博文

Foods【桃香探秘】风味组学+OAV+化学计量学：揭秘桃子产地香气的独特密码精选

已有 4163 次阅读 2024-10-24 15:52 |个人分类:学术软文|系统分类:论文交流

研究背景

桃子营养丰富、热量低，维生素和矿物质含量丰富，可谓健康食品。有报道指出，桃子中特有的香气成分有C6化合物、内酯、醛、醇、酯等。香气活性值 (OAV) 对于评估挥发性化合物对香气的贡献至关重要。由于香气可以提供其地理来源的指纹信息，因此有必要寻找与每个地理区域相关的关键香气化合物，这不仅可以识别桃子的来源，还可以指导减少果实风味特征化合物和活性成分的变性或损坏。

近期，中国农业科学院农产品加工研究所李建勋副研究员在Foods 期刊发表题为 “Flavoromics Approach in Critical Aroma Compounds Exploration of Peach: Correlation to Origin Based on OAV Combined with Chemometrics”的论文，探索桃子潜在的关键香气。

每一口桃子，都藏着地域的秘密。风味组学技术携手OAV与化学计量学，为您揭开桃子香气背后的产地之谜！

研究亮点

采用HS-SPME/GC-MS对桃子进行表征。随后，计算OAV以确定主要的香气活性化合物。再采用化学计量学方法，基于p值、倍数变化 (FC)、S-plot分析、jack-knifing置信区间、变量投影重要性 (VIP) 以及共享和独特结构 (SUS) 图探索潜在的关键香气。
找出五种关键香气，乙酸甲酯、(E)-己-2-烯醛、苯甲醛、[(Z)-己-3-烯基] 乙酸酯和5-乙基氧杂环戊烷-2-酮，开发性能优异 (准确率为100%) 的多分类模型。
研究对于地理来源可追溯性极为重要，为评估桃子质量提供了指南，并为了解桃子中特征香气化合物的形成提供了基础。

研究成果

一、风味组学：解锁桃子香气的钥匙

对北京、山东、河北三个产区桃子的挥发性成分进行提取，检测和鉴定。采用HS-SPME/GC-MS方法进行分析，并用AMDIS鉴定出23种挥发性化合物。包括7种酯类、5种醇类、3种烃类、2种醛类、2种苯类、2种酮类、1种内酯类和1种醚类。从化合物数量上看，桃子中主要的挥发性物质为酯类、醇类和醛类。

二、OAV：量化香气贡献的标尺

香气化合物的OAV计算为浓度与气味阈值的比值。使用OAV估算香气化合物的贡献。也就是说，OAV越高，香气越浓。OAV>1的挥发性化合物被指定为主要香气化合物。根据OAV评价，筛选出乙酸甲酯、(E)-己-2-烯醛、苯甲醛、[(Z)-己-3-烯基]、乙酸酯、5-乙基氧杂环戊烷-2-酮、壬-1-醇和乙酸己酯7种香气化合物。

三、化学计量学：产地关联的桥梁

通过PCA和OPLS-DA化学计量学方法，结合S-plot、VIP、p值和FC分析，成功识别出乙酸乙酯、(E)-己-2-烯醛、苯甲醛、[(Z)-己-3-烯基]乙酸酯和5-乙基氧杂环戊烷-2-酮五种关键香气化合物，作为北京、山东、河北桃子产地的可追溯性标记，并建立了区分三地的PLS-DA模型，感官评价显示这些化合物与桃子的“甜”、“果味”、“青草味”特征密切相关。

研究总结

在本研究中，使用HS-SPME/GC-MS技术对桃子的挥发性成分进行了表征。通过综合考虑OAV大于1的主要香气活性化合物以及通过化学计量学方法探索的关键化合物，确定了乙酸甲酯、(E)-己-2-烯醛、苯甲醛、[(Z)-己-3-烯基]乙酸酯和5-乙基氧杂环戊烷-2-酮五种香气化合物为北京、河北、山东三个产区的关键挥发性成分。使用化学计量学方法发现的潜在重要化合物是基于显著性差异（p<0.05）、FC、S-plot分析、Jack-Knifing置信区间、VIP和SUS图来确定的。正如SUS图所可视化的，[(Z)-己烯-3-基]乙酸盐这一关键化合物被识别为北京地区的独特特征，而甲基乙酸盐、(E)-己烯-2-醛、苯甲醛和5-乙氧基氧杂环己-2-酮这些化合物被确认为共有特征。此外，多分类模型表现出色，准确率达到100%，并能够利用这五个关键标记区分三个种植区。感官评价结果可能与探索的五种关键香气化合物密切相关，这些化合物主要表现为“甜”、“果香”和“青草味”。这一关于潜在香气的研究对于地理原产地可追溯性至关重要。此外，它还为评估桃子质量提供了指导，并为理解桃子中特征香气化合物的形成提供了基础。

图文赏析

表1.北京、山东、河北三个产区桃子的挥发性成分。nd代表未检测到。

表2.中国北方北京、山东、河北三个产区的桃子中已鉴定的挥发性物质的气味描述、气味阈值。

表3.三个产区桃子中OAV>1的挥发性化合物。OAV，气味活性值。BJ、SD和HB分别代表北京、山东和河北省。

表4.北京、山东和河北三个种植区的OPLS-DA模型参数。R²p(X)表示与分级相关的方差，R²(X)表示总解释方差，R²(Y)代表模型建立能力，Q²(Y)代表交叉验证预测能力。

图1. 对HS-SPME/GC-MS数据的OPLS-DA分析。(a) BJ vs. SD的得分图；(b) BJ vs. SD的200次突变检验的验证图；(c) BJ vs. HB的得分图；(d) BJ vs. HB的200次突变检验的验证图；(e) SD vs. HB的得分图；(f) SD vs. HB的200次突变检验的验证图。R² 的斜率>0以及Q²在y轴上的截距<0表明模型有效。

图2. 带有jack-knifed置信区间的S图和负荷图。(a) BJ vs. SD的S-图；(b) BJ vs. SD的负荷图；(c) BJ vs. HB的S-图；(d) BJ vs. HB的负荷图；(e) SD vs. HB的S-图；(f) SD vs. HB的负荷图。Splot中突出显示的粉红色实心圆代表潜在代谢物 (|p(cov)|≥0.1和 |p(corr)|≥0.5)；Splot中突出显示的带置信区间的粉红色矩形代表相应的潜在芳香物质；加载图中的蓝色箭头代表高置信区间的化合物；Splot中的蓝色圆代表加载图中相应的化合物。

图3. BJ、HB和SD之间的SUS图。(a) BJ vs. SD和BJ vs. HB；(b) SD vs. BJ和SD vs. HB；(c) HB vs. BJ和HB vs. SD。靠近对角线的香气化合物在两条线上受到的影响相同，被认为是共同的潜在生物标记物；靠近X轴的香气化合物对X轴上的栽培具有特异性，靠近Y轴的香气化合物对Y轴上的栽培具有特异性。