微生物分子生物学湖南省重点实验室，淡水鱼类发育生物学国家重点实验室，湖南师范大学生命科学学院，长沙 410081
聚酮化合物(PKs)作为一大类次级代谢产物，有着重要的生物活性和潜在的应用价值。链霉菌具有合成多种聚酮化合物的潜力，但野生型菌株合成聚酮化合物的产量难以满足工业化生产的需求。贮藏脂质的降解能为聚酮化合物生物合成提供大量的酰基CoA前体，因此，控制好脂肪酸与聚酮化合物生物合成通量，有利于促进目标聚酮化合物的合成。本文综述了强化脂肪酸β-氧化途径提高聚酮化合物产量的研究进展，为利用β-氧化途径促进聚酮化合物生物合成提供了新的研究策略。
聚酮化合物 脂肪酸代谢 β-氧化 生物合成 链霉菌 polyketides fatty acid metabolism β-oxidation biosynthesis Streptomyces
1 东华大学环境学院，空气环境与建筑节能研究所，上海 201620
2 上海污染控制与生态安全研究院，上海 200092
3 上海市安装工程集团有限公司，上海 200080
脂肪酸类相变材料(PCMs)在缓解建筑用能源危机上有着巨大的应用前景。本工作制备了月桂酸-肉豆蔻酸-硬脂酸(LA-MA-SA)的相变材料。以多孔网状膨胀石墨(EG)为热导率增强材料、硅藻土(DE)为定型材料，通过熔融浸渍法分别制备了含质量分数为2% EG、4% EG、6% EG、8% EG、10% EG的高热导率的LA-MA-SA/EG/DE定型复合相变材料，对定型复合相变材料进行微观结构分析和热物性测量。结果表明：LA-MA-SA与EG和DE为物理吸附过程且吸附效果良好。稳态法热导率测试发现，EG可以有效提高PCM的热导率，添加2%~10%的EG，热导率增强了29.7%~708.2%。通过泄漏测试发现，添加DE能够对复合物起到一定的定型作用，防止PCM的泄漏。对复合物进行100次DSC循环后，材料的相变温度和相变潜热均无明显变化。通过蓄/放热试验发现，LA-MA-SA/10% EG/10/% DE的石膏板在加热冷却过程中分别表现出良好的储、放热性能和较长的相对热舒适时间，较纯石膏板延长0.82 h。
脂肪酸 硅藻土 定型相变材料 热物性 fatty acid diatomite stabilized phase change materials thermal physical properties
安徽大学, 农业生态大数据分析与应用技术国家地方联合工程研究中心, 安徽 合肥 230601
人们日常膳食中常见的食用油含有丰富的饱和脂肪酸, 饱和脂肪酸能为人体提供能量和必须营养物质, 但过量摄入会导致多种心血管疾病。 结合反射率光谱和深度学习方法发展一种食用油中饱和脂肪酸含量的分析方法。 首先, 测量了菜籽油、 大豆油、 葵花籽油、 玉米油、 橄榄油、 芝麻油及花生油等7种食用植物油350~2 500 nm范围的反射光谱, 并通过气相色谱-质谱分析法获得其软脂酸、 花生酸及山嵛酸等饱和脂肪酸的含量。 使用中心化、 多元散射校正、 标准正态变量变换及标准化等算法做光谱预处理消除光谱噪声。 然后, 构建了一种新型的二维光谱卷积回归网络(S2DCRN)用于脂肪酸分析, 而全卷积网络(FCN)、 偏最小二乘回归(PLSR)、 支持向量回归(SVR)及随机森林(RF)用于与S2DCRN模型相对比。 最后, 采用序列前向选择(SFS)、 随机蛙跳(RFrog)及遗传算法选取光谱特征的重要波长, 进而构建更为简单稳健的分析模型。 实验结果表明, 对食用油的全光谱预处理后, S2DCRN模型性能最优, 其模型对预测集的决定系数()达到0.987 9, 均方根误差(RMSEP)为0.510 0。 基于重要波长的S2DCRN模型, RFrog-SFS为S2DCRN提供了最佳的预测结果=0.967 9, RMSEP=0.462 7。 虽然变量选择后所取得的分析效果略差, 但光谱波长数目不足全光谱的1%, 节省了光谱数据采集工作并大幅降低了模型复杂度, 有助于后续便携式简化检测装置的研发。 为进一步探究S2DCRN模型的通用性能, S2DCRN被用于食用油中花生酸和山嵛酸含量分析。 其中, S2DCRN对花生酸的预测结果较好=0.950 1, RMSEP=0.152 9。 所提出的S2DCRN可实现反射率光谱对食用油中多种脂肪酸的准确快速分析。
食用油 饱和脂肪酸 反射光谱 卷积神经网络 Edible oil Saturated fatty acids Reflectance spectroscopy Convolutional neural network 光谱学与光谱分析
2022, 42(5): 1490
1 湖北民族大学生物科学与技术学院, 生物资源保护与利用湖北省重点实验室, 恩施 445000
2 上海交通大学生命科学技术学院, 微生物代谢国家重点实验室, 代谢与发育科学国际合作联合实验室, 上海交大-上海农乐生物农药与生物肥料联合研发中心, 上海 200240
3 上海农乐生物制品股份有限公司, 上海 201419
生物体能够合成脂肪酸, 它们以不同链长、化学构型和功能存在于体内, 参与生物体合成代谢、能量代谢、信号传导等重要的生理活动。生物体能通过不同氧化途径分解和利用脂肪酸, 其中β-氧化是真核生物和原核生物中脂肪酸降解的主要途径。脂肪酸β-氧化机理在大肠杆菌中研究得最为广泛和深入。本文首先以大肠杆菌为重点对象, 介绍了细菌脂肪酸β-氧化机制的最新研究进展。在此基础上, 以植物病原黄单胞菌为代表, 介绍了DSF-家族群体感应信号分子(一类中链不饱和脂肪酸)的降解途径和调控机理。基于目前的研究结果, 进一步预测了超长链脂肪酸、3-位甲基脂肪酸、2-/3-位双键不饱和脂肪酸和多双键不饱和脂肪酸β-氧化途径中可能需要的特殊酶, 并展望了本领域有待深入研究的关键科学问题。本综述为进一步深化脂肪酸β-氧化与细菌致病性相关机理研究提供了坚实的基础。
细菌 脂肪酸 β-氧化 DSF群体感应信号 细菌致病性 bacteria fatty acid β-oxidation DSF-family quorum sensing signal bacterial pathogenicity
1 哈尔滨商业大学计算机与信息工程学院/黑龙江省电子商务与信息处理重点实验室, 黑龙江 哈尔滨 150028
2 哈尔滨商业大学食品工程学院, 黑龙江 哈尔滨 150076
3 东北农业大学食品学院, 黑龙江 哈尔滨 150030
针对油脂脱臭过程中的反式脂肪酸(TFAs)含量控制问题, 提出一种基于近红外光谱分析的油脂中TFAs含量快速检测方法。 制备含不同TFAs的大豆油脂样本100个, 利用气相色谱(GC)法精确测定其TFAs含量, 扫描样本近红外光谱, 然后利用不同方法对光谱数据进行降噪处理, 发现多元散射校正的去噪效果最佳。 为了探讨TFAs在近红外区域的吸收特性, 采用多种iPLS方法对比分析, 筛选出7 258～7 443/6 502～6 691/6 120～6 309 cm-1 TFAs的特征波段, 再利用Kalman滤波算法进行特征波长变量的选择, 优选出27个TFAs的特征波长变量; 采用深度信念网络(DBN)建立校正模型, 通过多次对比发现, 当隐含层层数为3并且隐含层节点数为50-35-90时, DBN模型性能最佳。 最后将DBN模型与PLS方法建立的反式脂肪酸含量回归模型进行对比分析, 结果表明: 对降噪后的全谱进行建模, DBN模型的预测效果优于PLS, DBN模型预测集R2为0.879 4、 RMSEP为0.060 3、 RSD为2.18％; 对筛选出的特征波段建模, PLS模型的预测效果优于DBN模型; 对优选出来的27个特征波长变量建模, DBN的预测效果较好, R2为0.958 4、 RMSEP为0.035 0、 RSD为1.31％, 说明DBN模型的泛化能力更好, 并且利用少量的波长变量就能达到较好的预测效果, 能够满足实际检测需求, 为实现油脂加工过程中TFAs含量的在线检测和调控, 生产低/零TFAs油脂产品提供技术支撑。
油脂 反式脂肪酸 近红外光谱 卡尔曼滤波 深度信念网络 Oil Trans fatty acids (TFAs) Near-infrared spectroscopy (NIR) Kalman filtering Deep believe net (DBN)
为探究高光谱成像(400～1 000 nm)对羊肉中饱和脂肪酸（SFA）含量检测的可行性, 提出一种基于特征光谱信息和图像纹理特征融合的SFA含量预测模型, 实现对羊肉中SFA含量的快速检测及分布可视化。 利用分段阈值法构建掩膜图像, 获取羊肉样本感兴趣区域（ROI）, 结合SPXY法对样本集进行划分并对相关光谱信息进行预处理, 分别采用连续投影算法（SPA）、 变量组合集群分析法（VCPA）和β权重系数法提取特征光谱； 通过获取羊肉样本主成分图像, 结合灰度共生矩阵（GLCM）算法提取图像纹理信息； 分别对特征光谱、 图像信息及图谱融合信息建立的偏最小二乘回归（PLSR）与最小二乘支持向量机（LS-SVM）预测模型进行对比分析。 利用5种不同对原始光谱数据进行预处理, 经SNV法预处理后的光谱其校正集与预测集相关系数分别为0.921和0.875, 较原始光谱分别增加了0.001和0.04, 均方根误差模型分别为0.244和0.268, 较原始光谱模型分别减少了0.003和0.06； 对SNV法预处理后的光谱数据进行特征波长提取, SPA法、 VCPA法及β权重系数法分别提取出12, 10和9个特征波长； 获取羊肉样本的前5个主成分图像, 选择所含信息量最多的第一主成分图像进行纹理特征提取, 依次提取0, 45°, 90°和135°方向下的能量、 熵、 同质性和相关性共4个主要纹理特征。 利用SPA法提取的特征波长建立的PLSR与LS-SVM模型性能较好, PLSR模型校正集与预测集相关系数分别为0.884 9和0.880 7, 均方根误差分别为0.300 1和0.260 6； LS-SVM模型校正集与预测集相关系数分别为0.898 7和0.892 6, 均方根误差分别为0.276 7和0.247 6； 图谱信息融合模型中, PLSR模型校正集与预测集相关系数分别为0.907 1和0.907 8, 较特征光谱模型分别增加了0.02和0.03, 均方根误差分别为0.326 9和0.299 2, 较特征光谱模型分别增加了0.03和0.04； LS-SVM模型校正集与预测集相关系数分别为0.920 6和0.894 6, 较特征光谱模型分别增加了0.02和0.002, 均方根误差分别为0.251 9和0.245 8, 较特征光谱模型分别减少了0.02和0.002。 光谱预处理中经SNV法处理后的光谱所建模型性能优于其他预处理方法； 采用SPA法提取的12个特征波长简化了光谱模型, 提高了模型性能, 特征光谱建模的最优方法为SPA-LS-SVM； 图谱信息融合模型较特征光谱模型, 模型相关系数增加较少, 表明图像纹理信息虽携带了部分有效信息, 但这些信息与羊肉中SFA含量之间的相关性有待进一步研究。 基于图谱信息融合模型的预测性能最优, 其次为光谱信息模型。 择优选取SPA-PLSR模型计算羊肉样本中每个像素点的SFA含量, 利用伪彩色图直观表示了羊肉样本中SFA的含量分布。 实现对羊肉样本SFA含量的无损检测及分布可视化表达。
高光谱成像技术 图谱信息融合 最小二乘支持向量机 分布可视化 饱和脂肪酸 Hyperspectral imaging technology Fusion of hyperspectral spectrum and image informa LS-SVM Distribution visualization Saturated fatty acid
1 湖南农业大学植物激素与生长发育湖南省重点实验室, 长沙 410128
2 湖南农业大学生物科学技术学院, 长沙 410128
3 湖南农业大学农学院, 长沙 410128
以遗传背景相似、种子颜色不同的5个甘蓝型油菜品系为材料, 研究甘蓝型油菜种子发育过程中玉米素核苷(ZR)、生长素(IAA)和脱落酸(ABA)含量的动态变化及其对籽粒产量和油脂成分的影响。结果表明, 开花授粉后10~20 d, ZR呈上升趋势, 其中黄籽中ZR较黑籽积累更快含量更高, IAA在籽粒中大量积累; 开花授粉后20~25 d, 黄籽中的IAA含量均显著高于黑籽; ABA浓度先呈上升趋势, 逐渐积累ABA, 之后开始又稍有下降然后维持在一定水平。授粉后10 d油菜籽粒油酸含量逐步升高, 黄籽中的油酸、亚油酸含量均显著高于黑籽, 黄籽含油量极显著高于黑籽, 说明籽粒发育前期和中期较高浓度的ZR和IAA有利于油酸、亚油酸和油脂的积累。
黄籽油菜 植物激素 脂肪酸 油脂 千粒重 yellow-seeded oilrape pytohormone fatty acid oil thousand grain weigth
1 南京林业大学机械电子工程学院, 江苏 南京 210037
2 江西农业大学工学院, 江西 南昌 330045
3 浙江农林大学工程学院, 浙江 临安 311300
油脂中的反式脂肪酸(TFA)有害人们的身体健康, 有必要对其含量进行监测。 共收集各类食用植物油样本79个, 涉及9个品种和27个品牌, 分配到校正集和预测集的样本数分别为53个和26个。 采用QE65000拉曼光谱仪采集79个样本的拉曼光谱, 利用自适应迭代惩罚最小二乘法去除样本拉曼光谱的荧光背景; 在此基础上, 采用多种归一化方法对样本拉曼光谱进行处理, 并对拉曼光谱的建模波数范围进行初选; 再利用竞争性自适应重加权采样(CARS)方法筛选与食用植物油TFA含量相关的光谱变量, 并应用偏最小二乘(PLS)回归将食用植物油TFA的特征变量光谱强度与气相色谱测定的TFA真实含量进行关联, 建立食用植物油中TFA含量的定量预测模型。 研究结果表明, 多种归一化方法中, 有4种归一化方法均能提高PLS定量预测模型的性能, 其中Area normalization方法的效果最优; 经建模波数范围初选, 波数范围由686~2 301 cm-1缩减为737~1 787 cm-1, 确定较优的建模波数范围为737~1 787 cm-1; 经CARS方法筛选, 共有31个光谱变量被选择, 其选择的光谱变量主要分布在1 265, 1 303, 1 442及1 658 cm-1拉曼振动峰附近, 且974 cm-1拉曼振动峰两侧均有光谱变量被选择; 此外, CARS方法的PLS建模结果优于常用的无信息变量消除及连续投影算法。 由此可知, 激光拉曼光谱技术结合化学计量学方法检测食用植物油中的TFA含量是可行的。 归一化方法、 建模波数范围初选及竞争性自适应重加权采样(CARS)方法能有效提高TFA定量预测模型的预测精度和稳定性, 优化后的TFA定量预测模型的校正集及预测集的相关系数和均方根误差分别为0.949, 0.953和0.188%, 0.191%。 与未优化的预测模型相比, 预测均方根误差由0.361%下降为0.191%, 下降幅度为47.1%; 建模所用的变量数由683个下降为31个, 仅占原变量数的4.54%。
拉曼光谱 反式脂肪酸 食用植物油 竞争性自适应重加权采样 Raman spectra Trans fatty acid Edible vegetable oil CARS 光谱学与光谱分析
2019, 39(12): 3821
华东交通大学机电与车辆工程学院, 江西 南昌 330013
将近红外光谱分析技术结合化学计量学方法用于山茶油混合油品中油酸和亚油酸含量的快速检测。配制了76种山茶油混合油样本用于近红外光谱的采集,将不同的光谱预处理方法用于光谱有效信息的提取;将蒙特卡罗无信息变量消除(MCUVE)和变量组合集群分析(VCPA)方法用于建模变量的选择;将偏最小二乘回归(PLSR)用于脂肪酸含量定量分析模型的构建。结果表明:经NWD1
st-MSC预处理后,两种脂肪酸的近红外光谱的较正均得到最好的结果;采用基于VCPA的变量优选方法极大地改善了模型精度,实现了建模变量数量的有效压缩。对于油酸模型,建模变量数量由1501减少为7,交叉验证均方根误差和校正相关系数分别为1.107和0.984,预测均方根误差和测试集的预测相关系数分别为1.178和0.981;对于亚油酸模型,建模变量数量由1501减少为8,交叉验证均方根误差和校正相关系数分别为0.089和0.987,预测均方根误差和测试集的预测相关系数分别为0.105和0.982。近红外光谱分析技术结合NWD1
st-MSC-VCPA-PLSR的方法为山茶油混合油品中脂肪酸含量的测定提供了一种快速简单的分析方法。
光谱学 近红外光谱 脂肪酸 变量筛选 蒙特卡罗无信息变量消除 变量组合集群分析
