Eine abnormale Glykolyserate in postmortalen Muskeln ist einer der wichtigen treibenden Faktoren für die Bildung von heterogenem Fleisch (PSE/DFD). Die Phosphoglyceratkinase 1 (PGK1) und Pyruvatkinase M2 (PKM2) katalysieren jeweils zwei Schlüsselphosphorylierungsreaktionen auf Substratniveau während des Glykolyseprozesses und können bis zu einem gewissen Grad den energetischen Stoffwechselzustand nach dem Schlachten charakterisieren. Diese Studie richtete sich auf das Fleisch von Tan-Schafen, bestimmte die immunreaktiven Niveaus von PGK1 und PKM2 und errichtete einen zerstörungsfreien Bewertungsrahmen, der sichtbare-nahinfrarotes Hyperspektralbildgebung (Vis-NIR HSI) mit zweidimensionaler Korrelationsspektroskopie (2D-COS) kombiniert, um die Schlüsselbandspektrenanalyse und die Modellinterpretierbarkeit zu verbessern. 2D-COS identifizierte fünf empfindliche charakteristische Bänder (476, 562, 605, 715 und 800 nm), deren spektrale Reaktion wahrscheinlich mit Veränderungen des Myoglobinzustands sowie mit Wasserbindung/-zustand und Gewebestrukturunterschieden zusammenhängt. Es wurde ein systematischer Vergleich verschiedener Vorverarbeitungs- und Merkmalsextraktionsmethoden in partieller kleinster Quadrate Regression (PLSR), Random Forest (RF) und Convolutional Neural Network (CNN) durchgeführt. Die Ergebnisse zeigten, dass das CNN-Modell kombiniert mit Volumensgruppenvariationsanalyse-iterativer Erhaltung von Informationsvariablen (VCPA-IRIV) die beste Leistung zeigte: PGK1 Vorhersage R_P²=0,8920, RMSEP=38,3653, RPD=3,0935; PKM2 Vorhersage R_P²=0,9030, RMSEP=18,1778, RPD=3,2659. Basierend auf dem besten Modell wurde eine Pixel-Ebene Pseudofarbvisualisierung durchgeführt, die die räumliche Heterogenität und dynamische Veränderungen der beiden Enzymlevel während verschiedener Lagerungsphasen anschaulich darstellt. Diese Studie zeigt, dass die Kombination aus Vis-NIR HSI, 2D-COS und Deep-Learning-Methoden eine zerstörungsfreie Vorhersage der PGK1- und PKM2-Level im Schaffleisch ermöglicht und technische Unterstützung für die schnelle Klassifizierung und Prozessüberwachung stoffwechselbezogener Indikatoren bietet.

sichtbar-nahinfrarotes Hyperspektral;Tan-Schaf;Phosphoglyceratkinase 1;Pyruvatkinase M2;zweidimensionale Korrelationsspektroskopie;Deep Learning;zerstörungsfreie Prüfung