著者の所属・活動拠点の国は、スペインです。

掲載誌：Foods

ライセンス: CC BY 4.0　対象: 公開論文　確認元: 論文PDF

研究の目的

食用油の脂肪酸組成は、栄養価や本物かどうかの判定、揚げ物に使ったときの安定性を左右します。標準的な測定法であるガスクロマトグラフィー（GC）は、時間がかかり、試薬も多く使います。そこで研究チームは、油に光を当てて吸収の仕方を測る赤外分光法で、脂肪酸組成を手早く推定できるかを調べました。

比べたのは、近赤外（NIR）分光と、中赤外（MIR）分光の3つの試料の置き方です。3つとは、液体用セル（キュベット）に入れて光を透過させる方式、Pearlと呼ばれる水平型の透過セルを使う方式、結晶の表面に油を載せて測る全反射（ATR）方式です。研究チームによると、Pearlセルを食用油の個々の脂肪酸の予測に使った査読付きの評価は、これが初めてです。

研究チームは、油に多い主要な脂肪酸は4方式すべてで正確に予測できると考えました。一方、含有量の少ない脂肪酸は、主要成分と一緒に増減する関係を通じて間接的にしか予測できないと予想しました。

何を、どのように調べたか

試料は、14種類のオリーブ油とひまわり油から用意した計142点です。オリーブ油は、9品種のエキストラバージンオリーブ油と、精製油を混ぜたオリーブ油などを合わせた12種類です。各種類について、元の油、オリーブ果実抽出物でヒドロキシチロソール（ポリフェノールの一種）を加えた油、その2つを混ぜた油を用意しました。さらに、揚げ処理をした8点を加え、1種類あたり11点としました。揚げ処理は、温度（170℃と210℃）、時間（3時間と6時間）、ポリフェノール添加の有無を組み合わせています。ひまわり油は、通常の精製油と、オレイン酸を多く含む高オレイン酸タイプの2種類です。

同じ試料について、GCで13種類の脂肪酸を測りました。値は脂肪酸メチルエステル全体に占める割合（%FAME）で表し、これを正解値としました。そのうえで、4つの方式で測ったスペクトル（波長ごとの光の吸収の記録）から、この正解値を予測する計算モデルを作りました。モデルにはLASSO–OLSという手法を使いました。多数の波長から予測に役立つ少数を選び、その波長だけで通常の回帰式を作る方法です。比較のため、全波長を使うPLS回帰とリッジ回帰でもモデルを作りました。

予測の確かさは交差検証で評価しました。交差検証は、一部の試料をモデル作りから外し、外した試料を予測させて確かめる方法です。1試料ずつ外す方法（LOO）に加え、1種類の油をまるごと外す方法（LOVO）も使いました。LOVOでは、モデルが学んでいない品種や種類の油をどこまで予測できるかが分かります。指標には、予測値と正解値の一致度を示す決定係数R²（1に近いほど良い）、予測誤差RMSECV、データのばらつきを誤差で割ったRPD（大きいほど良い）を用いました。ひまわり油が加わると一部の脂肪酸の値の幅が広がるため、オリーブ油だけでの成績も計算しました。また、モデルが揚げ処理によるスペクトルの変化を手がかりにしていないかも調べました。

主な報告結果

リノール酸は4方式すべてで正確に予測されました。R²は0.997〜0.998、RPDは17.1〜21.4、予測誤差は0.47〜0.58%FAMEでした。モデルが学んでいない種類の油を予測した場合でもR²は0.986〜0.994、オリーブ油だけで見てもR²は0.95〜0.97でした。使った波長は21〜28個です。リノール酸の量は揚げ処理でほとんど変わりませんでした。揚げていない油だけで作ったモデルでも揚げた油を予測でき、そのR²は0.875〜0.947でした。

オレイン酸は、R²が0.884〜0.942、RPDが3.0〜4.2、予測誤差が1.80〜2.54%FAMEでした。ただし、オリーブ油だけで見た場合や、学んでいない種類の油を予測した場合は、精度が下がりました。オレイン酸は揚げ処理でわずかに増え、揚げていない油だけで作ったモデルは揚げた油にうまく当てはまりませんでした（R²は−0.41〜0.40）。

パルミチン酸とパルミトレイン酸は、ふるい分けに使える程度の精度にとどまりました。この精度は、学んでいない種類の油には及びませんでした。含有量の少ない脂肪酸の一部は、GCで得た正解値自体が妥当とは考えにくい値でした。

方式による違いは、脂肪酸の種類による違いに比べて小さいものでした。ATRはオレイン酸、パルミチン酸、パルミトレイン酸で最も誤差が小さくなりました。ただし、ほかの全方式に対して統計的に有意な差があったのはパルミチン酸だけでした。NIRとPearlセルでは光の吸収が強すぎて飽和に近い波長域がありました。この部分を除くと、いくつかの脂肪酸で予測が改善しました。

この報告が示すこと

研究チームは、主要な2つの脂肪酸については、どの方式でも実用に足る精度が得られたと述べています。そのため、方式は主に使い勝手で選べるとしています。たとえばATRとPearlセルは約50マイクロリットルの試料で測れ、結晶や窓を拭くだけで掃除が済みます。NIRは約2ミリリットルの試料が必要ですが、工程用の装置に移しやすい方式です。オレイン酸のモデルを作るときは、監視したい加工条件を反映した試料を含める必要があると指摘しています。

限界として、研究チームは次の点を挙げています。モデルは1組の試料と、各方式1台ずつの装置で作って検証したものです。そのため、独立した試料による外部検証や、装置間でモデルを移す検証がまだ必要です。ひまわり油の試料数は少なく、全試料での高いR²はオリーブ油だけの成績と合わせて読む必要があります。中赤外の測定範囲は1500〜1000 cm⁻¹に限られ、不飽和結合に直接関わる吸収帯は含まれていません。含有量の少ない脂肪酸の精度は、GCの正解値の精度によっても制約されます。さらに、繰り返し測定したときの再現性は今後確かめる必要があるとしています。

原著論文の著者・所属：Taha Mehany（Department of Chemistry, University of La Rioja, 26006 Logroño, Spain）、Laura González-Pizarro（Siemens, Ronda de Europa 5, Tres Cantos, 28760 Madrid, Spain）、José M. González-Sáiz（Department of Chemistry, University of La Rioja, 26006 Logroño, Spain）、Consuelo Pizarro（Department of Chemistry, University of La Rioja, 26006 Logroño, Spain）

※本記事は原著論文をもとに、日本語で要約・説明を加えた研究紹介です。 出典（原著論文）：Taha Mehany, Laura González-Pizarro, José M. González-Sáiz, et al. Comparative Assessment of NIR, MIR Transmission (Cuvette and Pearl Cell) and MIR-ATR Spectroscopy Coupled with LASSO–OLS Regression for Fatty Acid Profiling of Olive and Sunflower Oils. Foods（出版社：Multidisciplinary Digital Publishing Institute） 2026-11-12. DOI: 10.3390/foods15224056. 原著ライセンス：CC BY.