基于氣相離子遷移譜黃酒產地識別的研究

,*

(1.江蘇農牧科技職業學院食品科技學院,江蘇泰州 225300; 2.江蘇大學食品與生物工程學院,江蘇鎮江 212013)

黃酒是我國特有的傳統酒種[1],因資源條件及釀造工藝的不同,導致不同產地的黃酒在其風味品質上均有其獨到之處[2-3]。紹興黃酒作為我國第一個地理標志保護產品,GB/T 17946-2008《地理標志產品 紹興酒(紹興黃酒)》中明確規定了黃酒的地理保護區域范圍。受品牌效益的影響,市場上一些酒廠受利益驅使,以低價、劣質的酒冠以“紹興酒”之名沖擊市場,嚴重損害了生產商和消費者的合法利益。

當前,黃酒品質的評價方法除了常規的理化指標分析外,主要依靠專業人員的感官評定,然而,感官評定法容易受環境條件、評判人員的主觀因素以及精神狀態等因素影響而產生不同的結果,導致準確性和重復性均較差。近年來,酒類的產地分析越來越引起相關科研人員和檢測機構的重視,采用氣相色譜[4](Gas Chromatography,GC)、高效液相色譜[5](High Performance Liquid Chromatography,HPLC)、氣質聯用(Gas Chromatography-Mass spectrometer,GC-MS)、近紅外光譜[6](Near Infrared Spectrometry,NIR)、電子鼻技術[7-9]以及原子吸收光譜等多種分析技術用于黃酒品質的檢測已有相關報道,但這些方法具有設備昂貴、操作和分析過程復雜等缺點。氣相離子遷移譜色譜技術(Gas Chromatography-Ion Mobility Spectrometry GC-IMS)是一種將離子遷移譜技術和氣相色譜技術兩者結合的檢測技術,其工作示意圖如圖1所示,GC-IMS具有響應速度快、高靈敏度、無需樣品預處理(無損)、簡單、快速、準確的優點[10-14]。該方法在揮發性成分檢測方面有廣泛的應用,如:離子遷移譜結合毛細管柱對葡萄酒和軟木樣品中的2,4,6-三氯苯甲醚物質進行檢測[15]、氣液分離器直接耦合到離子遷移譜上對不同白葡萄酒的區分[16]、基于電噴霧-離子遷移譜法對保健酒飲料中3種壯陽類藥物快速篩選[17]和基于離子遷移譜法對蒸餾酒中4種風味成分分析[18]等研究,與傳統的分析手段相比,GC-IMS在食品風味物質分析領域具有廣闊的應用前景。

圖1 GC與IMS構成的二維分離系統Fig.1 Two-dimensional separation systemconsisting of GC and IMS

本研究利用GC-IMS設備對不同產地黃酒中的的揮發性有機成分進行分析檢測,篩選出能夠表征不同產地信息的特征揮發性有機成分,運用主成分分析和線性判別分析方法對獲得的指紋圖譜進行分析處理,實現對黃酒產地的有效鑒別,旨在為黃酒的品質保真和原產地保護提供參考依據,同時為聯用儀器的數據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G.A.S公司;CTC-PAL自動頂空進樣裝置 瑞士CTC Analytics公司;SE-30毛細管柱(規格:30 m×0.25 mm×0.5μm) 德國CS-Chromatographie Service設備供應商。

15個原產地黃酒樣品 依據標準GB/T 17946-2008《地理標志產品 紹興酒(紹興黃酒)》采集,表征紹興原產地信息;18個非地理標志商標證明的紹興酒 浙江省內各市區購買 表征黃酒樣品的非原產地標識信息;11個山東黃酒樣品山東省內自主購買 增加區域識別范圍;12個湖北黃酒樣品湖北產地網上購買增加區域識別范圍。

1.2 GC-IMS檢測參數

采用GC-IMS氣味分析儀對不同產地黃酒樣品產生的揮發性有機物進行檢測分析。具體操作為:使用移液槍準確量取1 mL待測樣品于20 mL頂空樣品瓶中,并使用壓蓋器密封頂空瓶蓋,然后直接上機進行檢測(無需預處理),GC-IMS設備的主要技術參數的設置如下表1所示。

表1 儀器參數條件Table 1 Instrument parameter condition

1.3 數據處理

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)對所測的數據進行可視化分析處理[19]。

GC-IMS特征區域選取原則[20]:GC-IMS三維譜中每一個特征峰代表一種揮發性有機成分,以不同樣品中的特征峰的有無或者特征峰強度的顯著變化為原則,使用LAV軟件選擇并以長方形標記特征峰所在區域,并以該特征峰區域的峰高(即特征區域離子強度的最大值)作為特征變量,進一步進行數據分析。

2 結果與分析

2.1 GC-IMS三維指紋譜數據分析

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)、非原產地紹興黃酒(B)、山東黃酒(C)、湖北黃酒(D)。

GC-IMS分析儀產生數據為三維數據,對應X、Y、Z軸的坐標分別為遷移時間、保留時間和離子強度。從不同產地的待測黃酒樣品中各選取1個樣品,使用偽彩色圖像進行顯示可視化分析,由于原始圖譜對應的矩陣數量較大(3077×4500),為降低數據運算和可視化效果,在保留絕大部分信息的前提下,截取遷移時間為7.6964～14.1582 ms和保留時間為119.34～415.74 s內的矩陣數據作為新的矩陣(761×970),結果如圖2所示。由圖2可知,相較于其它產地的黃酒樣品,具有產地標識的紹興黃酒(原產地,圖2A)產生的揮發性氣體成分在數量上和強度上均弱于其他樣品,而非原產地紹興黃酒產生的揮發性物質最多;從直觀可視化角度觀察可知,非原產地紹興黃酒與山東、湖北黃酒樣品具有相似的氣味成分,具體表現在典型特征峰的出峰位置信息,即在相同的保留時間和遷移時間下均有對應的揮發性物質產生;另外,與其它產地黃酒樣品相比,非原產地紹興黃酒(圖2B)出現一個典型的特征峰信息(見圖2B中箭頭指示)。

為進一步觀察不同產地黃酒樣品的揮發性有機物質的變化規律,按照上述特征區域選取原則[21],通過LAV軟件選取16個特征區域作為表征不同黃酒樣品產地信息之間的變化規律,對應的特征區域組合形成的排列結果如圖3所示,選取的特征區域編號與圖3中的標記編號一一對應。為方便觀察,每個產地僅選取2個黃酒樣品,GC-IMS譜圖中每一個特征峰對應一種揮發性有機物質,圖中橫軸方向為選取的特征峰區域編號,縱軸方向為樣品編號。由圖3可知,具有產地標識的黃酒樣品在揮發性成分方面明顯區別于其他產地樣品(如圖2.A中虛線矩形標記區域),部分揮發性物質未出現在原產地黃酒樣品中,如標記編號為1、2、4、12、13、16對應的物質成分;對比其他產地的黃酒樣品,山東產地的黃酒樣品在標記的區域均有揮發性成分存在,表明山東區域生產的黃酒氣味成分較豐富;除原產地黃酒樣品外,其他黃酒樣品在標記的16特征區域上均有一定強度的特征峰存在;圖3僅能從直觀上觀察不同產品樣品之間的差異信息,不能實現不同產地的數字化表達,因此需要進一步使用化學計量學方法進行模式識別。

圖3 不同產地黃酒的揮發性有機成分對應的特征峰組合圖Fig.3 Gallery of differe yellow wine oforigin identification with different characteristic peaks注:其中1a、1b為原產地紹興黃酒,2a、2b歸屬非原產地紹興黃酒,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個特征峰的峰強(即特征峰的高度)作為特征變量,組成56×16的矩陣進行主成分分析,將得到的主成分數按貢獻率的大小從高到低進行排序,取前2個主成分的得分數進行可視化分析,結果如圖4所示。圖中坐標軸PC1和PC2后分別標注了PCA處理后的各個主成分對應的貢獻率。由圖可知,前2個主成分的累計貢獻率高達96.07%,其中PC1的貢獻率為82.58%,PC2的貢獻率為13.49%,表明前兩個主成分能夠表征原始數據的絕大部分有效信息;GC-IMS特征變量通過PCA處理后,4個產地信息的樣品在圖中均有其對應的歸屬區域,相互之間無明顯重疊現象,表明不同產地的黃酒樣品得到了很好的區分。

表2 訓練集中的識別結果Table 2 Recognition results of training set

表3 預測集中的識別結果Table 3 Recognition results of predicting set

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

2.3 模式識別

將原始數據經PCA處理后的前2個主成分得分進行有監督判別分析,采用LDA算法進一步研究區分預測紹興黃酒產地識別的可能性,建立對應的產地判別模型。分別選取不同產地黃酒樣品數量的70%樣品作為訓練集,剩余30%樣品量作為預測集,由于待測樣品數量較少,故模型訓練時采用k折法(k-Fold Cross Validation)進行交叉驗證。k折法交叉驗證是在樣本數量較少的前提下,將數據集隨機分為k個包,每次將其中一個包作為測試集,剩余的k-1個包作為訓練集進行訓練。訓練集與預測集的統計結果分別如表2、表3所示。由表可知,訓練集中交叉驗證識別準確率為100%,而未進行交叉驗證時,其識別準確率(即回判識別率,由于表格顯示內容有限,該指標未列出)仍為100%,表明該模型穩健、可靠;而預測集模型識別結果中,僅有一個非原產地紹興黃酒被誤判為山東黃酒,其他產地黃酒樣品識別率均為100%,預測集總體正確率可達94.4%;產生誤判的原因可能是非原產地的紹興黃酒樣品來源廣泛,導致其對應的歸屬區域較大,而LDA為線性判別分析,其不能很好的區分歸屬區域的邊界點。由此可知,采用LDA算法可以較好地用于對黃酒產地的判別。

3 結論

本研究采用GC-IMS對不同產地的黃酒樣品中的揮發性氣體成分進行了分析檢測,依據不同產地黃酒樣品的GC-IMS譜圖差異構建了反應紹興原產地黃酒的氣味指紋圖譜,并對不同產地的黃酒樣品進行了鑒別和分類。運用主成分分析和線性判別方法建立了不同產地黃酒樣品的判別模型。結果表明,校正集樣品產地識別率為100%,而預測集樣品中僅存在一個誤判樣品,預測集識別率可達94.4%。

建立地理標志紹興酒的檢測方法對原產地保護具有重要意義,而GC-IMS作為一種新的聯用技術,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合的優勢,可應用于食品、農產品中揮發出的痕量有機成分的定量、定性分析,具有無需樣品前處理、操作簡單以及快速無損的優勢,為黃酒的產地識別提供了一種新的檢測方法。