摘要拉曼光譜技術具有快速、原位、無損傷檢測等優點。近年來，該技術在肉類工業中的應用受到越來越多的關注。該文總結了拉曼光譜在肉品研究中常用的拉曼位移、信號來源及其與肉品品質、安全的關系;總結分析了拉曼光譜在研究肉的pH值、嫩度、顏色、保水性、營養成分、貨架期與致病菌、摻假判斷等食品品質和食品安全指標的應用，以及拉曼光譜數據的處理與分析方法，以期為促進拉曼光譜技術在肉的品質和安全控制中的應用提供研究思路和理論指導。

　　關鍵詞拉曼光譜;肉;品質預測;貨架期預測;摻假判定

　　肉的食用品質通常包括嫩度、風味、多汁性、肉色和保水性等，安全性包括微生物、獸藥殘留控制等[1]。隨著消費者對食品品質和安全性要求的提高，食品品質和安全檢測變的日益重要[2]。傳統的肉品食用品質分析多采用感官分析和儀器分析，微生物檢測多采用平板菌落計數[1]。

　　上述傳統分析方法通常費時、費力，因此開發快速的品質、安全檢測方法至關重要。拉曼散射效應是印度物理學家C.V.Raman于1928年首次發現的。在克服了散射信號弱、熒光干擾強、檢測效率低、數據處理慢等問題后[2]，拉曼光譜(Ramanspectroscopy)技術由于具有快速、原位、無損傷檢測等特點，在食品領域的應用研究受到廣泛關注。

　　在肉的品質和安全分析中，色散型拉曼光譜[3,4](dispersiveRaman，DISRaman)和傅立葉變換拉曼光譜[5,6](fouriertransformRaman，FTRaman)技術均有應用;為了提高在食品致病菌、獸藥殘留等分析中的檢測效率，還有研究使用了表面增強拉曼光譜[7,8](surfaceenhancedRamanspectroscopy，SERS)、空間偏移拉曼光譜[9](spatiallyoffsetRamanspectroscopy，SORS)等技術。拉曼光譜技術的應用研究日新月異，及時總結、分析最新研究成果，對拉曼光譜技術的發展及其在我國肉類產業中的應用具有重要意義。

　　因此，本文總結了拉曼光譜在肉與肉制品研究中常用的拉曼位移、信號來源及其與肉品品質、安全的關系，并從拉曼光譜技術預測、分析肉的食用品質、營養成分、食品安全控制和肉的摻假等方面詳細論述了拉曼光譜在肉的品質、安全控制中的應用，以及拉曼光譜在肉品研究中常用的光譜處理和數據分析方法，同時分析了影響拉曼光譜預測準確性的因素和解決措施，以期為拉曼光譜在肉的品質控制中的研究提供新思路，并推進拉曼光譜技術在肉類產業中的應用。

　　1拉曼光譜的技術原理及其在肉品研究中應用的理論基礎

　　處于基態的樣品分子受到外來光子的激發后，其能量狀態變成不穩定的中間狀態，樣品分子在離開中間能量狀態時隨機輻射光子。激發光的光子與物質分子相碰撞，可產生彈性碰撞和非彈性碰撞。在彈性碰撞過程中，二者沒有發生能量交換，光子頻率保持恒定，這種散射現象稱為瑞利散射(Rayleighscattering)[10]。

　　在非彈性碰撞過程中，光子與分子有能量交換，光子轉移一部分能量給散射分子，或者從散射分子中吸收一部分能量，從而使其頻率改變，由于不同的化學鍵或基團有不同的能量改變，并產生相應的光子頻率變化，因此根據光子頻率變化就可以判斷出分子中所含有的化學鍵或基團。這種分子對光子的非彈性散射效應即是拉曼光譜技術的原理[11]。

　　散射光頻率與入射光頻率差值稱為拉曼位移。肉與肉制品的物質組成、含量及其在加工過程中蛋白質二級結構的變化能通過拉曼位移反映出來，這成為拉曼光譜在肉與肉制品加工和品質、安全控制中應用的基礎。其中的酰胺帶(1645～1685cm)、酰胺III帶(1200～1235cm)與肉的品質相關性最大。酰胺帶主要包括α螺旋(1650～1658cm)，β折疊(1665～1680cm–)、β轉角(1680cm)和無規則卷曲(1660～1665cm)結構[12]。

　　肉品研究中常用的拉曼位移主要處于500～1800cm之間，涉及到的信號來源有色氨酸等多種氨基酸;CN等基團的拉伸、彎曲、剪振以及α螺旋、β折疊β轉角等，主要用于肉的品質(嫩度、pH值、保水性、肉色)預測、異質肉(SE(Pale,Soft,Exudative)肉、FD(Dark,Firm,Dry)肉)判定、貨架期預測和摻假肉的鑒別。

　　2拉曼光譜技術在肉與肉制品品質控制中的應用

　　2.1拉曼光譜在肉制品品質預測與分析中的應用

　　2.1.1值pH值是肉的關鍵品質指標，pH值過高或過低的肉，品質較差，均為異質肉[1]。肉的極限pH值大于.1時，為FD肉，該類肉表面干燥、貨架期短且有輕微的肥皂味;極限pH值低于.4時，為SE肉，該類肉汁液滲出嚴重、貨架期短[1]。因此，實現pH值的快速預測和異質肉的快速判定，對于保證肉品質的一致性有重要意義。

　　拉曼光譜能夠快速預測宰后初期豬肉、羊肉的值。Scheier等較早得將拉曼光譜應用于宰后早期預測豬肉品質，研究發現磷酸基團(80cm和080cm)拉曼信號可以用于預測宰后早期的pH值(0.71)[38]，后續的研究發現宰后初期磷酸化代謝物質與無機磷酸拉曼信號的變化與pH值的降低有關;可以利用磷酸肌酸、三磷酸腺苷(AdenosineTriphosphate,ATP)、二磷酸腺苷(AdenosineDiphosphate,ADP)和α螺旋區分正常和異質肉[18]。之后該研究小組首次將便攜式拉曼光譜應用于生豬屠宰線，實現利用糖原、乳酸、肌酸、磷酸肌酸、TP、DP的拉曼信號快速預測宰后5min和4h肉的pH值[25,35]。

　　但是相比實驗室條件下的預測準確性，在生產條件下pH值預測模型的值僅為.58，預測能力顯著下降。隨后Nache等人[36,37]利用偏最小二乘回歸等多種數據處理方法進一步提高了豬肉pH值在線預測的準確性。Fowler等人[19]將拉曼光譜應用于完整的半膜肌pH值的在線預測，結果發現預測模型的為.35，這一數值與豬肉pH值的預測準確性相比略低。其原因可能與羊肉中含有較少的IB型肌纖維有關，也可能與其未合理處理拉曼光譜數據有關。

　　2.1.2嫩度

　　嫩度是肉的重要食用品質指標，分析肉的嫩度通常采用感官評定或測定剪切力的方法[1]，但測定肉的剪切力費時、費力。因此，開發快速無損預測肉嫩度的方法對于控制肉的品質具有重要意義。從表可以看出，在使用拉曼光譜預測牛米龍[14]、牛背最長肌、半腱肌、臀中肌[39]、羊背最長肌[40]的剪切力時具有較高的準確性，且可以實現對肉感官品質的預測[14,41]。

　　然而，在Fower的研究中，預測羊半膜肌[27]、羊背最長肌[40]、牛背最長肌[42]剪切力時的準確性較差，且在預測模型中增加肌原纖維斷裂、粒子直徑、肌節長度和pH值均不能提高預測準確性[27,40]。經分析發現，Fowler傾向于不處理或少處理光譜數據，這可能是其預測準確性低的原因，也突出了數據分析方法在拉曼光譜技術中的重要性。

　　此外，不同物種、不同部位間肌肉的類型不同，以及肌肉內糖原含量、線寬度等不同，會導致拉曼光譜的預測準確性不同[19]。顏色較深的肉會增加光吸收導致拉曼信號降低[19]，而較韌的肉拉曼信號強于嫩的肉，其原因可能是韌度高的肉蛋白質密度高，增加了散射分子并最終增強了拉曼信號[17]。因此，肌肉僵直期間拉曼光譜信號強，而肌肉成熟后肌纖維結構的降解則降低了拉曼信號[27]，導致牛肉宰后天拉曼光譜的預測準確性高于其宰后天拉曼光譜的預測準確性[40]。拉曼光譜還可用于分析肉嫩度差異的原因。

　　Fowler等[23]研究發現嫩度高和嫩度低的牛肉之間α螺旋(930cm)和酪氨酸雙帶(826cm和53cm)的拉曼光譜顯著不同。在嫩度差的肉中，α螺旋的量降低，β折疊或無規則卷曲含量高[27]，而嫩度高的肉酪氨酸雙帶強，嫩度差的肉酪氨酸雙帶弱[27,28]。酪氨酸存在于多種蛋白質中，酪氨酸的拉曼位移強度直接反映了肉在成熟過程中蛋白質水解產生的自由酪氨酸的量[44]。拉曼位移830cm信號強度的降低代表酪氨酸酚羥基與氧結合，降低了肌原纖維的降解能力，使肉的嫩度變差[44]。

　　2.1.3肉色和保水能力

　　拉曼光譜可以通過1296、1356、1358、1370、1377等與肌紅蛋白相關的拉曼位移，以及1367、1600～1700等與保水性相關的拉曼位移預測肉的顏色和保水性。拉曼光譜可以用于預測肉的顏色、汁液損失和烹制損失。肉色是肉的重要商品屬性，肉色影響消費者的購買意愿[1]，Scheier等[35]發現拉曼光譜與豬肉的L*和b*值具有較高的相關性，而Folower等[19]發現拉曼光譜與羊肉的L*值相關性較差。由于利用色差計能夠實現對肉色的快速測量，拉曼光譜用于預測肉色的實用性較小，因此拉曼光譜在肉色判定領域的研究相對較少。

　　肉的保水性與產品出品率相關，且肉的保水性測定較為費時，因此研究利用拉曼光譜快速預測肉的保水性具有重要意義。已有的研究發現拉曼光譜能夠較好的實現雞肉、豬肉和牛肉的保水性的快速預測，拉曼光譜與保水性的擬合效果較好。但是在雞肉和牛肉的模型中，仍存在樣本量較少的問題，因此增加樣本量進一步提高擬合效果，是拉曼光譜用于實際生產中進行保水性預測的關鍵。

　　2.2拉曼光譜在肉制品營養品質分析中的應用

　　拉曼光譜技術在分析肉中水分含量、蛋白質含量、脂肪含量以及脂肪酸組成上得到應用并取得較好的結果，較早期的研究首先將拉曼光譜應用于脂肪組織[1341,42]中碘值和脂肪酸含量的測定，且均得到較理想的擬合效果。近年來，學者們進一步將拉曼光譜應用于肌肉組織中肌內脂肪含量和脂肪酸含量的測定，發現拉曼光譜對多不飽和脂肪酸的預測效果較好，達.93[18]，但是對于肌內脂肪含量的預測效果，不同的研究團隊所得的研究結果有所差異。

　　Olsen等[41]在不同時間、使用不同設備檢測拉曼光譜技術預測脂肪含量的有效性和準確性證明了拉曼光譜建立的模型在經過多元散射校正后具有良好的預測能力。脂肪含量和脂肪酸組成是影響肉質量的重要因素[1]，建立快速檢測原料肉和肉制品中脂肪含量、脂肪酸譜的方法不但對產品質量控制具有重要意義，還能為產品的快速分級奠定基礎。但是，目前利用拉曼光譜對脂肪含量和脂肪酸含量進行預測的研究較少，尤其是對肌肉中脂肪酸組成的預測更是少之又少。

　　2.3拉曼光譜在肉制品安全控制中的應用

　　微生物腐敗和致病菌污染是影響食品安全的重要因素。由于傳統的微生物分析方法費時費力，肉類工業亟需能夠快速、無損的肉品腐敗和致病菌檢測技術。拉曼光譜可以實現對生鮮肉和肉糜貨架期的預測，并實現一些重要食源性致病菌的快速檢測。使用拉曼光譜可以準確預測不同包裝下肉的細菌總數、乳酸菌、腸桿科菌、假單胞菌、熱殺索絲菌及酵母菌和霉菌[3,47]，且其預測準確度較高，或者對不同腐敗狀態的肉進行分類判斷[15,48]，可以實現肉品貨架期的預測或快速判定。

　　在致病菌方面，研究發現拉曼光譜可以對單增李斯特菌、沙門氏菌、金黃色葡萄球菌和小腸結腸炎耶爾森氏茵在屬、種和株三個層次上進行鑒定，樣品處理加拉曼光譜分析總時間少于，屬于快速分析方法[49]。此外，研究發現拉曼光譜中拉曼位移1520、1330、1030和875cm僅存在于生物膜中，可以作為沙門氏菌生物膜的特征光譜[50]。

　　獸藥殘留也是消費者關注的重要食品安全問題。翟晨等[7]和班晶晶等[8]使用表面增強拉曼光譜分析了肉中的獸藥殘留，結果表明拉曼光譜在獸藥殘留分析中具有較高的準確性。由此可見拉曼光譜不但可以對不同微生物進行快速、準確的判定，還能分析微生物的成膜特性進而為開發合理的抑菌殺菌措施奠定基礎。需要注意的是，獸藥的殘留量數量級較小，因此通常采用表面增強拉曼光譜技術進行分析。

　　2.4拉曼光譜在肉與肉制品摻假分析中的應用

　　摻假肉的快速、準確鑒別和食品原料的來源分析是商品打假的技術基礎。如表所示，Zając等[5]使用傅立葉變換拉曼光譜分析牛肉中摻入馬肉，結果表明其預測準確性較高(R=0.94)，而色散型拉曼光譜也可以結合主成分分析準確判定摻入馬肉的牛肉[21,51];拉曼光譜不但能確定牛、綿羊、豬、魚、禽、山羊和水牛肉鮮肉的物種來源，還能準確區分上述不同來物種的肉加工的色拉米[51]。

　　拉曼光譜技術為肉的摻假判斷提供了新的技術支持，但是該技術在肉摻假領域中的研究還比較有限。拉曼光譜技術在肉品中的應用涵蓋了pH值、嫩度、顏色、保水性、營養成分、貨架期與致病菌、摻假判斷等多個研究領域。除了上述應用外，拉曼光譜技術在肉品中還有抗氧化效果鑒定[53]、反復凍融牛肉鑒定[20,34,54,55]、判斷不同分割部位[9]等方面的研究。

　　3總結與展望

　　拉曼光譜是一種基于拉曼散射效應的光譜分析技術。該技術具有快速、原位、無損檢測、無需樣品處理等特點，可以在分子水平上提供材料組成和結構變化的信息。目前，拉曼光譜廣泛應用于鮮肉和肉制品的研究。研究對象涵蓋了豬牛羊禽魚等多個物種的分割肉或肉制品，研究內容則涵蓋測定或預測肉的pH、嫩度、顏色、保水性等食用品質，以及肉的營養成分、貨架期、微生物及獸藥殘留等，且大部分研究得到較準確的分析、預測結果。

　　研究結果明確了拉曼位移與肉品質的關系，確立了某些肉的品質的特征拉曼光譜，這些拉曼位移可以作為一種肉質性狀的標記，也可以解釋肉質性狀發展的內在機制。在本文綜述的研究中，應用的激發波長有種，應用最多的激發波長是671nm和785nm。光譜的預處理應用最多的是基線校正、平滑、均值中心化和標準化。在數據處理上，主成分分析、偏最小二乘回歸、偏最小二乘判別分析和留一法交叉驗證應用較多，且得到良好的分類和預測結果。

　　拉曼光譜在預測肉類pH值、嫩度、顏色、保水性等食用品質時具有較高的預測準確度。但拉曼光譜預測肉類嫩度時，不同的研究之間存在很大的差異。該技術還可以預測肉的營養價值，如肌內脂肪含量、碘值、飽和不飽和脂肪酸，但仍需要更多的研究來對預測模型進行改進和優化。

　　此外，拉曼光譜在肉類安全領域有著廣泛的應用，如預測肉和肉制品的貨架期，或通過拉曼光譜檢測肉類中的沙門氏菌屬。最后，拉曼光譜還可檢測肉類摻假，區分肉類來源的種類。總而言之，拉曼光譜是預測肉類品質性狀、營養、肉類腐敗和病原體污染以及鑒別摻假的有力工具。

　　本文總結了大量研究的樣品數量、激發波長、光譜及數據處理方法及結果準確性等，為拉曼光譜技術在肉類研究中的應用提供了技術參數指導和研究思路，并為研究肉制品品質形成的機理提供了拉曼光譜這一新方法。然而拉曼光譜在肉品中的應用還存在以下問題：

　　第一，每個物種的分割肉塊或產品具有獨特的拉曼光譜，還需要大量掃描光譜數據并建立其與各品質、安全指標間的關系以待應用。第二，目前拉曼光譜在肉品中的應用研究還處于少量樣品的科研階段，如何保證拉曼光譜在原料和環境復雜多變的生產中保持預測準確性，還需要科研人員努力解決。第三，不同研究在預測生鮮肉嫩度時準確性的差別較大，尚需要大量研究并結合日益發展的數理統計方法以提高拉曼光譜預測生鮮肉嫩度的準確性。雖然拉曼光譜在肉與肉制品中的應用還存在諸多問題，但是拉曼光譜快速、無損的檢測能力為工業化在線應用提供了可能，必將成為一個具有廣大應用前景的朝陽技術。

　　參考文獻

　　[1]HOPKINSDL.Chapter12TheEatingQualityofMeat:II—Tenderness[M]//TOLDRA´F.Lawrie´sMeatScience.WoodheadPublishing.2017:357381.

　　[2]QINJ,CHAOK,KIMMS.IntroductiontoRamanChemicalImagingTechnology[M]//ComputerVisionTechnologyforFoodQualityEvaluation.ElsevierInc.,2016.

　　[3]YANGH,HOPKINSD,ZHANGY,etal.PreliminaryinvestigationoftheuseofRamanspectroscopytopredictbeefspoilageindifferenttypesofpackaging[J].MeatScience,2020,165:108136.

　　[4]FOWLERSM,SCHMIDTH,VANDEVENR,etal.PreliminaryinvestigationoftheuseofRamanspectroscopytopredictmeatandeatingqualitytraitsofbeefloins[J].MeatScience,2018,138:5358.

　　[5]ZAJĄCA,HANUZAJ,DYMIŃSKAL.Ramanspectroscopyindeterminationofhorsemeatcontentinthemixturewithothermeats[J].FoodChemistry,2014,156(3):333338.

　　[6]HERREROAM,CAMBEROM,ORDóñEZJ,etal.Plasmapowderascoldsetbindingagentformeatsystem:RheologicalandRamanspectroscopystudy[J].FoodChemistry,2009,113(2):493499.

　　[7]翟晨，李永玉，彭彥昆，等.表面增強拉曼光譜快速檢測生鮮肉中的瘦肉精[J].農業工程學報，2017，33()：7528.ZHAICHEN,LIYONGYU,PENGYANKUN,etal.RapiddetectionofsalbutamolinfreshmuscletissuesbasedonsurfaceenhancedRamanspectroscopy[J].TransactionsoftheChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE),2017,33(7):275280.

　　[8]班晶晶，劉貴珊，何建國，etal.基于表面增強拉曼光譜與二維相關光譜法檢測雞肉中恩諾沙星殘留[J].食品與機械，2020，36()：5558.

　　作者：王新怡，董鵬程，羅欣，毛衍偉，張一敏