048] 表1 植物油样品数量统计
[0049] Table 1 quantity statistics of Vegetable oil samples
[0050]种类 英文名称 样品总数 模型训练数 模型验证数
菜籽油 Colza oil 5 4 1
大豆油 Soybean oil 13 9 4
花生油 Peanut oil 9 6 3
棉籽油 Cottonseed oil 6 5 1
玉米油 Maize oil 6 5 1
芝麻油 Sesame oil 10 8 2
棕榈油 Palm oil 5 4 1
合计 54 41 13
[0051] 2 实验方法
[0052] 2.1顶空进样条件 样品量：0.5g；进样加热箱温度：180℃，样品加热同时振摇频率：500rpm，平衡时间：2700S，进样量：500μL。
[0053] 2.2 色谱条件 色谱柱：HP-5MS毛细管柱（ 30 m×0.25mm×0.25 μm）。升温程序:初始温度40℃，保持 3min，以5℃/min升温至120℃，再以10℃/min升温至300℃；进样口温
度260℃，进样模式：脉冲不分流进样，脉冲压力15psi，持续1min；载气：高纯氦气，恒流流速：1.0mL/min。
[0054] 2.3 质谱条件 传输线温度：280℃；电离模式：EI源；数据采集方式：全扫描，质量扫描范围：20～400amu，溶剂延迟时间：1min。
[0055] 2.4 数据分析条件 利用NIST自动质谱解卷积和鉴定软件（AMDIS）结合自带谱库（NISTFF香料香精库），在SIMPLE模式处理所得GC-MS数据文件，解卷积参数峰宽（Component width）设置为15，相邻峰差减（Adjacent peak subtraction）设置为one，分辨率
（Resolution）、灵敏度（Sensitivity）和峰形要求（Shape requirements）均设置为medium，保留匹配因子（match factor）大于70的组分。
[0056] 结果与讨论
[0057] 3.1 数据采集优化
[0058] 由于事先不知各种植物油的特征化合物，因此采用全扫描模式进行非靶向分析，尽可能获得丰富的化合物信息，为进行下一步的差异化分析打好基础。顶空进样加热箱温
度优化，分别进行了60℃，80℃，100℃，120℃，140℃，160℃，180℃实验，结果表明180℃得到的化合物最丰富，尤其一级植物油（一级大豆油、一级玉米油和一级菜籽油）在生产过程
中进行了脱臭处理，如果温度较低挥发性成分极少，随着加热温度增加，植物油成份在高温
下氧化分解，重新生成挥发性风味物质，主要为醛、酮、醇、酚、酯、烃类物质。但是考虑到仪器的耐受性和安全性，所以选择180℃作为顶空进样加热箱温度。进样口模式脉冲不分流，
如果采用不分流模式，得到的色谱峰（尤其是3分钟之前的峰）较宽，采用脉冲不分流模式，在进样时，通过增加进样口压力，让进入的顶空气体快速进入色谱柱，避免了流失的同时生
成的色谱峰也较尖锐。
[0059] 数据处理
[0060] 应用AMDIS技术可以有效解决GC-MS分析时基质效应和共洗脱对植物油中挥发性化合物的干扰。将AMDIS软件创建的FIN（已鉴定化合物）和ELU（未鉴定化合物）文件，导入Mass Profiler Professional(MPP)软件对数据进行分析。MPP共得到2486个化合物（强度
阈值为5000）。分别采用按标志筛选，频率筛选，样品差异筛选、单因素方差分析，逐级筛选不同类型植物油的最具特征性标志化合物，通过逐级筛查，化合物数量降到63个，继续使用
PCA（主成分分析）和PLS-DA（最小二乘法分析）方法前对数据作降维处理。通过对数据进行降维，消除了众多信息中重复的部分，保留了数据中具有判别能力的化合物。
[0061] 主成份分析
[0062] 主成份分析（PCA）是一种非监督方法，可以用于发现样品间的差异。利用MPP软件对各种植物油质谱数据进行主成份分析，主成份分析3维得分图如图1显示，41个训练用植
物油，明显分为两大类，芝麻油的在X轴上与其他植物油明显分开，有一个很高的正得分。在
2维主成份分析图上，主成份1（PC1）可以阐明数据58.03%（图2）的差异性，专属于芝麻油的组分位于主成份1的正载荷位置。根据主成份1中化合物的得分情况，可以鉴定出区分芝麻
油的主要标志成份（表2），不同成份的相对峰强度也表征了该组样品的特征。以化合物
94.0@5.650775为例，查看确认其是否具有特征性，一种方式为通过MPP化合物查看器查看，
化合物94.0@5.650775在不同植物油中的分布见图3；另一种方式为通过化学工作站，提取
特征离子方式查看，见图4。无论是MPP化合物查看器查看还是化学工作站提取特征离子，都
能看出该化合物具有很强的特征性，可以作为芝麻油的标记物，经NIST谱库检索该化合物
为甲基吡嗪。
[0063] 表2通过PCA分析得到的芝麻油的主要标志成份
[0064] Table 2 The main ingredients of Sesame oil by PCA analysis
[0065]Compound Component 1 Component 2 Component 3 Component 4 Mass Retention Time
94.0@5.650775 0.9697679 0.191008 0.012565 0.142868 94 5.650775
80.0@3.2947228 0.9697679 0.191008 0.012565 0.142868 80 3.294723
122.0@12.171183 0.9697679 0.191008 0.012565 0.142868 122 12.17118
122.0@11.551856 0.96976787 0.191007 0.012565 0.142868 122 11.55186
60.0@0.8818904 0.96976787 0.191007 0.012565 0.142868 60 0.88189
84.0@2.1671088 0.96976787 0.191007 0.012565 0.142868 84 2.167109
99.0@5.481937 0.96976787 0.191008 0.012565 0.142868 99 5.481937
96.0@2.7689369 0.96976787 0.191008 0.012565 0.142868 96 2.768937
109.0@14.352331 0.96976787 0.191008 0.012565 0.142868 109 14.35233
121.0@11.459665 0.9697678 0.191007 0.012565 0.142868 121 11.45967
94.0@3.555635 0.9600885 0.25673 -0.00307 0.089225 94 3.555635
[0066] 3.4 偏最小二乘判别分析（PLS-DA）
[0067] 从图1可以看出，除芝麻油外，其他植物油没有在无监督的主成份分析上得到很好区分。必须使用有监督的方法进行分析，来发现样品间的差异。PLS-DA是一种成熟的基于回
归的方法，特别适用于包含的样品数少于被测变量的情况。它常用于加大观测组之间的区
别，最大程度区分不同的类别。使用41个训练样品建立PLS-DA类别分析模型，使用13个预测
样品进行模型验证，从PLS-DA法三维图（图5）中可以看出七种植物油可以有效的分开，对分类模型训练和模型验证准确率均为100%，结果见表3，表明了创建的模型用于区分辨别预测
植物油类别是可行的。同时，在构建的植物油分类预测模型中鉴定出每种植物油相关的主
要标志化合物，见表4。
[0068] 表3植物油分类模型训练和验证结果
[0069] Table 3 Classification model training and validation results of vegetable oils
[0070] 菜籽油 大豆油 花生油 棉籽油 玉米油 芝麻油 棕榈油 准确度（%）
模型训练
菜籽油 4 0 0 0 0 0 0 100
大豆油 0 9 0 0 0 0 0 100
花生油 0 0 6 0 0 0 0 100
棉籽油 0 0 0 5 0 0 0 100
玉米油 0 0 0 0 5 0 0 100
芝麻油 0 0 0 0 0 8 0 100
棕榈油 0 0 0 0 0 0 4 100
模型验证
菜籽油 1 0 0 0 0 0 0 100
大豆油 0 4 0 0 0 0 0 100
花生油 0 0 3 0 0 0 0 100
棉籽油 0 0 0 1 0 0 0 100
玉米油 0 0 0 0 1 0 0 100
芝麻油 0 0 0 0 0 2 0 100
棕榈油 0 0 0 0 0 0 1 100
[0071] 表4 构建的植物油分类预测模型中鉴定出的主要标志化合物
[0072] Table 4 the main marker of compounds were identificated in the vegetable oil classification prediction model
[0073]标志化合物 菜籽油 大豆油 花生油 棉籽油 玉米油 芝麻油 棕榈油
1 4-戊烯-1-醇 正己酸乙烯酯 2,4-二甲基环己醇 糠醛 (反式)-4-壬烯醛 芝麻酚 巴豆醛
2 醋酸乙烯酯 己酸 反1,2-環戊二醇 庚烷 1-戊烯-3-醇 2,6-二甲基吡嗪 1-辛烯
3 2-甲基-1,3-丁二烯 1,1-二甲基环丙烷 戊醛 3-甲基-1-丁烯 (E,E)-2,4-庚二烯醛 2-乙基-6-甲基吡嗪 2-十一烯醛
4 甲酸乙烯酯 戊基环丙烷 4-乙基环己醇 异美汀 2,4-二甲基环己醇 4-甲基噻唑 1-庚烯
5 反式-2-癸烯醛 4-乙基环己醇 正己醛 乙酰胺 正己醛 5-甲基呋喃醛 正己酸乙烯酯
6 反,反-2,4-庚二烯醛 顺式-4-庚烯醛 2,4-二甲基环己醇 甲酸 巴豆醛 2-乙基吡嗪 环丙烷
7 正丁基环戊烷 1,4-二羟基-2-丁烯 2-十一烯醛 对苯二酚 甲酸甲酯 愈创木酚 1-十六烷醇
8 1,3-戊二烯 2,4-二甲基环己醇 硝基环己烷 羟基脲 4-乙基环己醇 2-甲氧基 乙酸乙稀酯
9 二甲基环己醇 丁烯酮 丁烯酮 2,3-辛二酮 顺式-3-己烯醇苯甲酸酯 3-乙基-2,5-甲基吡嗪 己酸
10 2-丁酮 巴豆醛 CIS-4-庚烯醇 4-乙基环己醇 丁烯酮 二甲二硫醚 3-蒈烯
11 2-十一碳烯醛 正戊烷 正己醛 甲醛 正丁基环戊烷 甲酰肼 1,4-丁炔二醇
12 长叶烯 2-丁烯醛 1-丁醇 (反式)-4-壬烯醛 2-庚酮 2,5-二甲基吡嗪 反式-2-癸烯醛
13 N-丁基苯磺酰胺 丙酸 丁酰胺酸 (Z)-4-庚醛 噻吩 正丁醇
[0074] 化学计量学方法为建立植物油类别分析提供了强有力的手段，实验证明根据植物油挥发性物质对不同种类的植物油进行分类和判别是可行的，从而对控制提高植物油产品
质量，植物油掺假鉴别奠定了科学基础。
[0075] 3.5 基于特征标记物掺假比例的定性定量测定
[0076] 3.5.1将被掺假植物油与掺假植物油进行不同比例混合，混合比例为0%、1%、5%、10%、20%、50%、70%、90%、100%，具体比例可根据实际情况进行调整，以混合比例为横坐标，以所选取的特征标记物峰面积为纵坐标，制作标准曲线，将待测样品的峰面积带入标准曲线
进行计算，得到掺假植物油在被掺假植物油中的掺假比例；
[0077] 3.5.2将多种植物油油按一定比例混合在一起，验证特征标记物的定量准确性和抗干扰能力；
[0078] 3.5.3选取5%、10%、20%混合比例的模拟掺假植物油，分别重复测定6次，计算变异系数，验证方法的精密度；
[0079] 3.5.4将单一品种不同品牌的被掺假的合格植物油重复测定20次，计算特征标记物空白值的标准偏差，按公式三倍空白值的标准偏差除以标准曲线斜率得出检出限；
[0080] 3.5.5按上述步骤每种植物油确定2-4个特征标记物，选取其中1个响应强度高、线性好、变异系数小、抗干扰能力强的特征标记物作定量用，其他的作为定性用，也可以只使
用一个特征标记物同时做定性定量用。
[0081] 具体实施例：
[0082] 花生油中掺假大豆油的定性定量测定
[0083] 花生油风味独特、营养丰富，是中国百姓理想的烹饪用油。 近年来，由于花生油价格不断升高，一些不法商贩为了牟取暴利，在花生油经营、销售过程中掺入价格低廉的油
脂，如大豆油等油脂。本试验拟采用顶空气相色谱质谱法对花生油中掺入的大豆油进行定
性定量测定，旨为食用油质量安全控制提供一种准确快速的检测方法。
[0084] 仪器为6890/5975气相色谱质谱联用仪（美国安捷伦公司）带COMBI PAL型全自动三位一体进样器，仪器条件如下：
[0085] a.顶空进样条件：样品量：0.5g；进样加热箱温度：180℃，样品加热同时振摇频率：500rpm，平衡时间：3000S，进样量：1000μL。
[0086] b.色谱条件：色谱柱：HP-88毛细管柱（ 100 m×0.25mm×0.20 μm）。升温程序:初始温度40℃，保持5min，以5℃/min升温至245℃，保持5min；进样口温度250℃，进样模式：脉冲不分流进样，脉冲压力15psi，持续1min；载气：高纯氦气，恒流流速：1.0mL/min。
[0087] c.质谱条件：传输线温度：250℃；电离模式：EI源；数据采集方式：全扫描，质量扫描范围：20～400amu，溶剂延迟时间：8.3min。
[0088] 通过计量学和方法学方法确定特征标记物，本实验以2,3-辛二酮为特征标记物，以99.1为定量离子，定性定量测定花生油中掺假大豆油。
[0089] 将大豆油与花生油进行不同比例混合，混合比例为0%、1%、5%、10%、20%、50%、70%、90%、100%，以混合比例为横坐标，以所选取的特征标记物峰面积为纵坐标，制作标准曲线，将待测样品的峰面积带入标准曲线进行计算，得到大豆油在花生油中的掺假比例，线性方
程为y=2774.6x+43467，相关系数R2=0.9944，见图6，在玉米油、菜籽油、棕榈油、棉籽油存在的多元体系下，回收率在72.2-105.3%，精密度在13%以内，检出限为3.8%。
[0090] 以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，如改变顶空、气相及质
谱条件，改变称样量，改变标准曲线范围，改变特征标记物，改变掺假、被掺假及干扰植物油品种等，这些改进和润饰也视为本发明的保护范围。
