氨基酸营养价值评价方法

· 286 ·
食物蛋白质营养价值的评定方法主要有生物学评价法和化学分析法两大类。

前者主要是通过动物实验评价蛋白质被机体吸收利用的情况，主要指标有生物价(Biological value，BV)、蛋白质功效比值(Protein efficiency ratio，PER)、净蛋白质利用率(Het protein utilization，NPU)等[1]，该方法的主收稿日期：2011-08-11
基金项目：福建省财政专项(闽财指2006-1253)；福建省科技厅公益类科研院所专项(2010R1027-3)。

作者简介：颜孙安(1981—)，男，福建福州人，实验师，主要从事色谱分析与氨基酸营养平衡研究工作。

要优点是能直接反映出供试动物对待测蛋白质的消化、吸收及利用状况，但本法实验时间长，实验方法较为繁琐。

化学分析法是通过测定单位质量食物蛋白质的氨基酸组成，并与参考蛋白质的氨基酸组成进行比较，无需复杂、费时的动物实验，简单、快速、耗费低廉[2]。

颜孙安1,2，姚清华1,2，林香信1,2，钱爱萍1,2
(1.福建省农业科学院中心实验室
，福州 350003
；
2.福建省精密仪器农业测试重点实验室，福州 350003)
摘要：通过查阅文献，随机选取31种常见食物氨基酸组成数据，利用统计学软件分析以粗蛋白为基数与以全氨基酸为基数下化学评析法中各项指标与生物价的相关性和离差情况。

利用一元回归，求出化学评分法中各项指标与生物价的回归方程，求出值命名为化学生物价。

结果表明：CS 和 SRCAA 不随基数选择而改变，其他指标与BV 的偏离高低不一。

全氨基酸法计算的AAS 、EAAI 及EAARR 与BV 的相关性比粗蛋白法强。

利用回归方程求得的化学生物价从总体上都消除了与BV 的偏离。

关键词：氨基酸营养；化学分析法；生物价；化学生物价
中图分类号： TS 207.3 文献标志码： A 文章编号：1005-9989(2012)04-0286-05
Evaluation method of amino acid nutrition
YAN Sun-an 1,2, YAO Qing-hua 1,2, LIN Xiang-xin 1,2, QIAN Ai-ping 1,2
(1.Central Laboratory of Fujian Academy of Agricultural Sciences, Fuzhou 350003;
2.Fujian Key Laboratory of Precision Measurement of Agricultural Sciences, Fuzhou 350003)
Abstract: After searching reference, the amino acid composition of 31 kinds of food were founded. With SPSS 17.0, the relation and deviation between indexes of chemical analysis and BV was studied. Furthermore, univariate regression equation for them was established in this paper. Results showed that CS and SRCAA are unchanged, when denominator changes. But the deviation between other indexes and BV are varied. The correlation between AAS/EAAI/EAARR and BV for amino acid group is stronger than protein’s. The value of CBV and BV is near.Key words: amino acid nutrition; chemical analysis; biological value; chemical biological value
氨基酸营养价值评价方法的研究
2012年 第37卷 第4期
· 287 ·
利用化学分析法评价食物蛋白质营养价值的
主要实验步骤是通过测定其粗蛋白质和氨基酸含
量。

前期研究表明，该评价方法除存在参考模式
的偏差外[2]，还具有3类误差：蛋白质测定误差、
蛋白质-氮换算误差和氨基酸测定误差[3-5]，对化
学分析法的评价结果具有明显影响，使得利用化
学分析法评价蛋白质营养价值时不够准确。

本研
究采用SPSS 17.0统计分析31种食物的BV及必需氨
基酸组成，求出理想参考蛋白模式下以不同基数
计算化学分析法中各项指标，分析其与BV的相关
性和离差情况, 在保持二者等级相关程度不变条件
下， 筛选出化学分析法中各项指标与BV值间的回
归方程，使化学分析法的评价更为准确和可靠。

1 方法
1.1 蛋白质的测定
蛋白质含量的测定方法主要包括：凯氏定氮
法、等电点沉淀法、紫外吸收法、双缩脲法和考
马斯亮蓝染色法等[6]。

其中凯氏定氮法具有检测
速度快、应用程度广等特点，是国际首选的蛋白
质测定方法。

因为不同食物蛋白质-氮换算系数F
存有差异(可在5.18~7.14之间变动)[7]，在F值未知
时，常粗略地采用6.25，导致蛋白质含量测定结
果不够准确，对利用化学分析法评价蛋白质营养
价值具有显著影响。

1.2 氨基酸组成的测定
自然界已发现的氨基酸至少有300多种，分为
蛋白质氨基酸与非蛋白质氨基酸两大类。

天然食
物蛋白中含有的氨基酸种类约20种[8]。

食物中氨基
酸含量可通过氨基酸分析仪或高效液相色谱仪进
行测定。

氨基酸测定过程中的水解条件、水解程
度、洗涤过滤及稀释等因素，也会对测定结果产
生一定的影响，是利用化学分析法评价蛋白质营
养时不够理想的关键原因之一。

1.3 生物价与化学分析法
生物价是指食物中蛋白质经消化吸收后在
体内被利用的氮量(贮留氮量)占被吸收氮量的百
分率，表示其消化吸收后的利用程度。

化学分析
法是通过测定单位质量食物蛋白的氨基酸组成比
例，与理想参考蛋白的氨基酸组成及其比例的比
较分析。

常见的指标有氨基酸分(AAS)、化学分
(CS)、必需氨基酸指数分(EAAI)、氨基酸比值系数
分(SRCAA)及必需氨基酸相对比值分(EAARR)，其
中SRCAA要以FAO/WHO模式作为理想参考蛋白模式，其他指标应以全蛋模式作为理想参考蛋白模式[2,4,14-17]。

2 结果与分析2.1 生物价与不同基数下计算获得的化学分析法中各项指标表1 31种食物蛋白的必需氨基酸及全氨基酸含量 g/100 g蛋白质食物Ile Leu Lys Met+Cys Phe+Tyr Thr Trp Val TAA 玉米 3.7 12.5 2.7 3.5 8.7 3.6 0.7 4.8 97.4 花生1 3.4 6.4 3.5 2.4 8.9 2.6 1.0 4.2 94.4 花生2 3.3 6.2 3.4 2.3 8.6 2.5 1.1 4.0 92.7 花生3 3.5 6.7 3.7 2.5 9.2 2.7 1.2 4.3 99.9 磷虾1 4.8 6.8 7.3 3.4 7.7 4.1 1.2 5.2 90.4 磷虾2 4.7 6.5 6.9 3.0 7.5 3.9 1.2 5.2 83.9 芝麻 3.6 6.7 2.7 4.6 7.5 3.6 1.3 4.6 94.5 酪蛋白[10] 6.1 9.2 8.2 3.8 11.3 4.9 1.2 7.2 114.2 面筋 4.1 6.9 1.4 3.7 8.9 2.5 1.0 4.3 102.5 狭鳕鱼7.2 8.5 11.3 4.6 7.7 4.9 1.4 4.8 109.6 沙丁鱼 5.4 8.3 8.6 3.7 6.6 3.8 1.4 6.1 97.7 椰子 3.9 6.7 3.5 3.1 7.2 3.4 1.1 5.4 94.2 棉籽 3.3 5.9 4.4 2.9 8.1 3.3 1.2 4.6 93.5 油菜籽 3.9 7.0 5.9 3.0 6.2 4.4 1.3 5.0 91.3 葵花籽 4.3 6.4 3.6 3.4 6.3 3.7 1.4 5.1 94.0 全鸡蛋1[11] 5.4 8.0 6.1 4.8 8.8 5.0 1.7 7.3 97.0 全鸡蛋2[11] 4.7 6.9 5.2 4.0 7.6 4.3 1.5 6.3 83.7 大豆1 5.5 9.5 7.8 3.5 9.0 4.7 1.6 5.8 119.2 大豆2[12] 4.6 8.1 6.6 3.0 7.6 4.0 1.3 4.9 101.0 脱脂大豆粉 4.9 8.6 7.1 3.2 9.0 4.2 1.4 5.3 109.9 脱脂大豆蛋白1[5] 4.6 7.6 6.0 2.2 8.7 4.0 1.2 4.7 100.0 脱脂大豆蛋白2 5.1 7.7 6.9 3.2 8.9 4.3 3.0 5.4 107.0 浓缩大豆蛋白[11] 4.8 7.8 6.3 3.0 9.1 4.2 1.5 4.9 103.8 牛肉1[12] 6.6 10.3 11.7 5.1 10.7 5.9 1.6 6.8 134.4 牛肉2[11] 5.2 8.1 9.2 4.0 8.4 4.7 1.3 5.3 105.8 大豆分离蛋白1[13] 4.9 7.7 6.1 2.1 9.1 3.7 1.4 4.8 101.8 大豆分离蛋白2 5.0 7.9 6.7 2.3 10.5 3.3 1.0 6.2 109.9 牛乳1[14] 6.2 11.4 9.3 4.3 11.4 5.5 1.6 8.3 125.8 牛乳2[14] 5.5 10.0 8.2 3.8 10.0 4.8 1.4 7.3 110.4 大米1[14] 4.2 9.0 4.0 4.0 12.9 3.7 1.4 6.3 106.1 大米2[12] 3.1 6.6 2.9 2.9 9.4 2.7 1.0 4.6 77.4 FAO/WHO 模式 4.0 7.0 5.5 3.5 6.5 4.1 1.0 5.0 全蛋模式 5.4 8.6 7.0 5.7 9.3 4.7 1.7 6.6
注：(1)表中数据除注明外，均来自文献[9]；(2) TAA表示全氨基酸。

· 288 ·与BV的离差总和有偏低的趋势，其中AAS组＞CS 组。

以每100 g全氨基酸为基数计算获得的EAAI、SRCAA及EAARR与BV的离差总和也有偏高的趋势，其中EAAI组偏高趋势最大，但低于粗蛋白法组；EAARR组偏高趋势最小，但略高于粗蛋白法组；SRCAA组的偏离程度与粗蛋白法组相同；AAS、CS与BV的离差总和有偏低的趋势，其中AA 组CS偏低程度比粗蛋白法大，CS组偏离程度与粗
通过查阅近年来的相关文献，随机选取31
种食物的必需氨基酸含量，结果如表1所示。

表
2为分别以每100 g粗蛋白质或每100 g全氨基酸为
基数计算样品的各项化学评分指标及BV[4,9,18,19](同
一种食物的不同BV取平均值)。

结果表明，以每
100 g粗蛋白质为基数计算获得的EAAI、SRCAA及
EAARR与BV离差总和有偏高的趋势，变化趋势依
次为EAAI组＞SRCAA组＞EAARR组；AAS、CS
表2 以2种方法计算获得的不同食物的AAS、CS、EAAI、SRCAA、EAARR及与其BV间的统计分析表食物BV
X1X2X3X4X5X1X2X3X4X5玉米59.538.5747.0168.8760.963.439.647.0170.7160.964.42
花生15742.1163.6861.1572.2562.8744.663.6864.7872.2566.26
花生25740.3562.9759.9470.9261.6443.5362.9764.6670.9266.49
花生35743.8663.5864.6771.1566.4443.963.5864.7471.1566.51
磷虾182.359.6572.1780.4688.2980.3465.9872.178988.2986.22
磷虾282.352.6366.377.2686.6378.3562.7366.392.0986.6388.08
芝麻6238.5754.6269.3173.0870.9140.8254.6273.3473.0875.03
酪蛋白8066.6762.9498.9784.6683.1758.3862.9486.6684.6686.33
面筋582029.8859.3762.9964.2419.5129.8857.9262.9962.68
狭鳕鱼8972.7370.7198.5274.2777.366.3670.7189.8974.2775.88
沙丁鱼9264.9172.4587.2682.7283.1566.4472.4589.3182.7283.93
椰子655071.4367.9383.2268.8553.0871.4372.1283.2273.09
棉籽69.550.8873.9866.9480.6567.6354.4173.9871.680.6572.33
油菜籽9252.6370.2774.4487.3175.3857.6570.2781.5387.3181.93
葵花籽7051.4373.6870.679.1371.454.7173.6875.179.1375.96
全鸡蛋195.684.2187.6196.6386.0592.7586.8187.6199.6286.0592.53
全鸡蛋295.671.9386.8183.4485.0883.885.9486.8199.6985.0891.93
大豆168.561.463.4894.1385.7289.5551.5163.4878.9785.7280.11
大豆268.552.6364.3179.3586.9880.4852.1164.3178.5786.9879.68脱脂大豆粉7156.1462.9585.8785.5986.7851.0862.9578.1385.5979.29脱脂大豆蛋白17138.648.4974.9680.0177.2938.648.4974.9680.0177.29脱脂大豆蛋白27156.1464.2784.358785.5252.4764.2778.838779.93浓缩大豆蛋白8052.6361.9982.781.783.9950.761.9979.6781.780.91牛肉176.489.4774.69115.0385.1878.8666.5774.6985.5985.1880.99
牛肉276.470.1874.4390.8585.1584.5466.3374.4385.8785.1581.28大豆分离蛋白16536.8445.3676.7575.679.4936.1945.3675.3975.678.08大豆分离蛋白26540.3548.3475.2473.2975.1436.7248.3468.4673.2970.63牛乳187.575.4463.73112.6388.777859.9763.7389.5388.7788.19
牛乳287.566.6764.0599.0388.8186.6960.3964.0589.788.8188.19
大米16857.1461.5485.369.2677.2853.8661.5480.3969.2675.37
大米26841.4361.1462.169.3663.9253.5361.1480.2369.3675.28
Σ(X-BV)　-591.41-298.74216.45184.1291.55-613.12-298.74179.45184.12137.22 注：X表示化学分析法中的各项指标，其中，1为AAS、2为CS、3为EAAI、4为SRCAA、5为EAARR。

2012年 第37卷 第4期
· 289 ·
蛋白法相同。

分析认为氨基酸是组成蛋白质的基本单位，所以单位质量蛋白质中所含的各种必需氨基酸含量与各种必需氨基酸含量占总氨基酸中的比重在生理意义上是一致的。

所以用总氨基酸含量代替总蛋白质含量可以缩小蛋白质的测定、换算系数
的选择及氨基酸的测定误差对化学分析法计算的影响，从而简化分析步骤和减小误差。

2.2 化学分析法的各项指标与生物价的相关性采用等级相关系数定量描述化学分析法的各表3 不同食物的AAS、CS、EAAI、SRCAA、EAARR与BV之间的相关系数
方 法
1234512345
积差法相关Pearson 相关(P<<0.01)0.7500.6280.6530.6730.6710.8230.6280.910.6730.868
等级相关Spearman 相关(P<<0.01)0.7840.6050.7150.7040.6720.8170.6050.9040.7040.887
Kendall 相关(P<<0.01)0.5910.4470.5260.5130.4780.6130.4470.7450.5130.746
注：X表示化学分析法中的各项指标，其中，1为AAS、2为CS、3为EAAI、4为SRCAA、5为EAARR。

项指标与生物价之间的关系[20]，比较以粗蛋白或全氨基酸为基数时，二者与生物价间的差异大小，结果如表3所示。

结果表明，两种方法计算获得的化学分析法的各项指标与BV之间都具有良好的等级相关性，相关性极显著(P<<0.01)；积差法相关系数也表明：两种方法计算获得的化学分析法的各项指标与BV间具有强正直线相关，相关性极显著(P<<0.01)；进一步分析表明，以全
氨基酸为基数计算的AAS、EAAI及EAARR与BV的相关性优于以粗蛋白为基数组，其余两组计算结果相同。

2.3 化学分析法的评分与生物价的回归方程相关系数只能表明“两个变量间直线关系的密切程度”[20]和等级关系，而不能表明两变量间的等值问题。

表4为化学分析法的各项指标与BV 的回归方程，计算结果定义为化学生物价(即通过化学分析法计算获得的生物价，Chemical biological 对后续利用回归方程计算化学生物价的准确度和可靠性起积极影响，其值更接近BV真值，更能反映蛋白质的质量。

因此，以全氨基酸含量为基数计算生物价在食品加工和开发、指导膳食合理互补等方面将发挥积极作用。

表4 CBV回归方程
模式方法回归方程(y ＝ax+b)F 检验以粗蛋白为基数X 1CBV X =0.585AAS+41.77737.260X 2CBV X =0.638CS+32.88718.847X 3CBV X =0.529EAAI+31.09221.522X 4CBV X =1.016SRCAA-7.21623.975
X
5CBV X =0.934EAARR+2.14023.747
以全氨基酸为基数X 1CBV X =0.709AAS+35.48160.927
X 2CBV X =0.638CS+32.88718.847X 3CBV X =1.065 EAAI-11.001139.105
X 4CBV X =1.016SRCAA-7.21623.975
X 5CBV X =1.305EAARR-28.27988.656
注：X表示化学分析法中的各项指标。

其中，1为AAS；2为CS；3为
EAAI；4为SRCAA；5为EAARR。

value, CBV)。

一元线性回归检验结果表明：两种方法计算获得的化学分析法的各项指标与BV间线
性回归程度极显著(P<<0.01)；以全氨基酸含量为基数计算的AAS、EAAI及EAARR与BV间线性回归程度高于粗蛋白组, CS组和SRCAA组的回归程度则相同。

表5为建立回归方程前后，化学生物法中各项指标与BV值的离差总和比较。

结果表明，通过笔者建立的回归方程求的CBV与实验法获得的BV基表5 化学生物价与生物价离差比较
粗蛋白法全氨基酸法
X 1X 2X 3X 4X 5X 1X 2X 3X 4X 5
Σ(X-BV)-591.41-298.74216.45184.1291.55-613.12-298.74179.45184.12137.22
Σ(CBV X -BV)-0.240.790.89-0.030.87-0.48 0.79 -1.22 -0.03 0.14
注： X表示化学分析法中的各项指标，其中，1为AAS、2为CS、3为EAAI、4为SRCAA、5为EAARR。

本一致，总体偏差接近于0。

3 小结与讨论
食物蛋白中的糖蛋白、脂蛋白、磷蛋白等结合的非蛋白氮对凯氏定氮法测定样品蛋白含量具有明显影响[7]。

但是以不同基数计算获得的CS和
SRCAA结果相同，表明在评价食物氨基酸营养价值时可以不用进行粗蛋白含量测定。

所以，以全氨基酸含量为基数比粗蛋白质更为准确、可行。

· 290 ·同时，利用化学生物法中各项指标计算生物价有助于缩短试验时间，降低试验成本。

Oser [16] 曾报道用EAAI来预测生物价BV=1.09EAAI-11.7，其值与动物试验得出的BV值相接近。

而笔者以全氨基酸含量为基数建立的EAAI与BV间的回归方程：CBV=1.065 EAAI-11.001，其值与Oser方程求出的值相近。

但是，以全氨基酸含量为基数计算的EAAI、SRCAA及EAARR与BV的回归方程纵截距为负数，即添加或缺乏某种必需氨基酸到一定程度，化学评分将为负值。

负分的生理意义尚需开展动物试验进行探讨。

由于生物现象的不稳定性和处理过程欠缺系统性，如同样是花生、磷虾、大豆及全蛋等，不同的测定者就有不同的测定结果，因此对生物现象以及分析测试数据的处理，宜用统计学方法。

以全氨基酸含量为基数计算的化学生物价尽管与已知BV的观测值仍有一定的差距，但总体上比粗蛋白法更接近BV的观测值，也可能比BV的观测值更接近BV真值。

但事实是否如此，尚需大量的动物实验来证实。

参考文献：[1]　Jansen G R. Biological evaluation of protein quality[J]. Food Technology,1978,32(12):52-56[2]　颜孙安,林香信,钱爱萍,等.化学分析法的理想参考蛋白模式及其化学生物价研究[J].中国农学通报,2010, 26(23):101-107[3]　赵法伋.酶解猪血纤维蛋白营养评价[J].营养学报,1984, (1):27-32[4]　朱圣陶,吴坤.蛋白质营养价值评价——氨基酸比值系数法[J].营养学报,1988,10(2):187-190[5]　张瑞婷.几种野生油料种籽蛋白质的化学法评价[J].营养
学报,1985,(6):151-156
[6]　李宁.几种蛋白质测定方法的比较[J].山西农业大学学报,2006,26(2):132-134
[7]　Osborne D R. The analysis of nutrients in foods[J]. Academic Press,1978:21-29
[8]　刘志皋.食品营养学[M].北京:中国轻工业出版社,1991:
98-144
[9]　周奇文,丁纯孝,译.新蛋白质食品知识[M].中国食品出版社,1987:246-250
[10]　李家瑞.食品化学[M].轻工业出版社,1987:137-141[11]　陈大淦,倪培德.植物蛋白的加工和利用[M].中国食品出版社,1988:78-84
[12]　蒋挺大,王玉生.食物与营养化学[M].科学出版社, 1987:46-49
[13]　陶慰孙.生物化学和分子生物学习题与计算[M].高等教
育出版社,1984:87-92
[14]　Bano Z, Rajrathnam S. Pleurotus mushroom as a nutritious food[J]. The tropical mushrooms biological nature and cultivation methods[M]. Hong Kong:The Chinese University Press,1982:363-380
[15]　FAO. Amino acid content of foods and biological data on proteins[J]. Nutr Stud No.24. Div, FAO, Rome: Food Policy
and Food Sci Serv,1970:5-6
[16]　Oser B.L. An integrated essential amino acid index for
predicting the biological value of proteins[J]. Albanese
AA, ed.Protein and Amino Acid Nutrition[M]. New York:
Academic Press,1959:281-295
[17]　赵建幸.蛋白质营养评价新方法的研究——必需氨基酸相对比值法[J].食品工业,1991,(5):38-40
[18]　于守洋.黑龙江省新开发的食物资源营养学与食品卫
生学研究[J].营养学报,1985,(3):151-160
[19]　王远亮.明胶食品[M].中国食品出版社,1987:46-47
[20]　四川医学院.卫生统计学[M].人民卫生出版社,1978:42
食品科技杂志社已许可中国学术期刊（光盘版）电子杂志社在中国知网及其系列数据库产品中以数字化方式复制、汇编、发行、信息网络传播本刊全文。

该社著作权使用费随食品科技杂志当期的稿酬一并支付。

作者如无特殊声明本刊视为同意本社上述声明，若有异议，请在投稿时以书面形式通知本刊。

《食品科技》杂志社重 要 声 明。