魏泉增，肖付刚，孙军涛

(许昌学院 食品与生物工程学院，河南 许昌 461000)

现代食品成分鉴别大多采用色谱技术[1-3]和光谱技术[4,5]，同时与人工嗅觉[6]、电子舌[7]、传感器阵列[8]等技术联用.色谱与质谱技术联用因其不需要人工解析图谱中的单个化合物，只需通过数据比对，所以成为常用的鉴定技术之一[9].但海量数据会给数据分析带来困难.随着计算机和统计分析技术的广泛应用，尤其是多变量统计分析的发展，使数据分析变得容易.结合化学计量方法，能提供样品全部化合物的信息，实现食品样品间差异的鉴别.

主成分分析(PCA)[7,10]、聚类分析[1]、判别分析[7]和神经网络[5,8,10]等多变量统计在分析食品差异鉴别中均有广泛的应用.例如，鉴定白酒等级[1,8,11-13]、不同区域浓香型白酒的标记物[2]等.而PCA是由Peason提出，hotelling进一步发展而成的方法.PCA将高维空间问题转化为低维空间问题，使问题变得简单直观[14]，且PCA分析软件较多，例如，Xcalibur 2.0 software[15]，PAST[16]，Pirouette[17]，Unscrambler v.9.7 (CAMO AS,Trondheim,Norway) software[18-21]，Minitab[22]，SPSS Statistics[23,24]，SIMCA[25-27]，Multivariate Statistical Package program (MVSP,Kovach Computing Service,Anglesey,Wales )[14]，XLSTAT software[28],使得PCA的应用更为广泛.本文综述了色谱联用质谱技术结合PCA在食品原料产地鉴别，品种鉴别，食品发酵过程中阶段鉴定，分子杂交食品鉴定，食品掺假鉴定方面的应用.

1 食品原料产地的鉴别

1.1 瓶装水产地鉴别

食品原料产地鉴别对食品的加工与销售影响重大.在某些食品销售过程中，甚至把食品的产地作为一个卖点.而食品原料产地如何分析鉴别，PCA是一个不错的选择.引用水的水源地一直引人关注，Ikem[21]等人以三氯甲烷，一溴甲烷，一氯二溴甲烷，三溴甲烷为研究对象分析了不同水源地的瓶装水和自来水，采用PCA分析，结果表明，不同来源地的自来水和不同品牌的瓶装水区别很大，这为鉴别不同品牌瓶装水和自来水水源地提供了依据.

1.2 茶叶产地鉴别

茶叶产地的鉴别一般采用眼看、鼻问、嘴尝的方法，但这种方法的主观因素较强.Márquez等人采用同时蒸馏提取(SDE)-GC-MS联用来分析18种不同产地巴拉圭茶叶香味成分.GC-MS结果表明，巴拉圭茶叶中主要成分为辛醛、6-甲基-5-庚烯-2-酮、2,4-二烯醛、3,5-辛二烯酮、橙花醇，β-大马酮、α-紫罗酮、β-紫罗酮等.通过PCA分析，非主要成分的非类异戊二烯(norisoprenoid)被鉴定为巴拉圭茶叶不同产地潜在的标记物，它的含量可以用来区分不同产地的巴拉圭茶叶[29].

1.3 蔬菜水果产地的鉴别

Chun等采用HS-SPME-GC-MS联用结合PCA来分析中国和韩国的荆芥的香味成分[14]，结果表明，薄荷酮，2-羟基-2-异丙烯基-5-甲基环己酮，长叶薄荷酮，长叶薄荷酮氧化物，schizonal 等5种物质可以作为标记物，以用于区分中国和韩国的荆芥.以同样的方法分析不同产地的杨梅，也得到了理想的效果.Cheng等人采集宁海、慈溪、仙居、上虞的杨梅，固相微萃取(SPME)浓缩香气成分，结合GC-MS和GC-O鉴定杨梅香气中的挥发性物质成分及香气，PCA结果表明，不同产地的杨梅香气成分差异明显[18].采用PCA分析杨梅香气香味物质随时间[19]变化的差异，可以寻找到表征杨梅新鲜度的物质.杨静等采用GC-MS分析重庆江津，四川金阳，四川洪雅，四川汉源，贵州顶坛，云南昆明，山东沂蒙山的青花椒香气成分68种，PCA结果表明，沂蒙山和顶坛的青花椒香气成分差异明显[30]，这为花椒产地的快速鉴定提供科学数据.Hong-Sheng Tan等人采用HS-SPME-GC-MS技术鉴定不同产地当归的成分，采用PCA分析，结果表明，样品被成功分为不同的组，庚烷，正丁醛，3-甲基丁醛，蒎烯，罗勒烯是最重要的差异性挥发物，这些挥发物可以区别顶级道地药材和非道地药材，可以作为当归潜在的标记物[31].

2 食品原料品种的鉴别

2.1 食用油品种鉴别

在食品加工生产过程中，同一种食品原料的不同品种，对食品的口感甚至质量都会产生影响.因此，食品原料品种鉴定的重要性明显，色谱联用质谱结合PCA也是很好的选择.采用GC-MS和LC-MS分析了Nigella属中15个种的黑种草籽油(中东一种经济价值很高的保健品)次级代谢产物和挥发性成分，PCA分析不同品种黑种草籽油成分，结果表明，山柰酚-3-氧-β-D-吡喃葡萄糖-(1→2)-β-D-半乳糖-(1→2)β-D-吡喃葡萄糖可以作为潜在的分类标记.利用这个标记物，把Nigella sativa 草籽油从Nigella属中其他种的草籽油鉴别出来[25].采用气相色谱分析不同品种花生中脂肪酸含量的差异，采用PCA分析，结果表明，正常含油量的花生，中等含油量花生，高含量的脂肪酸相对含量差异明显，这为鉴定不同品种的花生油提供了依据[32].

2.2 榴莲品种鉴别

Chin等人采用HS-SPME-GC-MS分析同一果园中3个品种成熟榴莲的香味(主要来自于硫化物)，PCA分析结果表明，2-甲基丁酸甲酯,丙基己酸酯,甲基辛酸酯，3-甲基-3-乙基丁酸甲酯，1-甲硫基丙烷在这3种品种中的含量有较大差异[22]，以此鉴别出不同品种的榴莲.采用N-甲基-N-(三甲基硅烷)三氟乙酰胺(MSTFA)衍生出不同品种椰枣的代谢产物，GC-MS分析衍生物，PCA分析结果表明，Khalas这个品种的椰枣与其他品种的椰枣成分差异明显，蔗糖含量明显高于其他品种的椰枣，但其他品种的椰枣中的果糖和葡萄含量偏高[26]，这对鉴定Khalas椰枣提供了依据.

2.3 茶叶品种鉴别

采用LCMS分析了绿茶，白茶和红茶的成分差异，采用PCA分析表明，不同发酵程度的茶叶成分差异明显，这为区分不同发酵程度的茶叶提供了借鉴[33].

2.4 面粉品种鉴别

面粉的来源广泛，采用N-三甲硅基咪唑衍生糖类化合物，GC-MS鉴定衍生物，采用PCA统计分析，分析7种品种的冬小麦，3个种佩斯尔特小麦，3个类型的苋属(amaranth)谷物，9种品种的荞麦面粉中单糖和双糖的成分差异，结果表明，根据糖含量的不同，可以鉴定不同来源的面粉[16].

3 发酵食品发酵阶段的鉴定

风味物质含量变化对发酵产品质量影响很大，采用PCA分析不仅能分析不同发酵阶段样品中风味物质含量的差异，而且还可以推断发酵终点，这对发酵工业意义重大.

3.1 豆鼓发酵阶段鉴定

豆鼓是一种传统的发酵食品，它的生产阶段主要依靠工人经验的判断，但是判断结果往往受主观因素的影响.采用GC-MS结合PCA分析豆鼓发酵过程中的香气成分，结果表明，3-甲基丁醇、2-甲基丁酸乙酯、己酸乙酯、4-甲基吡嗪和2-甲基-丙酸乙酯在豆豉发酵过程中，其含量随着发酵进行逐渐增加，在发酵到15 d时，风味物质含量达到最大[34].以此作为豆鼓发酵终点比人工经验更可靠.

3.2 辣椒酱发酵阶段鉴定

辣椒酱深受人们喜爱，发酵的辣椒酱更有味道.为了得到更好的辣椒酱，发酵过程需不断改变发酵条件，因此发酵阶段的判断尤为重要.采用GC-MS结合PCA分析辣椒发酵过程中22种主要的挥发性风味物质[35]，结果表明，发酵第8天与第16天的风味物质变化不大，发酵第24天与发酵第32天的辣椒中的风味物质较其他阶段的风味物质差异明显.

3.3 清曲酱发酵阶段鉴定

清曲酱是韩国传统的大豆发酵食品，因其独特的口感和香味，深受人们的喜爱.Min Kyung Park 等人研究了清曲酱发酵过程中香味成分的变化，采用PCA分析，结果表明，不同发酵阶段的香气成分差异明显.同时，阐明了香气成分与发酵时间的关系，大多数氨基酸在发酵早期含量下降，但在发酵末期含量又上升；而脂肪酸的含量在整个发酵阶段一直增加，大多数有机酸的含量在一直下降，而氨基酸的含量在不同发酵时期差异明显.这为过程质量控制及发酵终点的判断提供了依据[36].

3.4 香醋发酵阶段的鉴定

采用HS-SPME-GC-MS比较分析摩德纳(意大利北部城市)香醋(包括企业生产的香醋以及被宗教认可的香醋)和传统摩德纳香醋(具有较高经济价值)成熟阶段和老熟阶段的香气成分，PCA分析不同阶段的香醋香气成分含量的差异，发现3-甲基-1-丁醇和乙酸-3-甲基-1-丁酯可以区分成熟阶段香醋和老熟阶段香醋[23].

3.5 大豆酱发酵阶段的鉴定

采用GC-MS结合PCA可以分析中国传统食品大豆酱发酵过程中香气成分的变化.香气成分组成保持不变，但是香气成分的含量在缓慢增加,是发酵早期阶段；糠醛和3-甲硫基-丙醛的含量快速增加，浓郁酱香和焦香味形成,是发酵中期阶段；异戊酸的积累改变了香味的风格，发酵的后期阶段，这个阶段最终影响大豆酱的风味[37].

4 分子杂交食品的鉴定

随着分子生物学的发展，从分子水平改造生物或通过杂交手段改造生物，以期获得更好的品种.但人们对转基因食品还是有些担忧.生物是否经过改造PCR是主要的检测手段，但是当特异性好的引物不易得到时，采用色谱联用质谱结合PCA也是一种不错的检测方法.

4.1 分子改造油桃的鉴定

采用HS-SPME-GC-MS分析了50个品种桃子和油桃的挥发性香气成分[38]，其中wutao是在分子水平种系优化培养的桃子，其他49种桃子是中国本地野生、培育、外国引进及中外杂交的桃子和油桃，采用PCA分析这些桃子和油桃的香味成分，结果表明，分子水平改造的wutao桃子的香味成分与其他49个品种桃子的香味有明显区别.

4.2 杂交猪的鉴定

采用固相微萃取气质联用分析了定远黑猪肉、皖南花猪肉、安庆六白猪肉(传统地方猪肉样品)、瘦肉型猪肉(引进杂交品种)的香气组成，瘦肉型猪肉香气比较单一，而中国传统猪肉样品香气丰富浓郁.以不同品种猪肉的香气值为数据集，采用PCA分析，结果表明，瘦肉型猪肉香气与中国传统地方猪肉有着明显差异[39].

4.3 杂交葡萄的鉴定

不同产地的酿酒葡萄以及杂交葡萄中花青素种类和含量具有差异性，Fraige等[15]分析了11种类型的葡萄，包括10不同产地的酿酒葡萄和1种杂交葡萄，采用串联四级杆鉴定了20种花青素，采用PCA分析来评估不同葡萄的差异，结果表明，杂交葡萄明显不同于酿酒葡萄，利用花青素糖苷可以把杂交葡萄从酿酒葡萄中鉴别出来.

5 食品鉴定

食品鉴定主要应用在食品等级鉴定，食品参假鉴定等，PCA分析在这些方面也有广泛的应用.Cheng等[40]利用HS-SPME-MS技术结合PCA实现了八种不同白酒的产地鉴别，同时也实现了浓香型白酒的等级鉴别[41].GC-MS结合PCA分析绵羊，山羊和牛奶奶源的奶酪中蛋白质水解成分的差异，成功找到以蛋白水解物作为标记，可以用来区分不同来源的奶酪[42].液质联用分析官方认可的两种中国菊科草药旋复花(Flos Inula)的根(I.britannica and Inula japonic)及相似品(Inula hupehensis，冒充土木香的根)的成分，定性和定量分析了15种化学成分.但采用PCA分析，不但能区分两种官方认可的土木香根，而且还可以区分土木香根与相似品之间的差异[43]，这种差异可以应用到食品掺假鉴定中.

6 展望

随着色谱技术质谱联用的发展，海量的数据集采用PCA分析，使得多维数据得到降维，从而提取到更多有价值的信息.通过上述文献的整理，总结出了PCA分析方法在食品鉴证、转基因食品鉴别、不同发酵阶段和食品原料的品种差异方面都能很好加以应用.由于PCA是一种无监督聚类分析，不需要数据背景，所以在食品差异鉴别中的应用前景非常广阔.

[1] 祝 成，张宿义，赵金松.不同感官等级白酒基酒的聚类分析[J].酿酒科技，2011(9):47-50.

[2] 范文来，徐 岩.应用GC-FD和聚类分析比较四川地区白酒原酒与江淮流域白酒原酒[J].酿酒科技，2007(11):75-78.

[3] 温永柱，范文来，徐 岩，等.白酒中5种生物胺的HPLC定量分析[J].食品工业科技，2013,34(7):305-308.

[4] Yang,G., S.Zhang, H.Zhang, et al. Study on Discrimination of Brands of Chinese Distilled Spirit Using Near Infrared Transmission and Reflectance Spectra[R]. In Computer and Computing Technologies in Agriculture-Ⅱ——Proceedings of the Third IFIP International Conference on Computer and Computing Technologies in Agriculture(CCTA 2009). 2009.

[5] 姜 安，彭江涛，彭思龙，等.基于SVM的白酒红外光谱分析方法研究[J].计算机与应用化学，2010，27(2):233-236.

[6] 殷 勇，邱 明，刘云宏，等.基于遗传神经网络的酒类鉴别技术[J].农业机械学报，2003，34(6):104-106.

[7] 王永维，王 俊，朱睛虹.基于电子舌的白酒检测与区分研究[J].包装与食品机械，2009，27(5):57-61.

[8] 殷 勇，田先亮.酒品质量稳定性的神经网络鉴别方法研究[J].食品科学，2005，26(11):210-212.

[9] Henryk H, J.,Z.k.Angelika, K.Anna. Identification of the botanical origin of raw spirits produced from rye,potato,and corn based on volatile compounds analysis using a SPME-MS method[J]. Journal of Agricultural & Food Chemistry, 2010,58(24): 12 585-12 591.

[10] 任亦贺，骆学雷，丰水平，等.基于主成分分析、遗传算法和神经网络对啤酒感官评价预测的研究[J].中国酿造，2010(2):50-53.

[11] Xu,Y., S.Zomer, R.G. Brereton. Support Vector Machines: A Recent Method for Classification in Chemometrics[J]. Critical Reviews in Analytical Chemistry, 2006, 36(3): 177-188.

[12] Fei,L., H.Yong, W.Li. Determination of effective wavelengths for discrimination of fruit vinegars using near infrared spectroscopy and multivariate analysis[J]. Analytica Chimica Acta, 2008, 615(1): 10-17.

[13] 程平言，范文来，徐 岩.基于质谱与化学计量学的浓香型白酒等级鉴别[J].食品与发酵工业，2013，39(6):169-173.

[14] Chun,M.-H., E.K.Kim, S.M.Yu, et al. GC/MS combined with chemometrics methods for quality control of Schizonepeta tenuifolia Briq:Determination of essential oils[J]. Microchemical Journal, 2011, 97(2): 274-281.

[15] Fraige,K., E.R.Pereira-Filho, E.Carrilho. Fingerprinting of anthocyanins from grapes produced in Brazil using HPLC-DAD-MS and exploratory analysis by principal component analysis[J]. Food Chem, 2014, 145: 395-403.

[16] Acanski, M.M., D.N.Vujic. Comparing sugar components of cereal and pseudocereal flour by GC-MS analysis[J]. Food Chem, 2014, 145: 743-748.

[17] Farag,M.A., C.M.Ryu, L.W.Sumner, et al. GC-MS SPME profiling of rhizobacterial volatiles reveals prospective inducers of growth promotion and induced systemic resistance in plants[J]. Phytochemistry, 2006, 67(20): 2 262-2 268.

[18] Cheng,H., J.Chen,S.Chen, et al. Characterization of aroma-active volatiles in three Chinese bayberry (Myrica rubra) cultivars using GC-MS-olfactometry and an electronic nose combined with principal component analysis[J]. Food Research International, 2015, 72: 8-15.

[19] Cheng,H., J.Chen, X.Li, et al. Differentiation of the volatile profiles of Chinese bayberry cultivars during storage by HS-SPME-GC/MS combined with principal component analysis[J]. Postharvest Biology and Technology, 2015, 100: 59-72.

[20] González álvarez,M., C.González-Barreiro, B.Cancho-Grande, et al. Relationships between Godello white wine sensory properties and its aromatic fingerprinting obtained by GC-MS[J]. Food Chemistry, 2011, 129(3): 890-898.

[21] Ikem,A. Measurement of volatile organic compounds in bottled and tap waters by purge and trap GC-MS:Are drinking water types different?[J]. Journal of Food Composition and Analysis, 2010, 23(1): 70-77.

[22] Chin,S.T., S.A.H.Nazimah, S.Y.Quek, et al. Analysis of volatile compounds from Malaysian durians (Durio zibethinus) using headspace SPME coupled to fast GC-MS[J]. Journal of Food Composition and Analysis, 2007, 20(1): 31-44.

[23] Cirlini,M., A.Caligiani, L.Palla, et al. HS-SPME/GC-MS and chemometrics for the classification of Balsamic Vinegars of Modena of different maturation and ageing[J]. Food Chemistry, 2011, 124(4): 1 678-1 683.

[24] Ding,X., C.Wu, J.Huang, et al. Characterization of interphase volatile compounds in Chinese Luzhou-flavor liquor fermentation cellar analyzed by head space-solid phase micro extraction coupled with gas chromatography mass spectrometry (HS-SPME/GC/MS)[J]. LWT - Food Science and Technology, 2016, 66: 124-133.

[25] Farag,M.A., H.A.Gad, A.G.Heiss, et al. Metabolomics driven analysis of six Nigella species seeds via UPLC-qTOF-MS and GC-MS coupled to chemometrics[J]. Food Chem, 2014, 151: 333-342.

[26] Farag,M.A., M.Mohsen, R.Heinke, et al. Metabolomic fingerprints of 21 date palm fruit varieties from Egypt using UPLC/PDA/ESI-qTOF-MS and GC-MS analyzed by chemometrics[J]. Food Research International, 2014, 64: 218-226.

[27] Ning,L., Z.Fu-ping, C.Hai-tao, et al. Identification of volatile components in Chinese Sinkiang fermented camel milk using SAFE,SDE,and HS-SPME-GC/MS[J]. Food Chemistry, 2011, 129(3): 1 242-1 252.

[28] Oliveira,A.P., L.R.Silva, P.Guedes de Pinho, et al. Volatile profiling of Ficus carica varieties by HS-SPME and GC-IT-MS[J]. Food Chemistry, 2010, 123(2): 548-557.

[29] Márquez,V., N.Martínez, M.Guerra, et al. Characterization of aroma-impact compounds in yerba mate (Ilex paraguariensis) using GC-olfactometry and GC-MS[J]. Food Research International, 2013, 53(2): 808-815.

[30] 杨 静，赵 镭，史波林，等.青花椒香气快速气相电子鼻响应特征及GC-MS物质基础分析[J].食品科学，2015 (22):69-74.

[31] Tan,H.S., D.D.Hu, J.Z.Song, et al. Distinguishing Radix Angelica sinensis from different regions by HS-SFME/GC-MS[J]. Food Chem, 2015, 186: 200-206.

[32] Shin,E.-C., B.D.Craft, R.B.Pegg, et al. Chemometric approach to fatty acid profiles in Runner-type peanut cultivars by principal component analysis (PCA)[J]. Food Chemistry, 2010, 119(3): 1 262-1 270.

[33] Zhao,Y., P.Chen, L.Lin, et al. Tentative identification,quantitation,and principal component analysis of green pu-erh,green,and white teas using UPLC/DAD/MS[J]. Food Chem, 2011, 126(3): 1 269-1 277.

[34] 范 琳，陶湘林，欧阳晶，等.曲霉型豆豉后发酵过程中挥发性成分的动态变化[J].食品科学，2012(22):274-277.

[35] 欧阳晶，陶湘林，李梓铭，等.高盐辣椒发酵过程中主要成分及风味的变化[J].食品科学，2014(4):174-178.

[36] Park,M.K., I.H.Cho, S.Lee, et al. Metabolite profiling of Cheonggukjang,a fermented soybean paste, during fermentation by gas chromatography-mass spectrometry and principal component analysis[J]. Food Chemistry, 2010, 122(4): 1 313-1 319.

[37] Peng,X., X.Li, X.Shi, et al. Evaluation of the aroma quality of Chinese traditional soy paste during storage based on principal component analysis[J]. Food Chem, 2014, 151: 532-538.

[38] Wang,Y., C.Yang, S.Li, et al. Volatile characteristics of 50 peaches and nectarines evaluated by HP-SPME with GC-MS[J]. Food Chemistry, 2009, 116(1): 356-364.

[39] 潘 见，杨俊杰，朱双杰，等.4种不同品质猪肉香气的差异[J].食品科学，2014(6):133-136.

[40] Cheng,P., W.Fan, Y.Xu. Determination of Chinese liquors from different geographic origins by combination of mass spectrometry and chemometric technique[J]. Food Control, 2014, 35(1): 153-158.

[41] heng,P., W.Fan, Y.Xu. Quality grade discrimination of Chinese strong aroma type liquors using mass spectrometry and multivariate analysis[J]. Food Research International,2013, 54(2): 1 753-1 760.

[42] Guerreiro,J.S., M.Barros, et al. Principal component analysis of proteolytic profiles as markers of authenticity of PDO cheeses[J]. Food Chem, 2013, 136(3-4): 1 526-1 532.

[43] Shi,X., K.Zhang, N.Xue, et al. Differentiation of genuine Inula britannica L.and substitute specimens based on the determination of 15 components using LC-MS/MS and principal components analysis[J]. Food Chem, 2013, 141(4): 4 019-4 025.