为了探究不同羊踯躅[Rhododendron molle(Blume) G. Don]品种间花香气挥发性成分的差异,采用顶空固相微萃取-气相色谱-质谱联用(HS-SPME-GC-MS)技术对16个羊踯躅品种的花香气挥发性成分进行了检测分析,并进行了主成分分析、聚类分析和...为了探究不同羊踯躅[Rhododendron molle(Blume) G. Don]品种间花香气挥发性成分的差异,采用顶空固相微萃取-气相色谱-质谱联用(HS-SPME-GC-MS)技术对16个羊踯躅品种的花香气挥发性成分进行了检测分析,并进行了主成分分析、聚类分析和相关性分析。结果表明:在供试羊踯躅品种花香气中共鉴定出109个挥发性成分,其中20个成分的含量高于1.0μg·g^(-1),大牛儿烯D、石竹烯、α-蒎烯、葎草烯、α-法尼烯、水杨酸甲酯、β-蒎烯和芳樟醇是羊踯躅花香气的关键成分。不同品种间花香气的挥发性成分组成和含量存在差异,‘纸鸢’(‘Zhiyuan’)花香气的挥发性成分数量(43)和总含量(115.19μg·g^(-1))均最高,且其醇类、醛类、萜烯类、酯类、苯类含量基本上显著(P<0.05)高于其余品种。主成分分析结果显示:前3个主成分的累计方差贡献率为82.947%,第1主成分中反式芳樟醇氧化物(呋喃型)、橙花叔醇和α-荜澄茄油烯等9个成分含量的载荷绝对值较高,第2主成分中石竹烯和葎草烯含量的载荷绝对值较高,第3主成分中大牛儿烯D和α-法尼烯含量的载荷绝对值较高;‘纸鸢’的综合得分最高(7.32)。聚类结果显示:在欧氏距离13.85处,‘纸鸢’单独为一组,‘芬纳’(‘Fenna’)、‘白手鞠’(‘Baishouju’)和‘橙光’(‘Chengguang’)为一组,其余12个品种为一组。相关性分析结果显示:浓香型与白色花、中等香型与粉色花、弱香型与黄色花、无香型与橙色花均呈极显著(P<0.01)正相关。基于上述研究结果,羊踯躅的花色越艳丽则花香气越淡,并且,‘纸鸢’可作为羊踯躅花香气形成机制研究的优质材料。展开更多
依据专家感官审评结果将14个红茶样本按香气品质的优劣划分为优质红茶与缺陷红茶2组,基于快速气相电子鼻(fast gas chromatography-electronic-nose,GC-E-Nose)和气相色谱-质谱(gas chromatography-mass spectrometry,GC-MS)融合技术结...依据专家感官审评结果将14个红茶样本按香气品质的优劣划分为优质红茶与缺陷红茶2组,基于快速气相电子鼻(fast gas chromatography-electronic-nose,GC-E-Nose)和气相色谱-质谱(gas chromatography-mass spectrometry,GC-MS)融合技术结合多元统计分析对2组茶样进行判别分析,筛选影响两类茶样分类的关键差异组分。结果显示:GC-E-Nose(44维)和GC-MS(73维)相融合可以得到117维融合数据集,用其建立的正交偏最小二乘判别分析模型可以实现两类红茶的准确分类,其模型解释能力和预测能力(R_(Y)^(2)=0.976,Q^(2)=0.959)较单一的GC-E-Nose或GC-MS数据模型更优。基于变量投影重要性>1.6和P<0.05双变量原则,共筛选出二甲基硫醚(B3、B25)、β-紫罗酮(A59)、(3E)-4,8-二甲基壬-1,3,7-三烯(A20)、二氢猕猴桃内酯(A64)、芳樟醇(A17)、苯乙醇(A19)、δ-辛内酯(A41)和γ-壬内酯(A45)8个关键香气组分对分类起重要作用。研究结果表明,GC-E-Nose与GC-MS融合技术可以实现缺陷红茶和优质红茶的快速、准确分类,该方法可作为传统感官审评方法的补充,为红茶品质控制和质量提升提供技术支撑。展开更多
文摘为了探究不同羊踯躅[Rhododendron molle(Blume) G. Don]品种间花香气挥发性成分的差异,采用顶空固相微萃取-气相色谱-质谱联用(HS-SPME-GC-MS)技术对16个羊踯躅品种的花香气挥发性成分进行了检测分析,并进行了主成分分析、聚类分析和相关性分析。结果表明:在供试羊踯躅品种花香气中共鉴定出109个挥发性成分,其中20个成分的含量高于1.0μg·g^(-1),大牛儿烯D、石竹烯、α-蒎烯、葎草烯、α-法尼烯、水杨酸甲酯、β-蒎烯和芳樟醇是羊踯躅花香气的关键成分。不同品种间花香气的挥发性成分组成和含量存在差异,‘纸鸢’(‘Zhiyuan’)花香气的挥发性成分数量(43)和总含量(115.19μg·g^(-1))均最高,且其醇类、醛类、萜烯类、酯类、苯类含量基本上显著(P<0.05)高于其余品种。主成分分析结果显示:前3个主成分的累计方差贡献率为82.947%,第1主成分中反式芳樟醇氧化物(呋喃型)、橙花叔醇和α-荜澄茄油烯等9个成分含量的载荷绝对值较高,第2主成分中石竹烯和葎草烯含量的载荷绝对值较高,第3主成分中大牛儿烯D和α-法尼烯含量的载荷绝对值较高;‘纸鸢’的综合得分最高(7.32)。聚类结果显示:在欧氏距离13.85处,‘纸鸢’单独为一组,‘芬纳’(‘Fenna’)、‘白手鞠’(‘Baishouju’)和‘橙光’(‘Chengguang’)为一组,其余12个品种为一组。相关性分析结果显示:浓香型与白色花、中等香型与粉色花、弱香型与黄色花、无香型与橙色花均呈极显著(P<0.01)正相关。基于上述研究结果,羊踯躅的花色越艳丽则花香气越淡,并且,‘纸鸢’可作为羊踯躅花香气形成机制研究的优质材料。
文摘依据专家感官审评结果将14个红茶样本按香气品质的优劣划分为优质红茶与缺陷红茶2组,基于快速气相电子鼻(fast gas chromatography-electronic-nose,GC-E-Nose)和气相色谱-质谱(gas chromatography-mass spectrometry,GC-MS)融合技术结合多元统计分析对2组茶样进行判别分析,筛选影响两类茶样分类的关键差异组分。结果显示:GC-E-Nose(44维)和GC-MS(73维)相融合可以得到117维融合数据集,用其建立的正交偏最小二乘判别分析模型可以实现两类红茶的准确分类,其模型解释能力和预测能力(R_(Y)^(2)=0.976,Q^(2)=0.959)较单一的GC-E-Nose或GC-MS数据模型更优。基于变量投影重要性>1.6和P<0.05双变量原则,共筛选出二甲基硫醚(B3、B25)、β-紫罗酮(A59)、(3E)-4,8-二甲基壬-1,3,7-三烯(A20)、二氢猕猴桃内酯(A64)、芳樟醇(A17)、苯乙醇(A19)、δ-辛内酯(A41)和γ-壬内酯(A45)8个关键香气组分对分类起重要作用。研究结果表明,GC-E-Nose与GC-MS融合技术可以实现缺陷红茶和优质红茶的快速、准确分类,该方法可作为传统感官审评方法的补充,为红茶品质控制和质量提升提供技术支撑。
