全 文 ：文章编号 :100028551 (2007) 052478205
粳稻七种必需氨基酸含量近红外
漫反射光谱分析技术研究
陆艳婷1 　张小明1 　叶胜海1 　祁永斌1 　严文潮1 　王建清2 　金庆生1
(11 浙江省农业科学院作物与核技术利用研究所 ,浙江 杭州　310021 ;
21 浙江省农业科学院农产品质量标准研究所 ,浙江 杭州　310021)
摘 　要 :利用化学法测定了粳稻精米粉必需氨基酸的含量 ,并分别建立了相应的近红外分析预测模型。
结果表明 ,不同光谱预处理方法对近红外分析模型的预测结果有较大影响 ,采用光谱预处理的校正效果
比不采用预处理的好。用偏最小二乘法 (PLS)获得的粳稻精米粉缬氨酸、异亮氨酸、亮氨酸、苯丙氨酸、
蛋氨酸、苏氨酸、赖氨酸等 7 种必需氨基酸含量的预测模型和交叉验证结果显示表明 ,最优校正决定系
数 ( R2 )和交叉检验均方误差 ( RMSECV) 分别为 018868、010303 ;018623、010237 ;019008、010359 ;018993、
010278 ;015999、010256 ;017604、010238 ;018543、010173。因此在水稻品质育种中 ,近红外光谱分析技术可
用于除蛋氨酸、苏氨酸外的其余 5 种必需氨基酸含量的测定。
关键词 :近红外漫反射光谱法 ;粳稻 ;必需氨基酸 ;测定
MEASURING OF SEVEN BY NEAR AMINO ACID CONTENTED IN
J APONICA RICE INFRARED SPECTROSCOPY TECHNIQURE
LU Yan2ting1 　ZHANG Xiao2ming1 　YE Sheng2hai1 　QI Yong2bin1 　
YAN Wen2chao1 　WANGJian2qing2 　J IN Qing2sheng1
(11 Institute of Crop and Nuclear Technology Utilization , Zhejiang Academy of Agricultural Sciences , Hangzhou , Zhejiang 　310021 ;
21 Institute of Quality and Standard for Agro2products , Zhejiang Academy of Agricultural Sciences , Hangzhou , Zhejiang 　310021)
Abstract :Using the value of essential amino acid contained in milled japonica rice powder analyzed by chemical method , the
near infrared spectroscopy prediction models were set up . Results showed that there were obvious effects of different pre2
spectral treatment on the prediction values of the near infrared spectroscopy analysis models , and the calibration effect was
better using pre2spectral treatment than directly treatment . The prediction models derived from the partial least squares (PLS)
and cross2certification for Valine , Isoleucine , Leucine , Phenylalanine , Methionine , Threonine and Lysine indicated that the
optimal calibration determination coefficient ( R2 ) and cross2examination mean square errors ( RMSECV) were 018868 ,
010303 ; 018623 , 010237 ; 019008 , 010359 ; 018993 , 010278 ; 015999 , 010256 ; 017604 , 010238 ; 018543 , 010173 ,
respectively. In terms of the prediction models , it was proposed that except for Methionine and Threonine ,other 5 kinds of
essential amino acid could be chosen as targets for grain quality in rice breeding practice.
Key words :near infrared diffuse reflectance spectroscopy ; japonica rice ( Oryza sative L. ) ;essential amino acid ;determination
收稿日期 :2007201224
基金项目 :浙江省科技攻关项目 (2004C12020 , 2005D70053 , 2005C22016)
作者简介 :陆艳婷 (19692) ,女 ,浙江台州人 ,硕士 ,助理研究员 ,从事水稻育种研究。E2mail : lytcc2003 @hotmail . com. cn
通讯作者 :金庆生 (19552) ,男 ,浙江杭州人 ,研究员 ,从事水稻育种研究。Tel : 0571286404200 ; E2mail : jinqs @mail . hz. zj . cn　　水稻是世界上最重要的粮食作物之一 ,全球约 1Π3以上的人口以稻米为主食 ,它占人们食物来源的 60 %左右 ,可提供 20 %左右的能量和 40 %左右的蛋白 质[1 ] 。随着人们生活水平的提高 ,水稻育种研究已从单纯重视产量 ,转为产量和品质兼顾 ,并不断重视营养和特殊稻米成分的功效。在稻米品质分析中 ,氨基酸
874　 核 农 学 报　2007 ,21 (5) :478～482Journal of Nuclear Agricultural Sciences
含量测定通常采用氨基酸含量分析仪或高效液相色谱
仪[2～4 ] ,但两种方式分析速度慢 ,成本高 ,不适于大批
量样品的测定和育种材料的筛选。近年来 ,近红外反
射光谱技术发展迅速 ,一些学者将其应用于农业科学
研究[5～11 ] , 但将之用于稻米氨基酸含量分析的不
多[7 ,8 ] ,更未见有运用于粳稻氨基酸含量的分析报道。
本研究以粳稻为材料 ,探讨光谱不同预处理方法对建
立近红外光谱法分析必需氨基酸含量的影响 ,并建立
分析模型 ,为开展水稻品质成分育种提供技术保障。
1 　材料与方法
111 　材料
供试材料为浙江省近年来育成的粳稻品种 (系)
178 份 ,粳糯稻 32 份 ,共计 210 份 ,均为具有代表性的
常用种质资源 ,统一种植于浙江省农业科学院试验田 ,
常规管理 ,2004 年秋季收获。样品经砻谷组合实验机
磨成精米后 ,用国产 SDM2A 型旋风磨磨成粉 ,过 100
目筛 ,分别装于小塑料袋中存放在干燥器中待用。在
光谱扫描前 ,将装有精米粉样品的小塑料袋置于光谱
仪室平衡一昼夜 ,确保样品环境条件与仪器的环境条
件一致 ,样品的含水率≤12 %。光谱仪室的温度与湿度
由空调器和除湿机自动调节至测试要求 (温度在 15 ℃～
30 ℃、相对温度在 70 %以下) ,对于同一批或同一成分的
每次测定都必须与原来的温度保持一致 ,以减少试验的
误差。在 210 份样品中随机抽取 53 份样品作为检验集 ,
其他样本作为定标集用于构建预测模型。
112 　方法
11211 　样品氨基酸含量的化学法测定 　称取 100 ±
1mg 样品于杜氏管中 ,加入 6molΠL 盐酸 5100ml ,用真空
泵抽真空至 ≤7Pa ,用酒精喷灯封口 ,放于 110 ℃±1 ℃
恒温箱中水解 24h 后取出 ,冷却、混匀、开管 ,转入 50ml
容量瓶中并用超纯水定容 ,过滤 ,取滤液 10ml 于 50ml
的蒸馏烧瓶中 ,置旋转蒸发仪中 (水浴温度 55 ℃) ,抽
真空旋转蒸发至干 ,加少量超纯水重复蒸干 2～3 次 ,
加入 10ml 上机稀释用柠檬酸钠缓冲液 (pH212) ,用超
声波仪超声溶解、混匀 ,使样液中氨基酸浓度达 50～
250nmolΠml ,再用 0145μm 的滤膜过滤后置于 2ml 进样
瓶中 ,采用德国产 SYKAM 433 全自动氨基酸含量分析
仪测定 ,测定结果见表 1。
11212 　样品近红外光谱扫描与分析 　 采用德国
Bruker FT2IR 红外光谱仪 (Vector 22ΠN2I) ,该仪器为 PbS
检测器、配备有积分球旋转样品池等装置 ,由 OPUSΠIR
扫描程序控制。
表 1 　粳稻必需氨基酸含量化学测定值统计
Table 1 　Statistics of essential amino acid content in
japonica rice analyzed by chemical method
氨基酸
amino acid
定标集 (样品数 157 份)
calibration (157 samples)
检验集 (样品数 53 份)
validation (53 samples)
平均值
mean
( %)
变幅
range
( %)
标准差
SD
平均值
mean
( %)
变幅
range
( %)
标准差
SD
缬氨酸 Val 01610 01340～01816 01096 01612 01419～01850 01103
异亮氨酸 Ile 01428 01268～01597 01067 01425 01286～01572 01064
亮氨酸Leu 01828 01525～11063 01114 01819 01597～11045 01115
苯丙氨酸 Phe 01528 01302～01800 01088 01518 01350～01749 01086
蛋氨酸 Met 01187 01075～01316 01041 01186 01114～01305 01041
苏氨酸 Thr 01300 01139～01488 01056 01301 01198～01407 01048
赖氨酸Lys 01321 01200～01440 01046 01318 01217～01437 01047
　　以镀金的漫反射体作参比 (每 5 个样品扫描 1 次
参比) ,样品杯为带石英窗的圆形小杯 ,直径 415cm ,高
5cm ,每次装样量以石英窗不漏光为度 (约 5g) 。工作
谱区选用 349814～1000116cm- 1 ,分辨率为 8 cm - 1 ,重
复扫描 64 次 ,取平均值 ,贮存于 1 个计算机文件 ,形成
一条漫反射光谱。本试验每个样品重复装样 2 次 ,扫
描后取两条光谱的平均值 ,以减少装样造成的误差 ,计
算机程序自动将反射光谱信息转换成吸光度值贮存 ,
然后在 OPUS 建模软件上计算分析试验数据。
11213 　建模 　采集所有样品的近红外光谱 ,用 Bruker
公司的 OPUSΠQuant2 定量分析软件包进行分析。由于
光谱仪采集的光谱信号往往受到许多不确定因素干
扰 ,需要对光谱数据进行预处理 ,以消除基线漂移和其
他光谱变异来源 ,尽量减少对模型的影响。在建模中 ,
先预设谱区范围 349814～1000116cm- 1 进行光谱预处
理 ,具体方法有不处理、矢量归一化、多元散射校正、一
阶导数、二阶导数、常数扣除、直线扣除等 11 种。使用
软件中的自动优化功能对每种组分进行优化 ,通过内
部交叉验证给出交叉检验均方误差 (RMSECV) 和最佳
的主成分数 ,最后从所有预处理方法、谱区组合中选择
出 RMSECV 最优的谱区、预处理方法和主成分数。利
用这些最佳条件进行内部交叉验证 ,交叉验证的步长
为 1。通过比较预测值和实际化学测定值的符合程度
(用决定系数 R2 和 RMSECV 表示) 来评价数学模型的
预测效果。
建模采用常用的偏最小二乘法 ( PLS) 建立水稻氨
基酸数学模型的定标回归方程 ,用内部交叉验证法检
验方程 ,用已知真值 (化学法测定的值)的 53 个样品作
为检验集对预测模型 (回归方程) 进行验证 ,最后得到
相应的最佳近红外光谱预测模型。
974　5 期 粳稻七种必需氨基酸含量近红外漫反射光谱分析技术研究
2 　结果与分析
211 　水稻精米粉样品的近红外光谱
用近红外光谱仪进行化学成分的快速定量分析 ,
其原理是应用化学计量学方法 ,建立近红外光谱与相
关化学成分含量间的关系 ,进而根据近红外光谱测出
待测样品的化学成分含量。
图 1 是水稻精米粉样品的近红外光谱 ,它主要是
由与 H有关的基团 ,如 C —H、O —H、N —H、S —H 键的
伸缩振动和弯曲振动的能级变化产生 ,稻米样品中不
同氨基酸含氢基团的不同及含氢基因数量的不同而造
成近红外光谱吸收峰位置和大小的不同 ,每一氨基酸
都会产生相对应的吸收峰 ,它是氨基酸分子振动光谱
的倍频和合频吸收光谱。不同样品的氨基酸含量各有
差异 ,因此可根据光谱的差异进行样品化学成分的定
量分析。
图 1 　水稻精米粉样品的近红外漫反射光谱图
Fig. 1 　The near infrared diffuse reflecting spectra
of japonica rice powder
212 　预测模型的构建
本试验应用 Bruker OPUS 软件包中的 Quant2 定量
分析方法 ,采用 PLS 建立水稻氨基酸含量近红外光谱
的分析模。表 2 是利用 Quant2 定量分析方法 ,通过软
　　　　
表 2 　不同预处理条件下粳稻 7 种必需氨基酸含量的近红外建模效果
Table 2 　The near2infrared modeling effect of seven essential amino acid
contents of japonica rice using different pre2treatments condition
氨基酸
amino acid
预处理方法 pre2treatments
不处理
NSDP
常数扣除
COE
直线扣除
SLS
矢量归
一化
VN
一阶导数
FD
二阶导数
SD
一阶导数 +
直线扣除
FD + SLS
一阶导数 +
矢量归一化
FD + VN
一阶导数 +
多元散射校正
FD + MSC
平均数
mean
R2 018718 018900 018877 018842 018929 018868 018861 018840 018840 018853
缬氨酸 Val RMSECV 010322 010298 010301 010306 010294 010303 010304 010306 010306 010304
Rank 5 7 5 4 3 3 4 2 2
R2 018546 018559 018558 018461 018503 018623 018621 018511 018511 018544
异亮氨酸 Ile RMSECV 010243 010242 010242 010250 010247 010237 010237 010246 010246 010243
Rank 6 5 5 4 3 2 4 2 2
R2 018986 018980 019008 018979 018967 018971 019004 018987 018987 018985
亮氨酸Leu RMSECV 010363 010364 010359 010365 010367 010366 010360 010363 010363 010363
Rank 6 6 6 5 4 4 4 3 3
R2 018882 018805 018912 018973 018831 018824 018993 018926 018951 018900
苯丙氨酸 Phe RMSECV 010293 010303 010289 010281 010300 010300 010278 010287 010284 010291
Rank 6 5 9 9 4 4 6 7 4
R2 015068 015686 015999 015180 015165 015951 015519 015232 015562 015485
蛋氨酸 Met RMSECV 010285 010266 010256 010281 010282 010258 010271 010280 010270 010272
Rank 3 10 4 3 3 5 5 2 4
R2 017461 017604 017337 017453 017257 017226 017289 017212 017212 017339
苏氨酸 Thr RMSECV 010245 010238 010251 010246 010255 010256 010253 010257 010257 010251
Rank 4 8 3 6 3 4 5 3 3
R2 018359 018274 018465 018382 018417 018319 018445 018543 018543 018416
赖氨酸Lys RMSECV 010183 010188 010177 010182 010180 010185 010178 010173 010173 010180
Rank 9 9 9 9 8 5 8 8 8
注 : R2 = 校正决定系数 ;RMSECV = 交叉检验均方误差 ;Rank = 最佳主成分数。下表同。
Note : NSDP = No Spectral Data Preprocessing ; COE = Constant Offset Elimination ; SLS = Straight Line Subtraction ; VN = Vector Normalization ; FD = First Derivative ;
SD = Second Derivative ; MSC = Multiplicative Scatter Correction ; R2 = calibration determination coefficient ; RMSECV = cross2examination mean square errors. The
same as Table 3.
084 核　农　学　报 21 卷
件自动优化 ,给出的不同氨基酸在同一段光谱范围内
不同预处理方法下的最佳主成分数时的 R2 和
RMSECV 值 ,比较选择 R2 和较小的 RMSECV 值 ,并选
择主成分数相对较小的分析模作为预测模型 ,再根据
检验集的 R2 和 RMSEP 值的大小来决定选择模型。从
表 2 可见 ,通过软件的自动优化后 ,在一段光谱范围
内、最佳主成分数下 ,选择适当的光谱预处理方法 ,除
了 Met、Thr 外 ,其他 5 种氨基酸都可以得到比较理想
的预测模型 ,用于稻米的品质分析。在实际应用中 ,应
采用合适的预处理方法、分析谱区、主成分数 (以阶数
来表示 :即用一个 PLS 因子建立 PLS 模型为阶数 1) 等
参数来调整模型 ,并用检验集检验 ,以得到最优的预测
模型。
213 　模型的预测效果
利用近红外光谱分析不同的氨基酸含量时 ,用于
建模的谱区和预处理方法不尽相同 ,Val、Ile、Leu、Phe、
Lys 等 5 种氨基酸分别用二阶导数、直线扣除等光谱预
处理方法 ,在一定的谱区范围里 ,预测模型的校正决定
系数 R2 值都接近 019 (表 3) ,表明该方法可快速准确
地预测这 5 种氨基酸的含量 ,可用于对育种亲本和中、
高世代材料进行大量的测定筛选 ,以选育高必需氨基
酸含量的优质水稻品种。Thr 也有一定的参考性。对
采用模型的预处理方法 ,除选择较优的定标集 R2 和
RMSECV 值 ,还需考虑检验集的 R2 和 RMSEP 值 ,在实
际运用时 ,应反复检查 ,选择合适的预处理方法。
表 3 　粳稻必需氨基酸含量近红外光谱模型的预测效果
Table 3 　The near2infrared modeling effect of essential amino acid contents of japonica rice
氨基酸
amino acid
预处理方法
pre2treatments 谱区范围spectrum (cm - 1) 定标集 calibration 检验集 validation校正决定系数
R2
交叉检验均方误差
RMSECV
校正决定系数
R2
预测均方误差
RMSEP
缬氨酸 Val SD 711615～544613 018868 010303 018860 010340
异亮氨酸 Ile SD 711615～544613 018623 010237 018613 010237
亮氨酸Leu SLS 711615～660713545012～424617 019008 010359 018940 010371
苯丙氨酸 Phe SD + SLS 711615～544613
460116～424617 018993 010278 018702 010310
蛋氨酸 Met SLS 610210～577412
460116～442412 015999 010256 016284 010247
苏氨酸 Thr COE 610210～459717 017604 010238 017649 010227
赖氨酸Lys SD + VN 711615～424617 018543 010173 018546 010180
　　表 3 显示检验集的校正决定系数除了 Phe 略低于
定标集外 ,其他 6 种氨基酸基本与定标集一致 ,也说明
通过对光谱预处理方法、光谱区间、主成分数等参数来
调整模型 ,可获得最佳的近红外光谱模型应用于水稻
品质育种。
近红外光谱模型的准确性依赖于化学测定结果的
准确性。Met 和 Thr 的建模效果不理想 ,原因是化学测
定的结果不准确。稻米样品的氨基酸含量主要是肽键
结合态的蛋白氨基酸 ,测定前必须设法将蛋白链打开 ,
水解成单个氨基酸 ,再和其他游离氨基酸一起 ,通过离
子交换色谱等方法进行分离、测定。而当前还没有哪
一种水解剂能将所有的氨基酸毫无破坏地水解出来 ,
这就决定了氨基酸含量测定时复杂的前处理。目前最
常用的水解剂是 6molΠL 的 HCl ,它适于大多数蛋白氨
基酸的测定 ,但酸解过程中人体必需氨基酸之一的色
氨酸会被全部破坏 ,无法测定 ,含硫氨基酸 (Cys、Met)
会被部分氧化 ,无法测准[12～15 ] ,这也直接导致了本试
验 Met 建模结果的不理想。而蛋白水解过程中不同氨
基酸及其间的肽链的稳定程度不同 ,110 ℃±1 ℃水解
24h ,对大多数氨基酸是适宜的 ,但 Thr、Ser (丝氨酸) 已
有所破坏[13 ] 。因此 ,严格说来 ,在准确测定中应用外
推法进行校正 ,但本试验的化学法氨基酸测定中没有
进行校正 ,从而导致了 Thr 的建模效果欠佳。
3 　讨论与小结
本研究结果表明采用酸解的方式 ,直接测定必需
氨基酸的含量获得的化学值除 Met 的预测模型结果不
太理想 ,Thr 仅有一定的参考性外 ,Val、IIe、Leq、Phe、Lys
等 5 种氨基酸的含量 ,无论从定标集还是检验集 ,其预
测模型的决定系数都接近 019 ,在水稻育种材料选择
中可作为一种快速测定方法。已有研究表明 ,高蛋白
稻米品种 ,赖氨酸含量不一定高 ,因而有必要在提高蛋
白质含量的同时 ,再提高赖氨酸的含量 ,以进一步提高
稻米有效营养品质[16 ] 。选育开发高蛋白、高赖氨酸等
专用营养稻米是稻谷主产区提高稻米品质的重要途
184　5 期 粳稻七种必需氨基酸含量近红外漫反射光谱分析技术研究
径 ,因此本研究提供的必需氨基酸含量的快速测定方
法具有重要应用价值。
本研究的蛋氨酸预测模型 ,校正决定系数只有
015999 ,显著低于模型预测精度 019 这一常规要求 ,其
原因是利用酸解法打开蛋白链成单个氨基酸的过程
中 ,蛋氨酸因是含硫氨基酸 ,被部分氧化 ,测定的化学
值偏离了实际值 ,导致所建的模型不理想 ,因此对蛋氨
酸的化学值测定方法有待进一步改进 ,以完善测定稻
米氨基酸含量的近红外模型 ,以便更好地服务于水稻
品质育种。
参考文献 :
[ 1 ] 　肖层林. 地方陆稻品种品质性状的研究. 农业科技译丛 ,1990 ,
(1) :4～8
[ 2 ] 　贾乾涛 ,杨长举 ,等. 转 Bt 基因水稻氨基酸含量研究. 浙江农业
学报 ,2005 ,17 (1) :39～41
[ 3 ] 　王为民 ,赵　倩 ,等. 水稻转高赖氨酸蛋白质基因 ( sb401) 植株的
获得及种子中蛋白质和氨基酸的含量分析. 作物学报 ,2005 ,31
(5) :603～607
[ 4 ] 　王根庆. 不同稻类品种蛋白质和氨基酸含量差异的研究. 华北
农学报 ,1991 ,6 (2) :7～12
[ 5 ] 　王林友 ,王建军 ,等. 近红外漫反射光谱法对粮油作物品质无损
分析的研究. 浙江农业学报 ,2002 ,14 (2) :105～111
[ 6 ] 　段民孝 ,邢锦丰 ,等. 近红外光谱 (NIRS) 分析技术及其在农业中
的应用. 北京农业科学 ,2002 , (1) :11～14
[ 7 ] 　吴建国 ,石春海 ,等. 用近红外反射光谱法分析稻米 3 种必需氨
基酸含量的研究. 作物学报 ,2003 ,29 (5) :688～692
[ 8 ] 　刘冬生 ,霍建平. 一种快速、简易、准确测定稻米中赖氨酸含量的
方法———近红外分析法. 湖北农业科学 ,1988 , (8) :39
[ 9 ] 　卢宝红 ,张 俊 ,等. 玉米完整籽粒近红外品质分析模型的比较及
改进. 中国粮油学报 ,2005 ,20 (4) :44～49
[10 ] 　吴建国 ,石春海 ,樊龙江. 油菜籽芥酸和硫甙含量近红外反射光
谱测定技术的优化设置. 中国粮油学报 ,2002 ,17 (2) :59～62
[11 ] 　任继平 ,黄苏西. 应用近红外技术快速测定饲料原料氨基酸含
量. 中国饲料 ,2005 , (5) :24～26
[12 ] 　李光平 ,顾润润. 测定饲料中氨基酸含量的简易方法. 上海畜牧
兽医通讯 ,1997 , (5) :13～14
[13 ] 　常碧影 ,阎惠文 ,等. 饲料氨基酸的测定国标研制. 饲料工业 ,
2000 ,21 (2) :1～4
[14 ] 　钱爱萍 ,徐　洁 ,潘　葳. 饲料氨基酸测定联合实验的误差分析.
福建农业学报 ,1998 ,13 (4) :56～60
[15 ] 　李　勇 ,魏益民 ,等. 影响近红外光谱分析结果准确性的因素. 核
农学报 ,2005 ,19 (3) :236～240
[16 ] 　郑向华 ,何　琴 ,叶新福. 稻米营养品质及功能稻育种概述. 现
代农业科技 ,2005 , (12) :94～95
(上接第 535 页)
[15 ] 　Mi X Q , Chen J Y, et al . Effect of low power laser irradiation on
disconnecting the membrane2attached hemoglobin from erythrocyte
membrane. Journal of photo2chemistry and photobiology B : Biology ,
2006 , 83 :146～150
[16 ] 　Singh M , Vatsala T M , Curr Sci , 1980 ,49 :857
[17 ] 　Teissie J , Rols M P. Fusion of mammalian cells in culture is obtained by
creating the contact between cells after their electropermeabilization ,
Biochem. Biophys. Res Commun , 1986 ,140 :258～266
[ 18 ] 　Weaver J C , T Powell K, et al . Electroporation and Electrofusion in Cell
Biology. Plenum , New York , 1989 , 111～126
[19 ] 　Teissie J , Rols M P. Manipulation of cell cytoskeleton affects the lifetime
of cell membrane electropermeabilization. Ann N Y, Acad Sci , 1994 ,
720 :98～110
[20 ] 　Rols M P , Teissie J . Experimental evidence for the involvement of the
cytoskeleton in mammalian cell electropermeabilization. Biochem Biophys
Acta ,1992 ,1111 :45～50
[21 ] 　Chang D D , Reese Th S. Changes in membrane structure induced by
electroporation as revealed by rapid2freezing electron microscopy. J
Biophys ,1990 , 58 :1～12
[22 ] 　Tudor Savopol , Roxana Moraru , et al . Time course of the interaction of
low level 2. 45GHZ radiation with the erythrocyte membrane.
Bioelectrochemistry and Bioenergetics ,1996 ,40 :171～173
[23 ] 　Mersini Makropoulou , Serafetinides A , et al . The interaction of He2Ne
laser radiation with the erythrocyte membrane. Bioelectrochemistry and
Bioenergetics ,1995 ,38 :427～430
[24 ] 　Neumann E , Sowers A E , et al . Electroporation and Electrofusion in
Cell Biology. Plenum ,New York ,1989 ,436
[25 ] 　Anita , Krokosz , Zofia Szweda2Lewandowska. Changes in the activity of
acetylcholinesterase and Na , K2ATPase in human erythrocytes irradiated
with X2rays. Cellular&Molecular biology letters Volume , 2005 ,10 :471
～478
[26 ] 　Shapiro B , Kollmann G. Radiat Res , 1968 ,34 :335
[27 ] 　Tolberg A B , Macey R I J . Cell Physiol . 1972 ,79 :43
[28 ] 　李津婴 ,周　虹 ,等. 辐射远后效应对红细胞膜阴离子转运蛋白
表达的影响. 中华放射医学与防护杂志 , 2002 ,22 (4) :275～276
[29 ] 　Massa K I K, Masa Toshi , et al . Anti oxidant systems and erythrocyte
life span in mammals. Comp Biochem Physion ,1993 ,106B :477
[30 ] 　Molina H. Enzymatic defenses of the rat heart against lipid peroxidation.
Mech A geing Dew , 1997 , 97 :1
[31 ] 　Guemouril , Artur Y, et al . Biological variability of superoxide
dismutase , glutathione peroxidase and catalase in blood. Clin Chem ,
1991 ,37 :1932
[32 ] 　Kura Ta M , Su Zu Ki M , et al . Differences in levels of erythrocyte
glutathione and its metabolizing enzyme activities among primates. Comp
Biochem Physiol , 1993 ,B104 :169
[33 ] 　Anita Krokosz , Renata Koziczak , et al . Study of the effect of dose2rate
on radiation2induced damage to human erythrocytes. Radiation Physics
and Chemistry , 2006 ,75 :98～105
[34 ] 　Hall E J . The dose2rate factor in radiation biology. Int J Radiat Biol ,
1991 ,59 :595～610
[35 ] 　Petkau ,A , Chelack W S. Radioprotective effect of superoxide dismutase
on model phospholipid membranes. Biochim Biophys Acta , 1976 ,433 :
445～456
[36 ] 　Koufen P , Brdicka D , et al . Inverse dose2rate effects at the level of
proteins observed in the presence of lipids. Int J Radiat Biol , 2000 ,76 :
625～631
284 Journal of Nuclear Agricultural Sciences
2007 ,21 (5) :478～482