電子鼻技術結合化學計量分析對漢源花椒的鑒別

劉振平 ，張 丹，黃 瑤

（1.重慶安全技術職業學院，重慶 404020；2.四川丁點兒食品開發股份有限公司，四川成都 611732；3.西華大學食品與生物工程學院，四川成都 610039；4.四川家和原味香料有限公司，四川廣漢 618323）

花椒（Zanthoxylum bungeanum）是蕓香科Rutaceae 花椒屬ZanthoxylumL.植物的果實，其干燥成熟的果皮是重要的藥食兩用植物資源[1]。在食品調味領域，花椒是川菜特色麻味的主要來源，具有增香增色、掩蓋異味、防腐保鮮、促進食欲等作用[2]。在醫藥領域，花椒有降血脂、抗氧化、抑菌抗蟲、抗腫瘤細胞增殖等廣泛的藥理學功能[3]。我國花椒的栽培面積和產量均位于全球首位，全國除東北、內蒙古等地外均有種植，資源豐富[4]。漢源花椒色澤丹紅、粒大油重、芳香濃郁、醇麻爽口，深受消費者青睞，位居全國花椒之冠[5]，是中國國家地理標志產品。唐元和年間（806 年～820 年）至清光緒二十七年（1901 年）漢源花椒被列為貢品，因此漢源花椒也被稱為“貢椒”[6]。近年來，漢源花椒以其優良品質享譽全國，名揚海外，表現出了巨大的經濟效益和文化價值。但由于利益驅使，不法分子以劣質花椒冒充漢源花椒或者將劣質花椒摻入漢源花椒高價銷售，擾亂花椒市場秩序，損害消費者利益。因此，建立簡便有效的漢源花椒鑒別方法具有重要意義。

風味成分與食品質量之間存在一定的對應關系，基于風味物質的食品質量檢測技術發展迅速[7]。風味是花椒質量的重要評價指標，通過對花椒風味成分的分析能夠較全面地揭示其質量信息[8]。目前，用于食品風味分析或鑒別主要有感官法[9]、氣相色譜與質譜聯用法[10]、氣相離子遷移譜法[11]及電子鼻法[12]等。感官法主要依靠分析人員對食品風味的感知并結合經驗做出判斷，簡便快捷，但受主觀因素影響大；氣相色譜與質譜聯用法和氣相離子遷移譜法設備昂貴、操作繁瑣；基于電子鼻技術對食品風味成分分析用于食品類別區分具有簡便、快速、準確的優勢，已被廣泛應用食品的無損檢測[13]。

吳莉莉等[14]運用自制電子鼻裝置進行了不同花椒品種風味成分分析，結合化學計量學方法實現了對花椒品種的高識別率鑒別，張正武等[15]利用電子鼻PEN3.5 系統實現了對隴南34 個花椒品種準確鑒別，辛松林等[16]通過電子鼻技術對市售花椒油商品進行了準確鑒別，這些研究表明通過電子鼻技術測定和分析風味成分能夠實現對花椒及其產品的類別區分。電子鼻檢測技術已趨于成熟，設備體積小，便于攜帶，且自帶分析軟件，對于樣品的分析可在幾分鐘內完成，操作簡便，可實現現場快速檢測，但針對漢源花椒的鑒別研究未見報道。

本研究利用電子鼻技術對包括漢源花椒在內的全國6 個不同主要產地的紅花椒進行10 個傳感器通道的揮發性成分測定，并對數據分別進行了主成分分析（Principal Component Analysis，PCA）、線性判別分析（Linear Discriminate Analysis，LDA）和偏最小二乘判別分析（Partial Least Squares Discriminant Analysis，PLS-DA），構建漢源花椒的鑒別模型，為漢源花椒的中國國家地理標志產品保護及質量評價提供新的技術參考。

1 材料與方法

1.1 材料與儀器

四川漢源花椒及與漢源花椒外觀顏色、顆粒大小類似，從表面難以區分且常用于冒充或摻假的不同產地的紅花椒，包括四川康定紅花椒、四川鹽源紅花椒、山東萊蕪紅花椒、四川丹巴紅花椒、甘肅臨夏紅花椒 由四川家和原味香料有限公司和四川丁點兒食品開發股份有限公司提供，均能保證產地來源準確。

PEN3 便攜式電子鼻系統（配有一組10 個金屬氧化物傳感器） 德國AIRSENSE 公司；JA5003B型電子天平（精度0.001 g） 上海精科儀器有限公司。

1.2 實驗方法

1.2.1 原料的處理 分別將不同產地的鮮紅花椒樣品在40 ℃下干燥24 h，收集干燥果皮。在室溫（25±2） ℃條件下，精密稱取不同產地干燥的紅花椒果皮樣品3 g 置于20 mL 的頂空樣品瓶中，加蓋密封，靜置30 min，待頂空樣品瓶中富集氣體達到平衡后用電子鼻檢測。

1.2.2 電子鼻傳感器類型和性能 本研究采用的PEN3 便攜式電子鼻系統配置的10 個金屬氧化物氣體傳感器，其類型和性能如表1 所示。

表1 電子鼻傳感器類型和性能Table 1 Types and performances of electronic nose sensors

1.2.3 電子鼻分析條件 在使用電子鼻檢測不同產地紅花椒樣品時，傳感器的信號響應值從101 s 后開始趨于穩定，106 s 后響應值基本不發生變化，達到穩定狀態。因此，取111 s 處采集的信號數據用于分析研究。樣品的檢測參數為：洗氣時間180 s，調零時間5 s，樣品準備時間5 s，采用頂空進樣方法，進樣時間120 s，載氣為干燥的空氣，流速300 mL/min。每類樣本設置6 個平行樣品，每個樣品重復檢測3 次[15]。

1.2.4 PLS-DA 模型的建立與驗證 采用PEN3 便攜式電子鼻系統自帶WinMuster 分析程序對測得的6 個不同產地紅花椒樣品數據進行PCA 和LDA分析。數據經EXCEL 初步處理后，采用Metabo-Analyst-5.0 進行多元數據可視化分析，應用PLSDA 評價樣品風味成分與產地的相關性，建立鑒別漢源花椒模型。此外，利用變量投影重要性（Variable Importance for the Projection，VIP）值進行潛在特征類別風味成分的篩選。最后，對摻雜不同比例其他產地紅花椒的漢源花椒進行鑒別分析以驗證模型的有效性。

2 結果與分析

2.1 電子鼻傳感器對不同產地紅花椒的響應

本研究采用的PEN3 便攜式電子鼻系統配置的10 個金屬氧化物氣體傳感器對6 個不同產地紅花椒樣品產生信號響應，響應情況如圖1 所示，10 個傳感器對6 種花椒樣品均有響應，尤其W5S、W2W、W1S、W6S 的信號響應明顯，說明6 種不同產地紅花椒風味成分中氮氧化合物、含硫和含氯的有機化合物、烷烴類化合物、含氫化合物濃度較高。

圖1 不同產地紅花椒電子鼻10 個傳感器信號響應雷達圖Fig.1 The radar map of electronic nose 10 sensors signals response for red Zanthoxylum bungeanum from different origins

熱圖（Heatmap）是一種用顏色變化來反映數據信息的方式，可將數據之間的差異直觀的通過顏色深淺表示。如圖2 所示，在不同產地紅花椒電子鼻10 個傳感器信號數據熱圖中，每一列代表一個樣品，每一行代表一種傳感器，每個小格代表某個樣品中某種傳感器檢測到的數據，紅色越深代表對應樣品中的對應傳感器響應的風味成分濃度越高，藍色越深則含量越低。由此，從圖中可以看出，漢源花椒中風味成分的10 個傳感器的響應數據與其他紅花椒明顯不同，即漢源花椒中的風味成分與其他5 個不同產地紅花椒中風味成分有明顯差異，這是建立有效的漢源花椒鑒別模型的重要基礎。

圖2 不同產地紅花椒電子鼻10 個傳感器信號數據熱圖Fig.2 Heat map of electronic nose 10 sensor signals data of red Zanthoxylum bungeanum from different origins

2.2 主成分分析

主成分分析（PCA）是一種常用的有效的多維數據降維分析方法，利用PCA 可將原始眾多的特征變量線性變換為低維新特征變量（即幾個綜合因子），保留了原有特征的主要信息，有利于數據的直觀分析[17]。圖3 是不同產地紅花椒的PCA 結果，從圖中可以看出，降維后的新特征變量第一主成分和第二主成分累計貢獻率高達97.47%，代表了樣品的主要特征信息。圖4 是PCA 中電子鼻傳感器對不同產地紅花椒風味成分響應的載荷圖，它反映的是不同位置分布的傳感器對PCA 圖中分布的不同產地紅花椒響應信號的相對強弱，相對位置越近響應越強，相對位置越遠響應越弱，例如傳感器W5S 和W2W 對漢源花椒的信號響應相對較強，說明它們敏感的風味化合物分布相對集中在漢源花椒中。同時也可以看出傳感器W5S 對第一主成分貢獻率最大，傳感器W2W對第二成分貢獻率最大，說明這兩個傳感器的響應數據對于在PCA 分析中實現漢源花椒與其他產地紅花椒的有效區分發揮了重要作用。從圖3 可以看出，6 個不同產地紅花椒均分布于不同區域，康定紅花椒與丹巴紅花椒有少部分重疊，這可能與兩種紅花椒產地距離較近有關，漢源花椒特征明顯，與其他5 種紅花椒距離較遠，說明漢源花椒具有明顯的風味特性，電子鼻技術根據這些風味特性差異能夠將漢源花椒與其他5 個產地紅花椒區分。另外，由于PCA屬于無監督的分類方法，僅簡單地利用變量數據進行分析，不考慮樣本類別輸出，在圖3 中也可以看出漢源花椒樣品間的離散明顯，為得到更好的結果，還需要對數據進行進一步分析。

圖3 電子鼻傳感器對不同產地紅花椒響應數據的PCA 得分圖Fig.3 PCA score plot of electronic nose sensors response data of red Zanthoxylum bungeanum from different origins

圖4 電子鼻傳感器對不同產地紅花椒響應的載荷圖Fig.4 Loading diagram of electronic nose sensors response for red Zanthoxylum bungeanum from different origins

2.3 線性判別分析

對電子鼻10 個傳感器類型測得的6 個不同產地紅花椒數據進行線性判別分析（LDA）。LDA 是一種有監督的降維且有類別輸出的分析技術，其目標是使降維后的數據類內方差最小，類間方差最大，即對數據在低維度上進行投影，投影后同一個類別數據的投影點盡可能接近，而不同類別的數據中心之間的距離盡可能的大。圖5 是電子鼻對不同產地紅花椒揮發性成分的LDA 圖，從圖中可以看出，第一主成分和第二主成分總的區分貢獻率為87.67%，這兩個主成分也基本代表了樣品的主要特征信息，漢源花椒所處區域獨立于其他5 種紅花椒，表明LDA 能夠較好地將漢源花椒與其他紅花椒區分，同時，漢源花椒平行樣品間的離散度較小，類別特征顯著。由上可知，本研究構建的基于電子鼻技術的LDA 模型能夠實現對漢源花椒的準確鑒別。

圖5 電子鼻傳感器對不同產地紅花椒響應的LDA 圖Fig.5 LDA diagram of electronic nose sensors response to red Zanthoxylum bungeanum from different origins

2.4 PLS-DA“是-否”鑒別模型構建

為了建立更直觀、更簡便的漢源花椒鑒別模型，我們引入了偏最小二乘判別分析（PLS-DA）的理論與方法對基于電子鼻技術測得的不同產地紅花椒數據進行深入分析與挖掘。PLS-DA 是一種有監督的降維判別分析方法，其數學原理是將變量數據與分類信息劃分為兩組數據集，通過投影與判別計算，借助分組信息挖掘組間差異進而將每一組樣本區分。本研究在進行分析前，首先將樣品數據分為漢源花椒和其他產地紅花椒兩類以便建立更直觀的漢源花椒“是-否”鑒別模型，其次對數據進行了指數轉換歸一化和Auto Scaling 標準化，以消除或減少背景造成的干擾以及與實驗原始數據的不必要偏差。圖6 為漢源花椒PLS-DA 鑒別模型的二維得分圖，從圖中可以看出漢源花椒與其他紅花椒所在的區域均相對獨立，說明漢源花椒與其他產地紅花椒的特征差異非常明顯，以此為依據能夠較好的將漢源花椒與其他產地紅花椒分開，實現漢源花椒的有效鑒別。

圖6 漢源花椒與其他產地紅花椒鑒別PLS-DA 得分圖Fig.6 PLS-DA score diagram for Hanyuan Zanthoxylum bungeanum identification from other geographical origin

內部交叉驗證（Cross Validation，CV）是小樣本模型常用的驗證方法，并將預測能力參數（Q2）和擬合優度值（R2）作為評價模型性能的指標[18]，Q2和R2分別代表模型的預測能力和解釋效果，Q2通過交叉驗證計算，即：

PRESS 為驗證過程中所有樣本的預測殘差平方和。在模型質量評價中Q2比R2更重要，Q2的極限值為1，一般認為Q2＞0.4 表示所建模型是可接受的有效模型[19]。R2是Q2經交叉驗證前的值，它表示模型預測值（）與實際值（y）的適應度，計算公式如下：

隨著潛在變量的增加，R2逐漸接近1。本研究的交叉驗證結果如圖7 所示，Q2和R2分別為0.947和0.968，表明所構建的漢源花椒鑒別模型是有效的。

圖7 漢源花椒鑒別模型交叉驗證結果Fig.7 Results of cross verification for Hanyuan Zanthoxylum bungeanum identification model

置換驗證通過執行隨機安排的樣本數據，Ydata 的位置隨機移位，以不同的順序出現[20]，然后統計推斷，可增加模型中的樣本數量，因此特別適用于樣本較少的模型[21]。在本研究構建的漢源花椒鑒別模型使用的 MetaboAnalyst-5.0 平臺中，置換模擬驗證只要能推測出“只有極少數（5%）置換模擬的Q2值比當前的Q2值大”即可認為是沒有出現過擬合。本研究100 次置換驗證的結果如圖8 所示，置換模擬中Q2值比當前的Q2值大的概率（P）均小于0.01，表明所構建的PLS-DA 模型未出現過擬合，穩健有效。

圖8 漢源花椒鑒別模型置換驗證結果Fig.8 Results of permutation verification for Hanyuan Zanthoxylum bungeanum identification model

在PLS-DA 模型中，變量投影重要性（Variable Importance for the Projection，VIP）值是評估各特征變量在類群區分中貢獻大小的重要參數，主要用于揭示特征變量與聚類分析的相關性[22]。一般情況下，VIP 值大于1 的變量被認為是潛在特征變量，VIP 值越大的特征變量對于聚類鑒別模型有效性的貢獻就越大[23-24]，一個X 變量VIP 值的計算方法如下：

其中VIPj表示第j 個變量的VIP 值，p 為X 變量的數量，k 是h 個潛變量中的第k 個潛變量，ck為第k 個潛變量的回歸權值，wjk是X 變量的權矩陣w 的第k 列的第j 個元素[21]。本研究PLS-DA 模型的VIP 值如圖9 所示，VIP 值大于1 的變量分別為W6S、W3C、W3S、W1C、W5C 和W2S，這些變量代表的是對相應傳感器響應的風味成分，即含氫化合物、芳香類成分及氨類、脂肪族烷烴類化合物、芳香成分及苯類、短鏈烷烴芳香類成分、醇類及醛酮類化合物。以上結果表明，這幾類化合物是漢源花椒與其他產地紅花椒具有顯著差異的重要特征變量，在漢源花椒鑒別中發揮著關鍵作用。

圖9 PLS-DA 鑒別模型VIP 值Fig.9 VIP value of PLS-DA identification model

2.5 摻雜鑒別驗證

為了驗證本研究建立的漢源花椒鑒別模型的有效性，在漢源花椒中摻入等比例混合的四川康定紅花椒、四川鹽源紅花椒、山東萊蕪紅花椒、四川丹巴紅花椒、甘肅臨夏紅花椒，摻雜比例分別為5%、10%、30%及50%，各摻雜比例分別設置6 個平行樣品，在相同的條件下測定電子鼻響應數據，將測得數據用已建立的LDA 和PLS-DA 鑒別模型分析。分析結果為24 個摻雜的漢源花椒樣品均未被判定為漢源花椒，這表明本研究構建的基于電子鼻技術的LDA 和PLS-DA 鑒別模型能夠實現對漢源花椒5%以上比例摻雜的準確鑒別。

3 結論

電子鼻技術在食品分析中應用廣泛，設備簡單，容易攜帶，操作簡便。風味成分組成是香辛料質量的關鍵指標，基于電子鼻技術的風味成分分析對于香辛料的質量評價與其他種類食品相比有更明確的目標靶向性。本研究運用電子鼻技術對中國國家地理標志產品漢源花椒及其他5 個不同產地的紅花椒進行了10 個傳感器通道的風味成分測定，并采用PCA、LDA 和PLS-DA 的理論與方法進行分析，構建了能夠將漢源花椒與其他5 種紅花椒區分的鑒別模型。同時，利用摻雜比例分別為5%、10%、30%及50%的漢源花椒樣品對LDA 和PLS-DA 模型的有效性進行了驗證，驗證結果表明所構建模型能夠實現對各摻雜比例的漢源花椒的準確鑒別，為漢源花椒的中國國家地理標志產品保護、質量控制和產地溯源提供了新的技術參考。另外，通過VIP 值分析得到的對于漢源花椒鑒別具有關鍵作用的含氫化合物、芳香類成分及氨類、脂肪族烷烴類化合物、芳香成分及苯類、短鏈烷烴芳香類成分、醇類及醛酮類化合物，為后續通過靶向目標物進行紅花椒產地鑒別研究奠定了基礎。