食品界

陕西理工大学姜鹏飞高级工程师等：基于GC-IMS结合化学计量学鉴别大鲵油掺伪不同比例花生油挥发性有机

大鲵（Andrias davidianus）俗称“娃娃鱼”，是我国《人工繁育国家重点保护水生野生动物名录》（第一批）两栖类物种，其食用和药用价值较高。大鲵油脂主要分布在尾部，大鲵油中不饱和脂肪酸和必需脂肪酸均高于鱼油中不饱和脂肪酸和必需脂肪酸，特别是二十二碳六烯酸（DHA）、二十碳五烯酸（EPA）、油酸和亚油酸。一些不法商贩为牟取暴利，会在大鲵油中掺入与其颜色较接近的食用油（如花生油、鱼油等），如何对大鲵油掺伪进行快速检测具有重要意义。

食用油掺伪检测方法较多，但是目前尚无非常成熟商业化快速掺伪鉴别方法。GC-IMS具有样品准备简便、高灵敏度、高分辨率、风味可视化等优势，结合化学计量学分析食用油挥发性成分指纹图谱，越来越多被报道可实现对食用油脂掺伪、精炼程度以及不同等级的无损、快速区分。

陕西理工大学生物科学与工程学院的金文刚、刘俊霞和大连工业大学食品学院的姜鹏飞*等人采用气相色谱-离子迁移色谱（GC-IMS）技术分析大鲵油中掺入不同比例花生油后的挥发性成分差异，建立一种无损、快速鉴别方法，旨在为大鲵油掺伪和真实性检测提供技术支撑。

1 掺伪油样气相离子迁移谱图分析

大鲵油比花生油浓稠且清亮，具有浅黄色、微腥特征，而花生油有坚果香气，但一定量花生油的掺入，难以从感官上准确辨别掺假和掺伪量（图1）。如图2所示，每个点为一种挥发性成分，色泽深浅代表信号强弱（颜色越深，挥发性成分相对含量越高）。3D图从左到右分别为掺假0%、5%、10%、20%、30%和100%花生油的大鲵油掺伪样品。从图2可知，大鲵油掺伪不同比例花生油后的3D地形图不易直接进行差异比较。

如图3所示，为了使样品间的差异性可视化，将大鲵油谱图作参照，其余样品依次扣背景色至白色得到差异谱图（图3B），通过颜色深浅分辨出不同掺伪量的油样挥发性成分的差异，红色越深表示该物质浓度较大鲵油越高，蓝色表示浓度越低。由图3B可知，相比于大鲵油，掺入花生油的掺假样品有明显的挥发性有机物浓度增减，原有大鲵油中的挥发性物质浓度有不同程度的减弱或增强（图3B红色椭圆区域），可能是不同油脂特征性挥发性有机物差异造成。

2 大鲵油及掺伪油样挥发性风味物质分析

GC-IMS定性挥发性有机物主要以正构酮C4～C9作为外标，通过比较各种挥发性成分保留时间和迁移时间，获得挥发性化合物保留指数，根据仪器数据库匹配实现对挥发性成分的定性分析。如图4所示，大鲵油掺伪不同比例花生油样品在GC-IMS中共分离出54种信号峰，通过数据库对比鉴定出41种挥发性化合物，其中醛类21种、酮类6种、醇类4种、杂环类4种、酯类3种、含硫类2种、酸类1种，每种挥发性成分名称、保留指数、保留时间、迁移时间及其相对含量信息见表2所示。

3 大鲵油及掺伪油样挥发性成分指纹图谱

如图5所示。图5中纵向显示大鲵油掺伪不同比例花生油（从上至下分别为0%、5%、10%、20%、30%和100%，每种3个平行样品），横向显示样品中相同挥发性成分（颜色越深，浓度越高）。图5中横、纵向比较可知，大鲵油掺伪不同比例花生油挥发性成分具有明显差异，随着掺伪量的增加，红色框中丙酮、异戊醛、2-甲基丁醛、戊醛、己醛、2-丁酮、丁醛、2-庚酮、乙酸甲酯、糠醛、苯甲醛等物质含量逐渐增加；蓝色框中正丁醇、乙醇及1-戊烯-3-酮含量逐渐降低。

由图6可以看出，纯大鲵油中酮类化合物相对含量占比最高，达52.33%，其次分别为醛类和醇类化合物。花生油中酮类化合物相对含量达43.25%，醛类化合物含量为39.89%。醛类是花生油最主要的挥发性物质之一。

醛类是脂肪降解的主要产物，一般阈值较低，对总体风味影响较大。大鲵油中醛类化合物相对含量占挥发性成分的24.75%，特别是正己醛含量较高，具有青草香和脂肪气味，可能对大鲵油整体风味贡献较大。壬醛和庚醛主要源自于不饱和脂肪酸的分解，具有果蔬和青草的香味，而辛醛、2-甲基丁醛、异戊醛、(E)-2-庚烯醛等具有脂肪味、果香等气味。掺伪过程中，丁醛、(E)-2-庚烯醛、苯甲醛二聚体、正己醛单体、2-甲基丁醛二聚体等含量随着掺伪量的增加而增加；壬醛、正己醛单体、反-2-戊烯醛单体及二聚体、正戊醛单体随着掺伪量的增减而减少。随着花生油的增多，大鲵油醛类相对含量总体呈上升趋势，当掺伪量为30%时，醛类化合物含量升至40.48%。醛类物质赋予花生油独特的青草味或脂香味。正己醛二聚体含量由8.64%增至11.67%。冷榨花生油关键性风味成分正是己醛。丁醛、2-甲基丁醛二聚体、异戊醛二聚体和糠醛二聚体含量均超过大鲵油的10倍，是由花生油的引入所致。随着掺伪量的增多，酮类化合物含量呈下降趋势，大鲵油挥发性物质中，丙酮相对含量最高，为42.98%，具有苹果、梨气味。醇类化合物含量均呈下降趋势，乙醇具有酒香味，其相对含量为13.43%，顺-2-戊烯-1-醇单体及二聚体含量均高于1%。酯类在花生油中含量较低。

食用油掺伪检测方法中，也有采用GC和高效液相色谱法分析脂肪酸和甘三酯鉴别茶油掺伪的报道，主要基于比较不同掺伪比例油样脂肪酸和甘三酯的指纹图谱相似度实现。大鲵油和花生油经不同比例掺伪后获得的样品，理论上也存在脂肪酸组成较大差异，也可通过脂肪酸组成分析进行掺伪鉴别，但是GC和GC-MS分析脂肪酸组成过程中样品前处理步骤繁琐、耗时。GC-IMS克服了单一GC方法的不足，在离子迁移管中进行二次分离，可大大提高仪器分辨能力和灵敏度，可应用于大多数复杂体系中特征挥发组分的快速检测、识别及指纹图谱可视化等方面，而且具有样品准备简单、快速等优势，已被用于油脂掺伪、精炼程度以及不同等级的无损、快速区分。本研究利用顶空GCIMS技术对掺伪不同比例花生油的大鲵油样品进行挥发性成分分析，识别了不同比例掺伪样品图谱特征和差异，探究其作为无损、快速鉴别大鲵油真实性的可能性。

4 不同掺伪量预测模型构建

目前，GC-IMS技术在食用油掺伪检测、等级评定中已有较多报道。本研究将不同掺伪量花生油的大鲵油中获得的挥发性成分数据，对每个挥发性成分峰体积与实际掺伪量（0%、5%、10%、20%、30%和100%）进行偏最小二乘回归分析，分别建立校正集和验证集，经线性拟合后获得了花生油掺伪量预测模型，结果如图7所示。可以看出构建的校正模型（图7A）和验证模型（图7B），实际掺伪量和预测掺伪量在95%置信区间内均显示出较好的线性相关，校正模型和验证模型相关系数R2分别为0.9924和0.9882，说明可以通过GC-IMS谱图数据实现大鲵油中花生油掺伪量的较好预测。基于GC-IMS对山茶油、芝麻油掺伪样品气味指纹检测也得到了类似结果，然而今后还需扩大样本容量和实际样品进一步验证模型的可靠性和准确性。

5 挥发性成分PCA

PCA是一种无监督的降维分析方法，得到的模型在一定程度上反映了数据的原始状态，利于从整体上发现离散样本。如图8所示，数据经降维后，PC1代表了样本76.4%的差异，PC2代表了17.9%，整体上能代表样本94.3%变异。在PC1方向上，大鲵油样与花生油样处于y轴两侧，较好地将两者分开。在PC2方向上，掺伪量5%、10%、20%、30%的油样均在y轴下端，大鲵油和花生油处于y轴上端。花生油组内样品分散程度较高。在PC1方向上，丙酮、乙醇、正己醛单体、乙酸乙酯、2-甲基丁醛二聚体、糠醛二聚体、2-丁酮等化合物贡献较大；在PC2方向上，糠醛（单体和二聚体）、丙酮、糠醛、正己醛二聚体等化合物贡献较大。

6 PLS-DA及差异挥发性成分筛选

PLS-DA是一种有监督的统计分析方法，结果如图9A所示，各样品组得到了明显区分，说明使用该模型分类效果显著，组间差异明显。其中值为0.994，为0.966，Q²值为0.928，表明PLS-DA模型的预测能力较好，能更好地解释和预测样品之间的差异。为了防止过拟合，采用200次排序检验考察模型的质量，结果如图8B所示，R²=0.216，Q²=－0.547，回归线呈线性向上趋势（图9B），模型未出现过拟合现象。

7 差异挥发性成分筛选及PCA与聚类分析

以变量投影重要度（VIP）值大于1为指标，筛选出模型中差异显著的挥发性化合物共13种，其中醛类7种、酮类3种、醇类1种、含硫类及酯类化合物各1种（图10A）。图10B为根据VIP值大于1差异挥发性化合物的信号强度绘制的PC得分图，看出前2个PC累计贡献率达到了95.3%，提示这些差异挥发性成分可用于不同掺伪量花生油的大鲵油的较好区分。图10C为差异挥发性成分的聚类热图，可看出不同掺伪量大鲵油样品分为4类，其中纯大鲵油（0%）、纯花生油（100%）差异明显，低掺伪比例（5%～10%）样品较为接近，而高掺伪比例（20%～30%）较为接近。此外一类挥发性化合物含量随着掺伪量的增加而增加，包括丁醛、正己醛二聚体、糠醛单体及二聚体、2-庚酮单体、2-丁酮和乙酸甲酯；另一类随着掺伪量的增加而减少，分别是正己醛单体、乙醇、二乙基二硫、丙酮、2-甲基丁醛单体和异戊醛单体。相关文献也报道了有关水产品热加工、脱腥过程中差异挥发性成分可用于不同处理阶段的区分，与本研究结果基本一致。尽管本研究筛选出了大鲵油掺伪过程中13种特征挥发性物质，尚需结合GC-MS、相对气味活性值和嗅闻法分析大鲵油掺伪前后关键挥发性成分的精细变化，以更全面信息阐明大鲵油和掺伪样品的挥发性气味特征。

8 结论

借助GC-IMS技术分析含不同掺伪量花生油的大鲵油挥发性有机物差异，共鉴定出41种成分，其中醛类21种、酮类6种、醇类4种、杂环类4种、酯类3种、含硫类2种、酸类1种。大鲵油中酮类、醛类和醇类含量相对较高，随着花生油掺伪量的增加，醛类、杂环类、酯类和酸类化合物含量增加，而酮类、醇类和含硫类化合物含量减少。建立了挥发性成分与实际掺伪量偏最小二乘回归模型，校正集和验证集相关系数R²值分别为0.9924和0.9882，表明建立的掺伪量预测模型较为可靠。PCA表明，前2个PC累计贡献率为94.3%，说明不同掺伪量大鲵油可通过挥发性成分实现较好的区分。通过PLS-DA并结合变量投影重要度筛选出13种特征性挥发性化合物（VIP＞1），其中醛类7种、酮类3种、醇类1种、含硫类1种和及酯类1种。PCA和聚类分析结果表明这些特征性挥发性成分也可用于掺伪大鲵油的区分。该研究今后还需对实际大鲵油及掺伪样品进行相关验证提高模型可靠性和准确性，并扩充对大鲵油掺伪鱼油、菜籽油、玉米油等其他食用油脂掺伪和真实性鉴别工作，以期构建更加全面的大鲵油掺伪样品挥发性气味指纹信息，从而为大鲵油产品真实性检测和市场监管提供技术支撑。

本文《基于GC-IMS结合化学计量学鉴别大鲵油掺伪不同比例花生油挥发性有机物特征》来源于《食品科学》2023年44卷第10期368-376页，作者：金文刚，刘俊霞，孙海燕，何琳琳，裴金金，程虎，姜鹏飞*。DOI:10.7506/spkx1002-6630-20220802-013。