基于近红外光谱与HS-SPME-GC-MS联用技术的燕麦品种营养与风味多维评价体系构建

为解决传统燕麦品质评价方法单一、效率低下的问题，研究人员通过整合近红外光谱（NIRS）、顶空固相微萃取-气相色谱-质谱（HS-SPME-GC-MS）及化学计量学技术，构建了“化学成分-挥发性特征-加工适宜性”多维评价体系。研究成功预测了β-葡聚糖（R2 =0.95）和燕麦蒽酰胺（AVNs），鉴定了13种地理标志挥发性标记物（VIP>1），并筛选出白燕8号等优质品种。该研究为燕麦精准育种和功能食品开发提供了技术支撑。

　　

燕麦（Avena sativa）作为全球重要谷物，以其高含量的β-葡聚糖和独特的酚类物质燕麦蒽酰胺（AVNs）著称，具有降血脂、抗氧化等健康功效。然而，传统品质检测方法耗时耗力，且现有研究多聚焦单一维度（如营养或风味），难以全面评估品种优劣。例如，高营养品种可能因风味缺陷降低消费者接受度，而风味优异的品种又可能缺乏核心功能成分。这一矛盾促使研究人员探索更高效、多维的评价策略。

为解决上述问题，中国农业科学院的研究团队在《Journal of Cereal Science》发表论文，通过整合近红外光谱（NIRS）、顶空固相微萃取-气相色谱-质谱（HS-SPME-GC-MS）及感官评价技术，对来自9个地区的71个燕麦品种进行了系统分析。研究采用复合光谱预处理优化NIRS模型，结合偏最小二乘判别分析（PLS-DA）和主成分分析（PCA）等化学计量学方法，构建了全球首个覆盖“化学组成-挥发性特征-加工性能”的多维品质评价体系。

关键技术方法
研究团队采集了71个国内外燕麦品种（包括中国7省及美加地区），通过NIRS快速检测β-葡聚糖和AVNs，采用HS-SPME-GC-MS分析挥发性成分，结合气味活性值（OAV）和PLS-DA筛选关键风味标记物，最终通过PCA建立品质排序模型。

Results of β-glucan and AVNs analysis of different oat varieties
β-葡聚糖含量介于3.25%–6.19%，变异系数（CV）仅0.14，显示品种间稳定性高。NIRS模型预测β-葡聚糖的校正集决定系数（Rc²
）达0.95，均方根误差（RMSEC）为0.19；AVNs因分子结构差异预测精度稍低，但复合预处理显著提升模型鲁棒性。

Results of HS-SPME-GC-MS analysis
共鉴定77种风味物质，其中8种通过OAV分析确定为关键呈香成分（如醛酮类和吡嗪类）。PLS-DA筛选出13种VIP>1的挥发性标记物（如2-戊基呋喃和己醛），可有效区分不同地理来源品种。

PCA-driven quality ranking system
基于多维指标的综合评分显示，白燕8号、白燕11号和张莜14号在营养-风味-加工协同性上表现最优，适宜作为功能食品开发的核心原料。

结论与意义
该研究首次将NIRS快速检测拓展至燕麦AVNs，突破了传统方法的局限性；发现的挥发性标记物为地理溯源提供了新依据。多维评价体系不仅解决了单一维度分析的片面性，更为精准育种和定制化产品开发（如高β-葡聚糖低异味品种选育）提供了科学范式。未来研究可进一步探索风味物质与功能成分的代谢关联机制，推动燕麦产业从“高产”向“优质”转型。