安娜·奥利维亚·乔治（Ana Olívia Jorge）| 米格尔·安赫尔·普里托（Miguel Angel Prieto）| 玛丽亚·贝亚特丽斯·奥利维拉（Maria Beatriz Oliveira）| 葡萄牙
摘要：本研究采用了一种综合的营养密度和多变量分类框架，利用统一的食品成分数据来评估鱼类的营养价值。研究量化了能量、宏量营养素、脂肪酸、维生素和矿物质，并将其转化为脂质和矿物质的比例（PUFA/SFA、Na/K、Ca/P、Fe/Zn），以及一个改良的营养丰富食品指数（NRFfish），随后进行了主成分分析（PCA）和k均值聚类（k-means clustering）。该框架应用于葡萄牙市场上常见的40种原始鱼类。研究识别出三个具有明显营养特征的组别：低脂白肉鱼（低脂肪、高蛋白质密度）、富含油脂的远洋鱼类（高脂质和维生素含量），以及脂质含量异常高的鱼类（如鳗鱼和七鳃鳗）。富含油脂的鱼类提供了最高的EPA+DHA浓度，中位数为1400毫克/100克，所有这类鱼类的EPA+DHA含量均超过了欧洲食品安全局（EFSA）推荐的每日摄入量250毫克。低脂鱼类则具有最高的蛋白质能量比，而富含油脂的鱼类则富含维生素D和B12，并且具有理想的PUFA/SFA（>0.4）和Na/K（<1.0）比例。所有鱼类的Ca/P比例均低于推荐水平，反映出鱼肉中的钙含量较低。总体而言，不同鱼类在营养密度上具有互补性：低脂鱼类注重蛋白质效率，而富含油脂的鱼类则提供对心脏有益的脂质和脂溶性维生素，异常高的脂质含量鱼类则是高能量密度的营养来源。所提出的分析框架为跨食品成分数据库比较鱼类和海鲜的营养价值提供了一种通用方法。
1. 引言
鱼类和海鲜是葡萄牙饮食的重要组成部分，深深植根于该国的历史、文化和宗教传统。葡萄牙在地中海地区的人均鱼类和海鲜消费量方面处于领先地位，据报道是欧洲第三高的（联合国粮食及农业组织（FAO），人均年消费量约为53.8公斤（2017年数据）。葡萄牙消费者特别偏爱小型远洋鱼类，尤其是沙丁鱼和马鲛鱼；在沿海地区，也消费许多其他鱼类（FAO，2017年数据）。尽管鳕鱼主要依赖进口，但它仍是国民的主要食物来源，许多传统菜肴都以鳕鱼为基础（FAO，2017年数据）。尽管葡萄牙的鱼类消费量很高，但现有文献显示在脂质质量、矿物质比例和营养密度方面仍存在显著不足。大多数研究集中在宏量营养素（蛋白质、脂肪）和少数矿物质上，对于维生素（如B6、B12、叶酸、维生素D）和微量元素（如硒、碘、锌）的知识仍有空白。关于脂质的资料也较为有限，大多数研究仅报告了总脂肪含量，而没有脂肪酸比例（PUFA/SFA、SFA/MUFA、n-6/n-3），而这些比例对于评估心血管健康至关重要。尽管长链欧米伽-3脂肪酸对心血管和认知健康的重要性已被广泛认可（DurmuŞ，2019年），但葡萄牙国家食品成分数据库（INSA，2023年）中仍缺乏关于EPA（二十碳五烯酸）和DHA（二十二碳六烯酸）的数据。这种标准化和最新的成分数据的缺失阻碍了对人群EPA+DHA摄入量的准确估计，也使得评估当地鱼类消费模式是否符合国际推荐标准（例如每日≥250毫克，EFSA，2010年）变得复杂。此外，目前还缺乏营养密度指数和矿物质平衡数据。营养密度指数（Hallström等人，2019年）或类似的营养分析模型很少应用于葡萄牙鱼类，因此不清楚哪些鱼类在单位能量下提供最佳的营养回报。像Na/K、Ca/P和Fe/Zn这样的比例虽然与饮食质量中的心血管健康、骨骼健康和铁锌相互作用直接相关（Adatorwovor等人，2015年；Mosallanezhad等人，2023年；Olivares等人，2012年），但相关研究较少。因此，现有文献未能充分反映葡萄牙鱼类的真实营养价值。
本研究旨在利用葡萄牙国家食品成分数据库（INSA，2023年）的数据，报告市场上常见鱼类的营养组成。通过计算宏量营养素、脂肪酸、矿物质和维生素指数，将鱼类分为低脂、富含油脂和特殊营养特征的组别。在这些组别内，根据营养密度和质量指标（包括脂质和矿物质比例以及NRFfish指数）对鱼类进行排序，以确定具有最佳营养能量比的物种。最终，从公共卫生角度解读研究结果，强调不同鱼类类别对营养充足性的贡献，特别是欧米伽-3脂肪酸、维生素D和B12，并讨论其对葡萄牙饮食指导和可持续海鲜消费的影响。
2. 材料与方法
本研究整合了来自葡萄牙国家食品成分数据库（INSA，2023年）和欧洲其他数据集的成分数据，以获得鱼类营养状况的全面概览。以下部分描述了选择合适物种、量化其营养成分、推导营养指数以及识别代表低脂、富含油脂和特殊营养特征鱼类群体的营养密度模式的步骤。
2.1. 数据来源与筛选标准
营养成分数据来源于2023年发布的《葡萄牙食品成分表》（Tabela de Composição de Alimentos，TCA），这是葡萄牙官方的食品参考数据库，由Ricardo Jorge国家卫生研究所（INSA）编制（INSA，2023年）。最新版本包含了1,330种食品和44种成分/营养素的分析数据，包括能量、宏量营养素、脂肪酸、胆固醇、维生素和矿物质（包括碘和硒）。食品按照FoodEx2标准（等级1–3，EFSA，2015年）进行分类。数据集包括以下营养素：能量（每100克的千卡和千焦）、脂质和蛋白质（作为宏量营养素）；脂肪酸类别（饱和脂肪酸SFA、单不饱和脂肪酸MUFA、多不饱和脂肪酸PUFA，单位均为克/100克）；烟酸及其等同物；维生素A、D、E、B1、B2、B3（烟酸）、B6、B12和C；以及矿物质Na、K、Ca、P、Mg、Fe、Zn和Cu。
在本次分析中，最初仅考虑了属于等级1“鱼类、海鲜、两栖动物、爬行动物和无脊椎动物”（共144种食品）的食品。从中选取了等级2子组“肌肉鱼”（103种食品），其中又包含了等级3子类别“海鱼”和“洄游鱼”。在这些食品中，仅保留了原始鱼类（n=40种），排除了煮熟或加工后的形式，以避免因热处理、水分流失或脂质氧化导致的成分变化。限制数据集为原始鱼类，以确保评估其内在营养成分，为比较不同物种提供标准化基准，不受烹饪方法或制备方式的影响。
虽然TCA中包含了碘和硒的数据，但由于仅两种鱼类有相关数据，其余物种的数据均标记为缺失（NaN），因此本研究未对其进行分析。此外，葡萄牙数据库中没有提供二十碳五烯酸（EPA，20:5 n-3）和二十二碳六烯酸（DHA，22:6 n-3）的信息。EPA和DHA的数据来自其他补充数据库，因为这两种脂肪酸在区分低脂鱼和富含油脂的鱼类方面具有生理学意义，对研究目标至关重要。为了补充这些信息，EPA和DHA的数据来自三个来源：挪威食品安全局（Mattilsynet）、荷兰国家公共卫生与环境研究所（RIVM，2023/8.0）、瑞典食品局（Livsmedelsverket，2023年）以及美国农业部食品数据中心（USDA，2024年）。需要注意的是，这三个数据库中并非所有物种都提供了EPA和DHA的数据；在这种情况下，采用了荷兰NEVO数据库（RIVM，2023/8.0）的标准参考值，对低脂鱼和富含油脂的鱼类分别进行了估算（具体数据来源见附录2）。尽管这种方法存在一定的不确定性，但它确保了所有分析物种中长链n-3脂肪酸的一致性表示。
2.2. 统计分析、衍生指数和比例
分析流程结合了营养成分的标准化、指数计算、降维和无监督聚类，以生成营养特征一致的鱼类群体。描述性统计以中位数和四分位数范围（IQR）表示，以捕捉数据的中心趋势和变异性。由于本研究属于探索性研究，群体间的差异通过对比图表进行可视化评估，而非正式的假设检验（见图1）。
图1. 用于分析葡萄牙市场上鱼类营养组成的分析流程图，由作者使用Canva软件制作（https://www.canva.com）。分析过程中保留了纤维、维生素C和糖等实际为零的值，排除硒和碘后，数据中没有缺失值。所有计算和可视化操作均在JupyterLab环境中使用Python（v3.11）及pandas、numpy、scipy、matplotlib和seaborn库完成。
原始数据集中的所有营养值均指每100克可食用部分的营养含量。营养参考值（NRV）根据欧盟议会和理事会（2011年）关于营养标签的法规计算，基于成人每日摄入量8400千焦（2000千卡）的标准。
为了评估营养价值，推导出了多个指数。脂肪酸比例（PUFA/SFA、SFA/MUFA、SFA/PUFA）用于评估降胆固醇脂质与升胆固醇脂质之间的平衡，而矿物质比例（Na/K、Ca/P、Fe/Zn）则反映了电解质、骨骼和微量营养素的平衡状况（Razzaque & Wimalawansa，2025年）。最后，使用改良的营养丰富食品指数（NRFfish，Hallström等人，2019年）估算了整体营养密度，该指数结合了关键营养素和限制性营养素。NRFfish值越高，表示单位能量的营养价值越高。
NRFfish = ∑i=1 x %NRVsi（关键营养素）– ∑j=1 y %NRVsj（限制性营养素）
选定的限制性营养素为饱和脂肪、胆固醇和钠。欧洲食品安全局（EFSA，2010年）尚未为胆固醇制定膳食参考值，此处使用的300毫克/天阈值是基于美国历史膳食指南的实用基准。关键营养素定义为那些具有营养价值且在成分数据库中可获得的营养素，以及鱼类中的关键生物活性成分EPA+DHA（Hallström等人，2019年）。该指数能够超越脂质或能量含量的差异，比较低脂鱼和富含油脂的鱼类。关于NRFfish和各比例的计算细节详见附录1。
2.3. 主成分分析（PCA）和聚类
通过无监督的多变量方法，根据鱼类在脂质和能量组成上的相似性对其进行分组。目的是识别出公认的低脂鱼和富含油脂鱼类之间的自然营养模式。这种方法实现了客观分类，同时保持了与现有营养术语的一致性。PCA应用于标准化后的营养数据（每100克可食用部分），以确定成分变化的主要轴，随后通过k均值聚类将鱼类分为营养特征一致的组别。分析矩阵包括能量、宏量营养素、脂质组分（SFA、MUFA、PUFA、反式脂肪酸）、选定的维生素（A、D、E、B族、C、叶酸、色氨酸）和矿物质（Na、K、Ca、P、Mg、Fe、Zn）。由于EPA和DHA的数据来自外部数据库（挪威、荷兰和美国），可能引入方法学差异，因此未将其纳入分析。在多变量分析之前，使用z分数标准化对变量进行了归一化处理，以消除尺度差异的影响。未应用任何转换以使数据符合正态分布，因为主成分分析（PCA）和k-means聚类方法并不要求变量呈正态分布。根据轮廓系数和PCA得分图的视觉检查，选择了最优的聚类数量（k = 3），这些聚类分别代表了瘦肉型、多脂型和异常型鱼类的营养特征。这种配置提供了一个稳定且易于解释的结构，与已知的鱼类种类之间的营养差异一致，并被用于后续的所有分析中。为了确保模型的稳健性，使用不同的聚类数量（k = 2–5）重新运行了k-means模型，以确认k = 3解决方案的稳定性。结果发现，k = 3配置能够提供与鱼类种类间普遍营养差异相符的、易于解释的聚类结果，同时轮廓系数也更为理想。然而，需要指出的是，这些聚类的性质是探索性的，它们更应被视为沿着某种成分梯度的分组，而不是严格的生物分类。三聚类结果与PCA的主要分析结果一致，其中主轴反映了脂质含量的变化，进一步支持了这种分组的合理性。关于PCA维度和聚类诊断的更多详细信息，请参见附录1.3。
3.1 样本概述与聚类
利用葡萄牙国家食品成分数据库（INSA）中每100克可食用部分的营养成分数据，我们对葡萄牙市场上常见的40种新鲜鱼类进行了主成分分析（PCA）。前两个主成分分别解释了总方差的36.9%和19.1%（累计56.1%），这符合多营养成分数据集的特点，即这些成分之间存在相关性（Balakrishna等人，2021年）（图2）。
图2. 葡萄牙市场上40种新鲜鱼类的主成分分析（PCA）结果。鱼类通过无监督k-means聚类进行颜色编码，分为三类：瘦肉型白鱼（鳕鱼、黑线鳕、比目鱼、僧鱼、海鲈鱼及其相关物种）、多脂型远洋鱼类（沙丁鱼、鲭鱼、金枪鱼/邦尼托鱼）和异常型鱼类（鳗鱼和七鳃鳗）。椭圆表示每个聚类中心点周围的一个标准差。PC1轴根据脂肪和能量含量将鱼类区分开来（多脂型 vs. 瘦肉型），而PC2轴则根据B族维生素和磷的密度进行区分。该图由作者使用Python（v3.14）、matplotlib（v3.9.2）和seaborn（v0.13.2）制作。
成分载荷的解释表明，PC1轴反映了脂肪含量和能量含量。对PC1贡献最大的因素是能量（千卡和千焦）、总脂质以及所有主要的脂肪酸类别（饱和脂肪酸、单不饱和脂肪酸和多不饱和脂肪酸），同时与水分含量呈相反关系；核黄素也呈现出正载荷。因此，PC1得分较高的物种具有较高的脂肪和能量含量，而水分含量较低；相反，PC1得分较低的物种则属于瘦肉型且水分含量较高。PC2轴主要反映了B族维生素和磷的含量：烟酸及其等效物、维生素B12和磷的载荷最大。这些轴共同将鱼类按照直观的营养梯度进行了分类：PC1轴反映脂肪含量，PC2轴反映B族维生素和矿物质的含量。
通过对PC1–PC2得分进行无监督k-means聚类（k = 3），得到了三个与已知营养分类高度一致的聚类结果（图3；表1）。一个较大的聚类包括鳕鱼、黑线鳕、比目鱼、僧鱼、海鲈鱼及其相关底栖鱼类，这些是典型的瘦肉型白鱼，它们在PC1轴上的位置较低，接近原点，表明其脂肪和能量含量较低，微量营养素含量适中。另一个较小的聚类仅包含鳗鱼（Anguilla anguilla）和七鳃鳗（Petromyzon marinus），由于它们的脂质含量异常高，因此在PC1轴上的位置极偏。第三个聚类包含了典型的多脂型远洋鱼类，如沙丁鱼、鲭鱼（大西洋鲭鱼和蓝鲭鱼）、金枪鱼/邦尼托鱼和鲑鱼，这些物种在PC1轴上的得分较高，同时在PC2轴上也表现出较高的B族维生素和磷含量。值得注意的是，这种聚类结果具有探索性，应将其视为沿着成分梯度的分组，而非严格的生物分类。三聚类结果与PCA的主要分析结果一致，其中主轴反映了脂质含量的变化，进一步支持了这种分组的合理性。
3.2 营养成分密度
营养成分密度提供了一种综合衡量食物营养价值的方法，相对于其能量含量而言，比单独的营养成分值提供了更全面的视角。为了评估葡萄牙鱼类的营养价值，我们应用了一种改进的营养丰富食物指数（NRFfish），该指数结合了关键营养成分和限制因素（具体方法见材料与方法部分）。
NRFfish值在不同聚类和标准化基础上存在系统差异（图4）。当以每100克为单位表示时，营养成分密度从瘦肉型鱼类（K0）到多脂型鱼类（K2）逐渐增加，在富含脂质的异常型鱼类（K1）中达到最高，这反映了脂溶性维生素和海洋脂肪酸的浓度。最高值出现在欧洲鳗鱼（28.0）、脂肪型沙丁鱼（27.1）和半脂肪型沙丁鱼（26.3）中。当以每100千卡为单位进行标准化后，聚类间的差异减小，部分排序发生了变化，尽管某些多脂型和选定的瘦肉型鱼类的能量含量较高，但它们的营养成分密度仍然很高。在能量基础上得分最高的物种是欧洲鳗鱼（21.3）、半脂肪型沙丁鱼（16.7）和虹鳟鱼（15.8）。
这些结果表明，鱼类的营养成分密度强烈依赖于表达的基础：基于重量的指标更倾向于富含脂质的物种，而基于能量的指标则突出了每卡路里提供高效营养的物种。
3.3 营养成分与能量
能量和宏量营养素的组成决定了鱼类的生理和饮食价值，影响了营养成分密度以及蛋白质和脂肪来源能量的平衡。不同物种之间的总能量、脂质含量和蛋白质含量的差异为比较具有不同成分特征的物种提供了结构基础。
不同聚类之间的能量和宏量营养素组成存在显著差异（图5；表2）。瘦肉型鱼类（K0）的特点是能量含量低，蛋白质来源的能量占比高；而多脂型鱼类（K2）和异常型鱼类（K1）的总能量随着脂质含量的增加而显著提高。尽管如此，每100克蛋白质含量在各聚类中相对稳定，但从脂肪中获得的能量比例从K0到K2显著增加，尤其是在K1聚类中达到峰值。
表2. 葡萄牙市场上鱼类的脂质组成和欧米伽-3指数（每100克新鲜鱼类的平均值）。
3.4 能量与宏量营养素的贡献
能量和宏量营养素的组成决定了鱼类的生理和饮食价值，影响了营养成分密度以及蛋白质和脂肪来源能量的平衡。不同物种之间的总能量、脂质含量和蛋白质含量的差异为比较具有对比成分特征的物种提供了基础。该研究由作者使用Python（v3.14）结合matplotlib（v3.9.2）和seaborn（v0.13.2）编写完成。不同物种之间的PUFA/SFA比率差异显著，这揭示了各组之间的明显成分差异（见图7）。瘦鱼类的比率普遍较高，而油性远洋鱼类则处于中间范围。补充脂质比率也显示出一致的模式：大多数物种的SFA/MUFA和SFA/PUFA值低于1，表明不饱和脂肪酸在这些群体中占主导地位。综合这些指标可以反映出瘦鱼、油性鱼类及异常鱼类在脂肪酸平衡方面的系统性差异。
下载：高分辨率图片（249KB）
下载：全尺寸图片
图7. 高PUFA/SFA物种的相对脂肪酸比率。
EPA和DHA的浓度在各组间也存在显著差异（见图8；表2）。在葡萄牙销售的鱼类中，DHA含量普遍较高，所有组的EPA/DHA比率均在0.5–0.6之间。绝对EPA+DHA总量在不同组间有明显差异：瘦鱼类（K0）的含量较低且分布较广，而油性鱼类（K2）的含量最高，异常鱼类（K1）则处于极端值。K0和K2组之间的四分位数范围重叠度很小，这进一步证明了聚类分析在区分Omega-3含量方面的有效性。尽管中位数较低，但一些瘦鱼类的EPA+DHA含量仍与油性鱼类相当，显示出组内变异性。
下载：高分辨率图片（372KB）
下载：全尺寸图片
图8. 葡萄牙市场上鱼类的EPA和DHA含量，按组别划分。红线表示欧洲食品安全局（EFSA）2010年推荐的每日EPA和DHA适宜摄入量。
3.5. 矿物质比例和维生素
各物种及组间的微量营养素谱存在显著差异（见图9）。维生素D和B12的含量最为突出，多维生素强化主要出现在油性鱼类（K2）中，异常鱼类（K1）中也有一定程度。瘦鱼类（K0）的维生素含量普遍较低，仅有少数例外。其他B族维生素（B3、B6、B2、B1、叶酸）在整个数据集中的贡献相对较小。维生素A主要存在于少数异常鱼类中。
下载：高分辨率图片（401KB）
下载：全尺寸图片
图9. 葡萄牙鱼类物种的维生素和矿物质含量热图，以每100克食物中的每日推荐摄入百分比（%DV）表示。颜色越深，表示微量营养素含量越高。图中展示了每种物种的维生素（A、D、E、B1–B12、B9）和部分矿物质（Na、K、Ca、P、Mg、Fe、Zn）的含量，体现了物种间的微量营养素密度差异。
总体而言，维生素D和B12在维生素覆盖率方面占据主导地位，它们解释了物种间维生素含量的主要差异。富含这两种维生素的物种在热图中聚集在一起，形成了一个高密度的子群，主要包含油性鱼类（见图9）。相比之下，瘦鱼类的维生素谱较为分散，维生素含量较低且相互关联性较低。其他维生素对聚类结构的影响较小，表明维生素D和B12的联合强化是区分不同物种的主要因素。
为了便于比较分析，图10中叠加了基于已发布基准范围的矿物质比率适宜区间（详见方法部分）。
下载：高分辨率图片（229KB）
下载：全尺寸图片
图10. 不同组间的矿物质比率。
矿物质比率在不同组间表现出不同程度的变异性和区分能力（见图10）。钠钾（Na/K）比率在大多数物种中较低，导致组间分散度小，聚类效果不明显，仅K1组中有一个高Na/K值的异常值。相比之下，铁锌（Fe/Zn）比率在物种间差异较大，聚类结构更清晰，尤其是油性鱼类中的比率更为均衡。钙磷（Ca/P）比率在所有组中均较低，表明无论脂肪含量如何，各组织的这一成分都较为相似。
4. 讨论
本研究首次利用统一的国家和欧洲数据库，全面分析了葡萄牙销售的40种鱼类的营养成分。多变量分析揭示了三个主要的成分组别（瘦鱼类、油性鱼类和异常鱼类），这些组别解释了营养成分的主要差异。总体而言，葡萄牙鱼类供应了充足的蛋白质、足够的Omega-3脂肪酸以及良好的矿物质平衡，符合地中海饮食原则。这些结果可以通过一个双轴营养框架来解释，该框架结合了蛋白质效率和与脂质相关的微量营养素密度。
瘦鱼类（鳕鱼、黑线鳕、比目鱼、海鲈）提供了最高的蛋白质密度（约21克/100千卡）和最低的饱和脂肪含量，有助于增加饱腹感和体重管理。油性鱼类（沙丁鱼、鲭鱼、金枪鱼、三文鱼）富含长链Omega-3脂肪酸（中位数约为1.4克EPA + DHA/100克）以及维生素D和B12，通常一份食物就能满足成年人的每日需求。虽然异常鱼类（鳗鱼、七鳃鳗）的脂质和微量营养素浓度极高，但其能量平衡最差，建议偶尔食用而非作为主食。
这些发现与葡萄牙卫生部的饮食建议一致，该部门提倡频繁食用鱼类并减少红肉摄入，以促进心脏健康（见卫生部2024年指南）。特别是鱼类被认为是长链n-3多不饱和脂肪酸的重要来源，对心血管和脑血管健康有益。本研究观察到的瘦鱼类与油性鱼类之间的差异进一步强调了海洋食物多样性在实现这些营养目标中的作用。
我们可以通过一个双轴饮食优化模型来解读葡萄牙的鱼类供应（见图11）。一个轴表示能量效率，以每千卡蛋白质含量来衡量，瘦鱼类代表这一特征；另一个轴表示营养质量，以长链Omega-3脂肪酸和脂溶性维生素含量来衡量，油性远洋鱼类代表这一特征。异常鱼类占据了高微量营养素含量的特殊位置。沿这两个维度分析鱼类成分，可以清晰地整合蛋白质效率、脂质质量和微量营养素密度。
图11. 葡萄牙市场上鱼类物种的营养聚类。
4.1. 鱼类组间的蛋白质效率和与脂质相关的营养素浓度
不同组别的鱼类在能量分配和营养素提供方面存在显著差异。特别是，蛋白质密集型、低能量型的鱼类与富含脂质的鱼类之间存在对比，后者含有更高比例的脂质相关营养素。瘦鱼类组的能量密度较低，蛋白质占总能量的中位数约为84.5千卡/100克，其中蛋白质占85.6%，脂质占比不到15%。尽管不同物种的绝对脂质含量存在差异，但每100克食物中的蛋白质含量相对稳定（中位数18.4克/100克；四分位数范围1.58），表明能量密度的差异主要由脂质稀释引起，而非蛋白质含量的波动。
从能量角度来看，这种成分稳定性转化为最高的蛋白质效率。瘦鱼类每千卡提供的蛋白质量最高。能量标准化后的营养素密度指标也支持了这一结论：NRFfish评分显示瘦鱼类具有较低的饱和脂肪含量和较高的蛋白质及钾含量。与基于重量的标准化方法不同，能量标准化方法突出了瘦鱼类在有限能量预算下提供必需营养素的能力。这种蛋白质主导的能量优势在多种鱼类中普遍存在（鳕鱼、黑线鳕、比目鱼、海鲈）。
这种模式的生理意义在于膳食蛋白质在调节餐后饱腹感和维持瘦组织方面的作用已被广泛认可。多项研究表明，富含鱼蛋白的饮食比牛肉或鸡肉等蛋白质来源更能带来饱腹感（Uhe等人，1992年）。Borzoei等人比较了鱼蛋白和牛肉蛋白对男性饱腹感的影响，发现食用鱼蛋白的人在随后一餐的能量摄入减少了11%，但饱腹感并未降低（Borzoei等人，2006年）。增加鱼蛋白的摄入还有助于改善身体组成，特别是对老年人、肌肉减少的人群和体力活动者（Miranda等人，2025年）。
综上所述，瘦鱼类组在营养上具有蛋白质效率高、能量成本低和营养成分可预测的特点。与富含脂质的鱼类相比，瘦鱼类在营养供应中占据独特的位置，其营养素的提供更注重单位能量的效率而非单位质量的营养素含量。
从K0组到K2组，营养谱发生了明显变化，这一变化由脂质对总能量的贡献增加驱动。K0组中脂质能量占比从约14%上升到K2组的55%，同时总能量密度从84.5千卡/100克增加到169.5千卡/100克。这种变化解释了营养密度指标的差异：在能量标准化指标下，瘦鱼类占优势；而在基于重量的指标下，油性鱼类更为突出。这些模式反映了单位能量下的营养效率与单位质量下的营养浓度之间的基本权衡。
油性鱼类（K2组）在成分谱的另一端，其特征是海洋脂质和脂质相关营养素的积累。该组最显著的特点是长链Omega-3多不饱和脂肪酸的浓度极高。K2组中EPA+DHA的中位数达到1,426毫克/100克（四分位数范围1,216–4,550毫克/100克），所有物种的EPA+DHA含量均超过EFSA推荐的每日250毫克/100克的适宜摄入量。这些值与瘦鱼类形成鲜明对比，后者虽然也有个别高值，但整体水平较低且分布不均。长链Omega-3多不饱和脂肪酸，尤其是二十碳五烯酸（EPA）和二十二碳六烯酸（DHA），是鱼类中最具生物活性的脂质成分，对心血管和认知健康有益（DurmuŞ，2019年）。
鱼类的脂质组成对其营养价值和功能至关重要。除了总脂肪含量外，多不饱和脂肪酸（PUFA）、单不饱和脂肪酸（MUFA）和饱和脂肪酸（SFA）的相对比例决定了脂质的整体质量及其对心血管健康的影响（DurmuŞ，2019年）。在脂肪酸类别组成方面，油性鱼类的脂质谱以PUFA和MUFA为主，PUFA占总脂肪酸的约38%，而SFA占比较低。这种PUFA主导的结构使得油性鱼类的PUFA/SFA比率普遍较高，使其在脂质质量指标中处于较高水平。PUFA/SFA和SFA/MUFA等比率常用于评估降胆固醇和预防心血管疾病的饮食效果（DurmuŞ，2019年）。较高的PUFA/SFA比率通常被认为对健康有益，这类饮食有助于降低血清胆固醇和减少心血管疾病风险（Chen & Liu，2020年）。提高的脂质含量会增强欧米伽-3脂肪酸和脂溶性维生素的绝对摄入量，但代价是每份食物的能量摄入量增加。当从质量标准化转向能量标准化时，这一优势会减弱，瘦肉鱼类重新成为更有效的营养载体。K0和K2在不同标准化方案下的对比行为表明，没有一个集群可以仅用单一指标来完全描述，这强调了需要在多维组成框架内解读鱼类的营养概况。被归类为K1的异常物种位于与脂质相关的营养维度的极端，划定了由K0-K2连续体定义的营养空间的上限。这些物种结合了非常高的脂质含量和数据集中观察到的最高能量密度，脂质占总能量的大约78-82%，中位能量值超过300千卡/100克。因此，它们实现了异常高的欧米伽-3脂肪酸和某些维生素的绝对浓度，但在能量标准化的营养密度指标下表现较差。因此，K1物种标志着鱼肌肉组织中脂质积累的极限，说明了极端脂肪沉积如何增强营养浓度同时限制了效率。它们的位置强调了营养空间的连续性，并强化了将瘦肉鱼和油性鱼视为市场上主要且功能相关类型的观点。
4.2. 微量营养素结构
在葡萄牙的鱼类供应中，微量营养素结构受少数主导因素的影响，而不是维生素和矿物质的均匀富集。结果显示，总体微量营养素密度主要由维生素D和B12决定，这两种维生素占据了物种间变异的最大份额。表现出这两种维生素水平升高的物种紧密聚集在一起，而那些覆盖范围较低的物种在其余维生素上的表现则更为分散。这种模式在各个集群中都是一致的，解释了为什么微量营养素密度的差异在很大程度上反映了脂质含量的差异，而不仅仅是蛋白质质量或总能量的差异。
维生素D在数据集中的绝对覆盖率最高，有相当一部分物种每100克提供的NRV（营养参考值）≥50%，甚至有几个物种超过了100%。维生素B12的模式类似但不那么极端，它在油性鱼类中对营养密度有显著贡献，而在大多数瘦肉鱼类中则保持中等或较低水平。这两种维生素共同主导了NRFfish评分中的维生素成分，并在基于重量的标准化下很大程度上决定了物种的排名。其他B族维生素（B3、B6、B2、B1、叶酸）贡献了次要的变异，很少达到高覆盖率，而维生素A仅限于少数脂质丰富的异常物种。这种分布反映了脂质含量与鱼肌肉组织中脂溶性或脂质相关维生素积累之间的强烈关联。
与维生素不同，物种间的矿物质平衡受到更多限制，对脂质含量的敏感度较低。如Na/K、Ca/P和Fe/Zn这样的矿物质比例提供了电解质平衡、骨骼健康和微量元素相互作用的指标（Razzaque & Wimalawansa, 2025）。它们也比单独的绝对矿物质含量提供了更有意义的营养平衡评估，因为它们反映了影响吸收、代谢和健康结果的关键生理相互作用。钠钾（Na/K）比例是心血管风险的公认指标，低于1.0的值与改善的血压调节和减少的中风发生率相关（Mosallanezhad et al., 2023）。葡萄牙鱼类的钠钾（Na/K）比例几乎在所有物种中都较低，97.5%的物种低于1.0，集群的中位数都在参考范围内。这种狭窄的分布导致各集群之间的区分能力有限，只有一个高比例的异常值。钙磷（Ca/P）比例反映了骨骼矿物质平衡，其中1.0到1.5之间的值被认为是维持骨骼完整性和代谢稳态的最佳范围，同时还需要足够的维生素D摄入（Adatorwovor et al., 2015）。钙磷（Ca/P）比例与钠钾（Na/K）比例相反，所有物种的值都较低，没有一个集群接近适宜范围。需要注意的是，鱼肌肉不是钙或其他矿物质的主要来源，因为大部分矿物质集中在骨骼、皮肤和内脏中，而这些通常不会被食用。因此，这里观察到的低Ca/P比例主要反映了鱼片的组成，不应被解释为缺乏风险（Adatorwovor et al., 2015）。还应该注意的是，如果食用整条鱼或带骨的鱼（例如小型远洋鱼类或带骨产品），钙的可用性会显著提高，这将提高Ca/P比例。同样，铁锌（Fe/Zn）比例有助于评估微量元素平衡，因为铁相对于锌的过量可能会影响锌的吸收并干扰酶的功能（Olivares et al., 2012）。铁锌（Fe/Zn）比例显示出更大的变异性，油性物种中的平衡比例比瘦肉鱼类更常见，尽管总体上低Fe/Zn值占主导。当前分析的一个局限性是葡萄牙食品成分表中缺乏几种物种的碘和硒的一致值。这些微量营养素被认为是海产品饮食中甲状腺功能和抗氧化防御的重要贡献者（Lee et al., 2025, Sorrenti et al., 2021）。因此，它们的排除反映了数据可用性的限制，而不是营养相关性，未来包含这些元素的分析将提供更全面的海产品营养质量评估。
维生素和矿物质的对比行为反映了它们在鱼组织中的生化定位的根本差异。像维生素D这样的脂溶性维生素以及与脂质丰富的组织密切相关的维生素B12，会按照脂质含量的比例积累，因此随着脂肪含量的增加而增加。结果，它们的浓度从瘦肉鱼类到油性鱼类显著增加，在高脂肪的异常物种中达到峰值。相比之下，矿物质主要与水相、结构蛋白和非肌肉部分（如骨骼、皮肤和内脏）相关。由于当前分析基于鱼片组织，矿物质浓度，特别是矿物质比例，相对受限，对脂质积累的反应较小。这解释了为什么矿物质比例在集群间的分离有限，以及为什么无论物种的脂肪含量如何，Ca/P比例都保持较低。从健康成年人的营养角度来看，这些模式表明鱼类更可靠地作为脂质相关维生素和海洋脂肪酸的来源，而不是钙或铁的主要来源。
总体而言，将维生素和矿物质比例整合到一个统一的组成框架中，阐明了为什么不同鱼类的微量营养素密度差异很大，而矿物质平衡相对稳定。这些发现强化了这样的解释：与脂质相关的微量营养素驱动了观察到的大部分微量营养素差异，而矿物质比例反映了鱼肌肉组织的更广泛结构限制。
4.3. 标准化选择对比较营养分析的影响
鱼类物种的比较营养分析对标准化基础的选择非常敏感，这对物种的排名和解释有重大影响。在当前的数据集中，每100克和每100千卡的标准化产生了明显不同的营养密度表示，反映了能量密度的潜在差异，而不是绝对营养组成的变化。能量含量在各个集群间变化超过三倍，从瘦肉物种（K0）的中位数84.5千卡/100克到异常物种（K1）的308.5千卡/100克，主要是由脂质积累驱动的。在基于重量的标准化下，脂肪含量较高的物种天然集中了与脂质相关的营养素，而基于能量的标准化则强调了在热量限制下的营养输送效率。
这些差异在调整后的NRFfish指数的行为中显而易见。当按每100克表示时，营养密度从瘦肉鱼类到油性鱼类和异常物种单调增加，反映了EPA+DHA和脂溶性维生素浓度的上升。相比之下，当按每100千卡表示时，瘦肉物种由于其低能量密度和最小的饱和脂肪惩罚而始终获得较高或可比的分数，而油性鱼类和异常物种的相对优势减弱。这种反转说明了为什么基于单一标准化基础的排名在用于比较具有异质能量分布的食物时可能会产生误导。
在不同标准化方案下的排名不稳定性进一步被宏量营养素分配的结构所放大。每100克的蛋白质含量在各个集群中相对稳定（中位数值范围从15.1到19.4克/100克），而脂质含量变化很大。因此，每单位能量的蛋白质密度在各个集群间差异显著，瘦肉鱼类每100千卡的蛋白质含量是异常物种的四倍多。因此，按单位能量表示的指标优先考虑浓度，而按单位能量表示的指标优先考虑效率，单独的指标都无法捕捉鱼类营养价值的多维性质。
单一指标的排名通过将不同的营养维度简化为单向尺度而掩盖了这些权衡。为了解决这一限制，这里采用的综合分析方法整合了绝对营养浓度、能量标准化密度指标、脂质和矿物质比例以及多变量聚类。主成分分析后跟k均值聚类捕捉了主导的组成梯度，而没有预先设定类别，而调整后的营养密度指数提供了在不同标准化方案下的可解释摘要。这一框架保留了维度性，同时便于跨物种和数据集进行比较。
因此，我们选择推荐一个营养充足性轴模型，而不是创建一个最佳食用鱼类排名：1）瘦肉鱼类在蛋白质效率方面；2）油性鱼类在欧米伽-3和维生素D/B12方面；3）可能选择性地使用异常物种来覆盖微量营养素（图11）。这种框架对消费者来说清晰明了，适用于政策制定，并且可以适应可持续性和风险限制。
我们可以将这一点从食物扩展到饮食，提出营养平衡组合。组合不同集群的物种来稳定一周内的蛋白质密度、欧米伽-3供应和矿物质比例。因此，这项工作作为一个参考矩阵，可以叠加风险和可持续性层面，包括污染物概况、气候强度、价格和可及性。从比较角度来看，葡萄牙广泛的物种多样性和强大的远洋鱼类存在表明，与许多北方欧洲市场相比，葡萄牙在微量营养素自给自足方面具有更大的优势。这将葡萄牙定位为一个基于海产品多样性的饮食韧性的案例研究。
5. 结论
本研究对葡萄牙市场上可获得的鱼类物种进行了综合营养特征分析，结合了宏量营养素组成、脂质质量、微量营养素密度和矿物质平衡，形成了一个统一的分析框架。多变量分析一致地识别出三个组成集群（瘦肉鱼类、油性鱼类和异常物种），这些集群解释了物种间营养变异的主要结构。
瘦肉鱼类以低能量密度、稳定的宏量营养素组成和高蛋白质每千卡的输送量定义，因此在能量标准化的营养密度指标下表现更优。相比之下，油性鱼类集中了长链欧米伽-3脂肪酸和与脂质相关的维生素，特别是维生素D和B12，因此在基于重量的营养密度排名中占主导地位。异常物种划定了脂质积累的上限，结合了非常高的绝对微量营养素浓度和较差的能量效率。
物种间的微量营养素差异主要由与脂质相关的维生素驱动，而矿物质比例的变化相对受限，反映了鱼片组织的结构特征而非脂肪含量。对不同标准化方案的评估表明，当应用于具有异质能量密度的食物时，单一指标的排名本质上是不稳定的，这强调了采用多维方法进行比较营养分析的必要性。
总的来说，识别出瘦肉鱼类、油性鱼类和异常物种集群为解释鱼类物种的营养异质性提供了一个实用的结构，而不会将它们简化为单一排名。每个集群捕捉了一种不同的营养输送模式：瘦肉鱼类在低能量密度下最大化蛋白质效率，油性鱼类以较高的能量成本集中了与脂质相关的微量营养素，而异常物种代表了极端的组成案例，它们界定了而不是重新定义了营养空间。通过这三个集群来构建鱼类营养价值，使得比较评估在不同标准化方案下保持一致，并避免了单一指标固有的误解。通过这种方式，基于集群的框架为将宏量营养素、微量营养素和能量整合到一个可解释的葡萄牙鱼类市场营养景观中提供了连贯的终点。
未来对这一分析框架的扩展应该包括碘和硒等微量营养素，这些元素在海产品中具有营养相关性，但在当前数据集中并不一致。包括这些元素将提供更全面的海产品微量营养素对人类健康的贡献表示。此外，整合污染物指标并将分析扩展到加工海产品将允许更全面地评估海产品的营养质量，为框架增加风险评估。
资金信息
这项工作得到了FCT（科学技术基金会）的国家资助，通过A.O.S.的个人研究拨款支持。Jorge（2023.00981.BD），其DOI标识符为https://doi.org/10.54499/2023.00981.BD；该项目得到了葡萄牙国家资金（FCT/MECI、科学技术基金会以及教育、科学和创新部）的支持，项目编号为UID/50006/2025，DOI为10.54499/UID/50006/2025，项目名称为“绿色化学实验室——清洁技术和工艺”；同时，该项目还获得了欧盟FORA奖学金计划（EUBA-EFSA-2024-ENREL-01）的资助，以支持A.O.S. Jorge在“欧洲主要渔场鱼类中重金属风险评估”（RAHMFISH）项目框架内的工作。
**作者贡献声明：**
Ana Olívia Jorge：撰写初稿、数据可视化、软件开发、实验设计及数据分析、形式化分析。
Miguel Angel Prieto：数据验证、资金申请、数据整理。
Maria Beatriz Oliveira：撰写修订稿、项目监督、资金申请、概念框架构建。
**关于写作过程中使用生成式AI和AI辅助技术的说明：**
在撰写本文的过程中，作者们使用了Grammarly®工具来检查和优化英文语言及语法表达。使用该工具后，作者们对内容进行了必要的修改和编辑，并对最终发表的文章内容负全责。
打赏
