Экспресс-оценка основных показателей хозяйственной ценности в образцах муки люпина узколистного с помощью ИК-спектроскопии

Актуальность. Разработана калибровочная модель для экспресс-оценки хозяйственно ценных показателей (содержание белка, масла, хинолизидиновых алкалоидов) в семенах люпина узколистного из коллекции ВИР методом спектроскопии в ближней инфракрасной области спектра, с помощью которой возможно определить направление дальнейшего использования образцов.

Материалы и методы. Биохимические показатели качества (содержание белка, масла, хинолизидиновых алкалоидов) изучали в семенах люпина узколистного (Lupinus angustifolius L.), выращенного в 2019 г. на северо-западе Российской Федерации. Градуировочные модели по определению белка, масла и алкалоидов в семенах люпина (62 образца) разработаны с использованием ИК-анализатора MATRIX-I (Bruker Optics, Германия). Для построения градуировочных моделей использовали значения, полученные химическими методами анализа, принятыми в ВИР. Содержание масла в семенах люпина определяли методом сухого обезжиренного остатка в аппаратах Сокслета, белка – методом Кьельдаля, хинолизидиновых алкалоидов – газовой хроматографией, сопряженной с масс-спектрометрией. Все показатели пересчитывали на сухой вещество образца.

Результаты и заключение. Достоверность разработанных моделей проверяли по результатам определения содержания белка, масла и алкалоидов у семян проверочной партии. Данные по содержанию белка и масла, полученные с помощью калибровочной кривой, не имели достоверных различий с результатами химических исследований, в отличие от показателей алкалоидов. Следовательно, разработанная калибровочная модель для ИК-анализатора MATRIX-I может быть использована для экспресс-оценки содержания белка и масла в образцах муки люпина узколистного, что позволяет ускорить процесс получения данных по основным хозяйственно ценным показателям. Проведение анализа не требует реактивов и является безопасным.

1. Abd Manaf F.Y., Yap A.K.C. Automatic crude oil dilution control with premium oil segregation using near infrared (NIR) on-line system. Journal of Oil Palm Research. 2018;30(2):2- 9. DOI: 10.21894/jopr.2018.0012

2. Агеева П.А., Почутина Н.А., Пигарева С.А. Cравнительная характеристика кормовых сортов узколистного люпина по качеству зерна и зеленой массы. Адаптивное кормопроизводство. 2018;(1):42-48.

3. Burns D.A., Ciurczak E.W. (eds). Handbook of near-infrared analysis. 3rd ed. Boca Raton, FL: CRC Press; 2007. DOI: 10.1201/9781420007374

4. Ефименко С.Г., Ефименко С.К. Определение содержания масла и влаги в семенах горчицы с помощью ИК-спектрометрии. Масличные культуры. Научно-технический бюллетень ВНИИМК. 2019;4(180):36-44. DOI: 10.25230/2412-608Х2019-4-180-36-44

5. Ефименко С.Г., Ефименко С.К., Кучеренко Л.А., Нагалевская Я.А. Экспресс-оценка содержания основных жирных кислот в масле семян рапса с помощью ИК-спектрометрии. Масличные культуры. Научно-технический бюллетень ВНИИМК. 2015;4(164):35-40.

6. Ефименко С.Г., Кучеренко Л.А., Ефименко С.К., Нагалевская Я.А. Оценка основных показателей качества семян сои с помощью ИК-спектрометрии. Масличные культуры. Научно-технический бюллетень ВНИИМК. 2016;3(167):33-38.

7. Ермаков А.И., Арасимович В.В., Ярош Н.П., Перуанский Ю.В., Луковникова Г.А., Иконникова М.И. Методы биохимического исследования растений / под ред. А.И. Ермакова. 3-е изд. Ленинград: Агропромиздат; 1987.

8. Kushnareva A.V., Shelengа T.V., Perchuk I.N., Egorova G.P., Malyshev L.L., Kerv Yu.A. et al. Selection of an optimal method for screening the collection of narrow-leaved lupine held by the Vavilov Institute for the qualitative and quantitative composition of seed alkaloids. Vavilov Journal of Genetics and Breeding. 2020;24(8):829-835. DOI: 10.18699/VJ20.680

9. Наумкин В.Н., Наумкина Л.А., Сергеева В.А., Артюхов А.И., Лукашевич М.И. Перспективы культуры люпина в Центрально-Черноземном регионе. Достижения науки и техники АПК. 2009;(1):27-29.

10. Тимошенко Е.С., Лукашевич М.И., Яговенко Г.Л., Агеева П.А., Зайцева Н.М. Характеристика перспективных сортов люпина Мичуринский и Белорозовый 144 для пищевого использования. Хранение и переработка сельхозсырья. 2022;(2):188-200. DOI: 10.36107/10.36107/spfp.2022.310

11. Vaccari G., Mantovani G., Sgualdino G. The development of near-infrared (NIR) technique on-line in the sugar factory. Sugar Journal. 1990;52(10):4-8.

12. Вишнякова М.А., Сеферова И.В., Буравцева Т.В, Бурляева М.О., Семенова Е.В., Филипенко Г.И., Александрова Т.Г., Егорова Г.П., Яньков И.И., Булынцев С.В., Герасимова Т.В., Другова Е.В. Коллекция мировых генетических ресурсов зерновых бобовых ВИР: пополнение, сохранение и изучение: (методические указания). 2-е изд. / под ред. М.А. Вишняковой. Санкт-Петербург: ВИР; 2018. DOI: 10.30901/978-5-905954-79-5

13. Wheeler O.H. Near infrared spectra of organic compounds. Chemical Reviews 1959;59(4):629-666. DOI: 10.1021/cr50028a004