HPLC法同时测定油茶籽油中的γ-生育酚、β-谷甾醇和角鲨烯

本研究建立了一种高效液相色谱法同时测定油茶籽油中γ-生育酚、β-谷甾醇和角鲨烯。油茶籽油样品经过皂化、萃取、浓缩,将油茶籽油中的皂化物类成分除去,富集其中的不皂化物类成分,并通过HPLC进行分析检测,按外标法测定其含量。HPLC色谱条件:色谱柱Hypersil ODS C18(250 mm×4.6 mm,5μm);流动相为100%甲醇,等度洗脱;流速0.7 mL/min;柱温30℃;检测波长:205 nm。结果表明γ-生育酚、β-谷甾醇和角鲨烯分别在0.01~0.40μg(R~2=0.9999)、0.44~10.94μg(R~2=1)、0.01~0.55μg(R~2=0.9990)范围内呈较好的线性关系,相关系数均接近1。平均加样回收率分别为97.1322%(RSD=1.28%)、100.2346%(RSD=1.54%)、98.0859%(RSD=1.58%),相对标准偏差均小于3%。结论:该方法前处理简单易行,操作简便,灵敏度高,重现性和准确性好,可用于油茶籽油中γ-生育酚、β-谷甾醇和角鲨烯的含量测定和油茶籽油质量控制。     

基于不同贮藏温度下油茶籽油氧化模型的建立

研究贮藏过程中油茶籽油品质指标变化及预测模型,为油茶籽油的安全贮藏及品质预测提供参考,探讨不同温度下(20、40、60℃)油茶籽油酸价和过氧化值随储藏时间的变化趋势,采用动力学和人工神经网络模型进行拟合,并采用25℃贮藏条件下油茶籽油的酸价和过氧化值对模型进行校验。结果表明:酸价和过氧化值的变化随储藏时间的增加而增加,而且温度越高变化越快;酸价的动力学和神经网络模型的相关系数分别为0.995 9和0.998 0;过氧化值动力学和神经网络模型的相关系数分别为0.933 9和0.991 3;模型拟合效果极好;模型校正过程,酸价和过氧化值动力学模型预测值和实测值之间的平均相对误差分别为:6.66%、42.17%;而酸价和过氧化值对应的神经网络模型预测效果更好,预测值和实测值之间的平均相对误差分别为:2.34%、6.38%;表明神经网络模型较之动力学模型,泛化能力更好,误差更小,能更加准确预测油茶籽油在储藏过程中酸值和过氧化值的变化趋势。