紅葡萄酒CIELAB 參數(shù)與花色素的主成分多元線性回歸分析

郭耀東，王 飛，董少杰，王圣儀，張 昂,*

（1.商洛學(xué)院健康管理學(xué)院，陜西 商洛 726000；2.秦皇島出入境檢驗(yàn)檢疫局檢驗(yàn)檢疫技術(shù)中心，河北 秦皇島 066004；3.商洛學(xué)院生物醫(yī)藥與食品工程學(xué)院，陜西 商洛 726000）

顏色是反映葡萄酒品質(zhì)的重要屬性，可以提供葡萄酒類型、陳釀時(shí)間等相關(guān)信息，會對消費(fèi)者的選擇和認(rèn)知產(chǎn)生影響[1-2]。研究紅葡萄酒中花色素及葡萄酒顏色參數(shù)之間的聯(lián)系，對影響葡萄酒呈色的化學(xué)成分及原因進(jìn)行理論分析，可以為紅葡萄酒釀制的工藝優(yōu)化、品質(zhì)分析、質(zhì)量控制及其他相關(guān)基礎(chǔ)研究提供一定理論依據(jù)。

花色素是產(chǎn)生葡萄酒顏色變化的基礎(chǔ)物質(zhì)，其含量和結(jié)構(gòu)穩(wěn)定性對葡萄酒感官品質(zhì)具有重要影響[3-4]。近年來，國內(nèi)外學(xué)者從不同角度對葡萄酒中花色素及其與葡萄酒顏色之間的關(guān)系進(jìn)行了研究。張波等[5-6]論述了紅葡萄酒中主要花色素以及衍生物的結(jié)構(gòu)特征、形成途徑和理化性質(zhì)，并對葡萄酒中花色素輔色化作用等進(jìn)行了系統(tǒng)介紹。梁娜娜等[7]分析了6 種葡萄酒中花色素含量與葡萄酒顏色參數(shù)間的關(guān)系，發(fā)現(xiàn)不同花色素對不同葡萄酒顏色參數(shù)具有一定影響。蘭圓圓等[8]對21 款不同品種和年份的干紅葡萄酒進(jìn)行分析，研究了總花色素、總酚含量和顏色參數(shù)之間的聯(lián)系，發(fā)現(xiàn)總花色素含量與葡萄酒顏色深度等顏色參數(shù)具有顯著相關(guān)性。葛謙等[9]分析了葡萄酒釀造過程中6 種花色素單體、花色素含量與葡萄酒顏色參數(shù)的變化規(guī)律。Sáenz-Navajas等[10]研究分析了西班牙58 份市售橡木紅葡萄酒樣本中花色素組成與顏色參數(shù)之間的聯(lián)系。

目前國際上進(jìn)行顏色評價(jià)的方法體系主要有RGB色空間[11]、孟塞爾色彩體系[12]、CIELUV色空間[13]和CIELAB色空間[14]。其中只有CIELAB色空間與人眼色刺激值感官相符，被廣泛應(yīng)用于食品及葡萄酒的相關(guān)研究[15-16]。國家質(zhì)檢總局認(rèn)定的方法[17-18]中均使用該體系進(jìn)行顏色評價(jià)。

本研究采集119 種紅葡萄酒為供試樣品，對其CIELAB顏色參數(shù)、16 種常見單體花色素含量[19]及總花色素含量進(jìn)行大樣本檢測分析，通過主成分分析、相關(guān)分析及多元線性回歸分析尋找參數(shù)間相關(guān)聯(lián)系，以期為進(jìn)一步有針對性開展紅葡萄酒輔色研究及品質(zhì)優(yōu)化提供一定參考。

1 材料與方法

1.1 材料與試劑

市售119 種紅葡萄酒。

乙腈（色譜純） 美國Fisher公司；濃鹽酸、冰醋酸（均為分析純） 天津市凱通化學(xué)試劑有限公司；乙酸鈉、氯化鉀（均為分析純） 天津市光復(fù)科技發(fā)展有限公司；花色素標(biāo)準(zhǔn)品（純度≥99.5%）：飛燕草色素（delphinidin，Del）、飛燕草素-3-葡萄糖苷（delphinidin-3-glucoside，Del-3-G）、飛燕草素-3,5-二葡萄糖苷（delphinidin-3,5-diglucoside，Del-3,5-D）、飛燕草素鼠李葡萄糖苷（delphinidin-3-O-rutinoside，Del-3-R）、矢車菊素（cyanidin，Cya）、矢車菊素-3-O-葡萄糖苷（cyanidin-3-glucoside，Cya-3-G）、矢車菊素-3,5-二葡萄糖苷（cyanidin-3,5-diglucoside，Cya-3,5-D）、天竺葵色素苷（pelargonin，Pel）、芍藥素（peonidin，Peo）、芍藥苷-3-葡萄糖苷（peonidin-3-O-glucoside，Peo-3-G）、芍藥素3,5-二葡萄糖苷（peonidin-3,5-di-O-glucoside，Peo-3,5-D）、錦葵色素（malvidin，Mal）、錦葵色素-3,5-二葡萄糖苷（malwidin-3,5-diglucoside，Mal-3,5-D）、錦葵色素-3-半乳糖苷（malvidin-3-galactoside，Mal-3-G）、矮牽牛素（petunidin，Pet）、矮牽牛素-3-葡萄糖苷（petunidin-3-O-β-D-glucoside，Pet-3-G） 美國Extrasynthese SA公司。

1.2 儀器與設(shè)備

NEXERA LC-30AD液相色譜儀、UV-2550紫外分光光度計(jì) 日本島津公司；QTRAP 4500質(zhì)譜儀（配有電噴霧離子源、Turbo V離子源和Analyst1.5數(shù)據(jù)處理系統(tǒng)）美國AB Sciex公司；W100葡萄酒顏色測定儀 濟(jì)南海能儀器股份有限公司；410C-01A酸度計(jì) 美國ORION公司；Milli-Q去離子水機(jī) 美國Millipore公司。

1.3 方法

1.3.1 Lab色空間參數(shù)的測定

將酒樣取上清液過0.45 μm水性濾膜加入10 mm比色皿中，利用葡萄酒顏色測定儀直接測定L*、a*值和b*值[20]。葡萄酒顏色測定儀內(nèi)置D65光源，10°觀察角，CIE1976LAB色空間計(jì)算體系。

1.3.2 酒樣中總花色素含量、pH值的測定

總花色素含量測定采用pH示差法[21]。用氯化鉀和鹽酸配制pH 1.0的緩沖液，用三水合乙酸鈉和乙酸配制pH 4.5的緩沖液，取0.5 mL酒樣分別用pH 1.0的緩沖液和pH 4.5的緩沖液定容至10 mL，室溫平衡100 min，再將2 份不同pH值緩沖液稀釋的酒樣分別置于波長510 nm和700 nm條件下測吸光度，根據(jù)pH示差法公式計(jì)算總花色素含量，以天竺葵色素-3-葡萄糖苷含量計(jì)。

pH值采用酸度計(jì)直接測定。

1.3.3 單體花色素含量的測定[22-23]

色譜條件：柱溫40 ℃，進(jìn)樣體積30 μL，流速0.25 mL/min，用Phenyl-Hexyl色譜柱分離，根據(jù)花色素單體性質(zhì)確定流動相A：含5%甲醇的1%甲酸溶液，流動相B：1%甲酸-甲醇溶液。洗脫程序：0～3.1 min，0%～65% B；3.1～8.0 min，65% B；8.0～8.5 min，65%～100% B；8.5～12.5 min，100% B；12.5～13 min，100%～0% B；13～20 min，0% B。

質(zhì)譜條件：電霧噴離子源，正離子模式，多反應(yīng)監(jiān)測，質(zhì)量掃描范圍m/z100～1 000；霧化器壓力345 kPa；輔助氣流速10 L/min；干燥氣溫度350 ℃；氣簾氣壓力30 psi；離子噴霧電壓5 500 V；離子源溫度500 ℃。

1.4 數(shù)據(jù)處理

利用SPSS 19.0軟件對酒樣中所有變量進(jìn)行主成分分析，進(jìn)行各變量與L*、a*、b*值之間相關(guān)性分析，并對紅葡萄酒CIELAB色空間參數(shù)與花色素含量進(jìn)行相關(guān)多元線性回歸分析[24]。

外標(biāo)法計(jì)算單體花色素含量[25]。

2 結(jié)果與分析

2.1 葡萄酒樣品中CIELAB色空間參數(shù)和花色素含量描述性統(tǒng)計(jì)分析

按照1.3節(jié)方法對采集的119 種紅葡萄酒樣品進(jìn)行測定。得到上述樣本的CIELAB色空間參數(shù)、16 種單體花色素含量、總花色素含量和pH值等檢測值，對其進(jìn)行描述性統(tǒng)計(jì)分析，結(jié)果如表1所示。

表1 紅葡萄酒樣本中CIELAB色空間參數(shù)和花色素含量描述統(tǒng)計(jì)結(jié)果Table 1 Descriptive statistics for the CIELAB color parameters and anthocyanins in red wine samples

2.2 葡萄酒樣品中顏色指標(biāo)變量的主成分分析

表2 紅葡萄酒樣本中顏色指標(biāo)各主成分的特征值和累計(jì)貢獻(xiàn)率Table 2 Characteristic values and cumulative contribution of principal components of color attributes in wine samples

主成分分析目的在于利用原變量間相關(guān)性較強(qiáng)的特點(diǎn)，降低數(shù)據(jù)維度，用較少的指標(biāo)盡可能多地反映原數(shù)據(jù)信息[26]。為探尋不同單體花色素含量、總花色素含量及pH值對紅葡萄酒顏色的貢獻(xiàn)差異，本研究利用SPSS 19.0軟件對采集的119 種紅葡萄酒樣品中顏色指標(biāo)檢測數(shù)據(jù)進(jìn)行Z得分標(biāo)準(zhǔn)化處理后進(jìn)行主成分分析，如表2所示。主成分分析中貢獻(xiàn)率越大，說明主成分所包含的原始變量信息越強(qiáng)[27]。由表2可知，本研究得到的3 個主成分累計(jì)貢獻(xiàn)率達(dá)到84.11%，表明3 個主成分能夠較好反映原始數(shù)據(jù)絕大部分信息。

表3 成分矩陣Table 3 Component matrix

由表3可知，主成分1主要由Del、Del-3-R、Del-3-G、Mal、Mal-3-G、Cya、Cya-3-G、Cya-3,5-D、Peo、Peo-3-G、Peo-3,5-D、Pet、Pet-3-G含量和總花色素含量14 種相關(guān)程度較高的變量構(gòu)成，其因子相關(guān)程度在0.821～0.989之間，相關(guān)程度最高的變量為Pet含量和總花色素含量。主成分2主要由L*值與a*值2 個相關(guān)程度較高的變量構(gòu)成，因子相關(guān)程度分別為0.830與-0.831。主成分3中無相關(guān)程度較高的變量。由圖1可知，119 種紅葡萄酒樣品在空間排布上具有較大差異性，可以通過主成分得分圖，直觀將其分類。第1分類包括41 種樣品，第2分類包括57 種樣品，第3分類包括21 種樣品。

圖1 花色素、pH值及CIELAB參數(shù)值主成分得分圖Fig. 1 Score plot of the fi rst three principal components for anthocyanins, pH value and CIELAB parameters

2.3 葡萄酒樣品中顏色指標(biāo)變量的相關(guān)性分析

表4 相關(guān)性分析Table 4 Correlation analysis

由表4可知，明亮度L*值與a*值、Cya-3-G、Peo-3-G、Peo含量和pH值極顯著相關(guān)，與Pet-3-G和Mal-3,5-D含量顯著相關(guān)，除pH值、Peo-3,5-D、Pel和Mal-3,5-D含量以外均呈負(fù)相關(guān)。a*值與Cya-3-G、Pet-3-G、Peo、Peo-3-G含量和pH值極顯著相關(guān)，與Pet、Cya、Del-3-G、Del、Del-3-R含量顯著相關(guān)。其中，a*值與b*值、Mal-3,5-D、Pel、Cya-3-G含量和pH值呈負(fù)相關(guān)，與其余變量均呈正相關(guān)。b*值與Peo-3,5-D、Del-3-R、Pet、Pet-3-G、Cya-3-G、Mal、Peo-3-G、Mal-3-G、Peo、Cya、Cya-3,5-D、Del-3-G、Del含量和單體花色素總計(jì)極顯著相關(guān)，與Del-3,5-D、Mal-3,5-D含量顯著相關(guān)，且均呈負(fù)相關(guān)。總花色素含量與L*、a*、b*值均極顯著相關(guān)。其中與a*值呈正相關(guān)，與L*、b*值呈負(fù)相關(guān)。

在CIELAB體系中，L*值代表亮度（L*=0黑色，L*=100無色），a*值代表紅/綠顏色分量（a*＞0與紅色相關(guān)，a*＜0與綠色相關(guān)），b*值代表藍(lán)/黃顏色分量（b*＞0與黃色相關(guān)，b*＜0與藍(lán)色相關(guān)），a*、b*值與顏色的強(qiáng)度高低及顏色飽和度相關(guān)。通過上述相關(guān)性分析可知，紅葡萄酒顏色越向紅色方向偏移明亮度越低，增加Pet-3-G、Cya-3-G、Peo-3-G、Peo含量和總花色素含量將導(dǎo)致紅葡萄酒顏色變暗。增加Cya-3-G含量，提升pH值將使紅葡萄酒顏色向綠色方向偏移，增加Pet-3-G、Peo、Peo-3-G含量和總花色素含量則使紅葡萄酒顏色向紅色方向偏移。增加Peo-3,5-D、Del-3-R、Pet、Pet-3-G、Cya-3-G、Mal、Peo-3-G、Mal-3-G、Peo、Cya、Cya-3,5-D、Del-3-G、Del、Del-3,5-D、Mal-3,5-D含量和總花色素含量，將使紅葡萄酒顏色向藍(lán)色方向偏移。其中，總花色素含量對紅葡萄酒明亮度、紅綠色調(diào)、黃藍(lán)色調(diào)均具有顯著影響。單體花色素中，Cya-3-G含量對紅葡萄酒明亮度和紅綠色調(diào)影響最為顯著，Mal含量對黃藍(lán)色調(diào)影響最為顯著。

2.4 葡萄酒樣品中顏色指標(biāo)變量多元線性回歸模型的建立

表5 模型匯總與方差分析Table 5 Model parametersand analysis of variance

分別以L*、a*、b*值為因變量，以16 種單體花色素含量為自變量，使用SPSS 19.0軟件建立多元線性回歸模型[28]，模型擬合情況如表5所示。模型A復(fù)相關(guān)系數(shù)R為0.532，調(diào)整后的判定系數(shù)R2為0.172；模型B復(fù)相關(guān)系數(shù)R為0.557，調(diào)整后的判定系數(shù)R2為0.203；模型C復(fù)相關(guān)系數(shù)R為0.531，調(diào)整后的判定系數(shù)R2為0.170；當(dāng)DW≈2時(shí)判斷殘差獨(dú)立。根據(jù)模型F值統(tǒng)計(jì)量的觀察值和概率P值可以判斷，在0.01水平下認(rèn)為L*、a*、b*值和自變量之間有線性關(guān)系（F＞Fa），從R2擬合優(yōu)度判斷，模型B的擬合度優(yōu)于模型A和模型C，各解釋變量對因變量有顯著影響[29]。

從表5可知，模型A、模型B和模型C的回歸平方和分別為1 467.298、1 306.815和1 015.693，殘差平方和分別為3 712.350、2 901.813和2 593.057，因此線性回歸模型只解釋部分總平方和，由于3 個模型的顯著性檢驗(yàn)值均小于0.01，可判斷花色素含量與葡萄酒顏色之間存在著線性關(guān)系，線性關(guān)系強(qiáng)弱需進(jìn)一步進(jìn)行分析。

表6 多元線性回歸系數(shù)Table 6 Multiple linear regression coefficients

在顯著性0.10水平下剔除不符合顯著性要求的變量，得到多元線性回歸系數(shù)列表，如表6所示。根據(jù)模型A、B、C的對應(yīng)系數(shù)得到模型預(yù)測方程：L*=58.208-1.742×Pet-3-G，a*=36.619+1.716×Pet-3-G，b*=27.819+0.653×Cya。根據(jù)容差和方差膨脹因子（variance inflation factor，VIF）判斷建立的模型C共線性不明顯（VIF＜20），模型A和模型B共線性明顯（VIF＞20），可能是樣本容量小導(dǎo)致。

圖2 L*（A）、a*（B）、b*值（C）回歸標(biāo)準(zhǔn)化殘差直方圖和標(biāo)準(zhǔn)化正態(tài)P-P圖Fig. 2 Standardized residual histogram and normal P-P plot for L*value (A), a* value (B) and b* value (C)

對建立的3 個模型殘差統(tǒng)計(jì)量進(jìn)行分析，如圖2所示。3 個模型的標(biāo)準(zhǔn)化殘差基本呈正態(tài)分布，散點(diǎn)分布靠近直線，具有良好的方差齊性和正態(tài)性。

3 結(jié)論與討論

本研究通過采集并分析119 種市售紅葡萄酒樣本中的顏色相關(guān)指標(biāo)，通過主成分分析得到對紅葡萄酒顏色貢獻(xiàn)程度較大的3 個主成分，累計(jì)貢獻(xiàn)率為84.11%。并得到16 種相關(guān)程度較高的變量因子。單體花色素中，Pet含量的相關(guān)程度最高，相關(guān)系數(shù)達(dá)到0.989。通過相關(guān)性分析得知總花色素含量對紅葡萄酒明亮度、紅綠色調(diào)、黃藍(lán)色調(diào)均有顯著影響。單體花色素中，Cya-3-G含量對紅葡萄酒明亮度和紅綠色調(diào)影響最為顯著，Mal含量對黃藍(lán)色調(diào)影響最為顯著。進(jìn)一步通過多元線性回歸分析可知，以L*、a*、b*值為因變量，以對應(yīng)顯著相關(guān)的變量為自變量，建立多元線性回歸模型，可在一定程度上解釋自變量反映因變量的變化，其中Pet-3-G含量對L*、a*最終值影響顯著，Cya含量對b*值最終值影響顯著。

Rivas[30]和Czibulya[31]等研究發(fā)現(xiàn)紅葡萄酒最終呈色受多種因素影響，邊緣色調(diào)主要由黃藍(lán)色調(diào)決定，Sáenz-Navajas等[10]研究結(jié)果證明吡喃類花色素（Pet-3-G等）對葡萄酒中紅綠色和明亮度影響顯著，與本研究分析結(jié)果相符。同時(shí)，本研究通過統(tǒng)計(jì)分析發(fā)現(xiàn)除Pel外其他15 種花色素對紅葡萄酒黃藍(lán)色調(diào)均有顯著影響。

本研究結(jié)果說明綜合利用主成分分析、相關(guān)性分析和多元線性回歸分析3 種方法，可對紅葡萄酒樣本中不同種類單體花色素含量、總花色素含量、pH值與CIELAB色空間體系參數(shù)的關(guān)系進(jìn)行分析，并通過建立數(shù)學(xué)模型對花色素等多酚類化合物對葡萄酒顏色的影響進(jìn)行客觀解釋。由于研究時(shí)間、手段特別是樣本種類數(shù)量的限制，本實(shí)驗(yàn)對上述成分對葡萄酒顏色的具體影響分析尚不夠深入，需在后續(xù)研究中進(jìn)一步加大采樣種類數(shù)量、豐富研究方法，對紅葡萄酒中不同成分對葡萄酒顏色的具體影響進(jìn)行進(jìn)一步研究確認(rèn)。