一、介紹

食品中脂肪含量的測定通常采用基于溶劑提取的重量法（如索氏提取和莫吉奧尼提?。?，或者氣相色譜法（脂肪酸甲酯或FAMEs）。盡管這些方法，尤其是氣相色譜法，被視為“金標準"，但它們也有固有的局限性。

重量法在食品生產和過程控制中廣泛應用，但其結果往往不夠精確且受多種實驗條件影響，如提取時間、溫度、溶劑組成和水解條件等。此外，重量法可能會因為提取到非脂肪成分（如低分子量碳水化合物、氨基酸、有機酸和甘油）而導致脂肪含量被高估。特別是低水分樣品中的高蛋白質/脂肪比例（例如乳清蛋白濃縮物）更容易受到高估的影響，其中非脂肪成分幾乎占提取值的50%。

氣相色譜法常用于食品標簽和研究應用，能夠提供詳細的脂肪組成信息，包括各個脂肪酸的含量。雖然氣相色譜法比重量法更準確（因為它不太容易高估），但結果也高度依賴于實驗因素，如衍生化條件和效率、柱子和水解條件。此外，準確的定量仍然具有挑戰(zhàn)性，主要由于色譜峰積分的不精確性和短鏈脂肪酸的揮發(fā)性。

為了說明傳統方法再現性的挑戰(zhàn)，美國農業(yè)部最近發(fā)布了一項廣泛的研究，將常見的食品CRM樣品（來源于NIST和LGC）提交給幾家合同實驗室進行分析。如表1總結的那樣，發(fā)現近30%的重量法結果超出了認證值的95%置信區(qū)間（CI）。此外，根據脂肪酸組成，大約17-56%的氣相色譜結果超出了95%置信區(qū)間。單不飽和和多不飽和脂肪酸觀察到的變化顯著多于飽和脂肪酸，這表明含有顯著量植物油的樣品（如調味料）的結果可能特別不可靠。

二、材料與方法

CRM樣本

面對這些挑戰(zhàn)，ORACLE™ 快速NMR脂肪分析儀在許多案例中被證明比合同實驗室的典型常規(guī)方法結果更準確和可重復。如表2和表3所示，對于幾種常見食品的CRM樣本，將ORACLE和合同實驗室的結果（單一實驗室）與認證值進行了比較。除了花生醬（NIST 2387）外，每種情況下的傳統方法都觀察到異常值（超出99%置信區(qū)間），異常值占所有結果的50%，包括脂肪酸甲酯（FAMEs）和重量分析。在少數案例中（烘焙巧克力和冷凍飲食組合；表2），異常值是可重復的，如果沒有認證值可供參考，這會使它們難以檢測。盡管在烘焙巧克力（NIST 2384）的情況下，ORACLE的分析結果與重量分析結果更為接近，但未觀察到ORACLE分析的異常值。

非CRM樣本

盡管CRM對于驗證ORACLE結果非常有用，但許多基質沒有可用的相關CRM。這需要使用非CRM樣本，這些樣本必須由外部實驗室進行特征描述。然而，獲取可靠的常規(guī)方法結果可能很困難，特別是當不可能將樣本提交給多個實驗室時。一個典型的場景總結在表4中，其中對商店購買的蛋黃醬樣本進行了ORACLE以及兩個矢口名合同實驗室的分析（樣本以盲法復制提交）。雖然實驗室A的氣相色譜結果相當可重復，但與實驗室B的結果幾乎有2%的差異。這強調了為了更好估計真實結果而將樣本提交給多個實驗室的重要性?？赡苁且驗橹亓糠治龇椒ǖ母吖?，ORACLE值與氣相色譜結果有更好的一致性（在95% CI內）。

三、結論

盡管傳統方法在食品檢測中廣泛使用，但它們存在一些局限性（例如高估和精度差），這使得與ORACLE的比較變得困難。為了驗證ORACLE的結果，理想情況下建議獲取CRM樣本。如果相關CRM樣本不可用，應該將感興趣的樣本外包給多個實驗室進行重復分析。

四、參考

1 Aued-Pimentel, et al. Quim. Nova 2010, 33, 76-84.

2 Vaghela, M.N. and Kilara, A. JAOCS 1995, 72, 1117–1121.

3 Kostic, Vesna. IOSR Journal of Pharmacy 2015, 5, 11–19.

4 Phillips, Katherine et al. Anal Bioanal. Chem. 2007, 389, 219–229.

表1.合同實驗室對CRM樣本的分析⁴

*置信區(qū)間大致根據Phillips及其同事提出的Z分數進行估算。

表2.單一合同實驗室的脂肪酸甲酯（FAMEs）與ORACLE的對比

表3.單一合同實驗室的重量分析與ORACLE的對比

表4.非CRM食品樣本（蛋黃醬）的分析