基于高分辨质谱的组学分析方法在白酒香型鉴别...（二）

4.3 统计学分析
采用 SIEVE 软件对组分进行提取、过滤（P-Value ＜ 0.05）及统计学分析。不同品牌组和不同等级组分别得到 486 个和1246 个化合物。通过 SIMCA 软件对上述化合物的 PCA 分析表明，在这两个分析组中 3 种香型的白酒均能较好的分开，聚类趋势明显，无明显离群组分且与其他组别有较明显差异（图 3）

采用 SIEVE 软件找出所得化合物中ratio差别较大，且在XIC图中有明确色谱峰的化合物，作为潜在标志物，如图 4 所示（以化合物 S1 示例）。最终在两个分析组中分别确定的标志物见表 5 和表 6。其中有 5 个化合物为两个分析组的共有标志物。以这 5 个共有标志物为指标，采用 SIMCA 软件进行正交校正偏最小二乘法判别分析（OPLS-DA），最大化地凸显模型内部不同组别之间的差异。分析结果表明三种香型的白酒可以得到良好的区分（图 5）。

4.4 建模与预判

以此 OPLS-DA 分析的模型对已知另一典型浓香型白酒样品（沱牌曲酒，50°）进行预判分析，来考察选取的5个标志物对3种香型白酒的鉴别能力。结果表明，测试样品可以很好的和浓香型样品聚合在一起，和另外两种组能很好的区分，判断结果正确（图 6）。

4.5 标志物鉴定

根据标志物的精确质量数、同位素分布和二级碎片离子等信息，采用 Xcalibur 软件、MassFrontier 软件和 ChemSpider 网络数据库进行了鉴定和确证，鉴定结果见表 7。

5. 结论

本实验展示了基于组学的分析方法在食品种类鉴别中的工作流程。结果表明 Orbitrap 高分辨质谱技术结合组学分析软件SIEVE 及统计学分析软件 SIMCA，可以有效地鉴别浓香、酱香和清香三种香型的白酒。在实验中鉴定到了 5 个共有标志物，其中包括浓香型白酒被广为认知的特征成分己酸乙酯，与既有研究一致，也表明所选标志物具有极高的可信度。通过对已知样本的预判测试，显示出所建立模型可以很好的用于三种香型白酒的区分。标志物未在清香型白酒中发现，能与清香型白酒本身就分 3 种亚型有关。另外，通过样本量的增加，所建立的模型进行样品预测的准确度可能会进一步提高。后续还可采用该流程和方法对 12 种白酒香型中的其他香型和不同年份的白酒样品进行分析和比较。利用本文建立的这一套工作流程，可以推广到食品组学研究领域更广范围的品种鉴别、产地溯源、质量控制等各个研究方向。

参考文献
[1] 周围，等。名优白酒质量指纹专家鉴别系统。分析化学，2006年4月，第32卷，735-740。
[2] 柳军，等。应用GC-O分析比较兼香型和浓香型白酒中的香气化合物。酿酒，2008年5月35卷，103-107。
[3] 王永维，等。基于电子舌的白酒检测与区分研究。包装与食品机械，2009年第27卷第5期，57-61。