基于风味指纹谱的庐山云雾茶品质等级研究

为建立一种快速、无损的庐山云雾茶等级判别方法,采用气相离子迁移谱（gas chromatography-ion mobility spectrometry,GC-IMS）联用设备对3个等级共63个庐山云雾茶样的挥发性有机成分进行分析检测,并采用Otsu自动阈值分割算法对GC-IMS二维谱图中特征峰进行特征提取,以特征峰的峰面积为变量进行主成分分析,再结合K-最邻近（K-nearest neighbor,KNN）算法对主成分得分进行模式识别。结果表明,采用KNN方法能够很好地区分不同等级的庐山云雾茶,预测集样品识别率可达94.73%。     

基于酚类化合物组成差异的7 类植物油脂识别

采用超高效液相色谱-串联质谱联用技术,对葵花籽油、菜籽油、花生油、胡麻油、橄榄油、玉米油和芝麻油中的酚类化合物进行检测,采用主成分分析、线性判别分析和层次聚类分析3?种方法识别植物油。结果表明：植物油中酚类化合物组成和含量存在明显差异;主成分分析中,提取4?个主成分可以反映原变量89.42%的信息,花生油、橄榄油、葵花籽油和芝麻油分布在不同象限,区分良好;线性判别分析结果显示,在84.4%程度上可以对7?种植物油实现良好区分;层次聚类分析中,菜籽油、橄榄油、芝麻油可以同其他植物油明显区分。     

GC-IMS结合化学计量学分析8 个产区香椿挥发性成分差异

采用气相色谱-离子迁移谱（gas chromatography-ion mobility spectrometry,GC-IMS）技术研究8 个产区香椿挥发性成分差异。共鉴定出56 种化合物,醇类和醛类的相对含量较高。基于化学计量学主成分分析和偏最小二乘判别分析（partial least squares-discriminant analysis,PLS-DA）可以很好区分8 个产区香椿样品。基于PLS-DA模型的变量投影重要性（variable importance in projection,VIP）得分对8 个产区香椿挥发性有机化合物进行判别分析,筛选出12 种（VIP＞1）标志挥发性化合物,其中(E)-2-己烯醛-D、乙酸乙酯-D、苯酚、糠醛、苯乙醇是主要的差异代谢物。不同产区香椿挥发性化合物存在较大差异。GC-IMS可以实现对不同产区香椿挥发性化合物的差异化快速分析,为香椿挥发性香气差异研究提供有益依据。     

基于风味指纹谱的肉脯加工阶段判别

应用气相离子迁移谱(gas chromatography-ion mobility spectrometry,GC-IMS)对肉脯不同加工阶段的挥发性有机物(volatile organic compounds,VOCs)进行分析,构建不同加工阶段肉脯的GC-IMS风味指纹图谱,实现不同加工阶段肉脯的判别分析。采用GC-IMS对肉脯加工过程中产生的原料肉、拌料肉、发酵肉、半成品肉和成品肉的VOCs进行检测和分析,对选取的GC-IMS图谱特征区域信号进行主成分分析,并结合k最近邻(k nearest neighbor,kNN)模式识别方法对不同加工阶段的肉脯进行分类识别。结果表明,肉脯在加工过程中主要的VOCs为醇类、醛类、酸类、酮类、杂环化合物、芳香烃以及酯类,GC-IMS风味指纹谱结合化学计量学方法能够有效区分各加工阶段的肉脯样品,为研究加工工艺对肉脯风味的影响提供了一种新的分析技术,也为肉制品的品质鉴别提供理论基础。     

基于气相离子迁移谱和电子鼻技术分析 核桃挥发性风味物质

为研究不同品种核桃挥发性风味物质的差异和核桃品种的区分方法,以5种核桃为研究对象,采用气相离子迁移谱（GC-IMS）和电子鼻（E-nose）技术结合主成分分析(PCA）、线性判别分析（LDA）和聚类分析,对核桃挥发性风味物质的组成及品种差异进行了研究。结果表明：GC-IMS技术结合聚类分析和E-nose技术结合LDA分析均能有效区分核桃品种;采用GC-IMS技术从5种核桃中分离出73种挥发性成分,鉴定出其中19种物质,主要有醇类、酮类、醛类和酯类,其中乙醇、2-甲基丙醇、1-戊醇、3-甲基-3-丁烯-1-醇、正己醇、2-庚酮、戊醛、己醛、庚醛、壬醛、苯甲醛和乙酸乙酯是区分核桃品种的关键物质; E-nose分析结果表明,W3C、W5C、W1C和W6S传感器在区分核桃品种上有较大贡献,LDA由于考虑了组间差距,对于核桃品种的区分相较PCA更为明显;两种风味分析技术相比较,GC-IMS可对挥发性物质进行定性和定量检测,E-nose虽不能鉴定挥发性物质的具体种类,但样品处理简单,可实现品种的快速区分。     

气相色谱-离子迁移谱应用于橄榄油的掺假鉴别

建立气相离子迁移谱(gas chromatography-ion mobility spectrometry,GC-IMS)测定橄榄油等油类中可挥发组分的检测方法,样品在60℃条件孵化10 min通过顶空直接进GC-IMS进行分析,通过分析软件实验室分析浏览器(library analysis viewer,LAV)内置的主成分分析(principal component analysis,PCA)分析程序对数据进行处理。结果表明:建立的气相离子迁移谱检测方法可以对橄榄油等植物油中挥发组分进行检测分析;通过PCA主成分分析可以将特级初榨橄榄油与其他油类(果渣油和其他植物油)进行分离,并可以对果渣油、玉米胚芽油、葵花籽油、精炼棕榈油、花生油和大豆油的掺假进行判别分析,掺假鉴别率可以低至5%。     

基于气相离子迁移谱黄酒产地识别的研究

为建立一种快速、准确的黄酒产地鉴别方法,本研究运用气相-离子迁移谱(Gas Chromatography-Ion Mobility Spectrometry,GC-IMS)对不同产地的黄酒中的挥发性有机成分进行分析,构建黄酒产地信息的气味指纹图谱,并对不同产地的黄酒样品进行了判别和分类。采用二维差谱方法筛选16个有效特征峰作为表征黄酒产地差异信息的特征变量,采用主成分分析(Principal Component Analysis,PCA)和线性判别分析(Linear Discriminate Analysis,LDA)方法建立判别模型。结果表明,选取的特征变量经PCA处理后前两个主成分的累积贡献率为96.07%,不同产地的黄酒样品在主成分分析图中均有对应的归属区域,以前2个主成分得分结合LDA方法可以有效的区分不同产地的黄酒样品,预测集中识别率高达94.44%。研究表明,GC-IMS技术结合化学计量学方法能够快速、准确、直观地区分不同产地的黄酒样品,为黄酒的鉴别和原产地保护提供了一种新的检测方法。     

GC-IMS结合化学计量学分析不同采后处理对柑橘果皮挥发性化合物的影响

采用热处理（heat treatment,HT）与臭氧熏蒸（ozone fumigation,OF）对柑橘进行采后保鲜处理,基于气相色谱-离子迁移谱技术（gas chromatography-ion mobility spectrometry,GC-IMS）分析处理前后柑橘果皮挥发性化合物变化。本研究鉴定了49 种挥发性化合物,包括13 种醇类、12 种醛类、9 种萜烯类、7 种酯类、4 种酮类、3 种呋喃类、1 种酸类,并建立不同组之间的指纹图谱。采用主成分分析能够有效区分不同处理组样品。采用偏最小二乘判别分析筛选出17 个标志挥发性化合物（VIP＞1）,并对其进行热图聚类分析,HT与OF处理样品的标志挥发性化合物较为相似。结果表明,HT和OF处理能够显著提高柑橘果皮中醇类、醛类、酯类和萜烯类挥发性化合物的含量,增强其抗病性,延长货架期。GC-IMS可以实现对不同处理样品挥发性化合物的差异进行快速分析。     

基于脂质组学的沙棘油及其掺假油的甘油酯组成比较分析

采用脂质组学的方法,基于超高效液相色谱-四级杆飞行时间质谱（UPLC-QTOF-MS）开展沙棘油及其掺假油甘油酯组成比较分析。对沙棘油及其对照油（葵花籽油、菜籽油和大豆油）进行检测,共检出甘油二酯（DAGs）及甘油三酯（TAGs）92种,其中,甘油二酯16种,甘油三酯76种。根据测得甘油酯采用主成分分析 （PCA）和正交偏最小二乘判别分析（OPLS-DA）等化学计量学方法,发掘样品聚类区分及预测情况。结果表明：该方法建立的判别模型具有良好的解释能力及预测能力,可有效实现沙棘油、葵花籽油、菜籽油及大豆油的区分鉴别,为高值食用油真伪鉴别提供参考。     

气相-离子迁移谱联用技术评定大米霉变程度的应用研究

建立一种快速评定大米早期霉变程度的检测方法。研究利用气相-离子迁移谱联用技术(Gas Chromatography-Ion Mobility Spectrometry, GC-IMS)基于大米霉变过程中的特征挥发性有机成分的变化评定霉变程度。GC-IMS图片库的结果表明,不同霉变过程中大米产生的挥发性有机化合物成分及浓度存在明显差异,基于主成分分析(Principal Component Analysis, PCA)法能够有效地区分不同时期霉变程度,通过K-Means无监督聚类算法对PCA的得分结果进行聚类分析。结果表明,运用GC-IMS联用技术对大米霉变程度进行快速鉴定具有一定可行性,在大米霉变的早期预警方面具有一定应用价值。     

基于UPLC-QTOF-MS技术的压榨和浸出油茶籽油甘油酯组成比较分析

基于超高效液相色谱-四极杆飞行时间-质谱技术的脂质组学方法,比较压榨和浸出油茶籽油的甘油酯组成。采用信息依赖采集模式共检出55 种甘油酯,包括43 种甘油三酯和12 种甘油二酯,其中TAG 54∶3是压榨和浸出油茶籽油最主要的甘油酯,相对含量均超过了30%,相对含量差异不显著（P＞0.05）。以55 种甘油酯为变量参数建立无监督的主成分分析模型,压榨和浸出油茶籽油在二维得分图上具有明显分类趋势。进一步建立有监督的正交偏最小二乘-判别分析模型,模型验证结果表明判别模型具有较高的解释度和预测度,可准确区分压榨和浸出油茶籽油。本研究为鉴别不同加工方式的高值植物油提供了一种新的研究思路。     

茶油品质鉴别的透射和透反射模式分析比较

采用近红外光谱透射模式与透反射模式结合化学计量学方法对茶油进行品质鉴别。对收集的139个样品,分别用透射和透反射模式扫描,采用全光谱10 000～4 000cm-1波段,对光谱不做任何预处理,采用判别分析(discriminant a-nalysis,DA)建立油茶籽油(包括原茶油)和其它油的分类模型,真假茶油分类模型及原茶油和精炼茶油分类模型。透反射和透射模式都能够得到满意的结果,两种光谱采集方法的分类准确率均达到92%以上,透反射采集模式要优于透射采集模式。结果表明,近红外光谱可作为一种简单、快速、无损、可靠的方法用于鉴别茶油品质。     

基于GC-MS和GC-IMS联用法分析不同采收期广佛手精油挥发性成分

以不同采收期广佛手提取的精油为研究对象，采用气相色谱-质谱（gas chromatography-mass spectrometry，GC-MS）和气相色谱离子迁移谱（gas chromatography-ion mobility spectrometry，GC-IMS）技术分析广佛手精油含量和挥发性成分的变化。结果表明，广佛手精油含量在9月达到峰值。GC-MS和GC-IMS技术在5?个采收期广佛手精油中分别鉴定出54?种和61?种挥发性成分，主要为萜烯类，其次为醇类、醛类和酯类等化合物。GC-MS结果表明，醇类、醛类、酯类、烷烃类和酚类物质主要存在于8月、9月样品中，且含量较少。GC-IMS结果表明，醛类、酯类和酸类化合物主要存在于6月、7月和8月样品中。通过热图聚类和主成分分析化学计量法对5?个采收期广佛手精油进行区分。2?种技术的检测结果呈现一定的差异性，GC-MS技术检测出的大部分为大分子（C9～C21）高含量挥发性成分，而GC-IMS检测出的多为小分子（C2～C10）低含量挥发性成分。2?种技术相结合扩大了样品中挥发性组分的检测范围，更加全面直观地反映广佛手精油中挥发性成分的变化情况，为广佛手精油品质鉴别和其最佳采收时间的选取提供科学依据。     

Characteristic volatiles fingerprints and profiles determination in different grades of coconut oil by HS-GC-IMS and HS-SPME-GC-MS

Coconut oil has been extensively used in the food industry, but determination of the quality of coconut oil remains challenging. In this study, volatile components of the coconut oils (refined, desiccated or virgin) subjected to different processing methods were identified and compared. Twenty-six volatile components exhibiting characteristic differences among the three types of coconut oil were screened using headspace solid-phase microextraction–gas chromatography–mass spectrometry (HS-SPME-GC-MS). Furthermore, ethanol, 1-propanol and dimethyl ketone could only be determined by using headspace-gas chromatography–ion mobility spectrometry (HS-GC-IMS). The principal component analysis diagrams attained by the volatile component data demonstrated that the coconut oil samples could be clearly classified into three categories. The multivariate analysis results revealed 2-heptanone and hexanal to be the most promising markers in terms of grade discrimination in coconut oil. The findings are conducive to the development of a new method for the identification of oils with different refining degrees.     

基于GC-IMS分析三种植物油炒制海鲈鱼鱼松中挥发性风味物质的研究

本研究以海鲈鱼鱼松为研究对象,通过感官评分、色差和质构确定了植物油最佳添加量为3%。在此基础上,采用气相色谱-离子迁移谱（Gas Chromatography-Ion Mobility Spectroscopy,GC-IMS）技术深入分析了三种植物油（花生油、棕榈油和葵花籽油）炒制鱼松过程中挥发性风味物质的组成情况。结果表明,三种植物油炒制的鱼松中共鉴定出40种挥发性风味物质,包括醛类、醇类、酯类和酮类化合物等,其中,花生油、棕榈油和葵花籽油炒制鱼松中醛类的相对含量最高,分别为63.33%、57.58%和43.75%。不同植物油炒制鱼松中存在特征风味物质,其中,丙醛、苯甲醛分别只存在于花生油、棕榈油炒制鱼松中;3-甲基-1-丁醇和己醛同时存在于花生油和葵花籽油炒制鱼松中。本研究结果表明根据GC-IMS建立的三种植物油炒制鱼松指纹图谱相似度较低,能有效区分炒制鱼松的植物油来源,可作为植物油炒制鱼松的鉴定及掺伪鉴别的有效手段。     

电子鼻对芝麻油掺假的检测

使用电子鼻系统PEN3 对芝麻油中掺入大豆油、玉米油、葵花籽油进行检测分析,分别对芝麻油中不同量的掺假进行辨别,用主成分分析(PCA)和线性判别式分析(LDA)两种方法分析。结果表明：电子鼻能够较好的识别芝麻油掺假不同比例的大豆油、玉米油和葵花籽油,而且LDA 方法比PCA 方法的效果好。PCA 方法对掺入大豆油、玉米油超过50% 和葵花籽油超过70% 的芝麻油能明显区分,而LDA 方法对芝麻油中掺入不同量的大豆油、玉米油和葵花籽油均能明显区分。     

采用气相色谱-离子迁移谱技术检测黄酒风味物质

为实现黄酒中挥发性风味物质的快速无损检测,本研究采用气相色谱-离子迁移谱(Gas chromatography-ion mobility spectrometry,GC-IMS)联用技术结合化学计量学方法对不同酒龄黄酒中的挥发性风味物质进行了研究。黄酒样本的GC-IMS图片库显示,不同酒龄黄酒的挥发性风味物质浓度存在显著差异。采用差谱法从谱图中筛选出33个特征峰,利用其中13个数据库可查询到对应物质的特征峰进行黄酒的风味成分分析。以33个特征峰峰高作为变量,通过主成分分析(principal component analysis,PCA)进行降维,前6个主成分累计贡献率为95%,可以有效区分各组样本。分别采用线性判别(Linear Discriminant Analysis,LDA)、K-最近邻分类算法(K-Nearest Neighbor,KNN)建立酒龄判别模型。结果显示,LDA方法得到的训练集和预测集识别率分别为95%和90%,KNN的判别效果较好,训练集和预测集的识别率均达到100%。这说明,GC-IMS可以有效应用于黄酒挥发性风味物质的检测,在食品风味物质分析等领域具有广阔的应用前景。     

气相离子迁移谱对山茶油掺假的检测

以掺假山茶油样为气相离子迁移谱（gas chromatography-ion mobility spectrometry,GC-IMS）检测对象,利用多维主成分分析（multi-way principal component analysis,MPCA）法和偏最小二乘（partial least squares,PLS）回归分析处理二维谱图数据,探索并建立一种山茶油纯度检测方法。对配制的不同比例3 种食用植物油的掺假油样进行GC-IMS检测,采用MPCA压缩并提取矩阵中的得分矩阵进行主成分分析,将提取的得分矩阵进行PLS分析,建立掺假量的定量预测模型。结果表明,MPCA处理后的主成分图可以明显区分山茶油样和掺入不同种类食用油的掺假山茶油样,且不同掺入比例组有其明显的归属区域;采用PLS对MPCA的得分矩阵进行回归分析,可实现对山茶油掺假比例的准确定量测定。该方法具有快速、准确、无损的特点,可应用推广到其他联用仪器的数据分析处理中,在食用油品质控制与评价方法中具有很大的应用前景。     

食用油储存期品质变化的太赫兹光谱无损识别

为研究食用油在储存期间的品质变化情况，利用太赫兹衰减全反射技术对不同氧化程度的食用油进行无损识别。首先探究储存条件对食用油品质的影响情况，进一步根据国家定义食用油品质的标准将样品分为新鲜油、可食用油和不宜食用油，采集各类油品的太赫兹时域光谱，经数据预处理后采用欧氏距离匹配法进行聚类分析，并采用线性判别分析法进行样本分类，其中欧氏距离匹配法识别食用油折射率谱，准确率为95.65%；线性判别分析法识别吸收系数谱数据，准确率为91.00%，经比较两模型识别准确率理想，分析效果良好。该研究首先得出储存条件对食用油品质的影响规律，以论证太赫兹衰减全反射技术在分析食用油储存期品质变化方面的可行性，实现了食用油品质的快速无损检测；也可为太赫兹光谱技术深入应用于食用油多种属性的研究提供一定参考依据。