基于氣相離子遷移譜黃酒產(chǎn)地識(shí)別的研究

,*

(1.江蘇農(nóng)牧科技職業(yè)學(xué)院食品科技學(xué)院,江蘇泰州 225300; 2.江蘇大學(xué)食品與生物工程學(xué)院,江蘇鎮(zhèn)江 212013)

黃酒是我國(guó)特有的傳統(tǒng)酒種[1],因資源條件及釀造工藝的不同,導(dǎo)致不同產(chǎn)地的黃酒在其風(fēng)味品質(zhì)上均有其獨(dú)到之處[2-3]。紹興黃酒作為我國(guó)第一個(gè)地理標(biāo)志保護(hù)產(chǎn)品,GB/T 17946-2008《地理標(biāo)志產(chǎn)品 紹興酒(紹興黃酒)》中明確規(guī)定了黃酒的地理保護(hù)區(qū)域范圍。受品牌效益的影響,市場(chǎng)上一些酒廠受利益驅(qū)使,以低價(jià)、劣質(zhì)的酒冠以“紹興酒”之名沖擊市場(chǎng),嚴(yán)重?fù)p害了生產(chǎn)商和消費(fèi)者的合法利益。

當(dāng)前,黃酒品質(zhì)的評(píng)價(jià)方法除了常規(guī)的理化指標(biāo)分析外,主要依靠專業(yè)人員的感官評(píng)定,然而,感官評(píng)定法容易受環(huán)境條件、評(píng)判人員的主觀因素以及精神狀態(tài)等因素影響而產(chǎn)生不同的結(jié)果,導(dǎo)致準(zhǔn)確性和重復(fù)性均較差。近年來,酒類的產(chǎn)地分析越來越引起相關(guān)科研人員和檢測(cè)機(jī)構(gòu)的重視,采用氣相色譜[4](Gas Chromatography,GC)、高效液相色譜[5](High Performance Liquid Chromatography,HPLC)、氣質(zhì)聯(lián)用(Gas Chromatography-Mass spectrometer,GC-MS)、近紅外光譜[6](Near Infrared Spectrometry,NIR)、電子鼻技術(shù)[7-9]以及原子吸收光譜等多種分析技術(shù)用于黃酒品質(zhì)的檢測(cè)已有相關(guān)報(bào)道,但這些方法具有設(shè)備昂貴、操作和分析過程復(fù)雜等缺點(diǎn)。氣相離子遷移譜色譜技術(shù)(Gas Chromatography-Ion Mobility Spectrometry GC-IMS)是一種將離子遷移譜技術(shù)和氣相色譜技術(shù)兩者結(jié)合的檢測(cè)技術(shù),其工作示意圖如圖1所示,GC-IMS具有響應(yīng)速度快、高靈敏度、無需樣品預(yù)處理(無損)、簡(jiǎn)單、快速、準(zhǔn)確的優(yōu)點(diǎn)[10-14]。該方法在揮發(fā)性成分檢測(cè)方面有廣泛的應(yīng)用,如:離子遷移譜結(jié)合毛細(xì)管柱對(duì)葡萄酒和軟木樣品中的2,4,6-三氯苯甲醚物質(zhì)進(jìn)行檢測(cè)[15]、氣液分離器直接耦合到離子遷移譜上對(duì)不同白葡萄酒的區(qū)分[16]、基于電噴霧-離子遷移譜法對(duì)保健酒飲料中3種壯陽(yáng)類藥物快速篩選[17]和基于離子遷移譜法對(duì)蒸餾酒中4種風(fēng)味成分分析[18]等研究,與傳統(tǒng)的分析手段相比,GC-IMS在食品風(fēng)味物質(zhì)分析領(lǐng)域具有廣闊的應(yīng)用前景。

圖1 GC與IMS構(gòu)成的二維分離系統(tǒng)Fig.1 Two-dimensional separation systemconsisting of GC and IMS

本研究利用GC-IMS設(shè)備對(duì)不同產(chǎn)地黃酒中的的揮發(fā)性有機(jī)成分進(jìn)行分析檢測(cè),篩選出能夠表征不同產(chǎn)地信息的特征揮發(fā)性有機(jī)成分,運(yùn)用主成分分析和線性判別分析方法對(duì)獲得的指紋圖譜進(jìn)行分析處理,實(shí)現(xiàn)對(duì)黃酒產(chǎn)地的有效鑒別,旨在為黃酒的品質(zhì)保真和原產(chǎn)地保護(hù)提供參考依據(jù),同時(shí)為聯(lián)用儀器的數(shù)據(jù)分析處理提供一種解決方法。

1 材料與方法

1.1 材料與儀器

FlavourSpec1H1-00053型氣相色譜離子遷移譜 德國(guó)G.A.S公司;CTC-PAL自動(dòng)頂空進(jìn)樣裝置 瑞士CTC Analytics公司;SE-30毛細(xì)管柱(規(guī)格:30 m×0.25 mm×0.5μm) 德國(guó)CS-Chromatographie Service設(shè)備供應(yīng)商。

15個(gè)原產(chǎn)地黃酒樣品 依據(jù)標(biāo)準(zhǔn)GB/T 17946-2008《地理標(biāo)志產(chǎn)品 紹興酒(紹興黃酒)》采集,表征紹興原產(chǎn)地信息;18個(gè)非地理標(biāo)志商標(biāo)證明的紹興酒 浙江省內(nèi)各市區(qū)購(gòu)買 表征黃酒樣品的非原產(chǎn)地標(biāo)識(shí)信息;11個(gè)山東黃酒樣品山東省內(nèi)自主購(gòu)買 增加區(qū)域識(shí)別范圍;12個(gè)湖北黃酒樣品湖北產(chǎn)地網(wǎng)上購(gòu)買增加區(qū)域識(shí)別范圍。

1.2 GC-IMS檢測(cè)參數(shù)

采用GC-IMS氣味分析儀對(duì)不同產(chǎn)地黃酒樣品產(chǎn)生的揮發(fā)性有機(jī)物進(jìn)行檢測(cè)分析。具體操作為:使用移液槍準(zhǔn)確量取1 mL待測(cè)樣品于20 mL頂空樣品瓶中,并使用壓蓋器密封頂空瓶蓋,然后直接上機(jī)進(jìn)行檢測(cè)(無需預(yù)處理),GC-IMS設(shè)備的主要技術(shù)參數(shù)的設(shè)置如下表1所示。

表1 儀器參數(shù)條件Table 1 Instrument parameter condition

1.3 數(shù)據(jù)處理

采用MATLAB R2009b(The Mathworks Inc.)、LAV 1.0.2(G.A.S)和PRTools 5.0 工具包(Delft University of Technology Netherlands)對(duì)所測(cè)的數(shù)據(jù)進(jìn)行可視化分析處理[19]。

GC-IMS特征區(qū)域選取原則[20]:GC-IMS三維譜中每一個(gè)特征峰代表一種揮發(fā)性有機(jī)成分,以不同樣品中的特征峰的有無或者特征峰強(qiáng)度的顯著變化為原則,使用LAV軟件選擇并以長(zhǎng)方形標(biāo)記特征峰所在區(qū)域,并以該特征峰區(qū)域的峰高(即特征區(qū)域離子強(qiáng)度的最大值)作為特征變量,進(jìn)一步進(jìn)行數(shù)據(jù)分析。

2 結(jié)果與分析

2.1 GC-IMS三維指紋譜數(shù)據(jù)分析

圖2 黃酒樣品的GC-IMS三維譜圖Fig.2 3D GC-IMS plot of yellow wine simple注:紹興黃酒(A)、非原產(chǎn)地紹興黃酒(B)、山東黃酒(C)、湖北黃酒(D)。

GC-IMS分析儀產(chǎn)生數(shù)據(jù)為三維數(shù)據(jù),對(duì)應(yīng)X、Y、Z軸的坐標(biāo)分別為遷移時(shí)間、保留時(shí)間和離子強(qiáng)度。從不同產(chǎn)地的待測(cè)黃酒樣品中各選取1個(gè)樣品,使用偽彩色圖像進(jìn)行顯示可視化分析,由于原始圖譜對(duì)應(yīng)的矩陣數(shù)量較大(3077×4500),為降低數(shù)據(jù)運(yùn)算和可視化效果,在保留絕大部分信息的前提下,截取遷移時(shí)間為7.6964～14.1582 ms和保留時(shí)間為119.34～415.74 s內(nèi)的矩陣數(shù)據(jù)作為新的矩陣(761×970),結(jié)果如圖2所示。由圖2可知,相較于其它產(chǎn)地的黃酒樣品,具有產(chǎn)地標(biāo)識(shí)的紹興黃酒(原產(chǎn)地,圖2A)產(chǎn)生的揮發(fā)性氣體成分在數(shù)量上和強(qiáng)度上均弱于其他樣品,而非原產(chǎn)地紹興黃酒產(chǎn)生的揮發(fā)性物質(zhì)最多;從直觀可視化角度觀察可知,非原產(chǎn)地紹興黃酒與山東、湖北黃酒樣品具有相似的氣味成分,具體表現(xiàn)在典型特征峰的出峰位置信息,即在相同的保留時(shí)間和遷移時(shí)間下均有對(duì)應(yīng)的揮發(fā)性物質(zhì)產(chǎn)生;另外,與其它產(chǎn)地黃酒樣品相比,非原產(chǎn)地紹興黃酒(圖2B)出現(xiàn)一個(gè)典型的特征峰信息(見圖2B中箭頭指示)。

為進(jìn)一步觀察不同產(chǎn)地黃酒樣品的揮發(fā)性有機(jī)物質(zhì)的變化規(guī)律,按照上述特征區(qū)域選取原則[21],通過LAV軟件選取16個(gè)特征區(qū)域作為表征不同黃酒樣品產(chǎn)地信息之間的變化規(guī)律,對(duì)應(yīng)的特征區(qū)域組合形成的排列結(jié)果如圖3所示,選取的特征區(qū)域編號(hào)與圖3中的標(biāo)記編號(hào)一一對(duì)應(yīng)。為方便觀察,每個(gè)產(chǎn)地僅選取2個(gè)黃酒樣品,GC-IMS譜圖中每一個(gè)特征峰對(duì)應(yīng)一種揮發(fā)性有機(jī)物質(zhì),圖中橫軸方向?yàn)檫x取的特征峰區(qū)域編號(hào),縱軸方向?yàn)闃悠肪幪?hào)。由圖3可知,具有產(chǎn)地標(biāo)識(shí)的黃酒樣品在揮發(fā)性成分方面明顯區(qū)別于其他產(chǎn)地樣品(如圖2.A中虛線矩形標(biāo)記區(qū)域),部分揮發(fā)性物質(zhì)未出現(xiàn)在原產(chǎn)地黃酒樣品中,如標(biāo)記編號(hào)為1、2、4、12、13、16對(duì)應(yīng)的物質(zhì)成分;對(duì)比其他產(chǎn)地的黃酒樣品,山東產(chǎn)地的黃酒樣品在標(biāo)記的區(qū)域均有揮發(fā)性成分存在,表明山東區(qū)域生產(chǎn)的黃酒氣味成分較豐富;除原產(chǎn)地黃酒樣品外,其他黃酒樣品在標(biāo)記的16特征區(qū)域上均有一定強(qiáng)度的特征峰存在;圖3僅能從直觀上觀察不同產(chǎn)品樣品之間的差異信息,不能實(shí)現(xiàn)不同產(chǎn)地的數(shù)字化表達(dá),因此需要進(jìn)一步使用化學(xué)計(jì)量學(xué)方法進(jìn)行模式識(shí)別。

圖3 不同產(chǎn)地黃酒的揮發(fā)性有機(jī)成分對(duì)應(yīng)的特征峰組合圖Fig.3 Gallery of differe yellow wine oforigin identification with different characteristic peaks注:其中1a、1b為原產(chǎn)地紹興黃酒,2a、2b歸屬非原產(chǎn)地紹興黃酒,3a、3b為山東黃酒,4a、4b樣品來源于湖北。

2.2 PCA投影分析

以選取的16個(gè)特征峰的峰強(qiáng)(即特征峰的高度)作為特征變量,組成56×16的矩陣進(jìn)行主成分分析,將得到的主成分?jǐn)?shù)按貢獻(xiàn)率的大小從高到低進(jìn)行排序,取前2個(gè)主成分的得分?jǐn)?shù)進(jìn)行可視化分析,結(jié)果如圖4所示。圖中坐標(biāo)軸PC1和PC2后分別標(biāo)注了PCA處理后的各個(gè)主成分對(duì)應(yīng)的貢獻(xiàn)率。由圖可知,前2個(gè)主成分的累計(jì)貢獻(xiàn)率高達(dá)96.07%,其中PC1的貢獻(xiàn)率為82.58%,PC2的貢獻(xiàn)率為13.49%,表明前兩個(gè)主成分能夠表征原始數(shù)據(jù)的絕大部分有效信息;GC-IMS特征變量通過PCA處理后,4個(gè)產(chǎn)地信息的樣品在圖中均有其對(duì)應(yīng)的歸屬區(qū)域,相互之間無明顯重疊現(xiàn)象,表明不同產(chǎn)地的黃酒樣品得到了很好的區(qū)分。

表2 訓(xùn)練集中的識(shí)別結(jié)果Table 2 Recognition results of training set

表3 預(yù)測(cè)集中的識(shí)別結(jié)果Table 3 Recognition results of predicting set

圖4 不同產(chǎn)地黃酒樣品的主成分得分圖Fig.4 Principal component scores ofyellow wine from different origins

2.3 模式識(shí)別

將原始數(shù)據(jù)經(jīng)PCA處理后的前2個(gè)主成分得分進(jìn)行有監(jiān)督判別分析,采用LDA算法進(jìn)一步研究區(qū)分預(yù)測(cè)紹興黃酒產(chǎn)地識(shí)別的可能性,建立對(duì)應(yīng)的產(chǎn)地判別模型。分別選取不同產(chǎn)地黃酒樣品數(shù)量的70%樣品作為訓(xùn)練集,剩余30%樣品量作為預(yù)測(cè)集,由于待測(cè)樣品數(shù)量較少,故模型訓(xùn)練時(shí)采用k折法(k-Fold Cross Validation)進(jìn)行交叉驗(yàn)證。k折法交叉驗(yàn)證是在樣本數(shù)量較少的前提下,將數(shù)據(jù)集隨機(jī)分為k個(gè)包,每次將其中一個(gè)包作為測(cè)試集,剩余的k-1個(gè)包作為訓(xùn)練集進(jìn)行訓(xùn)練。訓(xùn)練集與預(yù)測(cè)集的統(tǒng)計(jì)結(jié)果分別如表2、表3所示。由表可知,訓(xùn)練集中交叉驗(yàn)證識(shí)別準(zhǔn)確率為100%,而未進(jìn)行交叉驗(yàn)證時(shí),其識(shí)別準(zhǔn)確率(即回判識(shí)別率,由于表格顯示內(nèi)容有限,該指標(biāo)未列出)仍為100%,表明該模型穩(wěn)健、可靠;而預(yù)測(cè)集模型識(shí)別結(jié)果中,僅有一個(gè)非原產(chǎn)地紹興黃酒被誤判為山東黃酒,其他產(chǎn)地黃酒樣品識(shí)別率均為100%,預(yù)測(cè)集總體正確率可達(dá)94.4%;產(chǎn)生誤判的原因可能是非原產(chǎn)地的紹興黃酒樣品來源廣泛,導(dǎo)致其對(duì)應(yīng)的歸屬區(qū)域較大,而LDA為線性判別分析,其不能很好的區(qū)分歸屬區(qū)域的邊界點(diǎn)。由此可知,采用LDA算法可以較好地用于對(duì)黃酒產(chǎn)地的判別。

3 結(jié)論

本研究采用GC-IMS對(duì)不同產(chǎn)地的黃酒樣品中的揮發(fā)性氣體成分進(jìn)行了分析檢測(cè),依據(jù)不同產(chǎn)地黃酒樣品的GC-IMS譜圖差異構(gòu)建了反應(yīng)紹興原產(chǎn)地黃酒的氣味指紋圖譜,并對(duì)不同產(chǎn)地的黃酒樣品進(jìn)行了鑒別和分類。運(yùn)用主成分分析和線性判別方法建立了不同產(chǎn)地黃酒樣品的判別模型。結(jié)果表明,校正集樣品產(chǎn)地識(shí)別率為100%,而預(yù)測(cè)集樣品中僅存在一個(gè)誤判樣品,預(yù)測(cè)集識(shí)別率可達(dá)94.4%。

建立地理標(biāo)志紹興酒的檢測(cè)方法對(duì)原產(chǎn)地保護(hù)具有重要意義,而GC-IMS作為一種新的聯(lián)用技術(shù),具有氣相色譜的高分離效率和離子遷移譜的高靈敏度兩者相結(jié)合的優(yōu)勢(shì),可應(yīng)用于食品、農(nóng)產(chǎn)品中揮發(fā)出的痕量有機(jī)成分的定量、定性分析,具有無需樣品前處理、操作簡(jiǎn)單以及快速無損的優(yōu)勢(shì),為黃酒的產(chǎn)地識(shí)別提供了一種新的檢測(cè)方法。