青磚茶茶湯滋味成分分析及品質評價模型建立

王勝鵬，龔自明*，鄭鵬程，劉盼盼，高士偉，滕 靖，王雪萍，葉 飛，鄭 琳，桂安輝

（湖北省農業科學院果樹茶葉研究所，湖北 武漢 430064）

青磚茶是我國獨有的一種黑茶，主產于湖北省赤壁市，距今已有200余年歷史。青磚茶加工時，渥堆是非常關鍵的一道工序，會發生一系列以多酚類物質為主的生化反應，形成青磚茶茶湯特有的湯色明亮、滋味醇和的品質特點。由于青磚茶具有分解脂肪[1]、舒暢腸胃[2]、抗氧化[3]和降血糖[4]等功效，已成為少數民族群眾日常生活中的一種必需品。當前，對青磚茶的研究主要集中在加工技術[5]、香氣成分分析[6]、菌類鑒別[7]和生理保健[8]上，而在青磚茶茶湯品質評價方面的研究較少。青磚茶茶湯含有茶多酚、茶褐素、茶紅素和表沒食子兒茶素沒食子酸酯（epigallocatechin gallate，EGCG）等多達數十種內含成分，這些成分與茶湯滋味品質都具有一定的關聯關系，因此，如何對青磚茶茶湯滋味品質進行評價非常重要。

通常應用感官審評方法[9]對茶湯品質進行評價。感官審評是專業人員運用自身視覺、味覺、嗅覺和觸覺等人體感官器官對評審物品質進行綜合評判的一門實用技術，已實現對小麥[10]、水稻[11]、蜂蜜[12]和中藥[13]等進行感官審評。應用感官審評方法已對綠茶[14]、紅茶[15]、烏龍茶[16]和普洱茶[17]等茶類進行品質評價。傳統感官審評法雖然經典，但專業性較強，易受審評員嗜好差異、身體狀況和環境等多種因素影響，結果主觀性強，重復性較差，且費時費力，因此，亟待研發一種科學、客觀、便捷的品質評價方法。

雖然電子舌技術已用于酒類和茶湯滋味識別[18]，但常用線性方法建立模型，沒有考慮非線性方法，預測結果常與實際結果不符；測色技術已用于茶葉色澤感官審評方面研究[19]，但茶湯內含成分復雜，應用該方法建立的線性模型難以確保預測結果的穩定性和一致性，還需進行深入研究。

青磚茶茶湯品質高低與其內含成分含量間具有密切關系，但茶湯內含成分豐富，如何尋找一種或者多種與茶湯滋味品質密切相關的內含成分非常關鍵。因此，本實驗通過應用國標方法先測定茶湯內含成分化學物質含量，再應用SPSS 19.0統計軟件對這些內含成分進行主成分分析（principal component analysis，PCA）和相關關系分析，篩選代表性內含成分，得出各成分間的相關關系，再應用多種化學計量學方法嘗試建立茶湯滋味品質得分與代表性內含成分含量間的擬合方程，用以評價茶湯品質，為青磚茶茶湯滋味品質評價提供一種準確、快捷的方法。

1 材料與方法

1.1 材料

青磚茶樣品共158 個，148 個樣品分別來自湖北省赤壁市羊樓洞茶業股份有限公司、趙李橋茶廠有限責任公司、洞莊茶業有限公司和思莊茶業有限公司，10 個樣品來源未知，用于檢驗回歸方程的實際預測效果；加工時間2015年5月—2015年9月，將樣品沖泡后進行感官審評，而后立刻測定內含成分含量。按照3∶1比例隨機劃分樣品，其中111 個樣品用于建立校正擬合方程，37 個樣品用于驗證擬合方程的預測效果。

1.2 儀器與設備

手動固相萃取進樣器、50/30 μm DVB/CAR/PDMS固相微萃取頭 美國Supeclo公司；HHS型恒溫水浴鍋上海博迅實業有限公司醫療設備廠；UV-2550紫外-可見光分光光度計 日本島津公司；Milli-RO PLUS 30純水機 法國Millipore公司；CM-5色差計 柯尼美能達投資有限公司；2695高效液相色譜（high performance liquid chromatography，HPLC）、2998二極管陣列檢測器、AccQ.Tag C18氨基酸專用分析柱 美國Waters公司；ODS C18反相柱（250 mm×4.6 mm，5 μm）美國Phenomenex公司。

1.3 方法

1.3.1 茶湯感官審評

根據GB/T 23776—2009《茶葉感官審評方法》，用四分法取得青磚茶樣品5.0 g，置于250 mL評審杯中，注滿沸水，加蓋浸泡5 min，按照沖泡次序依次等速將茶湯瀝入評茶碗中，茶湯以滋味醇厚、回味干爽為最佳。3 名感官審評專家對青磚茶茶湯品質進行打分，滿分為100 分，茶湯品質越好，分數越高。審評過程中要求評審員身體健康，個人衛生條件好，全程禁止吸煙。

1.3.2 內含成分檢測

應用國家標準方法檢測水浸出物含量[20]、茶多酚含量[21]、游離氨基酸含量[22]；蒽酮-硫酸法測定總糖含量[23]；三氯化鋁法測定黃酮含量[24]；系統分析法測定茶紅素、茶黃素和茶褐素含量[25]；HPLC法檢測沒食子酸、咖啡堿和兒茶素和其單體含量。

在英語的句法分析中，Ratnaparkhi最早引入了最大熵的方法，他利用上下文特征，通過最大熵的方法來預測下一步要執行的操作。其上下文特征主要包括：成分的核心詞，核心詞的組合，非特定組合信息，以及部分已完成的子樹信息。

1.4 數據分析

應用SPSS 19.0軟件對青磚茶茶湯內含成分進行相關關系分析[26]；應用Matlab 2012a軟件程序包對青磚茶茶湯內含成分進行PCA[27]。應用的化學計量學方法為主成分回歸方法和逐步回歸方法。所得結果用校正集決定系數（determination coefficient of cross validation，）、預測集決定系數（determination coefficient of prediction，Rp2）、交互驗證均方根誤差（root mean square error of cross validation，RMSECV）、預測均方根誤差（root mean square error of prediction，RMSEP）[28]和因子數表示。其中，R2越大、RMSEP越小時，方程預測效果越好。RMSECV、RMSEP、R2的計算見式（1）～（3）：

式中：n為校正集樣品數；yi為樣品i實測值；yi’為校正集樣品i預測值。

式中：n為驗證集樣品數；yi為樣品i實測值；yi’為驗證集樣品i預測值。

式中：yi和yi’分別為樣本中第i個樣本實測值和預測值；y為所有樣本實測值的平均值。

2 結果與分析

2.1 茶湯滋味評分及內含成分測定結果

根據感官審評專家對茶湯滋味進行評分，然后應用化學方法對茶湯內含成分進行測定，結果見表1。

表1 茶湯滋味得分及其內含成分測定結果Table 1 Chemical composition and sensory score of Qingzhuan tea infusion

從表1可以看出，茶湯滋味分數最大值為93，最小值為85，平均值為88.37，標準偏差為2.21，樣品茶湯滋味得分間差距較小。19 種內含成分中含量較高的分別為CAF、EGCG、兒茶素總量、茶多酚、水浸出物、茶紅素、茶褐素和總糖。含量較低的成分分別為GA、GC、EGC、C、ECG、CG和ECG。物質成分的含量高低是相對的，這些成分對茶湯滋味的形成都起到一定作用，但對茶湯滋味貢獻度并不同。為求得對青磚茶茶湯滋味貢獻較大的內含成分，舍棄貢獻較小的內含成分，因此需要對上述內含成分進行PCA和相關關系分析。

2.2 PCA和相關關系分析

表2 茶湯內含成分PCA貢獻率Table 2 Contribution rates of first 6 principal components to total variance

從表2可以看出，PC1～PC6前6 個主成分的累計貢獻率達到99.98%，根據PCA原理，前6 個主成分就可以完全解釋全部內含物的化學信息。PC1和PC2分別可以解釋84.65%和13.17%的青磚茶19 種主要內含成分的變異，總解釋率為97.82%。從表3可以看出，青磚茶茶湯滋味得分與EGC（0.09%～0.46%）、EGCG（0.91%～2.38%）和ECG（0.1%～0.73%）呈顯著正相關（P＜0.05）。EGC、EGCG和ECG為兒茶素單體，均具有較強抗氧化活性，能夠清除體內的自由基，具有抗衰老的功效。青磚茶原料在渥堆過程中，會發生多酚類物質的氧化反應，但由于翻堆不及時，無法跟外界空氣進行充分接觸，一些兒茶素物質未被完全氧化而被保留了下來，是茶湯爽口和刺激性的成分，有利于茶湯的品質提升。青磚茶茶湯滋味得分與C（1.99%～4.42%）和茶多酚（3.40%～11.11%）含量呈顯著正相關（P＜0.05）。茶多酚是一類存在于茶樹中的多元酚混合物，其主要成分是以兒茶素為主體的黃烷醇類物質，在茶湯中主要呈現澀味，量多時不利于茶湯品質的提高。由于茶多酚含有大量—OH化學鍵，青磚茶原料在渥堆時極易氧化變性成其他類物質，導致茶多酚類物質含量大量降低，可以起到降低茶湯澀味的功效，同時保留的茶多酚還具有抗氧化、抗病毒及殺菌作用[29]。從表3還可以看出，EGC、EGCG、ECG、兒茶素總量和茶多酚5 種成分間均呈極顯著正相關（P＜0.01），彼此間相互起正作用，共同影響著青磚茶茶湯品質。除上述5 種成分外，茶褐素（3.40%～8.13%）與茶湯品質得分的相關關系最大，為0.41，但二者間并不呈顯著相關（P＞0.05），雖然咖啡堿（1.18%～3.37%）和茶紅素（1.17%～4.62%）的貢獻值也較大，但它們與茶湯品質得分間并無顯著相關（P＞0.05）。可見，茶湯內含成分含量高低與茶湯滋味品質得分間并無必然聯系，內含成分含量高，不一定對茶湯品質得分貢獻就大，內含成分含量低，也不一定對茶湯品質得分貢獻就小。從表3還可以看出，青磚茶茶湯滋味得分與EGC、EGCG、ECG、兒茶素總量和茶多酚的相關系數分別為0.49、0.57、0.50、0.56和0.51，與之對應的P值分別為0.049 8、0.023、0.049 6、0.025 5和0.044，可見，這5 種成分對茶湯品質得分的貢獻大小順序為EGCG、兒茶素總量、茶多酚、ECG和EGC。

表3 青磚茶茶湯組成成分間相關關系Table 3 Correlation between the components in Qingzhuan tea soup

2.3 茶湯滋味得分回歸方程建立

以EGC、EGCG、ECG、兒茶素總量和茶多酚成分為自變量，以茶湯滋味得分值為因變量，以SPSS 19.0軟件為平臺，分別應用主成分回歸方法和逐步回歸方法，構建內含成分與滋味得分間的回歸方程。

當取前4 個主成分時，建立的主成分回歸方程結果最佳，其方程為：

式中：y為滋味得分；x1為EGCG；x2為C；x3為茶多酚；x4為ECG；x5為EGC。

方程中樣品實測值和預測值間R2c為0.911 7，RMSECV為0.421 1；然后應用主成分回歸方程對37 個樣品茶湯滋味分數進行預測，得到為0.889 8，RMSEP為0.432 6。

2.3.2 逐步回歸擬合方程建立

在建立逐步回歸方程過程中，根據自變量間的組合以及對方程的貢獻大小，建立13 個回歸方程。

表4 逐步回歸方程結果Table 4 Results of step-wise regression equation

從表4可以看出，根據自變量對茶湯滋味得分的貢獻率而建立的13 個回歸方程中，隨著方程中自變量個數增加，回歸方程的預測效果逐漸提高，其中效果最差的回歸方程只應用x1單個自變量（R2c=0.494 4，RMSECV=1.632 2），用此回歸方程對驗證樣品茶湯滋味分數進行預測時，Rp2=0.490 1，RMSEP=1.654 5；當應用2 個自變量建立回歸方程時，以應用x1和x3建立的回歸方程預測較佳（=0.628 0，RMSECV=1.450 3），對驗證樣品茶湯滋味分數的預測結果Rp2=0.600 5，RMSEP=1.472 4，這是由于x3對茶湯滋味分數的貢獻要大于x5，所以回歸方程預測結果較佳，但此時建立回歸方程的信息較少，方程預測結果欠佳；同理，以應用3 個自變量x1、x3和x2建立的回歸方程預測結果（R2c=0.838 5，RMSECV=1.324 0；R2p=0.811 7，RMSEP=1.376 2）要優于其他3 個自變量建立的回歸方程得到的預測結果，也優于全部應用2 個自變量或者1 個自變量建立回歸方程的預測結果。這主要是由于回歸方程的自變量信息不充分造成的。因此，當以x1、x2、x3、x4、x5全部5 個自變量建立回歸方程時預測結果最佳（Rc2=0.973 5，RMSECV=0.380 7），當用此回歸方程對驗證樣品茶湯滋味分數進行預測時，R2p=0.968 1，RMSEP=0.400 0（圖1）。

建立的最佳逐步回歸方程為：

式中：y為滋味得分；x1為EGCG；x2為C；x3為茶多酚；x4為ECG；x5為EGC。

圖1 最佳逐步回歸方程預測結果比較Fig. 1 True values versus predicted values from the best stepwise regression equation

2.3.3 回歸方程預測效果檢驗

為檢驗回歸方程的實際預測效果，應用建立的主成分回歸方程和逐步多元回歸方程對10 個未知樣品茶湯滋味品質得分進行預測，所得結果見表5。

表5 未知樣品預測效果Table 5 Prediction efficiency of unknown samples by two equations

從表5可以看出，主成分回歸方程對10 個未知樣品的茶湯滋味品質得分進行預測，所的結果為0.958 6，RMSEP為0.401 1；當用逐步多元回歸方程對10 個未知樣品的茶湯滋味品質得分進行預測時，為0.974 6，RMSEP為0.391 5。逐步多元回歸方程預測結果要優于主成分回歸方程結果，所得結論與建立回歸方程結果相符。

3 結論與討論

本實驗嘗試建立一種青磚茶茶湯品質的化學評價方法。在感官審評評價基礎上，分析檢測茶湯19 種內含成分含量，通過PCA和相關關系分析，篩選5 種與茶湯滋味品質得分關系密切的成分，分別為EGCG、兒茶素總量、茶多酚、ECG和EGC。然后應用主成分回歸方法和逐步回歸方法分別建立青磚茶茶湯滋味得分的擬合回歸方程，經比較2 種方法的預測結果，以應用5 種內含成分建立的逐步回歸方程預測結果最佳（=0.973 5，RMSECV=0.380 7；0.968 1，RMSEP=0.400 0）。結果表明，應用化學分析方法結合化學計量學方法預測青磚茶茶湯滋味品質是可行的，實現青磚茶茶湯品質的快速、準確評價。但本實驗也存在一些不足之處，樣品采集的多樣性不夠，在實際應用過程中，建議進一步補充采集不同渥堆程度青磚茶樣品數據，尤其是品質較差青磚茶樣品，擴大樣品的品質得分范圍，使得實驗數據更具有代表性和全面性，建立的擬合方程有較大的使用范圍，更加準確地預測樣品品質得分。