氨基酸在动物的营养、免疫等方面发挥巨大功效[1]。日粮配制的趋势已由简单的粗蛋白日粮发展到总氨基酸平衡日粮、理想蛋白日粮[2]。同一种饲料原料的氨基酸含量会因产地、品种、收获时间、生产加工工艺等因素的不同而存在差异[3]。制作配方依赖饲料数据库会导致配方不准确[4]，进而影响产品质量。为准确评价各种饲料原料及产品的质量情况，有必要对其氨基酸、可消化氨基酸含量进行测定。
氨基酸的分析主要包括两种情况：一种是氨基酸添加剂中氨基酸含量的测定，可以采用简单的化学分析法测定；另一种是饲料原料和各种配合饲料产品中以蛋白质形式存在或游离氨基酸含量的测定，需要通过前处理方法（如碱水解、酸水解、氧化水解等）将蛋白质水解变成游离的氨基酸，进行色谱分离和定量测定[5]。大多数氨基酸不含生色团，不能使用紫外、荧光吸收法直接检测，需要对氨基酸进行柱前或柱后衍生[6][7]，以提高分析检测的灵敏度和分离选择的特性。常用的衍生试剂有茚三酮（nin-hydrin）、氯甲酸芴甲酯（FMOC）、邻苯二甲醛（OPA）、丹酰氯（Dansyl-Cl）、6-氨基喹啉-N-羟基琥珀酰亚胺氨基甲酸酯（AQC）、异硫氰酸酯（PITC）、2,4-二硝基氟苯（FDNB）等[8]。其中，茚三酮柱后衍生检测方法是氨基酸检测的金标准。传统的氨基酸测定方法检测时间长、费用昂贵、需配备专门的检测人员，很难满足现代生产的需要。近红外光谱分析技术能够在几分钟甚至十几秒测定出饲料原料及产品的氨基酸含量，具有很强的实用性。
1 近红外光谱检测技术的原理及优缺点
近红外光谱的波长范围780～2 500 nm，分为短波区（780～1 100 nm）和长波区（1 100～2 500 nm）。近红外光谱分析方法利用有机物含有的化学键（C—H、N—H、O—H、C—C等）的泛频振动或转动，以漫反射方式获得样品在近红外区的吸收光谱，通过主成分分析、偏最小二乘法、人工神经网等，建立样品特征光谱与待测化学成分之间的线性或非线性模型，实现应用近红外光谱技术快速预测未知样品的化学成分[9]。
近红外光谱技术操作简单、多组分同时测定、分析速度快、成本低、样品无损或简单制备。但近红外是1种间接测定技术，测试灵敏度较低，构建模型需要一定的成本及化学计量学专门知识，建立的模型需要不断地维护、优化[10][11]。
2 近红外技术在饲料氨基酸检测方面的研究进展
目前，近红外光谱分析技术已广泛应用在饲料原料、半成品及成品中常规、微量、有毒有害成分的检测；在饲料营养价值评定及饲料掺杂等方面均有应用[12][13][14]。
2.1 近红外在饲料氨基酸检测方面的应用
2.1.1 饲料原料及产品的氨基酸检测
研究人员成功构建大豆、藜麦、豆粕、菜粕、鱼粉等饲料原料氨基酸的近红外定标模型[15][16][17][18]。近红外技术快速测定饲料原料氨基酸含量可以了解来自不同产地、收获期、品种、加工工艺原料的氨基酸变异系数，可以根据氨基酸含量对原料进一步细分，实现原料的合理分级。陈向东等[19]应用近红外分析方法测定不同小麦品种的氨基酸含量，发现小冰麦33和云南57的氨基酸含量显著高于其他品种。Qiao等[20]实现动物饲料中氨基酸含量的近红外快速预测。高新等[21]利用近红外技术对云南地区规模化母猪场日粮的氨基酸含量进行评估，发现日粮赖氨酸达标并超过标准水平，含硫氨基酸、缬氨酸含量不足，亮氨酸、苯丙氨酸等严重超标。近红外预测饲料产品的氨基酸含量，可调整配方。
2.1.2 饲料营养价值的评定
可消化氨基酸含量是日粮精准配制的重要指标。蛋鸡豆粕总氨基酸可利用率的NIRS预测模型的R2cal、R2cv、R2val范围分别为94.2%～99.97%、76.38%～97.32%、61.80%～99.42%,RMSEP范围为0.06%～1.00%[22]。Soto等[23]研究发现，在21、42 d，饲喂各处理组配制的饲料配方日粮（近红外预测总氨基酸组、近红外预测可消化氨基酸组、近红外预测可消化氨基酸和代谢能组）均可以改善肉仔鸡的体重，且不影响饲料转化率。
2.2 近红外预测氨基酸的效果
近红外光谱技术对油菜籽饼粕中赖氨酸、亮氨酸等12种氨基酸校正方程具有良好的预测精度，缬氨酸校正方程准确度偏低[24]。整粒棉籽12种氨基酸含量的校正模型均取得了较高的预测精度和稳定性，但酪氨酸、蛋氨酸和苏氨酸等5种氨基酸预测效果较差[25]。Chen等[26]利用近红外无损分析完整菜籽粕的氨基酸含量，发现天冬氨酸，赖氨酸、精氨酸等含量可以精准预测。近红外对不同饲料原料的氨基酸含量预测效果相差甚大，即使同一种饲料原料，结果也不尽相同。Zhou等[27]发现，玉米DDGS中除精氨酸，赖氨酸，色氨酸和缬氨酸预测效果较差外，大部分氨基酸近红外预测模型的R2CV在0.85～0.93、R2val在0.88～0.95。
3 影响近红外氨基酸检测的主要因素
3.1 人员误差
人员的素质、习惯、人员对检测方法及仪器熟练掌握程度均会对检测结果造成影响。
3.2 不同仪器及仪器的稳定性
不同近红外仪器设备预测氨基酸的结果不同。与福斯近红外仪相比，利用尼尔光电微型近红外仪建立的模型多3个氨基酸指标（Ser、Leu和Phe)[28]。仪器的能量、光束面积、噪声和基线的漂移、波长的准确性等均会引起测定误差，影响测定结果。袁道强[29]发现，设备基线漂移会造成饲料氨基酸检测结果偏低，解决基线漂移问题后，可获得较理想的结果。
3.3 样品的因素
定标样品的选择和数量、样品的水分、温度、粒度和均匀性以及样品的新鲜程度、加工工艺等均会对近红外分析的准确性造成影响。赵枝新等[30]发现，在0.5～0.75 nm的粉碎粒度范围内，鱼粉和豆粕样品的近红外氨基酸测定值不受影响。
3.4 化学分析误差
近红外光谱分析采用间接校正方法，其准确性依赖于定标样品实验室检测的准确性和精确性。定标样品的检测必须使用国际、国内认可的标准方法。目前，饲料氨基酸检测主要国标有：GB/T 18246—2000《饲料中氨基酸的测定》[31]、GB/T 15400—2018《饲料中色氨酸的测定》[32]和GB/T 15399—2018《饲料中含硫氨基酸的测定》[33]。
3.5 环境因素
近红外光谱是分子的能量光谱，任何温度的变化都将造成光谱的形状发生改变，进而影响分析结果。
3.6 其他
近红外不同处理方法、评估参数的合理选取等其他因素都会影响近红外定量分析模型的精确度。
4 近红外光谱技术快速检测氨基酸应用的问题
4.1 建立模型投入大、成本高
应用近红外建立氨基酸模型时投入较大、成本昂贵，需要测量大量定标样品的化学分析值作为基础数据，是推广利用近红外光谱技术测定氨基酸时极为不利的因素。
4.2 模型维护及升级
模型建立后，需要在后续研究中不断收集样品进行补充，建立相对更加完整的氨基酸分析标准数据库，不断更新、优化现有校正模型，提高其预测性能。
4.3 解决模型传递问题，实现模型共享
在实际生产中，即使是同一厂家生产的相同型号的仪器，加工配件方面也会存在某些细微差异，导致在这一台仪器上建立的数学模型不能直接应用于另外的仪器上进行样品分析。因此，如何通过模型转移技术达到模型共享及有效利用显得非常必要。目前，很多学者研究模型传递问题，实现数学模型的共享[34][35]。模型转移可以通过信号处理消除仪器对量测信号的影响，使已有模型具有较好的动态适应性；减少因重复建模造成的人力、物力、财力以及时间的浪费。
4.4 需要尽快完善饲料氨基酸近红外检测标准
国家发布的GB/T 18868—2002《应用近红外光谱的方法快速测定饲料中水分、粗蛋白、粗纤维、粗脂肪、赖氨酸、蛋氨酸的国家标准》[36]，仅对赖氨酸、蛋氨酸的检测进行规定，未对其余几种氨基酸进行规定。需要制定一套严格可行的近红外光谱法快速检测饲料氨基酸的国家标准。提高定标模型的准确度及检测精度，推进近红外光谱分析技术在饲料氨基酸检测中的应用。
4.5 实时在线监测
实时在线分析可监测从原料到成品的整个过程，满足饲料生产中从原料的采购到产品的销售整个过程实时监测的需求，将是今后重要的发展方向。
5 展望
通过了解影响近红外氨基酸检测精确度的各种影响因素、存在问题，能够更好发挥近红外光谱仪器在氨基酸检测方面的潜能，更好地将其应用在原料的合理分级、配方优化等各方面。
