基于仿生技術對薏苡仁麩炒過程中色澤氣味變化研究

陳 鵬，肖曉燕，梅 茜，李 林，毛春芹，劉明貴，陸兔林*，徐蔥蘢*

·藥劑與工藝·

基于仿生技術對薏苡仁麩炒過程中色澤氣味變化研究

陳 鵬1，肖曉燕1，梅 茜1，李 林1，毛春芹1，劉明貴2，陸兔林1*，徐蔥蘢2*

1. 南京中醫藥大學藥學院，江蘇 南京 210023 2. 江西景德中藥股份有限公司，江西 樂平 333302

對薏苡仁麩炒過程中的色澤與氣味進行客觀量化并對色澤與氣味的變化特征進行研究。采用CM-5型分光測色計（電子眼）及Heracles NEO超快速氣相電子鼻技術，并通過判別分析、主成分分析（principal component analysis，PCA）、判別因子分析（discriminant factor analysis，DFA）、風味熱圖等方法對獲取數據進行處理分析。隨著炮制程度的加深，薏苡仁外觀色澤整體上呈現變暗（L值不斷降低）、變紅（a值不斷增加）、變黃（b值不斷增加）的變化趨勢，基于粉末色度值L、a、b所構建的判別函數實現了生薏苡仁及不同炮制程度麩炒薏苡仁飲片的區分。薏苡仁固有及在麩炒過程中共檢測出34種揮發性氣味物質，隨著炮制程度的加深，揮發性氣味物質的豐富度不斷提高。熱圖分析結果表明1-丁烯、2-丁烯、丙烯醛、乙硫醇、2-丁醇、乙偶姻、1,4-二氧六環、丙二醇、1-甲基-1-吡咯、甲基環己烯、丁酸乙酯、丁基二甲硫醚、糠醇、辛內酯14種成分在薏苡仁麩炒過程中變化最為明顯。PCA與DFA均可實現生薏苡仁及不同炮制程度麩炒薏苡仁飲片的區分。通過電子眼、電子鼻仿生技術對薏苡仁麩炒過程中色澤與氣味變化進行研究，為基于性狀進行中藥炮制研究提供了新的方法與思路。

麩炒薏苡仁；電子眼；超快速氣相電子鼻；色澤；氣味；炮制；判別分析；主成分分析；判別因子分析；丁烯；丙烯醛；乙硫醇；乙偶姻

薏苡仁為禾本科薏苡屬植物薏米L. var.(Roman.) Stapf的干燥成熟種仁[1]，始載于《神農本草經》，被列為上品，薏苡仁性涼，味甘、淡，歸脾、胃、肺經，具有利水滲濕、健脾止瀉等功能，可用于水腫、腳氣、小便不利等病癥[2-6]。薏苡仁常見炮制方法有清炒[7]、糯米炒[8]、土炒[9]、姜汁炙[10]、鹽制[11]等。目前《中國藥典》2020年版所收載薏苡仁炮制品種包括薏苡仁與麩炒薏苡仁。薏苡仁經麩炒處理，其性味歸經從微寒變為性微溫；歸脾、胃、肺經變為歸脾、肺、肝、腎經；祛除了寒涼之性，其功效由利水滲濕轉為利水祛濕[12]。除性味歸經及功效上的改變，麩炒薏苡仁飲片在炮制過程中色澤與氣味也發生了明顯的改變，但目前并無相關研究及文獻報道。

色澤與氣味作為中藥飲片性狀特征的主要指標，是反映中藥飲片質量的重要信號，傳統的色澤與氣味判別多以人工為主，易受多種外界因素（如視覺、嗅覺、生理、心理等因素）的影響而存在主觀性過大的缺點[13-15]。隨著科學技術的不斷發展，仿生技術作為一種新型的質量評價手段已逐步應用于中藥領域的研究，其中電子鼻與電子眼是最常用的2種手段[16-17]。

電子眼是一種識別、分析樣品視覺信息的檢測儀器，以國際照明委員會（International Commission on Illumination，CIE）色度空間系統為基礎，可在條件相同的光源下引入明暗度（L）、紅綠色（a）、黃藍色（b）3個指標對物體顏色進行客觀量化，在中藥材的采收[18]、基原鑒別[19]、質量評價[20]、真偽判斷[21]方面均有應用。電子鼻，又稱人工嗅覺系統，超快速氣相電子鼻，作為一種新型的氣味分析儀器，可實現定性或定量分析不同的氣體樣本，亦可將測得的氣味成分定性，甚至濃度量化建模，具有檢測靈敏和分析時間極短等優勢，已廣泛用于食品風味檢測，品質品級分析以及中藥氣味物質基礎等研究[22-24]。

本實驗通過采用CM-5型分光測色儀（電子眼）及Heracles NEO超快速氣相電子鼻技術，對薏苡仁麩炒過程中色澤與氣味信息進行客觀量化并分析其變化規律，初步建立生薏苡仁及不同炮制程度麩炒薏苡仁飲片質量評價模型，為今后麩炒薏苡仁飲片內在成分與外在性狀的關聯性研究提供參考依據，以期實現麩炒薏苡仁炮制終點的確定并為今后大生產、大流通中的在線檢測控制提供參考。

1 儀器與材料

1.1 儀器

CM-5型分光測色計，日本柯尼卡美能達有限公司，KONICA MINOLTA型；Heracles NEO型超快速氣相電子鼻，法國Alpha MOS公司，配備PAL RSI型全自動頂空進樣儀；HL-250型高速多功能粉碎機，上海塞耐機械有限公司；FA1104N型電子天平，上海菁海儀器有限公司；DHG-9140A型電熱恒溫鼓風干燥箱，上海精宏實驗設備有限公司；C21-SN216型多功能電磁爐，廣東美的生活電器制造有限公司；TM750型紅外測溫儀，深圳市泰克曼電子有限公司。

1.2 試劑與藥材

正構烷烴C6～C16混合對照品，美國RESTEK公司，批號A10142930；麥麩，江西省南城縣建洪中藥飲片廠，批號201216；15批薏苡仁收集于安徽、貴州、云南、福建等7個產地，經南京中醫藥大學藥學院陳建偉教授鑒定為禾本科薏苡屬植物薏米L. var.(Roman.) Stapf的干燥成熟種仁，分別編號S1～S15，具體見表1。

表1 薏苡仁樣品信息

Table 1 Information of CoicisSemen samples

編號批號產地編號批號產地 S121040101安徽S9201812福建 S221040201安徽S1020170406云南 S320070403黑龍江S1120190101云南 S420090301黑龍江S12200906廣東 S5202101貴州S13200807廣東 S6202005貴州S141911104江蘇 S7201911福建S151011021江蘇 S8202007福建

2 方法

2.1 不同炮制程度麩炒薏苡仁飲片的制備

參照《中國藥典》2020年版一部薏苡仁項下收載麩炒薏苡仁炮制方法[1]，以單國順[25]研究確定的麩炒薏苡仁炮制工藝作為參考，選用所收集的15批薏苡仁分別制備不同炮制程度麩炒薏苡仁飲片各15批次，供實驗研究用。不同炮制程度麩炒薏苡仁飲片制備工藝具體參數：炮制不及（S16～S30）：炮制溫度210～220 ℃，炮制時間30 s，投麩量100∶20；炮制適中（S31～S45）：炮制溫度210～220 ℃，炮制時間60 s，投麩量100∶20；炮制太過（S46～S60）：炮制溫度210～220 ℃，炮制時間90 s，投麩量100∶20。結果見圖1。

2.2 基于電子眼的色澤分析

2.2.1 樣品制備 將薏苡仁與不同炮制程度麩炒薏苡仁飲片（炮制不及、炮制適中、炮制太過）分別粉碎，過三號篩，備用。

圖1 薏苡仁與不同炮制程度 (炮制不及、炮制適中、炮制太過) 麩炒薏苡仁飲片

2.2.2 測量條件 測定光源D65，測定試場10°，視角測量口徑為3 mm，測量波長范圍360～740 nm，測量波長間隔10 nm，照明光源脈沖氙燈，SCE模式（不包含鏡面反射光），30 mm，對儀器進行零校正（放置透明片、黑筒）與用戶校正（放置透明片、白板）。

2.2.3 樣品檢測 取樣品粉末適量（4.0 g），均勻平鋪在測試皿內，測定，記錄色度值（L、a、b，其中L值越大表示顏色越亮淺、a值越大表示顏色越偏紅、b值越大表示顏色越偏黃[26]）。

2.2.4 精密度試驗 取樣品粉末（編號S1）適量（4.0 g），按“2.2.3”項下方法連續測定6次，記錄L、a、b值。結果，上述色度值的RSD為0.87%～1.13%，表明方法精密度良好。

2.2.5 重復性試驗 取樣品粉末（編號S1）適量（4.0 g），按“2.2.3”項下方法連續測定6次，記錄L、a、b值。結果，上述色度值的RSD為0.64%～1.09%，表明該方法重復性良好。

2.2.6 穩定性試驗 取樣品粉末（編號S1）適量（4.0 g），按“2.2.3”項下方法，分別在室溫下放置0、2、4、6、8、10、12、24 h時進行測定L、a、b值。結果，上述色度值的RSD為1.17%～2.31%，表明樣品在室溫下放置24 h內穩定性良好。

2.2.7 數據采集與處理 色澤采集軟件為Spectra Magic NX，采用CIELab色空間系統，采用SPSS 26.0統計學軟件與Origin函數繪圖軟件進行數據分析。

2.2.8 樣品色度值測定結果 參照“2.2.4”項下方法，采用電子眼對薏苡仁與不同炮制程度麩炒薏苡仁飲片粉末色度值進行測定，每份樣品重復測量3次并記錄平均值，結果見表2。

2.2.9 秩和檢驗與秩相關性分析 將所收集的生薏苡仁與麩炒薏苡仁飲片分為4大類：I類為薏苡仁，II類為麩炒薏苡仁（炮制不及），III類為麩炒薏苡仁（炮制適中），IV類為麩炒薏苡仁（炮制太過）。通過表3 Kruskal-Wallis秩和檢驗結果可知，L、a、b的值均小于0.01，均拒絕原假設，證明樣品粉末色度值L、a、b的分布不同，即樣品色度值L、a、b均可按照樣品類別明顯分為4類。再將樣品粉末色度值L、a、b作為變量分別與分組類別進行秩相關性檢驗。根據Spearman檢驗結果可知，樣品粉末色度值L、a、b與分組類別之間存在顯著相關性（＜0.01），結果見表4。

表2 薏苡仁與不同炮制程度麩炒薏苡仁飲片粉末色度值 (n = 60)

Table 2 Color value of CoicisSemen and different processing degrees of CoicisSemen bran fried decoction pieces (n = 60)

樣品L*a*b*樣品L*a*b*樣品L*a*b*樣品L*a*b*樣品L*a*b* S182.930.9311.39S1383.950.7210.68S2580.592.0115.14S3777.072.9114.82S4959.985.6517.06 S283.090.8611.42S1484.030.7210.55S2680.822.0715.00S3877.062.9214.81S5060.066.1317.69 S382.920.8211.01S1582.870.8610.90S2780.642.0815.25S3976.842.9714.97S5160.575.5917.06 S482.880.8110.99S1681.021.9115.43S2880.851.9715.32S4076.872.9314.95S5260.705.5717.00 S582.631.1611.83S1781.142.1515.21S2980.681.9915.17S4177.012.9714.93S5359.606.2717.84 S684.811.0612.09S1880.912.0915.02S3080.372.0314.97S4278.182.6413.72S5459.236.3617.90 S784.801.0512.10S1980.882.1415.12S3177.462.9414.93S4378.482.6913.41S5560.536.4018.30 S882.301.1511.70S2080.882.1315.01S3275.532.9014.18S4479.222.9114.27S5660.236.4218.08 S982.980.7810.99S2180.622.0315.13S3375.532.8914.16S4577.332.9514.77S5760.386.4818.14 S1083.490.9410.94S2280.832.1115.00S3475.792.7514.10S4660.575.6217.11S5859.765.6217.00 S1182.581.2312.34S2380.691.9615.10S3575.782.7414.12S4760.315.6617.08S5959.335.7017.01 S1282.191.1211.62S2480.902.1514.99S3677.052.9314.82S4860.746.4418.38S6059.486.3217.84

表3 Kruskal-Wallis H秩和檢驗

Table 3 Kruskal-Wallis H test

組別原假設顯著性 L*在樣品類別中，L*的分布相同P＜0.01 a*在樣品類別中，a*的分布相同P＜0.01 b*在樣品類別中，b*的分布相同P＜0.01

表4 秩相關性檢驗

Table 4 Rank correlation test

方法顯著性 L*a*b* SpearmanP＜0.01P＜0.01P＜0.01

2.2.10 判別分析 根據“2.2.9”項所得結果，選用“2.2.9”項分類情況作為分組變量，選擇薏苡仁與不同炮制麩炒薏苡仁飲片粉末色度值L、a、b作為自變量，將收集到的60組相關數據作為訓練樣本，通過統計學分析建立區分薏苡仁與不同炮制程度麩炒薏苡仁飲片的判別函數并對數據進行交叉驗證。

本研究共建立了區分生薏苡仁與不同炮制程度麩炒薏苡仁飲片典則判別函數與專屬性判別函數。典則判別函數包含3個判別函數式：函數1（類別＝1.048*－3.712*＋0.857*－80.388），函數2（類別＝?0.161*－4.134*＋3.355*－24.698），函數3（類別＝0.892*＋5.234*－0.920*－69.218）。基于上述3個判別函數式通過Origin函數繪圖軟件構建薏苡仁與不同炮制程度麩炒薏苡仁飲片典則判別三維散點圖，由圖2可知所構建典則判別函數可實現薏苡仁與不同炮制程度麩炒薏苡仁飲片的區分。專屬性判別函數包含4個判別函數式：薏苡仁＝155.819*－73.394*＋86.783*－6 944.386；麩炒薏苡仁（炮制不及）＝150.996*－94.469*＋111.879*－6 849.713；麩炒薏苡仁（炮制適中）＝145.233*－38.011*＋87.340*－6 170.924；麩炒薏苡仁（炮制太過）＝115.879*＋53.093*＋66.178*－4 224.359，通過上述函數式可實現對薏苡仁及不同炮制程度麩炒薏苡仁飲片的定性鑒別。同時，對所收集數據進行交叉驗證的判別率達100.00%，結果見表5。

I-生薏苡仁 II-麩炒薏苡仁（炮制不及） III-麩炒薏苡仁（炮制適中） IV-麩炒薏苡仁（炮制太過），圖3、6～8、10同

表5 薏苡仁與不同炮制麩炒薏苡仁交叉驗證

Table 5 Cross-validation of CoicisSemen and different processing degrees of CoicisSemen bran fried decoction pieces

項目類別預測值總計 IIIIIIIV 原始計數1500015 0150015 0015015 0001515 判別率/%100.000.000.000.00100.00 0.00100.000.000.00100.00 0.000.00100.000.00100.00 0.000.000.00100.00100.00 交叉驗證計數1500015 0150015 0015015 0001515 判別率/%100.000.000.000.00100.00 0.00100.000.000.00100.00 0.000.00100.000.00100.00 0.000.000.00100.00100.00

I-生薏苡仁 II-麩炒薏苡仁（炮制不及） III-麩炒薏苡仁（炮制適中） IV-麩炒薏苡仁（炮制太過）

I-rawII-fried bran (processing less) III-fried bran (processing moderate) IV-fried bran (processing too much)

2.2.11 色澤變化規律分析 根據“2.2.10”項結果可知，薏苡仁與不同炮制程度麩炒薏苡仁飲片在色澤上存在明顯差異，基于所收集數據構建薏苡仁麩炒過程中色度值變化趨勢圖，結果見圖3。薏苡仁在麩炒過程中，隨著炮制程度的加深，其明暗值L呈下降趨勢，紅綠值a呈上升趨勢，黃藍值b從薏苡仁到炮制不及過程中呈上升趨勢，從炮制不及到炮制適中呈下降趨勢，從炮制適中到炮制太過又呈現上升趨勢，整體上呈現上升趨勢。綜上，隨著炮制程度的加深，薏苡仁外觀色澤整體呈變暗、變紅、變黃的趨勢。

2.2.12 色度值參考范圍 將所測得薏苡仁與不同炮制程度麩炒薏苡仁飲片粉末色度值通過SPSS 26.0統計學軟件處理并計算其色度值L、a、b的95.00%置信區間，結果見表6。

圖3 麩炒薏苡仁飲片炮制過程色度值變化趨勢圖

2.3 基于電子鼻的氣味分析

2.3.1 樣品制備 同“2.2.1”項下。

2.3.2 測量條件 本實驗樣品進樣方式為頂空進樣，為得到較好的分析結果，固定粉末進樣量2.0 g，采用單因素實驗對影響樣品色譜峰較大的進樣體積、孵化時間與孵化溫度等關鍵因素進行考察，確定最佳實驗條件。

表6 薏苡仁與不同炮制程度麩炒薏苡仁飲片色度值的參考范圍

Table 6 Reference range of color value of CoicisSemen and different processing degree CoicisSemen bran fried decoction pieces

樣品95%置信區間 L*a*b* 生薏苡仁82.86～83.600.87～1.0211.12～11.62 麩炒薏苡仁（炮制不及）80.70～80.882.02～2.0915.06～15.19 麩炒薏苡仁（炮制適中）76.52～77.502.82～2.9214.24～14.69 麩炒薏苡仁（炮制太過）59.87～60.335.84～6.1917.32～17.81

固定孵化溫度60 ℃，孵化時間40 min，考察進樣體積3.0、3.5、4.0、4.5、5.0 mL，結果發現當進樣體積為4.0 mL時，各色譜峰峰強度達到飽和，且峰形穩定，故選擇其為最佳進樣體積。

固定進樣體積4.0 mL，孵化時間40 min，考察孵化溫度45、50、55、60、65、70 ℃，結果發現當孵化溫度為60 ℃時，各色譜峰峰高趨于飽和，峰形穩定，且溫度過高不利于反映樣品真實氣味表達，故選擇其為最佳孵化溫度。

固定進樣體積4.0 mL，孵化溫度60 ℃，考察孵化時間20、25、30、35、40、45 min，結果發現當孵化時間為40 min時，各色譜峰峰強度達到飽和，且峰形穩定，故選擇其為最佳孵化時間。

Heracles NEO型超快速氣相電子鼻檢測生薏苡仁與不同炮制程度麩炒薏苡仁飲片揮發性氣味物質具體檢測參數：樣品瓶體積20.0 mL，樣品量2.0 g，進樣量4.0 mL，孵化溫度60 ℃，孵化時間40 min，進樣速率125 μL/s，進樣持續時間21 s，進樣口溫度200 ℃，捕集阱初始溫度45 ℃，捕集阱分流速率10.0 mL/min，捕集持續時間26 s，捕集阱最終溫度230 ℃，柱溫初始溫度48 ℃，程序升溫方式：0.5 ℃/s至60 ℃，3 ℃/s至230 ℃，采集時間130 s，氫火焰離子化檢測器（FID）增益12。

2.3.3 樣品檢測 精密稱取生薏苡仁與不同炮制程度麩炒薏苡仁（炮制不及、炮制適中、炮制太過）樣品粉末2.0 g，置于20.0 mL頂空進樣瓶中，室溫靜置30 min，采用Heracles NEO型超快速氣相電子鼻進行檢測。

2.3.4 精密度試驗 取樣品粉末（SP1）適量（2.0 g）并精密稱定，按“2.3.3”項下方法連續測定6次，記錄各色譜峰峰面積。結果，上述各色譜峰峰面積的RSD為0.77%～1.67%，表明該方法精密度良好。

2.3.5 重復性試驗 取樣品粉末（SP1）適量（2.0 g）并精密稱定，共稱定6份樣品，按“2.3.3”項下方法分別測定，記錄各色譜峰峰面積。結果，上述各色譜峰峰面積的RSD為0.98%～1.83%，表明該方法重復性良好。

2.3.6 穩定性試驗 取樣品粉末（SP1）適量（2.0 g）并精密稱定，共稱定8份樣品，按“2.3.3”項下方法，分別在室溫下放置0、2、4、6、8、10、12、24 h時進行測定并記錄各色譜峰峰面積。結果，上述色譜峰峰面積的RSD為1.13%～2.91%，表明樣品在室溫下放置24 h內穩定性良好。

2.3.7 數據采集與處理 采用SPSS 26.0對數據進行收集處理，使用Heracles NEO電子鼻自帶作圖軟件對采集的數據進行主成分分析（principal component analysis，PCA）及判別因子分析（discriminant factor analysis，DFA），應用Excel 2019與Origin 2021繪圖軟件進行作圖。

2.3.8 麩炒薏苡仁飲片炮制過程中揮發性成分的鑒定 參照“2.3.3”項下方法，采用Heracles NEO型超快速氣相電子鼻對薏苡仁與不同炮制程度麩炒薏苡仁飲片樣品進行檢測，每份樣品重復測定3次。扣除空白組參考后，薏苡仁與不同炮制程度麩炒薏苡仁飲片樣品在Heracles NEO型超快速氣相電子鼻2根不同極性色譜柱MXT-5（低極性）及MXT-1701（中極性）所得色譜峰詳見圖4、5。取各樣品色譜峰峰面積均值，結合保留時間計算其在色譜柱上線性保留指數（retention index，RI）值，通過電子鼻自帶數據庫AroChemBase Nist標準數據庫及文獻報道等方法對樣品中的揮發性成分進行定性分析，結果詳見表7。

2.3.9 不同炮制程度麩炒薏苡仁飲片PCA與DFA PCA作為一種非監督學習的降維方法，通過正交變換將一組可能存在相關性的變量數據轉換為一組線性不相關的變量，提取色譜圖中幾個能較大反映樣品氣味信息的特征值進行線性分類并得到可視化的二維散點圖[27]。收集生薏苡仁與不同炮制程度麩炒薏苡仁飲片在Heracles NEO型超快速氣相電子鼻中傳感器數據并采用PCA方法對上述數據進行降維處理，結果如圖6所示：PCA識別指數為72，主成分1的貢獻率為74.67%，主成分2的貢獻率為21.68%，累積貢獻率96.35%，能較好地反應所測樣品原始數據中絕大部分氣味信息。不同樣品點之間的距離反應不同樣品間存在特異性差異的程度，生薏苡仁位于第3象限，麩炒薏苡仁（炮制不及）與麩炒薏苡仁（炮制適中）均位于第2象限，麩炒薏苡仁（炮制太過）位于第4象限，證明麩炒薏苡仁飲片炮制過程中從生品至麩炒薏苡仁（炮制不及）階段與麩炒薏苡仁（炮制適中）至麩炒薏苡仁（炮制太過）階段，氣味發生了顯著性的變化，麩炒薏苡仁（炮制不及）至麩炒薏苡仁（炮制適中）階段，樣品間氣味信息較為相似，氣味變化趨于穩定。

DFA是在PCA法的基礎上擴大組間差異，縮小組內差異[28]，為驗證PCA所得結果，對不同炮制程度麩炒薏苡仁飲片進行DFA，結果發現判別因子1的貢獻率為94.98%，判別因子2的貢獻率為3.95%，累積貢獻率98.93%。在DFA模型圖中可以看出，生薏苡仁及不同炮制程度的麩炒薏苡仁分布區域在DF1與DF2上的分布均具有明顯差別。整體來說，DFA判別模型結果與PCA判別模型結果相吻合，生薏苡仁及不同炮制程度的麩炒薏苡仁分布區域均集中且區分明顯，可被清晰的聚為4類，說明以氣味指紋圖譜可對生薏苡仁及不同炮制程度的麩炒薏苡仁進行有效鑒別區分。進一步證明生薏苡仁及不同炮制程度的麩炒薏苡仁揮發性氣味物質的種類與含量存在差異，結果如圖7所示。

圖4 薏苡仁與不同炮制程度麩炒薏苡仁飲片在MXT-5色譜柱的色譜圖

圖5 薏苡仁與不同炮制程度麩炒薏苡仁飲片在MXT-1701色譜柱的色譜圖

表7 AroChemBase數據庫分析薏苡仁與不同炮制程度麩炒薏苡仁中的可能揮發性氣味物質信息

Table 7 AroChemBase database analysis of CoicisSemen and different processing degrees of CoicisSemen bran fried decoction pieces volatile flavor substances information

峰號分子式可能化合物名稱MXT-5保留指數MXT-1701保留指數感官描述信息 1C3H8丙烷300300燃料、無味 2C3H4丙炔339330甜 3C3H6環丙烷356340淡味、無味 4C4H81-丁烯386389芳族 5C4H82-丁烯411412芳族 6C2H7N二甲胺426427含氨、魚腥、辛辣 7C3H4O丙烯醛450466杏仁、櫻桃、刺激性 8C5H122-甲基丁烷464477汽油、愉悅 9C2H6S乙硫醇516500水果、大蒜、韭菜、洋蔥、橡皮、強烈 10CH3I碘甲烷530515辛辣 11C4H10O2-丁醇598607愉悅、強烈、甜、酒 12C5H5NO2硝基乙烷637618水果、淡味、愉悅、強烈 13C5H10O甲基丁酮658640丙酮、樟腦 14C6H12環己烷664654氯仿 15C3H9O3P亞磷酸三甲酯689691辛辣 16C4H8O2乙偶姻712682甜、木頭味 17C4H8O21,4-二氧六環714690模糊、愉悅 18C3H8O2丙二醇732716酒精、焦糖、無味 19C5H7N1-甲基-1H-吡咯743718煙、木頭味 20C7H12甲基環己烯766771橘子、石灰 21C5H10O環戊醇773787薄荷、愉悅、甜 22C8H14丁酸乙酯800784焦糖、甜 23C6H14O2-庚酮801784花椰菜、萜烯、葡萄酒 24C6H12O2丁基二甲硫醚813796苦味 25C5H6O2糠醇860833焦糖、咖啡、面包 26C4H8OS甲二磺醛879856烘焙馬鈴薯、土豆（熟） 27C8H16O2,5-二乙基四氫呋喃897884草藥 28C8H12O2-乙基呋喃898887淡味、弱 29C3H5NO丙烯酰胺912936無味 30C6H10O4草酸二乙酯940948芳族 31C6H7N苯胺978954胺、芳族、愉悅、辛辣、甜 32C7H10N2甲基砒嗪1005983面包、玉米、土的、花生、堅果、烤 33C9H20O3-羥基壬烷12051069草藥、油膩 34C8H14O2辛內酯12611216焦糖、草藥、辛辣、烤

2.3.10 麩炒薏苡仁炮制過程揮發性氣味物質的組成情況及數量變化 美拉德反應作為近年來食品與中藥研究領域的熱點，在形成食物風味特征（例如顏色、香氣和味道）中起重要作用[29]，醛類和酮類等羰基化合物與食品中的氨基化合物（游離氨基酸、肽類等）發生美拉德反應，產生包括醛、酮、醇、呋喃、吡啶、及含氮或硫的雜環化合物在內的一系列香味化合物[30]。麩炒薏苡仁飲片在炮制過程中揮發性氣味物質的變化可能與美拉德反應有關。通過“2.3.8”項對揮發性成分的定性分析，薏苡仁與不同炮制程度麩炒薏苡仁樣品中共鑒定出34種成分。根據化學結構的差異，上述34種成分共分成8類，包括烴類（11種）、胺類（3種）、醛類（2種）、醇類（5種）、酮類（3種）、酯類（4種）、醚類（2種）及其他類（4種）。

圖6 薏苡仁與不同炮制程度麩炒薏苡仁飲片PCA圖

圖7 薏苡仁與不同炮制程度麩炒薏苡仁飲片DFA圖

薏苡仁共檢測出揮發性氣味物質21種，包括烴類（8種）、胺類（1種）、醛類（1種）、醇類（4種）、酮類（2種）、酯類（2種）及其他（3種）；至炮制不及階段，相較于生品，該階段揮發性氣味物質在總體數量上有所增加，共檢測出22種成分，其中胺類（1種）、醛類（1種）、醇類（4種）、酮類（2種）、酯類（2種）成分在種類數量上無變化，烴類化合物3-羥基壬烷消失并新增化合物2-丁烯，其他類新增化合物1-甲基-1-吡咯；至炮制適中階段，相較于炮制不及階段揮發性氣味物質在總體數量上進一步增加，共檢測出25種成分，其中胺類（1種）、醛類（1種）、醇類（4種）、酮類（2種）、酯類（2種）及其他類（4種）成分在種類數量上無變化，烴類新增化合物硝基乙烷與甲基環己烯，醚類化合物丁基二甲硫醚作為新類別化合物第1次出現；至炮制太過階段，相較于炮制適中階段揮發性氣味物質在總體數量上顯著增加，共檢測出31種成分，除其他類（4種）成分在種類數量上無變化外，烴類化合物2-甲基丁烷與硝基乙烷消失并新增化合物3-羥基壬烷，胺類新增化合物丙烯酰胺與苯胺，醛類新增化合物丙烯醛，醇類新增化合物丙二醇，酮類新增化合物甲基丁酮，酯類新增化合物辛內酯，醚類新增化合物1,4-二氧六環。具體見圖8、9。

2.3.11 麩炒薏苡仁炮制過程揮發性氣味物質的含量變化 為進一步研究薏苡仁麩炒過程中揮發性氣味物質的變化情況，將薏苡仁飲片麩炒過程中檢測出的34種揮發性氣味物質以最大峰面積為100%進行歸一化處理后進行熱圖分析，以實現直觀表達薏苡仁麩炒過程中揮發性氣味物質含量上的差異。顏色越偏向紫黑色表明成分含量越高，越偏向黃白色表明成分含量越低。結果如圖10所示。在薏苡仁麩炒過程中，包括1-丁烯、2-丁烯、丙烯醛、乙硫醇、2-丁醇、乙偶姻、1,4-二氧六環、丙二醇、1-甲基-1-吡咯、甲基環己烯、丁酸乙酯、丁基二甲硫醚、糠醇、辛內酯在內的14種成分含量變化比較明顯。

圖8 不同炮制程度麩炒薏苡仁飲片揮發性氣味物質的種類數量

圖9 不同炮制程度麩炒薏苡仁飲片揮發性氣味物質旭日圖

結合表8中揮發性氣味物質的感官信息，2-丁醇與乙偶姻作為薏苡仁階段含量最高的2種氣味物質，為薏苡仁生品貢獻了強烈的、甜的、類似于木頭的氣味，隨著炮制程度的加深，2-丁醇與乙偶姻的含量持續減少。1-丁烯、2-丁烯與乙硫醇從未炮制階段到炮制適中階段含量不斷增加，到末期炮制太過階段含量減少，這3種氣味物質在薏苡仁麩炒過程中為其貢獻強烈的類似于芳族的香氣；丙烯醛、1,4-二氧六環、丙二醇、1-甲基-1-吡咯、甲基環己烯、丁基二甲硫醚、糠醇在整個炮制過程中含量均持續增加，這幾種氣味物質在薏苡仁麩炒過程中貢獻焦味、煙味與苦味，結合薏苡仁麩炒實際情況，至炮制適中階段，麩炒薏苡仁飲片散發出一種焦香氣味[31]，在炮制過程中隨著炮制程度的加深，這種焦香氣味越來越濃烈，焦香氣味的出現及增強可能與上述成分的含量變化有關，其中2-乙烯與丁基二甲硫醚作為麩炒薏苡仁炮制不及階段出現的2個新成分，可以作為麩炒薏苡仁炮制不及階段氣味差異標志物（指品種特有的，可作為定性依據的特征性氣味成分）；丙烯醛與甲基環己烯作為麩炒薏苡仁炮制適中階段出現的2個新成分，可以作為麩炒薏苡仁炮制適中階段氣味差異標志物。

丁酸乙酯、辛內酯在末期炮制太過階段含量才出現明顯增加，這2類氣味物質為炮制太過階段的麩炒薏苡仁提供了強烈的類似于烘烤的、焦糖氣味，結合在整個炮制過程中含量均持續增加的丙烯醛、1,4-二氧六環、丙二醇等揮發性氣味物質貢獻的焦味、煙味與苦味，使得薏苡仁在炮制太過階段呈現出濃烈的焦糊氣味，其中辛內酯為麩炒薏苡仁炮制太過階段新出現的成分，1-甲基-1-吡咯含量增長約為炮制適中階段10倍，此外，美拉德反應形成的吡咯等化合物會產生一些令人不悅的味道[32]，故上述2種成分可作為麩炒薏苡仁炮制太過階段氣味差異標志物。其他揮發性氣味物質的含量變化情況相較于上述14種揮發性氣味物質不明顯。

圖10 不同炮制程度麩炒薏苡仁飲片揮發性氣味物質含量變化熱圖

3 討論

性狀鑒別作為一種簡單直觀的方法在中藥材真偽優劣評判、中藥飲片質量控制等方面具有廣泛應用，但傳統的性狀判別以人作為評判主體，易受主觀因素的影響，具有一定的局限性。目前仿生技術已逐步應用于中藥領域，相較于傳統經驗式性狀判別，采用仿生技術進行的性狀鑒別具有操作簡單、迅速、客觀、準確等優點。色澤與氣味作為性狀鑒別中的主要特征指標，對其進行鑒別的電子眼與電子鼻仿生技術已成功應用于藥材基源鑒別[33]、外觀性狀與內在成分相關性研究[34-35]、硫熏鑒別[36-37]、種源區分[38]等中藥研究。

薏苡仁在麩炒過程中色澤與氣味均發生了明顯改變，本課題組采用電子眼與超快速氣相電子鼻2種仿生技術對麩炒過程中色澤與氣味進行客觀量化，通過對比分析薏苡仁不同炮制階段色澤氣味變化情況，探究薏苡仁麩炒過程中色澤與氣味的變化規律。

電子眼結果表明，麩炒過程中薏苡仁的色度值*不斷降低，*與*整體上均不斷增加，其在外觀色澤上的表現為整體上呈現變暗、變紅、變黃的變化趨勢，可能與美拉德反應的褐變作用有關[39]。電子鼻結果表明，薏苡仁麩炒過程中氣味成分發生了“量”與“質”的變化。2-丁醇與乙偶姻作為生薏苡仁階段含量最高的2種氣味物質，為生薏苡仁中的標志性成分，隨著炮制程度的加深，上述成分的含量不斷降低。隨著麩炒至適中階段，1-丁烯、2-丁烯、乙硫醇、丙烯醛等成分含量持續升高，共同為麩炒薏苡仁飲片貢獻“焦香”氣味，2-乙烯與丁基二甲硫醚可作為麩炒薏苡仁炮制不及階段氣味差異標志物；丙烯醛與甲基環己烯可作為麩炒薏苡仁炮制適中階段氣味差異標志物。至炮制太過階段，乙硫醇等“香”味成分含量降低，丙烯醛等“焦”味成分與丁酸乙酯、辛內酯“苦”味成分共同構成炮制太過麩炒薏苡仁飲片的“焦糊”氣味，辛內酯與1-甲基-1-吡咯可作為麩炒薏苡仁炮制太過階段氣味差異標志物。通過PCA與DFA均可實現生薏苡仁與不同炮制程度麩炒薏苡仁飲片的區分。

本實驗將傳統性狀中的色澤與氣味通過電子眼、電子鼻仿生技術進行數字量化，運用到麩炒薏苡仁炮制過程的研究中，克服了傳統經驗判別主觀性過大的缺點，使本研究更加準確、客觀，為中藥炮制研究提供了新的方法與思路。由于麩炒薏苡仁炒制時間較短，色澤變化較快，同時麩炒薏苡仁炮制不及與炮制適中階段氣味成分更多為“量變”，本研究對于上述2種炮制程度的區分及炮制終點的判定仍有不足，本課題組將在后續的研究中，對麩炒薏苡仁飲片炮制過程中內在成分的改變與外在性狀的改變進行關聯性分析，并確定生薏苡仁及不同炮制程度麩炒薏苡仁相關質量標志物，以期進一步探究麩炒薏苡仁炮制過程中的整體變化情況，實現麩炒薏苡仁炮制過程的控制。

利益沖突 所有作者均聲明不存在利益沖突

[1] 中國藥典[S]. 一部. 2020: 393.

[2] 隋利強, 曹冬英, 黃婷婷, 等. SPME-GC-MS法分析薏苡仁砂燙前后揮發性成分變化 [J]. 中國民族民間醫藥, 2021, 30(10): 26-32.

[3] 明·倪朱謨撰. 鄭金生, 甄雪燕, 楊梅香校點. 本草匯言 [M]. 北京: 中醫古籍出版社, 2005: 532.

[4] 明·劉文泰等選. 《本草品匯精要》校注研究本 [M]. 北京: 華夏出版社, 2004: 113.

[5] 劉明心. 藥性粗評 [M]. 南京: 鳳凰出版社, 2016: 131.

[6] 明·李中立撰. 張衛, 張瑞賢校注. 本草原始 [M]. 北京: 學苑出版社, 2011: 416.

[7] 《中華大典》編委會. 中華大典醫藥衛生典 [M]. 成都: 巴蜀書社, 2009: 611-625.

[8] 南朝宋·雷斅撰著. 清·張驥補輯. 施仲安校注. 雷公炮炙論 [M]. 南京: 江蘇科學技術出版社, 1985: 11.

[9] 宋·張世南撰. 李心傳撰. 張茂鵬點校. 崔文印點校. 游宦紀聞 [M]. 北京: 中華書局, 1981: 42.

[10] 清·張璐著. 顧漫，楊亦周校注. 本經逢原 [M]. 北京: 中國醫藥科技出版社, 2011: 130.

[11] 明·佚名宮廷畫師編繪. 補遺雷公炮制便覽 [M]. 上海: 上海辭書出版社, 2012: 237.

[12] 周宇, 吳孟華, 羅思敏, 等. 薏苡仁炮制歷史沿革考證 [J]. 中國中藥雜志, 2020, 45(11): 2694-2701.

[13] 李雪蓮. 白術麩炒過程中顏色與物質基礎變化相關性研究 [D]. 成都: 成都中醫藥大學, 2015.

[14] 劉倩倩, 王升菊, 任超翔, 等. 中藥辨色論質理論與方法的傳承創新 [J]. 中草藥, 2021, 52(10): 3121-3132.

[15] 畢勝, 謝若男, 金傳山, 等. 基于仿生技術的制川烏炮制過程變化研究 [J]. 中草藥, 2020, 51(23): 5956-5962.

[16] 費程浩, 戴輝, 蘇杭, 等. 電子鼻技術的研究進展及其在中藥行業中的應用 [J]. 世界中醫藥, 2019, 14(2): 257-262.

[17] 段金芳, 肖洋, 劉影, 等. 一測多評法與電子眼和電子舌技術相結合優化山茱萸蒸制時間 [J]. 中草藥, 2017, 48(6): 1108-1116.

[18] 付小梅, 楊超, 吳志瑰, 等. 不同采收期梔子中8個有效成分含量動態變化與顏色的相關性研究 [J]. 中國中藥雜志, 2020, 45(13): 3191-3202.

[19] 祁曉娟, 李欣, 卓冰雨, 等. 基于顏色數字化的大黃藥材基原判別 [J]. 中國中藥雜志, 2021, 46(4): 902-906.

[20] 蘆海生, 李婷, 姜丹, 等. 基于DNA條形碼、UPLC及色度學方法鑒定與評價化橘紅 [J]. 中國中藥雜志, 2019, 44(20): 4419-4425.

[21] 劉瑞新, 郝小佳, 張慧杰, 等. 基于電子眼技術的中藥川貝母真偽及規格的快速辨識研究 [J]. 中國中藥雜志, 2020, 45(14): 3441-3451.

[22] Fei C H, Ren C C, Wang Y L,. Identification of the raw and processedbased on the electronic nose coupled with chemometric methods [J]., 2021, 11(1): 1849.

[23] Song J X, Chen Q Q, Bi J F,. GC/MS coupled with MOS e-nose and flash GC e-nose for volatile characterization of Chinese jujubes as affected by different drying methods [J]., 2020, 331: 127201.

[24] Li Y, Fei C H, Mao C Q,. Physicochemical parameters combined flash GC E-nose and artificial neural network for quality and volatile characterization of vinegar with different brewing techniques [J]., 2022, 374: 131658.

[25] 單國順. 薏苡仁炮制工藝及質量標準規范化研究 [D]. 沈陽: 遼寧中醫藥大學, 2010.

[26] 林華堅, 張梓豪, 孟江, 等. 干姜及其炮制品色差值與活性成分含量的相關性研究 [J]. 中國藥房, 2020, 31(10): 1197-1202.

[27] 劉曉梅, 張存艷, 劉紅梅, 等. 基于電子鼻和HS-GC- MS研究地龍腥味物質基礎和炮制矯味原理 [J]. 中國實驗方劑學雜志, 2020, 26(12): 154-161.

[28] 武文奇, 毛怡寧, 李虹, 等. Heracles II超快速氣相電子鼻對金銀花粉末質量的鑒別研究 [J]. 中國中藥雜志, 2019, 44(23): 5129-5133.

[29] Zhao J, Wang T Z, Xie J C,. Meat flavor generation from different composition patterns of initial Maillard stage intermediates formed in heated cysteine-xylose-reaction systems [J]., 2019, 274: 79-88.

[30] 孫方達, 劉騫, 孔保華. 美拉德反應及其在肉類香味物質生產中的應用 [J]. 包裝與食品機械, 2013, 31(4): 45-49.

[31] 王小莉, 于生, 單晨嘯, 等. 頂空GC-MS測定薏苡仁不同炮制品中焦香味醛類物質的含量 [J]. 海峽藥學, 2021, 33(6): 69-71.

[32] Shang Y F, Cao H, Wei C K,. Bio-utilization of peony seed meal for flavoring production via Maillard reaction: Effects of sugar types on sensory and flavor of products [J]., 2020, 44: 314 341.

[33] 羅霄, 韋志強, 俞佳, 等. Heracles II氣相電子鼻技術快速鑒別蓽澄茄與洋澄茄 [J]. 成都大學學報: 自然科學版, 2018, 37(1): 34-37.

[34] 謝巧, 廖莉, 栗圣榕, 等. 基于色度原理分析安息香顏色與化學成分的相關性 [J]. 中成藥, 2020, 42(9): 2372-2376.

[35] 梁志毅, 黃貴發, 崔婷, 等. 狗脊微波炮制過程中指標成分與粉末顏色關聯性分析 [J]. 中成藥, 2020, 42(6): 1548-1552.

[36] 盧一, 解達帥, 吳純潔. 基于Heracles II超快速氣相電子鼻的硫熏麥冬快速鑒別研究 [J]. 中藥材, 2017, 40(5): 1070-1073.

[37] 殷珍珍, 梁玉芝, 王夢, 等. 基于超快速氣相電子鼻對不同硫熏程度天麻的快速鑒別[J]. 中國實驗方劑學雜志, 2021, 28(13): 167-172.

[38] 王鑫源, 董誠明, 李曼, 等. 基于Heracles II超快速氣相電子鼻的牛膝種子快速鑒別研究 [J]. 種子, 2021, 40(4): 135-138.

[39] Geng J T, Takahashi K, Kaido T,. Relationship among pH, generation of free amino acids, and Maillard browning of dried Japanese common squid todarodes pacificus meat [J]., 2019, 283: 324-330.

Study on color and odor change ofbran stir-fry based on bionic technology

CHEN Peng1, XIAO Xiao-yan1, MEI Xi1, LI Lin1, MAO Chun-qin1, LIU Ming-gui2, LU Tu-lin1, XU Cong-long2

1. College of Pharmacy, Nanjing University of Traditional Chinese Medicine, Nanjing 210023, China 2. Jiangxi Jingde Chinese Medicine Co., Ltd., Leping 333302, China

To quantify objectively the color and odor of Yiyiren () bran during frying and to study the characteristics of color and odor change.CM-5 spectrophotometer (electronic eye) and Heracles NEO ultra-fast gas electronic nose were used, and the data were processed and analyzed by discriminant analysis, principal component analysis (PCA), discriminant factor analysis (DFA) and flavor heat map.With the degree of processing,appearance overall color appears dim (Lvalues decrease), red (avalue increasing), yellow (bvalue increasing) trends, and the discriminant function was constructed based on powder chromaticity valuesL,a,bto distinguish the rawand different processing degrees of bran friedslices. A total of 34 volatile odors were detected inand in the process of bran frying. With the deepening of processing degree, the abundance of volatile odors increased continuously. The results of heat map analysis showed that the changes of 14 components such as 1-butene, 2-butene, acrolein, ethanethiol, 2-butanol, acetoin, 1,4-dioxane, propylene glycol, 1-methyl-1-pyrrole, 1-methylcyclohexene, ethyl butyrate, butyl methyl sulfide, 2-furanmethanol, 4-octanolide were most obvious inbran frying. Principal component analysis (PCA) and discriminant factor analysis (DFA) could be used to distinguish rawfrom processedin different processing degrees.In this experiment, electronic eye and electronic nose bionic technology were used to study the color and odor changes inbran frying process, which provided a new method and idea for TCM processing research based on characters.

fried with bran; electronic eye; ultra-fast gas phase electronic nose; colour and lustre; smell; processing; discriminant analysis; principal component analysis; discriminant factor analysis; butene; acrolein; ethanethiol; acetoin

R283.6

A

0253 - 2670(2022)14 - 4285 - 13

10.7501/j.issn.0253-2670.2022.14.008

2022-01-14

國家重點研發計劃項目（2018YFC1707000）；江西省“雙千計劃”項目（S2019CXTD2300）

陳 鵬（1997—），男，碩士研究生，專業方向為中藥學。E-mail: chenpenggzy@163.com

陸兔林，男，教授，博士生導師。Tel: 13951636763 E-mail: ltl2021@njucm.edu.cn

徐蔥蘢，男，醫師，從事中藥飲片的生產與開發研究。E-mail: 490272406@qq.com

[責任編輯 鄭禮勝]