《Meat Science》：Beef quality grading using rapid evaporative ionization mass spectrometry (REIMS)
編輯推薦：
牛肉感官質量與代謝特征基于REIMS的快速分級研究，通過OPLS-DA模型分析臀肉（63樣本）和腰肉（57樣本）的代謝物差異，準確區分肌肉類型達100%，與運輸距離、胴體特性（胴體重、EUROP體型、MSA大理石評分）及實驗室指標（IMF、WBSF、壓縮力）強相關（R2 0.86-0.94），感官評分模型對臀肉的預測準確率達63.3%-73.3%，而腰肉模型表現不佳。代謝特征顯示臀肉側重蛋白酶解與能量代謝，腰肉關聯脂代謝。REIMS為肌肉特異性肉品評級提供快速替代方案。
崔雅芳|林達·S·珀金斯|劉靜晶|阿拉斯泰爾·B·羅斯|王京堯|賈文陽|埃澤基爾·豪爾赫-斯梅丁|阿利克斯·內沃|伊莎貝爾·勒格朗|瑪麗-皮埃爾·埃利斯-奧里|尼格爾·D·斯科蘭|讓-弗朗索瓦·霍克特
法國INRAE，UMRH，泰克斯，63122圣熱納斯-尚帕內勒
摘要
快速蒸發電離質譜（REIMS）技術能夠實時分析完整的牛肉組織中的代謝物，從而潛在地預測肉體的特征和質量。本研究使用REIMS技術測量了來自特定生產系統的66頭利穆贊牛的兩種肌肉（臀部肌肉m. gluteus medius，RMP，n = 63）和里脊肉m. longissimus thoracis，STR，n = 57），這些肌肉已經飼養了10天。REIMS的輸出數據被用來通過正交偏最小二乘結構判別（OPLS-DA）方法開發分類和預測模型。研究的變量包括肉體特征（運輸距離、肌肉類型、EUROP構型、胴體重量、澳大利亞肉類標準（MSA）大理石花紋評分）、實驗室測量值（肌肉內脂肪（IMF）含量、沃納-布拉特勒剪切力（WBSF）和感官特征（未經培訓的消費者評分以及計算出的肉質評分MQ4）。這些變量根據中位數被分為兩組。REIMS能夠準確區分RMP和STR肌肉（測試準確率為100%），并且與運輸距離、肉體特征和實驗室測量值有很強的相關性（R2Y = 0.86–0.94；Q2 = 0.55–0.78；測試準確率 = 41.7%–66.7%）。對于感官質量特征，基于RMP的模型測試準確率為63.3%–73.3%，而基于STR的模型未能可靠地預測任何特征（測試準確率<60%）。REIMS特征的初步識別反映了這兩種肌肉之間不同的內在代謝特性。RMP的感官質量特征主要受參與蛋白質分解和能量代謝的分子影響，而STR的特征則主要與脂質代謝相關。這些結果表明，REIMS是一種快速、特定于肌肉的評估工具，為傳統的胴體分級和牛肉感官質量評估提供了有前景的替代方案。
引言
準確預測牛肉的食用質量以提高消費者滿意度有助于緩解歐洲牛肉消費量的下降趨勢（Legrand等人，2016年）。一種有前景的方法是在歐洲背景下開發牛肉食用質量的預測模型，借鑒澳大利亞肉類標準（MSA）系統的原則（Hocquette等人，2018年）。這種方法已在法國應用于基于利穆贊品種的優質牛肉品牌OR ROUGE中（Santinello等人，2024年）。在MSA系統中，經過培訓的專家分級員評估與牛肉質量密切相關的關鍵控制點，包括動物品種、運輸、屠宰前條件、胴體處理和屠宰后加工（Bonny等人，2018年）。該系統還納入了消費者對肌肉切塊的滿意度指標（Bonny等人，2018年）。然而，MSA系統依賴于人工分級，這不可避免地會導致一定程度的無意識偏見和評分錯誤（Jang等人，2017年）。為了降低勞動力成本并減少分級員的偏見，已經開發了客觀測量技術，包括SCiO?（NIRS）（Kombolo-Ngah等人，2023年）、Meat@ppli（圖像分析）（Meunier等人，2021年；Normand等人，2022年）和REIMS（Balog等人，2013年）。與主要針對大理石花紋和肌肉內脂肪（IMF）的SCiO和Meat@ppli不同，REIMS能夠通過捕獲和表征脂質和代謝物譜型來區分不同水平的肉質（Liu等人，2024年；Zhang等人，2022年）。
REIMS是一種常壓電離技術，能夠直接、以最小程度的破壞性對樣本進行采樣，并實時檢測其質譜指紋（Jones等人，2019年）。該技術最初是為手術中實時識別腫瘤邊界而開發的（Balog等人，2015年），最近在肉類科學領域得到了廣泛應用（Ross等人，2021年）。與傳統色譜-質譜方法不同，REIMS不需要樣品預處理，也不需要在檢測前分離化合物。這樣得到的“指紋”基于從樣品氣溶膠中檢測到的分子的高質量（通常使用電子刀或激光生成）（Ross等人，2021年）。在牛肉研究中，REIMS已經顯示出區分多種質量相關屬性的能力，包括生牛肉和熟牛肉漢堡中的雜質摻假（Black等人，2022年）、肌肉切割類型（Liu等人，2024年；Song等人，2024年）、老化機制（Zhang等人，2021年）、有機狀態（Robson等人，2022年）、新鮮狀態與冷凍解凍狀態（He等人，2021年）以及美國農業部質量等級（Gredell等人，2019年）。盡管如此，很少有研究將REIMS應用于牛肉感官質量的表征。一項研究表明，REIMS能夠基于切片剪切力（SSF）區分嫩度，準確率為81.4%–90.8%（Gredell等人，2019年）。另一項研究證實了其區分沃納-布拉特勒剪切力（WBSF）測量的嫩度的能力，而感官小組評估的嫩度、多汁性和風味方面的準確率在81%到94%之間（Hernandez-Sintharakao等人，2023年）。最近的研究表明，REIMS在牛肉感官質量分類方面的總體準確率超過70%（Perkins等人，2025年）。關于基于MSA原則開發歐洲牛肉評估系統的最相關研究是由Liu等人（2024年）進行的。結果表明，REIMS可以分類肌肉類型（71%）、風味喜好（99%）和多汁性（99%），這些是由未經培訓的消費者評估的。然而，該研究指出REIMS在分類大理石花紋評分、消費者評估的嫩度和MSA質量等級方面的效果較差，準確率低于50%。此外，大多數這些模型缺乏預測能力。有效的數據減少和模型的獨立驗證是提高基于REIMS的預測系統穩健性和可靠性的關鍵步驟（Ross等人，2021年）。建議通過先進的數據分析技術進一步優化REIMS的分類和預測性能。
因此，這項針對利穆贊牛的研究的主要目標是利用REIMS指紋技術：（1）根據運輸距離、肌肉類型、胴體特征和感官質量區分牛肉；（2）通過實施變量篩選和獨立驗證來開發一個穩健的預測模型；（3）通過REIMS分析確定負責區分的關鍵代謝物。
章節摘錄
動物、胴體和肉樣
本研究使用了由法國利摩日CV Plainemaison Aquitaine（Beauvallet集團）提供的66頭利穆贊牛。這些動物根據它們運輸到屠宰場的距離被分為兩個區域：短距離（≤ 50公里，n = 32，來自9個獨立的運輸批次）和長距離（50–150公里，n = 34，來自10個獨立的運輸批次）（圖1）。每個批次代表一次運輸中一起運輸的動物。
肌肉類型分類和預測
REIMS分析清楚地區分了RMP和STR肌肉。模型顯示出很強的分類能力（R2Y ≥ 0.93）和預測能力（Q2 ≥ 0.92）（表4）。使用最終訓練模型的特征構建的PCA圖在PC1軸上有明顯的分離，解釋了總變異的30.1%（圖2A）。獨立測試集的預測OPLS-DA圖分布與訓練集非常相似（圖2B）。預測準確率達到100%（表4）。
結論
這些發現表明，REIMS能夠有效區分具有不同特征和不同感官質量的牛肉，顯示出特定于肌肉的性能。通過變量減少，REIMS的預測能力得到提高，對于胴體重量、構型和大理石花紋評分模型的測試準確率超過了70%。對于感官質量模型，基于RMP的模型測試準確率在66.3%到73.3%之間。
CRediT作者貢獻聲明
崔雅芳：撰寫 – 審稿與編輯，撰寫 – 原稿，方法學，正式分析，數據管理。林達·S·珀金斯：撰寫 – 審稿與編輯，驗證，方法學，正式分析，數據管理。劉靜晶：撰寫 – 審稿與編輯，驗證，方法學。阿拉斯泰爾·B·羅斯：撰寫 – 審稿與編輯，驗證，方法學。王京堯：撰寫 – 審稿與編輯，驗證，方法學。賈文陽：驗證，方法學。埃澤基爾·豪爾赫-斯梅丁：撰寫 – 審稿與
利益沖突聲明
作者聲明他們沒有已知的財務利益或個人關系可能影響本文報告的工作。
致謝
作者感謝INTAQT項目提供的歐盟“地平線2020”研究和創新計劃資助，資助協議編號為101000250。崔雅芳獲得了中國留學基金委員會（CSC）和中國農業大學的牛肉研究中心（BCRC）的資助。非常感謝BCRC的周教授和孟教授在建立這一合作中的貢獻。阿拉斯泰爾·B·羅斯博士的工作得到了國際
