白酒中有機(jī)酸和醛類(lèi)的偏最小二乘回歸法定量分析模型

吉鑫，樊雙喜，李宜聰，鐘其頂*，陸瑋，李安軍，劉國(guó)英，黃艷，胡心行，葉方平

1(中國(guó)食品發(fā)酵工業(yè)研究院有限公司，北京，100015)2(全國(guó)食品發(fā)酵標(biāo)準(zhǔn)化中心，北京，100015) 3(安徽古井貢酒股份有限公司，安徽 亳州，236800)

白酒作為我國(guó)傳統(tǒng)的蒸餾酒，其獨(dú)特的釀造工藝經(jīng)傳承和改良，最終形成以糧谷為主要原料，以大曲、小曲或麩曲及酒母等為糖化發(fā)酵劑，經(jīng)蒸煮、糖化、發(fā)酵、蒸餾等工序制成的飲料酒[1]。白酒的主要成分為水和乙醇，作為白酒呈香呈味物質(zhì)，決定著白酒風(fēng)格和質(zhì)量的微量有機(jī)組分如有機(jī)酸、酯類(lèi)、醛類(lèi)和除乙醇外的醇類(lèi)等僅占總體積的2%左右[2]。2019年10月公布的《產(chǎn)業(yè)結(jié)構(gòu)調(diào)整指導(dǎo)目錄(2019年本)》較先前版本，取消了對(duì)白酒生產(chǎn)線的限制，此舉將推動(dòng)白酒行業(yè)的高質(zhì)量發(fā)展。隨著政策的放開(kāi)，白酒生產(chǎn)的準(zhǔn)入門(mén)檻就必然隨之提升，對(duì)白酒的安全、品質(zhì)，白酒生產(chǎn)、檢測(cè)技術(shù)以及人員的要求也將更嚴(yán)格。由于缺乏完善的質(zhì)量安全標(biāo)準(zhǔn)、準(zhǔn)確的食品真實(shí)性定義、精確高效的檢測(cè)技術(shù)手段、先進(jìn)的生產(chǎn)設(shè)施和完整的質(zhì)量體系等原因，白酒質(zhì)量安全控制以及真實(shí)性依然存在較大提升空間[3]。

特定特征組分分析技術(shù)應(yīng)用于白酒的摻假檢測(cè)是我國(guó)目前較為常用且發(fā)展相對(duì)成熟的技術(shù)手段，如氣相色譜法[4]、氣相色譜-質(zhì)譜分析法[5-6]、近紅外光譜法[7]和液相色譜法[8]等，可以對(duì)GB/T 10345—2007中所規(guī)定的白酒微量物質(zhì)和一些常見(jiàn)的揮發(fā)性香氣成分實(shí)現(xiàn)定性或精確定量檢測(cè)。然而上述檢測(cè)方法都是具有針對(duì)性的，如氣相色譜法主要用于白酒中揮發(fā)性物質(zhì)的測(cè)定，液相色譜法用于不易揮發(fā)物質(zhì)和大分子的測(cè)定。在應(yīng)對(duì)當(dāng)前白酒市場(chǎng)變化多樣的摻假物質(zhì)和造假手段時(shí)，傳統(tǒng)的分析方法由于無(wú)法檢測(cè)未知摻假物質(zhì)，存在一定的局限性，無(wú)法滿(mǎn)足高效、多維度的白酒快速檢測(cè)要求。

核磁共振波譜(nuclear magnetic resonance，NMR)首次作為定量分析的分析工具是在1963年由JUNGNICKEL等提出[9]。20世紀(jì)70年代初期，NMR開(kāi)始在食品科學(xué)領(lǐng)域發(fā)揮其優(yōu)勢(shì)。相比于其他傳統(tǒng)的分析方法，1H NMR技術(shù)不僅能夠?qū)崿F(xiàn)白酒樣品中所有質(zhì)子的無(wú)偏檢測(cè)，反映酒體成分的全部特征，而且能夠在1次實(shí)驗(yàn)中直接分析和檢測(cè)大量的樣品[10]、保持樣品的完整性，且操作簡(jiǎn)單快速，測(cè)量精確，重復(fù)性高。該技術(shù)已成功應(yīng)用于牛奶[11]、果汁[12]、蜂蜜[13]和葡萄酒[14]的成分分析和摻假鑒別。1H NMR圖譜中囊括了大量已知和未知的有機(jī)化合物特征信息，通過(guò)統(tǒng)計(jì)分析手段對(duì)白酒1H NMR圖譜中的信息進(jìn)行深入挖掘，抽取有效的數(shù)據(jù)信息，不僅有利于對(duì)于未知化合物的結(jié)構(gòu)解析，而且NMR信號(hào)能夠提供有機(jī)酸、酚類(lèi)、氨基酸等高通量數(shù)據(jù)依據(jù)。在強(qiáng)波譜重疊的情況下，較為常用的統(tǒng)計(jì)學(xué)手段是偏最小二乘回歸(partial least squares regression，PLSR)分析模型，如NMR技術(shù)結(jié)合PLSR已成功應(yīng)用于啤酒中麥汁濃度、乙醇和有機(jī)酸的定量分析[10，15]。以上研究為白酒中微量組分的NMR定量研究提供了一定的參考依據(jù)。由于白酒基質(zhì)復(fù)雜，采用定量NMR技術(shù)直接對(duì)白酒樣品進(jìn)行積分定量時(shí)，靈敏度不足、信號(hào)峰重疊和溶劑峰壓制技術(shù)造成臨近信號(hào)被隱藏等問(wèn)題，導(dǎo)致無(wú)法實(shí)現(xiàn)白酒中有機(jī)酸和醛類(lèi)的準(zhǔn)確定量。基于上述原因，NMR技術(shù)在白酒中的應(yīng)用研究基本上還處于空白階段。

為突破以上技術(shù)難點(diǎn)與不足，本研究擬采用1H NMR技術(shù)結(jié)合PLSR分析方法從復(fù)雜的波譜中提取有效的特征定量信息，建立白酒中有機(jī)酸和醛類(lèi)的PLSR定量分析模型，實(shí)現(xiàn)白酒中有機(jī)酸和醛類(lèi)的準(zhǔn)確測(cè)定，為非目標(biāo)1H NMR指紋圖譜技術(shù)應(yīng)用于食品質(zhì)量安全與真實(shí)性研究奠定良好的基礎(chǔ)。

1 材料與方法

1.1 材料與試劑

實(shí)驗(yàn)所用白酒樣品均由白酒企業(yè)提供，共計(jì)77個(gè)，其中濃香型白酒29個(gè)，馥郁香型白酒48個(gè)。疊氮化鈉(NaN3)(高純級(jí))，北京博奧拓達(dá)科技有限公司；3-(trimethylsilyl)-propionate acid-d 4(TSP)標(biāo)準(zhǔn)品，安諾倫(北京)生物科技有限公司；H3PO4、KH2PO4、HCl、NaOH(分析純)，北京化工廠；重水(D2O)(99%)、丙酸、己酸、2-乙基丁酸、乙縮醛標(biāo)準(zhǔn)品，Sigma-Aldrich公司；緩沖液Technical(pH 2.00、4.01、7.00)，瑞士Mettler-Toledo公司；無(wú)水乙醇(分析純)，天津市大茂化學(xué)試劑廠；乙酸標(biāo)準(zhǔn)品，北京百靈威科技有限公司；丁酸標(biāo)準(zhǔn)品，上海安譜實(shí)驗(yàn)科技有限公司；戊酸、異戊酸、異戊醛標(biāo)準(zhǔn)品，梯希愛(ài)(上海)化成工業(yè)發(fā)展有限公司；40%乙醛，福晨(天津)化學(xué)試劑有限公司。

1.2 儀器與設(shè)備

Bruker Avance Ⅲ HD 400 MHz波譜儀、Bruker自動(dòng)進(jìn)樣器(SampleJet)、Bruker SampleJet 5 mm高通量核磁管，德國(guó)Bruker Biospin公司；AB204-N 萬(wàn)分之一天平、S210 pH計(jì)、InLab?Science pH電極，瑞士Mettler-Toledo公司；島津GC 2010氣相色譜儀、氫火焰離子化檢測(cè)器，日本島津公司。

1.3 實(shí)驗(yàn)方法

1.3.1 NMR樣品制備

用移液槍準(zhǔn)確吸取100 μL樣品緩沖溶液[16]于樣品管，加入900 μL白酒樣品溶液，用1 mol/L NaOH和1 mol/L HCl將樣品pH精確調(diào)節(jié)至4.0(± 0.02 pH單位)，混合均勻后吸取600 μL于5 mm NMR管中，用于NMR測(cè)定。

1.3.2 基礎(chǔ)數(shù)據(jù)的獲得

1.3.2.1 氣相色譜法

采用直接進(jìn)樣氣相色譜內(nèi)標(biāo)法對(duì)白酒樣品中有機(jī)酸和酯類(lèi)的含量進(jìn)行測(cè)定。色譜柱為聚乙二醇毛細(xì)管柱(60 m×0.25 mm，0.15 μm膜厚)；升溫程序?yàn)槌鯗?5 ℃，保持1 min，以3.0 ℃/min升到70 ℃，以3.5 ℃/min升到180 ℃，再以15 ℃/min升到210 ℃，保持15 min；檢測(cè)器溫度為300 ℃；進(jìn)樣口溫度為280 ℃；載氣為He，流速1 mL/min；分流比20∶1；進(jìn)樣量1.0 μL。

1.3.2.2 核磁共振波譜法

實(shí)驗(yàn)所采用的1H NMR的共振頻率為400.13 MHz，配備5 mm BBI探頭；譜寬(SW)為20.552 4；采樣點(diǎn)數(shù)(TD)為65 536；接收增益(RG)為16；掃描次數(shù)(NS)為64，弛豫延遲(D1)為4 s；以3-(三甲基硅基)氘代丙酸鈉(TSP，δ=0)作為化學(xué)位移的零點(diǎn)。Bruker標(biāo)準(zhǔn)的脈沖序列(NOESYGPPS 1D)用于水(δ=4.8)和乙醇(δ=1.18和δ=3.64)的信號(hào)抑制。設(shè)定儀器檢測(cè)溫度為300 K，樣品檢測(cè)前需等待5 min以穩(wěn)定檢測(cè)溫度，調(diào)節(jié)樣品pH=4.0±0.02。

1.3.31H NMR數(shù)據(jù)質(zhì)量控制

由于采用標(biāo)準(zhǔn)的脈沖序列(NOESYGPPS 1D)用于水和乙醇的信號(hào)壓制，白酒中有機(jī)酸和醛類(lèi)成分的信號(hào)強(qiáng)度得到了明顯的提高。將所有白酒樣品的NMR氫譜疊加，進(jìn)一步檢查可能由于水和乙醇信號(hào)的抑制不當(dāng)、pH調(diào)節(jié)不準(zhǔn)確、系統(tǒng)誤差或其他原因?qū)е碌淖V圖基線偏移現(xiàn)象[17]。對(duì)每個(gè)樣品重復(fù)測(cè)定3次，以保證數(shù)據(jù)質(zhì)量的可靠性。

1.3.4 核磁共振波譜預(yù)處理

采用合適的波譜預(yù)處理方法，能夠有效地減少1H NMR圖譜峰漂移、基線不平、峰形不對(duì)稱(chēng)和溶劑峰干擾等引起的數(shù)據(jù)波動(dòng)問(wèn)題。目前造成核磁信號(hào)偏移的原因主要包括儀器本身波動(dòng)、質(zhì)量濃度、溫度以及pH大小等。白酒1H NMR圖譜中一些特征信號(hào)峰的化學(xué)位移出現(xiàn)偏移，將會(huì)導(dǎo)致PLSR模型樣本錯(cuò)誤的分組，因此，采用適當(dāng)?shù)姆寤瘜W(xué)位移偏移校正對(duì)齊方法對(duì)隨后的多元變量統(tǒng)計(jì)分析相當(dāng)重要[18]。為了解決上述問(wèn)題，本研究使用了MestReNova核磁共振數(shù)據(jù)分析軟件(美國(guó) Mestrelab Research SL公司)的分段對(duì)齊方法，靈活選擇峰化學(xué)位移校正對(duì)齊的區(qū)域。圖1-a為分段對(duì)齊前，分段對(duì)齊后的圖譜如圖1-b所示。由圖1可知，分段對(duì)齊方法較好解決了1H NMR圖譜峰化學(xué)位移的偏移問(wèn)題。

a-分段對(duì)齊前;b-分段對(duì)齊后圖1 白酒1H NMR圖譜特征峰化學(xué)位移分段對(duì)齊校正Fig.1 Alignment correction of chemical shift of characteristic peaks in Baijiu 1H NMR spectrum

TOMASI等[19]提出了一種改進(jìn)的icoshift算法有效地解決了1H NMR信號(hào)波動(dòng)的問(wèn)題，能夠?qū)ξ⑿〉男盘?hào)進(jìn)行調(diào)整。ESSLINGER等[20]認(rèn)為目前用來(lái)減小1H NMR圖譜數(shù)據(jù)波動(dòng)最有效的手段是Bucket或者Bins，該方法的原理是將1H NMR圖譜切割為許多很小的一定區(qū)域的盒子(Bucket)。其優(yōu)點(diǎn)是能夠重新產(chǎn)生一個(gè)代表原始1H NMR的新圖譜，同時(shí)該圖譜所包含的數(shù)據(jù)點(diǎn)的數(shù)量有所減少，便于后續(xù)的統(tǒng)計(jì)分析。然而缺點(diǎn)是與原始NMR圖譜相比較會(huì)造成一定數(shù)量有效信息的缺失。

采用MestReNova核磁共振數(shù)據(jù)分析軟件對(duì)NMR原始波譜進(jìn)行定標(biāo)、相位校正、基線校正、峰化學(xué)位移對(duì)齊和分段積分處理。分別選取0.01，0.015，0.02，0.025，0.03，0.035 和0.04 ppm作為每個(gè)分段積分的區(qū)域(Bins)寬度的取值，研究結(jié)果表明，0.01 ppm能夠保持足夠的數(shù)據(jù)分辨率以及能夠最大限度地減少圖譜信息的損失。因此，以每0.01 ppm作為區(qū)間對(duì)白酒1H NMR全譜的有效區(qū)域進(jìn)行劃分。去除水信號(hào)和乙醇信號(hào)殘余峰所在區(qū)域，分段積分的有效區(qū)域?yàn)?.8～9.5 ppm，分段積分后大約能夠獲得700個(gè)分段積分值，這些分段積分值隨即作為統(tǒng)計(jì)分析的輸入變量。

1.3.5 偏最小二乘回歸分析

PLSR作為一種高效抽提信息的方法，在建模過(guò)程中集合了主成分回歸、多元線性回歸方法的優(yōu)點(diǎn)，研究多因變量對(duì)多自變量的回歸建模，尤其是對(duì)解決各變量?jī)?nèi)部高度線性相關(guān)、樣本個(gè)數(shù)少于變量個(gè)數(shù)等問(wèn)題較為有效，使得到的譜向量與分析物濃度直接相關(guān)[21]。

本研究以每0.01 ppm作為區(qū)間對(duì)白酒1H NMR全譜的有效區(qū)域進(jìn)行劃分，并以此作為自變量矩陣，以GC所得白酒中微量組分含量結(jié)果為因變量矩陣，分別對(duì)矩陣和進(jìn)行分解，如公式(1)、公式(2)所示：

X=TPT+EX

(1)

Y=UQT+EY

(2)

式中：T和U分別為X和Y的得分矩陣，P和Q分別為X和Y的載荷矩陣，EX和EY分別為X和Y的擬合殘差矩陣。

將T和U做線性回歸，如公式(3)所示：

U=TB+EU

(3)

式中：B是U與I的線性回歸系數(shù)，即Y與X得分矩陣間的線性回歸系數(shù)；EU為誤差項(xiàng)。

在預(yù)測(cè)時(shí)，對(duì)于未知樣品光譜陣Xpred，對(duì)應(yīng)的各成分含量陣Ypred，如公式(4)所示：

Ypred=TpredBQ

(4)

2 結(jié)果與分析

2.1 PLSR模型中主成分?jǐn)?shù)的選擇

主成分?jǐn)?shù)的選擇是PLSR建模的關(guān)鍵，若選取的主成分個(gè)數(shù)過(guò)多，與響應(yīng)無(wú)關(guān)的變量產(chǎn)生的背景噪聲會(huì)導(dǎo)致模型過(guò)擬合，影響對(duì)統(tǒng)計(jì)趨勢(shì)的認(rèn)識(shí)，降低預(yù)測(cè)能力；若選取的主成分個(gè)數(shù)過(guò)少，則不能充分反映樣品信息，導(dǎo)致模型擬合不充分，預(yù)測(cè)準(zhǔn)確性降低。本研究通過(guò)主成分對(duì)各變量的累積貢獻(xiàn)率和留一交叉驗(yàn)證中各主成分?jǐn)?shù)的校正標(biāo)準(zhǔn)差(the standard deviation of prediction，RMSECV)綜合考慮選取建立PLSR的主成分?jǐn)?shù)。以己酸為例，選取若干個(gè)主成分分別進(jìn)行PLSR建模，主成分累積貢獻(xiàn)率和RMSECV隨主成分個(gè)數(shù)的變化規(guī)律如圖2和圖3所示。由圖2和圖3可知，隨著主成分個(gè)數(shù)的增加，RMSECV值逐漸降低，累計(jì)解釋方差逐漸增加。當(dāng)主成分個(gè)數(shù)是12時(shí)，RMSECV值相對(duì)最小，主成分對(duì)自變量和因變量的累積貢獻(xiàn)率均大于85%，且自變量X矩陣?yán)塾?jì)解釋的方差基本保持不變。因此，綜合考慮主成分累積貢獻(xiàn)率和RMSECV，選取最佳主成分個(gè)數(shù)12進(jìn)行PLSR建模。

圖2 主成分累積貢獻(xiàn)率隨主成分個(gè)數(shù)的變化規(guī)律Fig.2 Variation of cumulative contribution rate of principal components with the number of principal components

圖3 交叉驗(yàn)證的校正標(biāo)準(zhǔn)差隨主成分個(gè)數(shù)的變化規(guī)律Fig.3 Variation of RMSECV with the number of principal components

根據(jù)上述原理分別對(duì)白酒中有機(jī)酸(乙酸、丙酸、丁酸、戊酸、己酸和異戊酸)和醛類(lèi)(乙醛、乙縮醛和異戊醛)的主成分?jǐn)?shù)進(jìn)行選擇，建立PLSR定量分析模型，結(jié)果如表1所示。

表1 PLSR定量分析模型主成分?jǐn)?shù)Table 1 The number of principal components of PLSR quantitative analysis model

2.2 白酒中有機(jī)酸和醛類(lèi)的預(yù)測(cè)模型

在上述實(shí)驗(yàn)方法的基礎(chǔ)上，分別建立白酒中有機(jī)酸和醛類(lèi)的PLSR預(yù)測(cè)模型，模型預(yù)測(cè)效果如圖4所示，縱坐標(biāo)為白酒中各組分含量的預(yù)測(cè)值，橫坐標(biāo)為氣相色譜法所得的白酒中各組分測(cè)定值。由圖4可知，各組分的測(cè)定值與預(yù)測(cè)值點(diǎn)呈對(duì)角線分布，預(yù)測(cè)值與測(cè)定值線性關(guān)系良好，表明該模型的擬合效果和預(yù)測(cè)效果較好。

a-乙酸；b-丙酸；c-丁酸；d-戊酸；e-己酸；f-異戊酸；g-乙醛；h-乙縮醛；i-異戊酸圖4 白酒中有機(jī)酸和醛類(lèi)的PLSR定量分析模型預(yù)測(cè)結(jié)果Fig.4 Results of PLSR quantitative analysis model of organic acids and aldehydes in Baijiu

2.3 白酒中有機(jī)酸和醛類(lèi)的預(yù)測(cè)模型評(píng)價(jià)

預(yù)測(cè)模型的質(zhì)量通常需要通過(guò)建立預(yù)測(cè)值與測(cè)定值之間的關(guān)系進(jìn)行評(píng)價(jià)，常用的模型評(píng)價(jià)參數(shù)為決定系數(shù)(R2)、預(yù)測(cè)標(biāo)準(zhǔn)偏差(RMSEP)和誤差范圍比(residual predictive deviation，RPD)等，計(jì)算公式(5)～公式(7)如下：

(5)

(6)

(7)

以每0.01 ppm作為區(qū)間對(duì)白酒1H NMR全譜的有效區(qū)域進(jìn)行劃分，并以此作為自變量；以氣相色譜法所得白酒中組分濃度測(cè)定結(jié)果為因變量，建立白酒中有機(jī)酸和醛類(lèi)的PLSR預(yù)測(cè)模型，模型計(jì)算結(jié)果如表2所示。由表2可知，白酒中乙酸、丙酸、丁酸、戊酸、己酸、異戊酸、乙醛、乙縮醛和異戊醛的R2分別為0.926 0、 0.985 8、 0.989 9、 0.993 5、 0.982 7、 0.982 5、 0.978 0、 0.994 1和 0.947 5，RMSEP范圍為0.128 7～0.633 3(<0.7)，RPD 3.7，回歸效果較好，預(yù)測(cè)精度高。

表2 白酒中有機(jī)酸和醛類(lèi)PLSR定量分析模型Table 2 PLSR quantitative analysis model of organic acids and aldehydes in Baijiu

2.4 回歸系數(shù)顯著性檢驗(yàn)

由于偏最小二乘法的回歸系數(shù)方差無(wú)法得到準(zhǔn)確的無(wú)偏估計(jì)，故采用Jack-knife方法進(jìn)行方差估計(jì)，通過(guò)計(jì)算βi對(duì)應(yīng)的t統(tǒng)計(jì)量(服從自由度為建模使用的成分個(gè)數(shù)的t分布)，進(jìn)行均值是否為零的假設(shè)檢驗(yàn)，Jack-knife方法進(jìn)行方差估計(jì)的表達(dá)式如公式(8)所示[23]：

(8)

對(duì)回歸系數(shù)進(jìn)行相應(yīng)計(jì)算，判斷并挑選出對(duì)白酒中微量關(guān)鍵有機(jī)組分含量預(yù)測(cè)有顯著影響的變量，從而篩選出1H NMR圖譜中用于區(qū)分各微量組分的特征信號(hào)區(qū)域。表3總結(jié)了PLSR定量分析模型中與白酒中有機(jī)酸和醛類(lèi)含量具有顯著相關(guān)性的1H NMR信號(hào)區(qū)域，可以看出除丙酸和己酸，各組分的PLSR最佳預(yù)測(cè)區(qū)間全部位于脂肪族區(qū)(0.25～3.00 ppm)和中場(chǎng)區(qū)(3.00～6.00 ppm)。結(jié)合白酒中有機(jī)酸和醛類(lèi)的信號(hào)峰歸屬，由表4可知，除丙酸、異戊酸和乙醛外，各組分的PLSR最佳預(yù)測(cè)區(qū)間均包含該化合物特征峰的化學(xué)位移區(qū)段，例如對(duì)乙酸含量預(yù)測(cè)有極顯著影響的信號(hào)區(qū)域包含乙酸的甲基質(zhì)子信號(hào)(δH2.08)區(qū)域，而根據(jù)白酒釀造過(guò)程，對(duì)乙酸含量預(yù)測(cè)有極顯著影響的4.11～4.15 ppm區(qū)域可能與乙酸乙酯亞甲基質(zhì)子信號(hào)(δH4.12)相關(guān)。對(duì)丙酸含量預(yù)測(cè)有極顯著影響的信號(hào)區(qū)域共有12個(gè)，根據(jù)人類(lèi)代謝組數(shù)據(jù)庫(kù)和丙酸加標(biāo)實(shí)驗(yàn)可知，由于丙酸的甲基質(zhì)子信號(hào)(δH1.16)區(qū)域與乙醇甲基質(zhì)子信號(hào)區(qū)域重疊，故此區(qū)域未計(jì)入預(yù)測(cè)模型。然而，以上12個(gè)區(qū)域均未包含丙酸的亞甲基質(zhì)子共振信號(hào)，卻呈現(xiàn)了最佳的PLSR預(yù)測(cè)模型。同樣，對(duì)異戊酸含量預(yù)測(cè)有極顯著影響的5個(gè)信號(hào)區(qū)域不含異戊酸質(zhì)子信號(hào)特征峰化學(xué)位移，且其中3.02～3.09 ppm和3.20～3.27 ppm與異戊酸含量呈負(fù)相關(guān)關(guān)系。因此，根據(jù)以上結(jié)果推斷PLSR預(yù)測(cè)模型不僅僅依賴(lài)于分析物本身的結(jié)構(gòu)特征，還可能來(lái)源于其他因素，例如，通過(guò)多元統(tǒng)計(jì)學(xué)確定出與分析物含量呈共線關(guān)系的其他化合物的化學(xué)位移，可能為白酒中分析物形成機(jī)理的過(guò)渡或補(bǔ)充反應(yīng)產(chǎn)物的質(zhì)子信號(hào)區(qū)域[24]。

表3 回歸系數(shù)顯著性統(tǒng)計(jì)表Table 3 Table of significance of regression coefficient

續(xù)表3

表4 白酒中有機(jī)酸、醛類(lèi)和酯類(lèi)的信號(hào)峰歸屬Table 4 Signal peak attribution of organic acids and aldehydes in Baijiu

3 結(jié)論

本研究采用1H NMR技術(shù)作為檢測(cè)手段，結(jié)合偏最小二乘回歸分析方法，建立白酒中6種有機(jī)酸(乙酸、丙酸、丁酸、戊酸、己酸和異戊酸)和3種醛類(lèi)(乙醛、乙縮醛和異戊醛)PLSR定量分析預(yù)測(cè)模型。有機(jī)酸和醛類(lèi)的PLSR預(yù)測(cè)模型的R2為0.93～0.99，RMSEP<0.7，RPD 3.7。將NMR PLSR模型預(yù)測(cè)結(jié)果與氣相色譜法進(jìn)行對(duì)比分析，以各分析物的氣相色譜方法測(cè)定結(jié)果為橫坐標(biāo)，以NMR PLSR模型預(yù)測(cè)結(jié)果為縱坐標(biāo)做線性回歸，發(fā)現(xiàn)各組分的氣相色譜方法測(cè)定值與NMR PLSR預(yù)測(cè)值點(diǎn)呈對(duì)角線均勻分布，線性關(guān)系良好(R2均>0.92)，氣相色譜法和NMR PLSR預(yù)測(cè)結(jié)果誤差在±8%以?xún)?nèi)，滿(mǎn)足方法可行性對(duì)比分析驗(yàn)證要求。研究表明NMR PLSR定量預(yù)測(cè)模型可用于白酒中6種有機(jī)酸(乙酸、丙酸、丁酸、戊酸、己酸和異戊酸)和3種醛類(lèi)(乙醛、乙縮醛和異戊醛)的快速、準(zhǔn)確定量分析，模型擬合效果好、預(yù)測(cè)精度較高，可推廣應(yīng)用于白酒或其他重要食品中微量有機(jī)組分(酯類(lèi)、糖類(lèi)、氨基酸等)的定量檢測(cè)，具有廣泛的適用性。

PLSR定量分析預(yù)測(cè)模型的建立解決了當(dāng)前1H NMR定量分析方法在白酒基質(zhì)中信號(hào)靈敏度不足、信號(hào)峰重疊嚴(yán)重等問(wèn)題，為白酒質(zhì)量安全控制提供了技術(shù)支撐，有利于滿(mǎn)足白酒企業(yè)對(duì)產(chǎn)品質(zhì)量把控和政府相關(guān)部門(mén)對(duì)市場(chǎng)監(jiān)管的需要，為開(kāi)發(fā)基于1H NMR指紋圖譜的非目標(biāo)白酒真實(shí)性鑒別方法和模型奠定了基礎(chǔ)。