• 中国科技期刊卓越行动计划项目资助期刊
  • 中国精品科技期刊
  • EI
  • Scopus
  • CAB Abstracts
  • Global Health
  • 北大核心期刊
  • DOAJ
  • EBSCO
  • 中国核心学术期刊RCCSE A+
  • 中国科技核心期刊CSTPCD
  • JST China
  • FSTA
  • 中国农林核心期刊
  • 中国开放获取期刊数据库COAJ
  • CA
  • WJCI
  • 食品科学与工程领域高质量科技期刊分级目录第一方阵T1
中国精品科技期刊2020

气相-离子迁移谱结合化学计量学方法快速区分不同年份酿造白酒

张敏敏, 路岩翔, 赵志国, 崔莉, 闫慧娇, 王晓, 赵恒强

张敏敏,路岩翔,赵志国,等. 气相-离子迁移谱结合化学计量学方法快速区分不同年份酿造白酒[J]. 食品工业科技,2021,42(14):226−232. doi: 10.13386/j.issn1002-0306.2020080205.
引用本文: 张敏敏,路岩翔,赵志国,等. 气相-离子迁移谱结合化学计量学方法快速区分不同年份酿造白酒[J]. 食品工业科技,2021,42(14):226−232. doi: 10.13386/j.issn1002-0306.2020080205.
ZHANG Minmin, LU Yanxiang, ZHAO Zhiguo, et al. Rapid Discrimination of Different Years of Brewing Liquor by Gas Chromatography-Ion Mobility Spectroscopy Combined with Chemometrics Method[J]. Science and Technology of Food Industry, 2021, 42(14): 226−232. (in Chinese with English abstract). doi: 10.13386/j.issn1002-0306.2020080205.
Citation: ZHANG Minmin, LU Yanxiang, ZHAO Zhiguo, et al. Rapid Discrimination of Different Years of Brewing Liquor by Gas Chromatography-Ion Mobility Spectroscopy Combined with Chemometrics Method[J]. Science and Technology of Food Industry, 2021, 42(14): 226−232. (in Chinese with English abstract). doi: 10.13386/j.issn1002-0306.2020080205.

气相-离子迁移谱结合化学计量学方法快速区分不同年份酿造白酒

基金项目: 山东省重点研发计划(医用食品)(2018YYSP012);山东省重点研发计划(2019GSF108062,2019GSF108035);山东省泰山学者岗位资助(郭兰萍);山东省科学院先导专项(郭兰萍)
详细信息
    作者简介:

    张敏敏(1990−),女,硕士研究生,研究方向:食品科学,E-mail:zhangminminff@163.com

    通讯作者:

    赵恒强(1980−),男,博士,副研究员,研究方向:食品及天然产物分析研究,E-mail:hqzhao2007@163.com

  • 中图分类号: TS261.7

Rapid Discrimination of Different Years of Brewing Liquor by Gas Chromatography-Ion Mobility Spectroscopy Combined with Chemometrics Method

  • 摘要: 目的:建立了气相色谱-离子迁移谱(Gas chromatography-ion mobility spectroscopy, GC-IMS)技术结合化学计量学分析快速区分不同年份酱香型白酒的方法。方法:采用GC-IMS技术对多批次不同年份的酱香型酿造白酒样本中挥发性有机物进行分析,通过对比挥发性有机物含量差异快速生成指纹图谱,并通过PCA-CA分析实现样本的快速区分。结果:将白酒中检测到的化合物峰利用NIST 2014气相保留指数数据库与IMS迁移时间数据库进行准确的二维定性后共鉴别出包含单体和二聚体在内的共53个挥发性有机物。挥发性有机物指纹图谱对比结果显示不同年份样本中所含化合物的种类和含量差异较大,采用PCA分析可以实现不同年份原酒和老熟酒的正确区分,采用主成分分析-聚类分析(Principal component analysis-cluster analysis, PCA-CA)处理结果进一步明确了区分结果的准确性。结论:该方法直观、快速、准确,为酿造白酒的年份区分提供了方法和技术支持。
    Abstract: Objective: In this work, a method based on gas chromatography-ion mobility spectroscopy (GC-IMS) combined with chemometrics was established and applied to the rapid discrimination of the years of sauce-flavored liquor. Methods: GC-IMS was employed to the rapid analysis of the volatile organic compounds (VOCS) from liquor samples. Gallery-plot, also called fingerprints, was constructed and characterized the difference of the VOCS for different years samples via the colored spots, and applied to the discrimination of liquor years combined with PCA-CA analysis. Results: A total of 53 volatiles including monomers and dimers were identified via the NIST 2014 database of gas retention index and the database of IMS migration time for accurate two-dimensional characterization. The comparison results of VOCS fingerprints showed that the types and contents of the compounds contained in different samples were quite different, the PCA results indicated that the samples of different years could be differentiated correctly, the PCA-CA processing results further clarified the differences and the accuracy of distinguishing results. Conclusion: This method was intuitive, fast and accurate, and would provide the method and technical support for the distinction of brewing liquor.
  • 酿造白酒是我国的一种特有酒类,其以古老的酿造工艺和独特的风味、口感闻名世界,是世界七大蒸馏酒之一[1]。根据香型不同,酿造白酒可以分为浓香型、清香型、酱香型和芝麻香型等多种类型[2]。其中酱香型白酒以其口味醇厚,余味悠长等特点深受广大消费者喜爱,其中最具代表性的为茅台酒[3]。酱香型酿造白酒品质与其窖藏年份有着重要的联系。窖藏年份越久,酿造白酒中的辣味成分减少,酒味渐趋平和、绵柔,酒香较为醇厚、芬芳[4]。自20世纪90年代“年份酒”概念被引入中国白酒市场后,经过窖藏后的“年份酒”更得消费者亲睐,价格也相对较高[5]。由于我国缺少关于酿造白酒年份鉴别的准则典籍和法律法规,导致目前“年份酒”市场较为混乱,以次充好、掺假等问题严重侵犯了消费者的合法利益[6]。目前,对于白酒的检测方式一般分为人工评定和理化指标检测两种[7]。其中,人工评定法易受外界环境和个人主观意识影响,且对评定人员的专业素质要求较高[8]。理化指标检测一般是利用气相色谱质谱、高效液相色谱等技术测定其中的某些成分,对实验条件和环境以及实验仪器的要求较高,且样品需要预先进行复杂的前处理实验,较为繁琐[9-11]。荧光光谱技术可以通过多个样本建立矩阵实现样本的检测,但前期工作需要人工寻找光谱特征量,预测准确性和客观性有待进一步提高,也无法给出具体的化合物定性信息[12-13]。因此,亟需发展一种酿造酒年份快速检测的技术来规范化年份酒市场。

    气相色谱离子迁移谱(gas chromatography-ion mobility spectroscopy, GC-IMS)作为一种新兴的检测技术,是一种利用气相色谱(gas chromatography, GC)结合离子迁移谱(ion mobility spectroscopy, IMS)对样品中的挥发性成分进行快速检测的技术[14]。该技术是基于复杂化合物组分经过气相色谱柱的初步分离后,离子化化合物在特定的电场中通过固定的距离(漂移管)所需的漂移时间不同来实现的[15]。目前,该项技术在油类[16-17]、蜂蜜[18-20]、松茸等[21-22]食品掺假等方向已有广泛应用。然而,在酱香型白酒年份快速区分领域应用较为少见。

    本研究采用GC-IMS技术对酱香型白酒(茅台)的不同年份样品(包含老熟样本)进行了初步分析,并通过LAV软件快速生成指纹图谱,结合主成分分析(principal component analysis, PCA)和主成分-聚类分析(principal component analysis-cluster analysis, PCA-CA)等计量学统计分析方法进行区分研究,对所含挥发性成分进行部分鉴别,为酿造白酒年份区分提供一种新方法、新技术。

    不同年份酱香型白酒茅台 1-0(十年原酒)、1-1(十年老熟1号)、1-2(十年老熟2号)、1-3(十年老熟3号),2-0(五年原酒)、2-1(五年老熟1号)、2-2(五年老熟2号)、2-3(五年老熟3号),3-0(两年原酒)、3-1(两年老熟1号)、3-2(两年老熟2号)、3-3(两年老熟3号) 山东七彩养生健康科技有限公司。

    GAS FlavourSpec®气相离子迁移谱 德国G.A.S.公司;HAMAG 20 mL磁盖螺口顶空瓶 浙江哈迈科技;SE-54(30 m×0.32 mm, 0.25 μm) 非极性色谱柱 德国CS色谱服务技术有限公司。

    分别吸取1.0 mL白酒样品置于20 mL 顶空进样瓶中,加入2.0 mL 水稀释后封盖备用。

    GC-IMS 实验过程中包含两大部分:样品孵育过程和进样分析过程。其中进样分析过程又包含气相色谱柱预分离和离子迁移谱分离。因此,实验条件包含孵育条件,GC条件和IMS条件三部分,详见表1

    表  1  GC-IMS 实验条件
    Table  1.  Test conditions of GC-IMS
    仪器项目GC-IMS参数
    样品孵育孵育时间10 min
    样品量1 mL
    孵育温度60 ℃
    进样口温度65 ℃
    GC色谱柱类型SE-54
    色谱柱柱长30 m
    柱温40 ℃
    运行时间30 min
    IMS电离源氚(6.5 KeV)
    电离模式正模式
    初始载气流量2 mL/min(N2, 99.999%)
    漂移气流量150 mL/min(N2, 99.999%)
    迁移管温度45 ℃
    采集均值12
    下载: 导出CSV 
    | 显示表格

    GC-IMS得到的直观实验结果为一个以离子迁移时间为横坐标,气相保留时间为纵坐标的挥发性有机物点图。需要对实验数据进行进一步分析来实现本研究的研究目的。主要包含化合物定性分析,样品间差异分析,指纹图谱分析以及统计学分析四项。通过G.A.S.公司配置的软件和内置的NIST数据库和IMS数据库对样品中挥发性有机物进行定性;通过LAV软件和内置的 Gallery plot 插件、PCA analysis插件以及DPS数据处理系统完成不同样品的指纹图谱分析,PCA分析和PCA-CA分析。

    GC-IMS分析方法是一种将GC分析和IMS分析相结合的二维分析方法,包含样品富集进样、GC分离和IMS分离等过程。合适的实验条件将大大加快实验效率和目标物的分离度,提高定性准确率。本研究分别从以下三部分对实验条件进行优化:

    样品孵育过程是一个样品中VOCs的富集过程,孵育温度和孵育时间均为该过程中的重要指标。在前期类似研究文献基础上[23],本研究采用单因素实验考察了孵育条件对酱香型白酒GC-IMS分析的影响。优化过程中保持孵育时间为10 min条件下,考察了40和60 ℃两个不同孵育温度为唯一变量对样品的影响,见图1A,见图1B。结果表明,60 ℃下孵育10 min可得到较多的VOCs信息。气体洗脱程序是GC分析过程中的重要因素,需要进行合适的优化。影响化合物在GC柱上保留的主要因素是载气流速(EPC2)。根据气相色谱的特点,增加EPC2会缩短化合物的保留时间。因此,本研究中对比了EPC2的初始值为2和10 mL/min对化合物保留情况的影响,见图1C,见图1D,最终确定2 mL/min为最佳初始值。IMS检测作为样品的二次分离分析过程,主要影响因素为迁移管温度(T1)。T1的值越高,离子的活性越高,迁移时间越短,得到的化合物信息越少。因此,结合已有文献[23],T1为45 ℃即可得到足够的化合物信息。

    图  1  优化过程的气相-离子迁移谱图
    Figure  1.  Spectra of the optimization process

    将处理好的样品60 ℃孵育10 min后,直接进行顶空进样分析,30 min后得到样品的挥发性组分图谱,见图2。谱图纵坐标为气相保留时间(retention time of GC),横坐标为离子迁移时间(drift time),整个图谱中横坐标1.0位置为RIP(即反应离子峰,drift time约为8.04 ms)。RIP两侧的每一个点代表一种挥发性有机物,颜色深浅代表化合物的浓度高低,颜色越浅表示浓度较低,颜色越深则表示浓度越高,整个谱图上的点即代表了样品中检测到的所有VOCs。

    图  2  样品的气相-离子迁移谱图(样本3-3)
    Figure  2.  Spectrogram of GC-IMS(sample 3-3)

    本研究中的12个样本均为同一类型白酒样本,含有的化合物种类相似度较高,图2以样品3-3为例对其中的部分化合物进行定性分析。本部分利用GCxIMS Library Search软件,通过内置的NIST 2014气相保留指数数据库与IMS迁移时间数据库对其中的53个峰进行了定性分析,化合物编号与图2中的峰号一一对应,其中部分物质含有单体、二聚体两个峰,具体VOCs信息见表2

    表  2  酒样中检测出的VOCs
    Table  2.  VOCs detected in liquor samples
    编号化合物CAS号化学式分子量气相保留指数气相保留时间(s)迁移时间(RIPrel)
    1癸醛(decanal)C112312C10H20O156.31199.902087.912.06
    2癸醛(decanal)C112312C10H20O156.31200.702093.801.50
    3乙酸丙酯(Propyl hexanoate)C626777C9H18O2158.21106.801442.981.92
    4乙酸丙酯(Propyl hexanoate)C626777C9H18O2158.21107.401445.931.42
    5辛醛(Octanal)C124130C8H16O128.21021.001026.491.83
    6辛醛(Octanal)C124130C8H16O128.21022.001030.431.39
    7甲基己酮(Hexyl methyl ketone)C111137C8H16O128.21003.00955.601.35
    82,6-二甲基-4-庚酮(2,6-dimethyl-4-heptanone)C108838C9H18O142.2971.20857.141.34
    92,6-二甲基-4-庚酮(2,6-dimethyl-4-heptanone)C108838C9H18O142.2971.90859.111.79
    10α-蒎烯(α-Pinene)C80568C10H16136.2942.50779.971.72
    11α-蒎烯(α-Pinene)C80568C10H16136.2943.00781.301.31
    12庚醛(Heptanal)C111717C7H14O114.2903.10685.111.69
    132-庚酮(2-Heptanone)C110430C7H14O114.2899.60677.391.28
    142,5-二甲基吡嗪(2,5-Dimethylpyrazine)C123320C6H8N2108.1895.90669.201.13
    15乙酸异戊酯(3-Methylbutyl acetate)C123922C7H14O2130.2883.10644.991.30
    16乙酸异戊酯(3-Methylbutyl acetate)C123922C7H14O2130.2883.30645.351.75
    171-己醇(1-Hexanol)C111273C6H14O102.2870.20622.921.65
    181-己醇(1-Hexanol)C111273C6H14O102.2870.40623.281.33
    192-甲基吡嗪(2- Methyl pyrazine)C109080C5H6N294.1824.90551.361.33
    20正己醛(Hexanal)C66251C6H12O100.2797.60512.201.56
    212-甲基吡嗪(2- Methyl pyrazine)C109080C5H6N294.1826.80554.211.11
    222-己酮(2-Hexanone)C591786C6H12O100.2803.80520.741.21
    231-戊醇(1-Pentanol)C71410C5H12O88.1761.40464.851.52
    242,3-戊二酮(2,3-Pentanedione)C600146C5H8O2100.1701.70396.551.21
    25丙烯酸乙酯(Ethyl acrylate)C140885C5H8O2100.1702.00396.871.13
    262-戊酮(2-Pentanone)C107879C5H10O86.1687.20381.851.35
    27正丁醇(1-Butanol)C71363C4H10O74.1651.40354.041.37
    282-丁酮(2-Butanone)C78933C4H8O72.1598.10316.321.23
    29丙醇(1-Propanol)C71238C3H8O60.1584.00307.051.25
    302,3-丁二酮(2,3-butanedione)C431038C4H6O286.1581.60305.451.17
    31甲基叔丁基醚(tert-Butylmethylether)C1634044C5H12O88.1561.80292.981.14
    32丙酮(Acetone)C67641C3H6O58.1493.60253.671.14
    33苯甲醛(Benzaldehyde)C100527C7H6O106.1952.70806.521.47
    341-辛醇(1-Octanol)C111875C8H18O130.21062.901212.001.87
    351-辛醇(1-Octanol)C111875C8H18O130.21063.401214.551.42
    363-辛酮(3-Octanone)C106683C8H16O128.2982.40889.291.30
    374-甲基戊醇(4-Methylpentanol)C626891C6H14O102.2851.10591.781.65
    38乳酸乙酯(Ethyl lactate)C97643C5H10O3118.1814.40535.861.54
    39丁酸(Butanoic acid)C107926C4H8O288.1785.10495.231.39
    402,3-丁二醇(2,3-Butanediol)C513859C4H10O290.1791.20503.371.37
    41乙酸异丁酯(Isobutyl acetate)C110190C6H12O2116.2769.50475.071.62
    42异丁酸乙酯(Ethyl isobutyrate)C97621C6H12O2116.2755.80458.021.56
    431-戊醇(1-Pentanol)C71410C5H12O88.1763.10466.931.25
    442-甲基丁醇(2-methylbutanol)C137326C5H12O88.1725.70422.741.48
    45乙酸丙酯(Propyl acetate)C109604C5H10O2102.1712.10407.631.46
    46戊醛(Valeraldehyde)C110623C5H10O86.1662.80362.631.41
    47乙酸乙酯(Ethyl Acetate)C141786C4H8O288.1617.50329.541.34
    48异丙醇(Isopropyl alcohol)C67630C3H8O60.1501.90258.151.19
    49苯甲醛(Benzaldehyde)C100527C7H6O106.1953.00807.231.15
    502-庚醇(2-Heptanol)C543497C7H16O116.2891.50659.781.36
    51正戊酸(Pentanoic acid)C109524C5H10O2102.1891.10659.101.49
    52顺-3-己烯醇((Z)-3-hexenol)C928961C6H12O100.2846.00583.621.25
    532-甲基丁酸(2-methylbutyric acid)C116530C5H10O2102.1825.10551.661.45
    下载: 导出CSV 
    | 显示表格

    为了更直观的对比不同年份酒样中VOCs成分的差异,本研究选取图中的化合物峰作为待分析的点,通过LAV软件的Gallery Plot插件生成VOCs指纹图谱,见图3

    图  3  不同年份白酒样品的多成分差异性对比图
    注:每一行代表一个样品所选择的所有区域,每一列是不同样品间同一区域的对比。
    Figure  3.  Comparison chart of multi-component differences of liquor samples

    图3可以看出:三组样品的成分之间有较大差异,每组样品组份内部之间的差异较小。图3中用括号标注出了其中四处有明显差异的区域(A、B、C、D):其中,A区域中的这些化合物在3号组(两年酒样)中含量较高,而2号组(五年酒样)和1号组(十年酒样)中接近零点,说明这些化合物随着贮藏年份的增加逐渐减少,其中包含α-蒎烯(α-Pinene),丁酸(Butanoic acid),异丙醇(Isopropyl alcohol)三个已鉴别成分;另外同年份酒样中该部分化合物变化不明显,说明老熟工艺对这部分化合物影响较小。B区域中的这些化合物在3个组份中均能检测到,但2号组(5年酒样)中含量最高,说明这部分化合物随着贮藏年份的增加含量先增加后减少,这些化合物可能稳定性较差,其中包含2,3-丁二酮(2,3-butanedione),乙酸丙酯(Propyl acetate),苯甲醛(Benzaldehyde)和癸醛(decanal)四个已鉴别成分,C区域中的这些化合物在1号组(10年酒样)中含量较高,而2号组(5年酒样)和3号组(2年酒样)中含量较低且3号组较2号组中的含量更低,说明这些化合物随着贮藏年份的增加逐渐累积且年份越长含量越高,其中包含乙酸异丁酯(Isobutyl acetate),2,6-二甲基-4-庚酮(2,6-dimethyl-4-heptanone),3-辛酮(3-Octanone)和1-戊醇(1-Pentanol)等已知化合物;另外同年份酒样中该部分化合物变化不明显,说明老熟工艺对这部分化合物的影响较小。D区域中的这些化合物在3号组(两年酒样)中含量最高,1号组(十年酒样)中含量次之,2号组(五年酒样)中含量最低,说明这部分化合物随着贮藏年份的增加含量先减少后增加,这些化合物可能是内部物质分解或者是合成的产物,其中以已知化合物辛醛(Octanal)为代表。另外,可以看出同一年份不同老熟状态的白酒样本中随着老熟工艺的加深部分化合物含量会呈现或增高或降低的变化,说明老熟工艺会对白酒成分的变化造成一定影响,但从C和D两个区域看来不同老熟处理的十年酒样本中成分变化较小,说明老熟工艺对十年酒的影响较弱。多项研究表明,新酿酒中除水和乙醇外约含2.0%的风味成分,其所含的风味成分随着贮藏时间的增加呈“酸增酯减”的大体趋势,经两年贮藏后,大部分高含量成分如乙酸乙酯,乳酸乙酯,正丙醇,乙酸丙酯,正丁醇等含量已趋于稳定[24-25],因此,本研究中虽在样本中鉴别出其中的一些成分但对于贮藏时间长于两年后的酒样的区分贡献不大,故生成区分的指纹图谱中并未选用此类成分的峰。由图2结合已鉴别成分可以看出,随着贮藏年份的增加,许多醛酮类成分含量也在逐渐增加,醛类和酮类物质是香味的协调成分,有的醛类物质有较强的刺激性,可增大酒劲并衬托香气[26]。图中对贮藏年份2年及以上白酒的年份区分具有较大贡献的未知化合物有待于进一步鉴别研究。

    PCA分析可以实现数据的降维和规律性分析。通过对大量数据的矩阵分析,对特征向量进行标准化,从而减少数据维数,消除数据冗余,陆伦维等[27]已通过主成分分析方法对不等级的酱香型白酒实现了判别分析。为了更加直观的对比各组分之间的差异,本研究利用LAV软件的PCA分析插件对三组酒样的12个样品进行主成分分析,相关矩阵的特征值等信息如表3所示。表3中显示了6个特征主成分信息,其中前2个主成分的累积方差贡献率高达90%以上,即前2个主成分即可解释90%以上的数据信息,故选取前2个主成分进行样品的进一步区分具有较强的可靠性。

    表  3  相关矩阵的特征值
    Table  3.  Eigen-values of the correlation matrix
    成分方差贡献率(%)累积方差贡献率(%)特征值
    PC161.17661.1771.09E+07
    PC233.26494.4415946855.469
    PC33.21397.654574370.201
    PC40.94098.594168033.821
    PC50.52399.11593251.839
    PC60.34399.45961408.800
    下载: 导出CSV 
    | 显示表格

    PC1和PC2两个数据集的总得分高达94%,即可以解释总变异的94%,以主成分PC1为横坐标,PC2为纵坐标建立样本的二维得分图谱,结果见图4。由图4可知,每个样品组组内在图谱中的分类较为明显,组间分布较远,达到了较好的区分效果。

    图  4  12个样品的PCA分析图谱
    Figure  4.  PCA analysis pattern of 12 samples

    主成分分析消除了指标间相关性对结果的影响并对样本进行了简单的区分,但并不能明确的显示样品间的聚类差异。因此,本研究中将PCA分析与CA分析相结合,这样既避免指标间相关性对结果的影响,避免指标的取舍问题,降低计算量,同时又可以快速简单地将分类结果用树状图表示出来,增强结果的可读性。由图5可以看出,自然陈酿年份的影响占据了绝对优势,样本明确的分为3类:第一类(10年酒)中,随着老熟工艺的应用,样品间的距离越来越远;第二类(5年酒)中,2-3号样本距离其余样品最远,原因可能是对于第二类样本来说,老熟处理工艺的影响较大;第三类(2年酒)中,3-0(原酒)与3-1号样本为一小组聚类,3-2号样本与3-3号样本为一小组聚类,说明这两小组组内样本间差异较小,而且聚类规律并未随着老熟工艺的进行而产生规律性变动,可能是新酒稳定性差的原因。另外,第一类与第二类样本间的距离较近,第三类样本与其余样本相聚最远可能是由于第三类中的白酒样本年份较新,样品较不稳定。随着贮藏年份的增加,白酒中的物质渐趋平衡稳定,因此第二类与第三类样本的距离较近。

    图  5  12个样本的PCA-CA分析图谱
    Figure  5.  PCA-CA analysis spectrum of 12 samples

    本研究首次将GC-IMS技术和PCA-CA数据处理方法相结合,并进一步详细研究其在酱香型酿造白酒年份快速鉴别中的应用,实现不同年份酿造白酒的快速区分。研究发现GC-IMS技术可以快速、准确的对白酒中的挥发性有机物进行鉴别,其中在本研究对象中共鉴别出53种成分,结合仪器自带软件形成VOCs指纹图谱进行初步的白酒样本中化合物差异性对比。PCA-CA数据处理方法消除了GC-IMS产生的大量的挥发性有机物指标间相关性对结果的影响,避免指标的取舍问题,降低数据维度和计算量,同时又可以快速简单地将分类结果和远近关系用树状图表示出来,增强结果的可读性。本研究通过GC-IMS技术和PCA-CA数据处理相结合的方法快速实现了三组不同贮藏年份白酒的区分。然而,受样本数量较少和样本分散程度不均匀等问题的约束该方法仍有很大的提高空间,后续应进一步提升和优化。

  • 图  1   优化过程的气相-离子迁移谱图

    Figure  1.   Spectra of the optimization process

    图  2   样品的气相-离子迁移谱图(样本3-3)

    Figure  2.   Spectrogram of GC-IMS(sample 3-3)

    图  3   不同年份白酒样品的多成分差异性对比图

    注:每一行代表一个样品所选择的所有区域,每一列是不同样品间同一区域的对比。

    Figure  3.   Comparison chart of multi-component differences of liquor samples

    图  4   12个样品的PCA分析图谱

    Figure  4.   PCA analysis pattern of 12 samples

    图  5   12个样本的PCA-CA分析图谱

    Figure  5.   PCA-CA analysis spectrum of 12 samples

    表  1   GC-IMS 实验条件

    Table  1   Test conditions of GC-IMS

    仪器项目GC-IMS参数
    样品孵育孵育时间10 min
    样品量1 mL
    孵育温度60 ℃
    进样口温度65 ℃
    GC色谱柱类型SE-54
    色谱柱柱长30 m
    柱温40 ℃
    运行时间30 min
    IMS电离源氚(6.5 KeV)
    电离模式正模式
    初始载气流量2 mL/min(N2, 99.999%)
    漂移气流量150 mL/min(N2, 99.999%)
    迁移管温度45 ℃
    采集均值12
    下载: 导出CSV

    表  2   酒样中检测出的VOCs

    Table  2   VOCs detected in liquor samples

    编号化合物CAS号化学式分子量气相保留指数气相保留时间(s)迁移时间(RIPrel)
    1癸醛(decanal)C112312C10H20O156.31199.902087.912.06
    2癸醛(decanal)C112312C10H20O156.31200.702093.801.50
    3乙酸丙酯(Propyl hexanoate)C626777C9H18O2158.21106.801442.981.92
    4乙酸丙酯(Propyl hexanoate)C626777C9H18O2158.21107.401445.931.42
    5辛醛(Octanal)C124130C8H16O128.21021.001026.491.83
    6辛醛(Octanal)C124130C8H16O128.21022.001030.431.39
    7甲基己酮(Hexyl methyl ketone)C111137C8H16O128.21003.00955.601.35
    82,6-二甲基-4-庚酮(2,6-dimethyl-4-heptanone)C108838C9H18O142.2971.20857.141.34
    92,6-二甲基-4-庚酮(2,6-dimethyl-4-heptanone)C108838C9H18O142.2971.90859.111.79
    10α-蒎烯(α-Pinene)C80568C10H16136.2942.50779.971.72
    11α-蒎烯(α-Pinene)C80568C10H16136.2943.00781.301.31
    12庚醛(Heptanal)C111717C7H14O114.2903.10685.111.69
    132-庚酮(2-Heptanone)C110430C7H14O114.2899.60677.391.28
    142,5-二甲基吡嗪(2,5-Dimethylpyrazine)C123320C6H8N2108.1895.90669.201.13
    15乙酸异戊酯(3-Methylbutyl acetate)C123922C7H14O2130.2883.10644.991.30
    16乙酸异戊酯(3-Methylbutyl acetate)C123922C7H14O2130.2883.30645.351.75
    171-己醇(1-Hexanol)C111273C6H14O102.2870.20622.921.65
    181-己醇(1-Hexanol)C111273C6H14O102.2870.40623.281.33
    192-甲基吡嗪(2- Methyl pyrazine)C109080C5H6N294.1824.90551.361.33
    20正己醛(Hexanal)C66251C6H12O100.2797.60512.201.56
    212-甲基吡嗪(2- Methyl pyrazine)C109080C5H6N294.1826.80554.211.11
    222-己酮(2-Hexanone)C591786C6H12O100.2803.80520.741.21
    231-戊醇(1-Pentanol)C71410C5H12O88.1761.40464.851.52
    242,3-戊二酮(2,3-Pentanedione)C600146C5H8O2100.1701.70396.551.21
    25丙烯酸乙酯(Ethyl acrylate)C140885C5H8O2100.1702.00396.871.13
    262-戊酮(2-Pentanone)C107879C5H10O86.1687.20381.851.35
    27正丁醇(1-Butanol)C71363C4H10O74.1651.40354.041.37
    282-丁酮(2-Butanone)C78933C4H8O72.1598.10316.321.23
    29丙醇(1-Propanol)C71238C3H8O60.1584.00307.051.25
    302,3-丁二酮(2,3-butanedione)C431038C4H6O286.1581.60305.451.17
    31甲基叔丁基醚(tert-Butylmethylether)C1634044C5H12O88.1561.80292.981.14
    32丙酮(Acetone)C67641C3H6O58.1493.60253.671.14
    33苯甲醛(Benzaldehyde)C100527C7H6O106.1952.70806.521.47
    341-辛醇(1-Octanol)C111875C8H18O130.21062.901212.001.87
    351-辛醇(1-Octanol)C111875C8H18O130.21063.401214.551.42
    363-辛酮(3-Octanone)C106683C8H16O128.2982.40889.291.30
    374-甲基戊醇(4-Methylpentanol)C626891C6H14O102.2851.10591.781.65
    38乳酸乙酯(Ethyl lactate)C97643C5H10O3118.1814.40535.861.54
    39丁酸(Butanoic acid)C107926C4H8O288.1785.10495.231.39
    402,3-丁二醇(2,3-Butanediol)C513859C4H10O290.1791.20503.371.37
    41乙酸异丁酯(Isobutyl acetate)C110190C6H12O2116.2769.50475.071.62
    42异丁酸乙酯(Ethyl isobutyrate)C97621C6H12O2116.2755.80458.021.56
    431-戊醇(1-Pentanol)C71410C5H12O88.1763.10466.931.25
    442-甲基丁醇(2-methylbutanol)C137326C5H12O88.1725.70422.741.48
    45乙酸丙酯(Propyl acetate)C109604C5H10O2102.1712.10407.631.46
    46戊醛(Valeraldehyde)C110623C5H10O86.1662.80362.631.41
    47乙酸乙酯(Ethyl Acetate)C141786C4H8O288.1617.50329.541.34
    48异丙醇(Isopropyl alcohol)C67630C3H8O60.1501.90258.151.19
    49苯甲醛(Benzaldehyde)C100527C7H6O106.1953.00807.231.15
    502-庚醇(2-Heptanol)C543497C7H16O116.2891.50659.781.36
    51正戊酸(Pentanoic acid)C109524C5H10O2102.1891.10659.101.49
    52顺-3-己烯醇((Z)-3-hexenol)C928961C6H12O100.2846.00583.621.25
    532-甲基丁酸(2-methylbutyric acid)C116530C5H10O2102.1825.10551.661.45
    下载: 导出CSV

    表  3   相关矩阵的特征值

    Table  3   Eigen-values of the correlation matrix

    成分方差贡献率(%)累积方差贡献率(%)特征值
    PC161.17661.1771.09E+07
    PC233.26494.4415946855.469
    PC33.21397.654574370.201
    PC40.94098.594168033.821
    PC50.52399.11593251.839
    PC60.34399.45961408.800
    下载: 导出CSV
  • [1] 陈志宏, 张汆, 徐有山. 白酒中风味物质分析研究进展[J]. 中国酿造,2020,39(6):13−16. doi: 10.11882/j.issn.0254-5071.2020.06.003
    [2] 程娇娇. 不同年份赊店酒香气模型的建立及其对比分析[D]. 新乡: 河南科技学院, 2018.
    [3] 陈晨. 怀藏酱酒香气物质研究[D]. 广州: 华南理工大学, 2017.
    [4] 代金凤, 罗政, 文春平, 等. 不同贮藏环境对浓香型白酒品质的影响[J]. 中国酿造,2019,38(5):23−26. doi: 10.11882/j.issn.0254-5071.2019.05.005
    [5] 奚留华. 几种白酒年份酒的荧光特性分析及其应用[D]. 无锡: 江南大学, 2016.
    [6] 宋鑫澍, 陈国庆, 朱焯炜, 等. 3维荧光光谱测定白酒年份酒中乙酸的体积分数[J]. 激光技术,2018,42(4):531−535. doi: 10.7510/jgjs.issn.1001-3806.2018.04.018
    [7] 宋鑫澍. 白酒年份酒中几种主要成分的荧光光谱研究[D]. 无锡: 江南大学, 2018.
    [8] 邹小波, 刘泽宇, 郑悦, 等. 基于离子选择性电极传感器阵列的白酒香型快速鉴别[J]. 现代食品科技,2018,34(7):251−257.
    [9] 茅嘉田, 周晚晴, Pavel N N, 等. 离子色谱电导法检测白酒、红酒、啤酒和 多种黄酒中的6种阳离子[J]. 食品科学,2020,41(6):310−315. doi: 10.7506/spkx1002-6630-20190414-187
    [10] 施珂, 孙啸涛, 沈才洪, 等. 基于直接-气相色谱-嗅闻的整体感官评价模式分析泸香型白酒的关键香气成分[J]. 食品工业科技,2020,41(7):208−219.
    [11] 白丽真, 刘洪银, 刘 伟, 等. 超高效液相色谱法检测白酒中乳酸含量的方法及方法确认[J]. 酿酒科技,2020,1:75−77.
    [12] 朱焯炜, 阙立志, 陈国庆, 等. 三维荧光光谱结合平行因子及神经网络对清香型白酒的年份鉴别[J]. 光谱学与光谱分析,2015,35(9):2573−2577.
    [13] 辜姣, 陈国庆, 张笑河, 等. 基于小波分解和因子分析的白酒香型和年份鉴定的研究[J]. 光谱学与光谱分析,2018,38(8):2511−2515.
    [14]

    Natalie G, Markus B, Daniel S, et al. Resolution-optimized headspace gas chromatography-ion mobility spectrometry (HS-GC-IMS) for non-targeted olive oil profiling[J]. Anal Bioanal Chem,2017,409(16):3933−3942. doi: 10.1007/s00216-017-0338-2

    [15]

    Taylor C, Lough F, Stanforth S P, et al. Analysis of listeria using exogenous volatile organic compound metabolitesand their detection by static headspace-multi-capillary column-gas chromatography-ion mobility spectrometry (SHS-MCC-GC-IMS)[J]. Analytical and Bioanalytical Chemistry,2017,409(17):4247−4256. doi: 10.1007/s00216-017-0375-x

    [16]

    Saschal L, Luzia S, Norman A, et al. Coupling laser desorption with gas chromatography and ion mobility spectrometry for improved olive oil characterization[J]. Food Chemistry,2018,255:323−331. doi: 10.1016/j.foodchem.2018.01.193

    [17] 袁琴琴. 气相色谱-离子迁移谱分析漂烫和银杏叶提取物对腊肉挥发性物质成分的影响[J]. 食品研究与开发,2020,41(11):165−172.
    [18]

    Wang X R, Rogers K M, Li Y, et al. Untargeted and targeted discrimination of honey collected by apis cerana and apis mellifera based on volatiles using HS-GC-IMS and HS-SPME-GC-MS[J]. Journal of Agricultural and Food Chemistry,2019,67(43):12144−12152. doi: 10.1021/acs.jafc.9b04438

    [19]

    Sebastian S, Natalie G, Sascha R, et al. Data fusion of GC-IMS data and FT-MIR spectra for the authentication of olive oils and honeys-is it worth to go the extra mile?[J]. Analytical and Bioanalytical Chemistry,2019,411(23):6005−6019. doi: 10.1007/s00216-019-01978-w

    [20]

    Natalie G, Markus B, Sebastian S, et al. Volatile-compound fingerprinting by headspace-gas-chromatography ion-mobility spectrometry (HS-GC-IMS) as a benchtop alternative to 1H NMR profifiling for assessment of the authenticity of honey[J]. Analytical Chemistey,2018,90(3):1777−1785. doi: 10.1021/acs.analchem.7b03748

    [21]

    Mengqi L, Ruiwen Y, Hao Z, et al. Development of a flavor fingerprint by HS-GC–IMS with PCA for volatile compounds of Tricholoma matsutake Singer[J]. Food Chemistry,2019,290:32−39. doi: 10.1016/j.foodchem.2019.03.124

    [22]

    Yu G, Dong C, Yifei D, et al. Characteristic volatiles fingerprints and changes of volatile compounds in fresh and dried Tricholoma matsutake Singer by HS-GC-IMS and HS-SPMEGC-MS[J]. Journal of Chromatography B,2018,1099:46−55. doi: 10.1016/j.jchromb.2018.09.011

    [23] 祁兴普, 陈通, 刘萍, 等. 基于气相离子迁移谱黄酒产地识别的研究[J]. 食品工业科技,2019,40(22):273−281.
    [24] 王涛, 罗政, 文春平, 等. 不同贮藏方式下四川白酒的性质变化[J]. 食品工业,2020,41(2):169−172.
    [25] 陈玉莲. 浅析酱香白酒风味质量形成的主要影响因素[J]. 食品安全导刊,2018(36):134. doi: 10.3969/j.issn.1674-0270.2018.12.116
    [26] 张杰, 程伟, 潘天全, 等. 浓香型白酒风味成分研究现状及展望[J]. 酿酒,2019,46(1):29−32. doi: 10.3969/j.issn.1002-8110.2019.01.011
    [27] 陆伦维, 钟敏, 冯小冰, 等. 基于主成分分析判别不同等级酱香型白酒的研究[J]. 酿酒科技,2020(2):17−21.
  • 期刊类型引用(19)

    1. 高梦昕,王德良,刘海坡,郭红莉,王超丽,韩兴林. 中国白酒年份酒的研究进展. 食品与发酵工业. 2025(06): 336-346 . 百度学术
    2. 金煜彬,林飞,周建峰,张碧宇,张方方. 白酒年份检测鉴定技术研究进展. 化学分析计量. 2024(01): 118-125 . 百度学术
    3. 胡航伟,程晶晶,谢亚敏,崔建涛,游新侠,袁惠萍,刘云国. 气相离子迁移谱技术在谷物食品中的应用研究进展. 食品安全质量检测学报. 2024(05): 253-259 . 百度学术
    4. 朱明,郑晓卫,殷红,谌松强,赵湖,孙玉婷,范佳硕,丁子元,陈晓园. 白酒生产中快速检测技术的研究进展. 酿酒科技. 2023(02): 95-101+106 . 百度学术
    5. 李欢欢,余丽娜,雷婷,汤尚文,卢敏,刘忠军,范文莹. 基于气相色谱-离子迁移谱分析石花白酒风味特征. 中国酿造. 2023(02): 240-244 . 百度学术
    6. 曾庆军,周鸿翔,邱树毅,刘凡. 白酒陈化挥发性物质含量变化及物理催陈技术研究进展. 食品与发酵科技. 2023(01): 126-133 . 百度学术
    7. 王国宇,陈国庆,郭森琪,韦一韬,王子睿,李晓琳. 基于3维荧光光谱测定白酒年份酒的年份. 激光技术. 2023(02): 286-292 . 百度学术
    8. 王雨晨,张敏敏,赵恒强,刘伟,李强,崔莉,王晓. 不同干燥方式对丹参挥发性成分的影响. 安徽农业科学. 2023(22): 188-192 . 百度学术
    9. 尹艳艳,杨军林,田栋伟,蒋力力,陈明学,尤小龙,程平言. 非靶向代谢组学法判别酱香习酒质量等级. 食品安全质量检测学报. 2022(01): 163-169 . 百度学术
    10. 张凡,张宇帆,苏心悦,徐文雅,安焕炯,马倩云,孙剑锋,王颉,王文秀. 基于顶空气相离子迁移谱的干腐病马铃薯挥发性成分分析. 食品科学. 2022(06): 317-323 . 百度学术
    11. 王震,叶宏,朱婷婷,黄明泉,魏金旺,吴继红,张璟琳. 清香型白酒风味成分的研究进展. 食品科学. 2022(07): 7232-7244 . 百度学术
    12. 林园,杜娟,王明,廖源,杨琴,罗丁,王健. 浓香型瓶贮年份酒的风味差异分析. 食品科技. 2022(06): 72-80+86 . 百度学术
    13. 雷婷,葛中会,刘贝叶,刁明月,范文莹,李欢欢. 基于吹扫捕集-气相色谱-质谱联用分析单粮型白酒风味成分. 农产品加工. 2022(24): 58-62 . 百度学术
    14. 赵坤. 基于多元数据分析对白酒年份检测的研究应用进展. 食品安全导刊. 2021(14): 12-13 . 百度学术
    15. 钱鑫,李占明,宋嘉慧,柴迎慧,俞玥,周冬仁. 气相色谱-离子迁移谱法检测农产食品中挥发性有机化合物的研究进展. 食品安全质量检测学报. 2021(18): 7184-7190 . 百度学术
    16. 杨旭,李占明,周冬仁. 气相色谱-离子迁移谱技术用于食品掺假与溯源的研究进展. 中国果菜. 2021(10): 46-51 . 百度学术
    17. 黎家奇,康晓风,李红波,莫海珍,徐丹,胡梁斌,帅良,张浩. 基于离子迁移谱的花生霉变早期预警标示分子研究. 食品工业科技. 2021(21): 41-49 . 本站查看
    18. 张榆,夏阿林. 基于化学计量学方法判别白酒陈酿时间. 中国食品工业. 2021(21): 114-116+128 . 百度学术
    19. 孟维一,古瑾,徐淇淇,马燕红,李莹莹,郭文萍,王守伟. 顶空气相色谱-离子迁移谱分析不同部位和品种猪肉的挥发性风味化合物. 食品科学. 2021(24): 206-212 . 百度学术

    其他类型引用(14)

图(5)  /  表(3)
计量
  • 文章访问数:  518
  • HTML全文浏览量:  72
  • PDF下载量:  40
  • 被引次数: 33
出版历程
  • 收稿日期:  2020-08-20
  • 网络出版日期:  2021-05-24
  • 刊出日期:  2021-07-14

目录

/

返回文章
返回
x 关闭 永久关闭

邀请函副本.jpg