Food Chem X | 探索不同地区功夫红茶的品质成分差异:智能感官技术与非靶向代谢组学的结合应用
工夫红茶是中国产量第二的茶叶,以其迷人香气、醇厚滋味和诱人色泽受到广泛关注。其品质受地理来源、品种、加工技术、海拔和肥料等多种因素影响,其中地理来源是影响消费者选择的关键因素之一。随着农业贸易全球化发展,茶叶地理来源真实性问题日益凸显,不良商家混淆产地、掺假和错误标注标签的现象时有发生,因此迫切需要准确鉴定工夫红茶地理来源的方法。
近期,中国农业科学院茶叶研究所的研究团队通过结合多种智能感官技术和非靶向代谢组学分析,深入探讨了不同地理区域对红茶挥发性和非挥发性代谢物的影响,为红茶的产地鉴定和风味改良提供了理论支持。研究成果发表在《Food Chemistry: X》。
主要结论
通过多种智能感官技术(电子鼻、电子舌、电子眼)融合,成功区分了来自7个不同地理区域的工夫红茶样品,OPLS-DA模型具有良好性能,表明该方法可有效鉴别工夫红茶地理来源。
UHPLC-HRMS和GC-MS分析分别鉴定出45种关键差异非挥发性代谢物和76种关键差异挥发性代谢物,以及52种OAV≥1的关键气味物质,这些代谢物和气味物质在不同地理区域的含量差异与工夫红茶的风味特征密切相关,为理解地理区域对茶叶风味的影响提供了重要依据。
明确了地理区域通过影响工夫红茶中挥发性和非挥发性代谢物的合成和积累,进而塑造其独特的风味特征,如氨基酸、黄酮醇糖苷等非挥发性代谢物对滋味有贡献,多种挥发性代谢物影响香气,且不同地理区域的茶叶在风味上存在明显差异,为茶叶品质调控和地理标志保护提供了理论支持。
研究方案
研究结果
01
基于多智能感官技术的工夫红茶表征
研究人员选取来自7个不同地区的35个工夫红茶样品,每个区域的样品数量不等,具体为安徽(AH)5个、福建(FJ)7个、广东(GD)4个、湖北(HB)6个、江西(JX)4个、四川(SC)4个、云南(YN)5个。
通过电子鼻(GC-E-Nose)、电子舌(E-tongue)和电子眼(E-eye)的分析,研究人员共获得了91个特征变量,包括44个GC-E-Nose变量、7个E-tongue变量和40个E-eye变量。
OPLS-DA分析显示,单一技术模型不能完全区分各产地工夫红茶样本。通过融合多种智能感官技术,新的模型具有良好的解释和拟合能力,能够有效地区分来自7个地理区域的红茶样本。
共筛选出29个VIP>1的变量对分类模型起关键作用,其中15个来自GC-E-Nose,7个来自E-tongue,7个来自E-eye,表明融合策略模型比单一技术模型更稳健。
图1. 基于独立的电子鼻、电子舌和电子眼的OPLS-DA模型
图2. 基于融合策略的OPLS-DA模型
02
不同地区工夫红茶非挥发性代谢物表征
UHPLC-HRMS分析鉴定了104种非挥发性代谢物,这些代谢物在不同地区的红茶样本中表现出显著的差异。OPLS-DA和聚类分析结果强调了大叶种(广东和云南)与中小叶种(安徽、福建、湖北、江西和四川)红茶之间的明显差异。
分析非挥发性代谢物,发现7个重要的代谢物聚类块:
聚类I主要由具有鲜味和涩味的氨基酸和二聚儿茶素组成,在云南样品中含量较高;
聚类II由碳水化合物和酚酸组成,在广东样品中含量较高,对甜味和口感有贡献;
聚类III的有机酸在福建样品中含量较高;
聚类IV包含多种化合物;
聚类V中的犬尿喹啉酸等在安徽样品中含量较高;
聚类VI和VII中的黄酮醇/黄酮及其糖苷主要具有涩味,对茶叶风味形成有重要贡献。
图3. 7个地区功夫红茶非挥发性成分OPLS-DA
图4. 7个地区功夫红茶关键差异非挥发性代谢物热图
03
不同地区工夫红茶挥发性代谢物表征
GC-MS分析鉴定了169种挥发性代谢物,这些代谢物在不同地区的红茶样本中也表现出显著的差异。OAV分析筛选出52种关键香气化合物,这些化合物在塑造不同地区红茶的独特香气特征中起着关键作用。
研究人员发现,己醛、苯乙醛、芳樟醇、β-环柠檬醛、水杨酸甲酯、香叶醇、α-亚乙基苯乙醛、反式-β-紫罗酮被确定为7个地区功夫红茶的共同气味物质,其中
反式-β-紫罗酮和水杨酸甲酯是工夫红茶基本香气的重要组成部分,但在各地区含量差异不大,主要贡献基本香气而非决定香气差异;
芳樟醇和香叶醇赋予花香,苯乙醛散发蜜香,与工夫红茶的甜味和花香密切相关;
己醛具有青草味,在优质红茶中含量较低;
β-环柠檬醛具有果香,是甜香工夫红茶的潜在香气活性成分;
α-亚乙基苯乙醛与蜜香属性密切相关。
图5. 7个地区功夫红茶挥发性成分OPLS-DA
图6. 7个地区工夫红茶共有挥发性化合物的比较
文章小结
本研究通过综合运用多种智能感官技术和非靶向代谢组学分析,全面评估了来自七个不同地理区域的红茶的特征品质。研究结果不仅加深了对红茶品质差异形成机制的理解,也为红茶的产地鉴定和风味改良提供了理论支持。未来,可以进一步探索先进的数据融合方法和智能分类算法,以提高产地分类的准确性,并进行香气重组和省略测试,以全面了解单个香气化合物的贡献。
免责声明:
本文为科普性质,不构成任何商业或医疗建议。如需专业咨询,请联络相关专业人士。
“原创”代表原创编译,不代表本平台对文本主张版权,如有侵权,请后台联系修改或删除。
上一篇:研究发现:吃饭加这些调料,能有效降低炎症水平,改善血管健康!
下一篇:果糖危害大,或可促癌,赶紧扔掉“高果糖玉米糖浆”
1、凡本网所有原始/编译文章及图片、图表的版权均属微生物安全与健康网所有,未经授权,禁止转载,如需转载,请联系取得授权后转载。
2、凡本网未注明"信息来源:(微生物安全与健康网)"的信息,均来源于网络,转载的目的在于传递更多的信息,仅供网友学习参考使用并不代表本网同意观点和对真实性负责,著作权及版权归原作者所有,转载无意侵犯版权,如有侵权,请速来函告知,我们将尽快处理。
3、转载请注明:文章转载自www.mbiosh.com
联系方式:020-87680942