这篇文档属于类型a，即报告了一项原始研究的科学论文。以下是对该研究的学术报告：
本研究的主要作者包括Da Shi、Jiayi Hang、Jason Neufeld、Shusheng Zhao和James D. House。研究机构为加拿大曼尼托巴大学农业与食品科学学院的食品与人类营养科学系，以及曼尼托巴大学功能食品与营养品研究中心。该研究发表于《Journal of Food Composition and Analysis》2022年第111卷，文章编号104601，于2022年4月27日在线发布。
本研究的主要科学领域是食品成分分析，特别是大豆中粗蛋白和氨基酸含量的测定。大豆是一种重要的农作物，具有高蛋白（约40%）和高脂肪（约20%）含量，广泛应用于农业、食品安全和国际贸易。近年来，植物基食品在全球范围内越来越受欢迎，大豆作为植物蛋白的重要来源，其市场需求潜力巨大。氨基酸谱是评估大豆营养质量的重要指标，尤其在动物饲料配方中，氨基酸含量的测定至关重要。
传统上，蛋白质和氨基酸的测定依赖于湿化学方法，如凯氏定氮法和杜马斯法，但这些方法耗时长、成本高，且存在化学危害和残留问题。因此，本研究旨在探索近红外光谱（NIR）技术在大豆中粗蛋白和氨基酸含量测定中的应用，并研究颗粒大小、脂肪含量及不同类型NIR光谱仪对预测能力的影响。
本研究主要包括以下几个步骤：
样品获取与准备
研究使用了来自曼尼托巴省13个不同地点的4750个全大豆样品。所有样品首先通过PerkinElmer DA 7250二极管阵列NIR系统进行分析，测定水分、蛋白质、氨基酸和脂肪含量。随后，从全样品中随机抽取360个样品，根据预测的粗蛋白含量分为四个四分位数，每个四分位数抽取90个样品进行进一步研究。这些样品通过PerkinElmer LM-3610研磨机研磨至1.0毫米颗粒大小，并通过索氏提取法用己烷脱脂12小时，然后在通风橱中干燥24小时。脱脂后的样品通过Retsch ZM-200研磨机进一步研磨至0.75毫米颗粒大小，并在-20℃下储存。
蛋白质与氨基酸分析
粗蛋白含量通过杜马斯法（AOAC 990.03）测定，氨基酸含量则通过AOAC 982.30、AOAC 985.28和ISO 13904:2005(E)方法测定。研究共测定了18种氨基酸，包括丙氨酸（Ala）、精氨酸（Arg）、天冬氨酸（Asp）、半胱氨酸（Cys）、谷氨酸（Glu）、甘氨酸（Gly）、组氨酸（His）、异亮氨酸（Ile）、亮氨酸（Leu）、赖氨酸（Lys）、蛋氨酸（Met）、苯丙氨酸（Phe）、脯氨酸（Pro）、丝氨酸（Ser）、苏氨酸（Thr）、色氨酸（Trp）、酪氨酸（Tyr）和缬氨酸（Val）。每种氨基酸的测定均采用特定的水解和检测方法。
NIR光谱分析
全大豆、研磨大豆和脱脂研磨大豆样品均通过PerkinElmer DA 7250二极管阵列NIR分析仪进行扫描，脱脂研磨大豆样品还通过PerkinElmer FT 9700傅里叶变换NIR分析仪进行扫描。光谱数据通过Unscrambler® X 10.3软件进行处理，采用偏最小二乘（PLS）回归法建立NIR校准模型。模型的预测能力通过校准标准误差（SEC）、校准决定系数（R2c）、交叉验证标准误差（SECV）、交叉验证决定系数（R2cv）和残差预测偏差（RPD）等参数进行评估。
NIR校准模型的预测能力
粗蛋白和大多数氨基酸的NIR校准模型表现出可接受的预测能力，R2c值在0.605至0.952之间。然而，Cys、Met和Trp的预测模型准确性较低，R2c值分别为0.498-0.667、0.482-0.615和0.406-0.481。R2c值与氨基酸和粗蛋白之间的相关性有关，研磨和脱脂过程提高了NIR光谱在粗蛋白和氨基酸预测中的准确性。
不同NIR光谱仪的性能比较
PerkinElmer DA 7250和FT 9700在脱脂研磨大豆分析中的表现相似，两种仪器预测的粗蛋白和氨基酸含量无显著差异（p > 0.05）。DA 7250在预测粗蛋白和氨基酸含量方面略优于FT 9700，但FT 9700在某些关键氨基酸（如Leu、Lys、Phe、Pro、Thr、Trp和Tyr）的R2cv和RPD值上表现更好。
本研究评估了NIR光谱技术在大豆中粗蛋白和氨基酸含量测定中的应用，并证明了其在大多数氨基酸预测中的可行性。研磨和脱脂过程提高了NIR光谱的预测准确性，但增加了样品制备成本。FT 9700与DA 7250在脱脂研磨大豆分析中的结果一致，表明两种仪器在蛋白质和氨基酸测定中具有相似的性能。
重要发现
本研究首次系统地评估了NIR光谱技术在大豆中粗蛋白和氨基酸含量测定中的应用，并验证了其在大多数氨基酸预测中的可行性。
方法创新
研究采用了两种不同类型的NIR光谱仪（DA 7250和FT 9700），并比较了它们在蛋白质和氨基酸测定中的性能，为未来研究提供了重要参考。
研究对象的特殊性
研究使用了来自不同基因型和环境的大豆样品，确保了研究结果的广泛适用性。
本研究还探讨了颗粒大小、脂肪含量及不同类型NIR光谱仪对预测能力的影响，为未来优化NIR光谱技术在大豆分析中的应用提供了重要依据。此外，研究还提出了在样品制备成本和预测准确性之间找到平衡的重要性，为实际应用提供了指导。