论文部分内容阅读
我国是全球第一大猪肉生产国,随着规模化养殖的发展,曾困扰欧美发达国家多年的PSE肉问题在我国重现。与正常猪肉相比,PSE肌肉表面苍白、质地松软没有弹性且汁液损失严重,其营养价值、食用风味和商品价值均有不同程度的下降。目前我国的猪肉产业主要以热鲜肉销售为主,屠宰场生产的猪胴体经过一级、二级批发市场进入农贸市场,然后再分割零售,而关于PSE肉的检测方法主要有感官检查、质构检测、理化检测和相关基因检测(如氟烷基因)等,虽然这些方法可以有效的将PSE肉检测出来,但是它们只能在实验室进行或者在屠宰完成以后针对肌肉本身进行,不能够在屠宰场生产线上将可能携带有PSE肉的猪胴体提前检测出来,PSE肉一旦流入市场,将会给企业带来严重的经济损失。因此,如何避免PSE肉出厂,减少屠宰企业经济损失成为现代肉类工业亟需解决的难题。PSE肉主要由宰前处理过程中产生的应激导致,如屠宰季节、运输、待宰时间和致晕方式等,而应激直接影响生猪血液成分的变化,因此生猪的各项血液生理生化指标可以敏感而准确地反映机体的应激程度,可能对PSE肉的发生有一定的指示作用。本论文主要研究不同质量猪肉对应的血液生理生化指标,通过建立血液生理生化指标与PSE肉的联系,筛选出血液生理生化指标中表征PSE肉的生物标志,然后针对该生物标志建立适用于生猪在线屠宰的快速检测方法,并用判别分析建立对不同程度发生的PSE肉的分类预测模型。 试验一:随机选取宰前检验健康合格的杜×长×大三元杂交猪200头,体重115±5 kg,分别采取每头猪的背最长肌,测定相关指标,进行PSE肉的判定,同时分别采集其对应的血液样本,进行血清生化指标测定,然后使用单因素分析和主成分分析对不同质量猪肉对应的血液生理生化指标进行分析。结果表明:该屠宰场200头猪中有15头猪产生PSE肉,冬季PSE肉发生率为7.5%;与正常猪血清生化指标相比,携带PSE肉的生猪血清中AST、CK、LDH、LAC和GLU水平显著升高(P<0.05),PSE情况生猪血液中AST水平为161.83±51.51 U/L,CK水平为12380±5030 U/L,LDH水平为2050±1240 U/L,GLU浓度为8.26±2.50mmol/L, LAC浓度为17.18±1.87mmol/L,而正常猪血液中AST水平为75.75±24.06U/L,CK水平为4240±1440 U/L,LDH水平为640±110 U/L,GLU浓度为6.55±0.98 mmol/L,LAC浓度为10.84±2.27mmol/L,其他指标均无显著差异(P>0.05);通过主成分分析对200个血清样本分析,从PCA得分图上可知,正常猪血清样本和携带PSE肉的血清样本分别聚集在两个区域,可以被主成分得分图区分开,从因子载荷和得分双重信息图上可知,血液中AST、CK、LDH、LAC和GLU的水平对PSE情况血液样本和正常血液样本的区分有决定性的作用,与PSE肉的发生有着紧密的联系。研究结果表明,血液中AST、CK、LDH、LAC和GLU可以表征PSE肉的发生,可以作为PSE肉的生物标志。 试验二:随机选取宰前检验健康合格的杜×长×大三元杂交猪48头,体重115±5 kg,分别采集其对应的血液样本,分离血清,用全自动生化仪测定其PSE肉生物标志,筛选出低中高浓度样本各4个,然后分别采用建立的连续监测法来测定AST、CK和LDH,紫外酶动力学法和己糖激酶法分别测定LAC和GLU,并以全自动生化仪测定结果为基准对其进行评价,结果表明实验方法结果与全自动生化仪测定结果相关性较好,变异系数均小于5%,回收率均在95%~,105%之间,该方法准确度和精度均满足要求,且反应用时较短。与全自动生化仪测定血液生化指标相比,在保证测定结果准确、重复性好的前提下,该实验方法不需要昂贵仪器,且操作简单灵活,能够更准确稳定地应用于PSE肉生物标志的在线快速测定。 试验三:随机选取宰前检验健康合格的杜×长×大三元杂交猪500头,体重115±5 kg,分别收集每头猪的血液并采取对应的背最长肌,对肉品质进行判定,分为正常肉、轻度PSE肉、中度PSE肉和重度PSE肉,筛选出35个携带不同品质肉的猪,并采集对应35个血清样本,其中25个做为建模样品,10个做为预测样品,同时使用第二章中建立的在线快速检测方法测定血清PSE肉生物标志,然后分别利用Fisher判别和Bayes判别对25个不同质量猪肉的血清样本(正常肉、轻度PSE肉、中度PSE肉和重度PSE肉)的PSE肉生物标志进行判定,建立判别分析模型,Fisher判别函数为: F1=0.007X1+0.530X2-0.095X3+0.001X4+0.001X5-12.66 F2=0.002X1+0.636X2+0.461X3+0.001X4-0.005X5-9.742 正常肉对应血清样本的重心为(-6.578,-1.511),轻度PSE肉对应血清样本重心为(-2.816,1.088),中度PSE肉对应血清样本的重心为(2.274,3.047),重度PSE肉对应血清样本的重心为(12.945,-1.633)。 Bayes判别函数为: D1=0.096X1+11.027X2+3.913X3+0.008X4-0.037X5-63.698 D2=0.132X1+15.506X2+4.225X3+0.013 X4-0.049X5-119.580 D3=0.168X1+18.392X2+5.309X3+0.018X4-0.050X5-205.344 D4=0.239X1+21.543X2+1.837X3+0.022X4-0.014X5-372.625 Fisher判别模型和Bayes判别模型对不同品质猪肉对应血清样本和未知类别血清样本的判定正确率均为100%,无一例错判。结果表明该判别模型能够很好的将不同质量猪肉的血液样本判定出来,可以有效的应用于屠宰场PSE肉的在线检测。 试验四:随机选取宰前检验健康合格的杜×长×大三元杂交猪500头,体重115±5 kg,使用PSE肉在线快速检测技术来预判可能携带PSE肉的猪胴体,通过测定肌肉指标和屠宰场完善的追踪系统进行验证。试验结果表明,该技术对PSE肉的总判别准确率为97.8%,且可以明显降低PSE肉的出厂率,表明该技术预判结果准确可行,可以用于屠宰场PSE肉的在线检测。