食品伙伴网服务号
当前位置: 首页 » 仪器设备 » 理化检测仪器 » 正文

食品检测前处理方法、基本要求、净化技术及前处理原则

放大字体  缩小字体 发布日期:2022-08-30
核心提示:食品安全检测是人人都关心的问题,其中食品样品的前处理是影响检测结果的关键步骤,本文整理了食品检测中的几种样品前处理方法,希望能帮助到从事食品检测的检验人员。

样品前处理:样品的制备和对样品中待测组分进行提取、净化和浓缩的过程。在整个食品安全性的检测分析中,70%~80%甚至更多的时间用在样品的前处理上,而给实验带来的误差有60%以上来自样品的前处理。


样品前处理的目的就是浓缩被测物质、消除基质干扰、保护仪器、提高方法的准确性、精密度、选择性和灵敏度。


主要的样品前处理方法:

1、超声萃取;

2、微波萃取;

3、液-固萃取;

4、加速溶剂萃取;

5、超临界萃取;

6、固相萃取;

7、固相微萃取;

8、基质分散固相萃取;

9、液-液萃取;

10、微量化学法技术;

11、柱层析。


样品制备的基本要求:

1、食品危害残留物质分析,特点:基体复杂;目标化合物检测限量越来越严格;某些危害残留物质在食品样品中存在的浓度极低;各目标化合物的性质差异较大;可能同时存在多种组分。

2、评价前处理方法是否合理,应考虑的因素:操作是否简便、省时;被测组分的回收率是否高;成本是否低廉;对人体及环境是否产生影响。

萃取技术:用有机溶剂等方法把被测物从试样中提取出来,净化后供测定使用。萃取技术要求溶剂尽可能选择性溶解残留危害物质,而不是不溶解和少量溶解食品基体,萃取效果的关键是溶剂的选择,残留危害物质提取回收率的大小直接决定整个分析步骤的精确度。


净化技术包括:

1、液-液萃取;

2、固相萃取;

3、固相微萃取;

4、基质分散固相萃取;

5、柱层析(凝胶、离子交换、亲和、分配、吸附柱层析等);

6、免疫检测技术(分子印迹法)。


免疫检测技术是以抗原抗体的特异性、可逆性结合反应为基础的分析检测技术。在此基础上结合一些生化或物理方法作为信号显示或放大系统即可建立免疫测定法。即抗原可以特异性地与抗体结合,通过抗原-抗体的特异性识别反应来进行检测。


抗体是能与抗原特异性结合的免疫球蛋白(Ig),与免疫测定有关的主要为IgG和IgM。抗原与抗体间的反应是依靠局部的分子间作用力结合的。

主要有四种:氢键、范德华力、静电和疏水相互作用。抗原抗体结合反应具有高度特异性、交叉反应和可逆性。抗原抗体结合的理化特性主要表现为由亲水胶体转化为疏水胶体。


一个成功的免疫学测定法必须具备的3个要素:性能优良的抗体、灵敏而专一的标记物和高效的分离手段。现有的免疫测定方法很多,按照不同的方法分类。经典的免疫测定法不需要标记物;标记免疫测定法分为放射性标记测定法和非放射性标记测定法,按反应介质分为均相和非均相免疫测定法。经典免疫测定法在食品安全卫生分析上较少采用,而灵敏度高的非均相、非放射性标记免疫测定法种类繁多,发展较快、检测灵敏度高,使用范围广。


食品检测中的样品前处理,已经成为食品行业中一个主要的研究方向,在样品检验过程中,对于检测样品的处理能够保证结果真实可靠。


食品检测的第一步就是样品前处理!

1.使被测组分从复杂的样品中分离出来,制成便于测定的溶液形式;

2. 除去对分析测定有干扰的基体物质;

3. 如果被测组分的浓度较低,还需要进行浓缩富集;

4. 如果被测组分用选定的分析方法难以检测,还需要通过样品衍生化处理使其定量地转化成另一种易于检测的化合物。


前处理的原则:

1. 样品是否要预处理,如何进行预处理,采样何种方法,应根据样品的性状、验的要求和所用分析仪器的性能等方面加以考虑;

2. 应尽量不用或少使用预处理,以便减少操作步骤,加快分析速度,也可减少预处理过程中带来的不利影响,如引入污染、待测物损失等;

3. 分解法处理样品时,分解必须完全,不能造成被测组分的损失,待测组分的回收率应足够高;

4. 样品不能被污染,不能引入待测组分和干扰测定的物质;

5. 试剂的消耗应尽可能少,方法简便易行,速度快,对环境和人员污染少。


前处理溶液制备小方法:

当样品中被测组分为游离状态时——溶解法制备溶液。

当样品中被测组分为结合状态时——分解法制备溶液。


1. 溶解法(要全部溶解)

1)水溶法:

用水作为溶剂,适用于水溶性成分,如,无机盐、水溶性色素等;

2)酸性水溶液浸出法:

溶剂为各种酸的水溶液,适用于在酸性水溶液中溶解度增大且稳定的组分;

3)碱性水溶液浸出法:

溶剂为碱性水溶液,适用于在碱性水溶液中溶解度增大且稳定的成分;

4)有机溶剂浸出法:

适用于易溶于有机溶剂的待测成分。常用的有机溶剂有醚、石油醚、仿、丙酮、正己烷等。根据“相似相溶”原理选择有机溶剂。


2. 分解法

1)干灰化法

优点:

①基本不添加或添加很少量的试剂,故空白值较低;

②多数食品经灼烧后所剩下的灰分体积很小,因而能处理较多量的样品,故可加称样量,在方法灵敏度相同的情况下,可提高检出率;

③有机物分解彻底;

④操作简单,灰化过程中不需要人一直看管,可同时做其他实验的准备工作。


缺点:

①处理样品所需要的时间较长;

②由于敞口灰化,温度又高,容易造成某些挥发性元素的损失;

③盛装样品的坩埚对被测组分有一定的吸留作用,由于高温灼烧使坩埚材料结构改变造成微小孔穴,使某些被测组分吸留于孔穴中很难溶出,致使测定结果和回收率偏低。


提高回收率的措施:

根据被测组分的性质,采取适宜的灰化温度;

灰化食品样品,应在尽可能低的温度下进行,但温度过低会延长灰化时间,通常选用500 ~ 550℃灰化2h 或在600℃灰化0.5h。一般不要超过600℃;

加入灰化固定剂,防止被测组分的挥发损失和坩埚吸留。


2)湿消化法

优点:

由于使用强氧化剂,有机物分解速度快,消化所需时间短;

由于加热温度较干法灰化低,故可减少金属挥发逸散的损失,同时容器的吸留也少;

被测物质以离子状态保存在消化液中,便于分别测定其中的各种微量元素。


缺点:

在消化过程中,有机物快速氧化常产生大量有害气体,因此操作需在通风橱内进行;

消化初期,易产生大量泡沫外溢,故需操作人员随时照管;

消化过程中大量使用各种氧化剂等,试剂用量较大,空白值偏高。


3)常用的消化方法

在实际工作中,除了单独使用硫酸的消化方法外,经常采取几种不同的氧化性酸配合使用,利用各种酸的特点,取长补短,以达到安全、快速、完全破坏有机物的目的。


几种常用的消化方法如下:

单独使用的消化方法此法在样品消化时,仅加入硫酸,在加热的情况下,依靠的脱水炭化作用,破坏有机物;

硝酸一高酸消化法;

硝酸一消化法。


消化操作技术都有啥?

(1)敞口消化法;

(2)回流消化法;

(3)冷消化法;

(4)密封罐消化法。


消化操作时要注意:

(1)消化所用的试剂,应采用高纯的酸和氧化剂,所含杂质要少,并同时按与品相同的操作做空白试验,以扣除消化试剂对测定数据的影响。如果空白值较高,应提高试剂纯度,并选择质量较好的玻璃器皿进行消化。

(2)消化瓶内可以加玻璃珠或瓷片,以防止暴沸;凯氏烧瓶的瓶口应倾斜,不应对着自己或他人。加热时火力应集中于底部,瓶颈部位应保持较低的温度,以冷凝酸雾,并减少被测成分的挥发损失。如果产生大量的泡沫,除迅速减小火力外,可加入少量不影响测定的消泡剂,如辛醇、硅油等;也可将样品和消化液在室温下浸泡过夜,第二天再进行加热消化。

(3)在加热过程中需要补加酸或氧化剂时,首先停止加热,待消化液稍冷后才沿瓶壁缓缓加入,以免发生剧烈反应,引起喷溅。另外,在高温下补加酸,会使酸迅速挥发,既浪费又污染环境。


3. 常用的分离与富集方法

主要是萃取法:操作迅速,分离效果好,应用广泛。但萃取试剂通常易燃、易挥发,且有毒性。


在萃取时,特别是当溶液呈碱性时,常常会产生乳化现象,影响分离。破坏乳化的方法有:

1)较长时间静置 ;

2)轻轻地旋摇漏斗,加速分层;

3)若因两种溶剂(水与有机溶剂)部分互溶而发生乳化,可以加入少量电解质如化钠),利用盐析作用加以破坏I 若因两相密度差小发生乳化,也可以加入电解质,以增大水相的密度;

4)若因溶液呈碱性而产生乳化,常可加入少量的稀盐酸或采用过滤等方法消除。根据不同情况,还可以加入等消除乳化 ;

固相萃取: 分为活化吸附剂、上样、洗涤和洗脱四个步骤。


其它方法:

固相微萃取法;

超临界流体萃取法;

蒸馏与挥发法;

膜分离法。

样品的前处理是农药残留量检测过程中重要的步骤之一,它对保证测定结果的准确性和可靠性,减少对色谱柱和检测仪器的污染,提高检测效率都具有重要的影响。食品中农药的残留量一般在10-6~10-9(W/W)或更低的水平,除了要求检测方法具有相当高的灵敏度和选择性外,也对样品的前处理技术提出了更高的要求。


前处理的发展方向:

不同的前处理技术有其各自的优缺点和适用范围,在实际工作中,应根据待测样品种类和基质、测定结果要求和检测仪器的不同,并结合实际条件选用合适的样品前处理方法。未来农药残留量检测的样品前处理技术的发展方向应该是尽可能的快速、精确、环保和高度自动化,以尽可能的避免样品转移的损失,减少各种人为因素的偶然误差。 
编辑:songjiajie2010

 
分享:
关键词: 前处理
[ 网刊订阅 ]  [ 仪器设备搜索 ]  [ ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ] [ 返回顶部 ]
 

 
 
推荐图文
推荐仪器设备
点击排行
 
 
Processed in 0.143 second(s), 17 queries, Memory 1.07 M