《Food Chemistry: X》：Effects of drying time on physicochemical properties and volatile organic compounds of pork jerky revealed by GC-IMS and interpretable machine learning
编辑推荐：
干燥时间影响猪肉脯的脱水、色泽形成、美拉德反应及挥发性有机物（volatile organic compounds, VOCs）。研究人员在80?°C下将猪肉脯干燥4–6?h，并以腌制未干燥样品作为RAW对照。研究评估了理化性质、游离氨基酸及挥发性指纹图谱。气
干燥时间影响猪肉脯的脱水、色泽形成、美拉德反应及挥发性有机物（volatile organic compounds, VOCs）。研究人员在80?°C下将猪肉脯干燥4–6?h，并以腌制未干燥样品作为RAW对照。研究评估了理化性质、游离氨基酸及挥发性指纹图谱。气相色谱-离子迁移谱（gas chromatography-ion mobility spectrometry, GC-IMS）检测到53个挥发性信号，其谱图在干燥过程中发生显著变化。研究人员分别构建了支持向量回归（support vector regression, SVR）和极端随机树回归（extra trees regression, ETR）模型，用于从GC-IMS数据预测水分含量、420?nm吸光度、荧光强度及L、a、b*值。两种模型均表现出优异的测试集性能，SVR的R2值为0.996–0.998，ETR的R2值为0.989–0.995。SHapley Additive exPlanations（SHAP）分析识别出共有及模型特异的挥发性标志物，包括戊醛、呋喃酮、丙酸乙酯、庚醛、2-己烯醛、2-丁酮及3-异丁基-2-甲氧基吡嗪。上述结果表明，GC-IMS结合可解释机器学习在猪肉脯干燥过程中的质量预测及挥发性标志物筛选方面具有应用潜力。
一、研究背景与问题提出
猪肉脯是一种传统干制肉制品，以其特有的烤香肉味、紧实质地、便于携带及较长货架期而受到消费者青睐。其生产工艺通常包括切片、腌制、热风干燥、烘烤和包装等环节，其中干燥是决定产品稳定性与感官品质的关键阶段。干燥时间不仅决定水分去除程度，还决定蛋白质、脂质、还原糖、氨基酸及调味料来源组分受热作用的持续时间。干燥不足可能导致残余水分过高，限制猪肉脯特征质地与风味的形成；而干燥过度则会增加剪切力、加剧色泽劣变，并使产品过于干硬。因此，控制干燥时间对于平衡脱水、风味形成及整体品质至关重要。
干燥过程中发生的理化变化与挥发性组分变化密切相关。随着水分逐步去除，食品基质收缩、水分活度改变、非挥发性风味前体物被浓缩，这些变化改变了传质过程与反应环境，进而影响脂质氧化、美拉德反应、斯特雷克降解以及挥发性化合物的生成或损失。干燥过程中形成的挥发性有机物包括醛类、醇类、酮类、酸类、酯类、呋喃类及吡嗪类等，这些化合物可能同时经历生成、转化、释放与损失。GC-IMS信号反映的是上述过程的净平衡结果。许多醛、醇和酮来源于脂质氧化，而吡嗪类及部分呋喃和羰基化合物主要与糖降解、美拉德反应和斯特雷克降解有关。游离氨基酸不仅直接贡献滋味，还作为斯特雷克醛和含氮杂环化合物的前体。
然而，干燥时间对VOC谱图的影响十分复杂，因为不同化合物的生成、转化与损失速率并不一致。传统的水分、色泽及美拉德相关指标虽能表征产品品质的重要方面，但无法充分解析VOC演化的多维化学变化。因此，需要结合全面的挥发性指纹图谱与多变量建模，以表征VOC的时间轨迹并评估其与理化品质的定量关联。
GC-IMS因其高灵敏度、短分析时间、样品前处理简便及指纹可视化直观等优势，已被越来越多地应用于食品风味分析。然而，以往研究多侧重于VOC鉴定、指纹可视化、单变量比较及基于主成分分析的组间判别，这些方法虽能有效表征挥发性谱图的整体差异，但难以提供相关VOC信号与多个连续理化指标之间的定量关联信息。目前，将GC-IMS VOC指纹与水分含量、美拉德相关指标及色泽参数同时关联的可解释回归研究仍然缺乏。因此，需要进一步将GC-IMS与多变量回归及模型解释方法相结合，从复杂VOC指纹中提取与品质相关的预测信息。
机器学习回归为从多变量GC-IMS指纹中提取潜在预测信息提供了手段。支持向量回归因其正则化学习框架和核映射能力，能够在控制模型复杂度的同时建模非线性关系；极端随机树回归则通过引入特征和分裂点选择的随机性构建强随机化回归树集成，能够捕捉非线性响应、阈值效应及VOC变量间的交互作用。两种算法代表了不同但可能互补的建模策略。然而，高预测精度本身并不能揭示哪些VOC变量对模型输出贡献最大，且模型特有的重要性度量往往仅提供全局排序，无法指示单个样本的特征贡献方向与大小。SHAP提供了一种统一的加性特征归因框架，可将每个预测分解为基线值与各输入变量的贡献之和，从而量化全局特征重要性并指示样本级贡献方向。
基于上述背景，本研究在固定干燥温度80?°C条件下，系统考察干燥时间对猪肉脯理化性质、游离氨基酸谱及GC-IMS VOC指纹的影响，并开发SVR与ETR模型，分别从GC-IMS VOC指纹独立预测各理化指标，进而利用SHAP分析量化单个VOC特征对模型预测的贡献，识别最具影响力的品质相关VOC变量。
二、研究内容与主要结论
研究人员以腌制未干燥样品为RAW对照，设置4、4.5、5、5.5和6?h五个干燥时间处理组。样品来源于连续三天分别购自当地超市的三条猪后腿，每条后腿视为一个独立生物学重复，共包含三个生物学重复，每个生物学重复包含两个独立加工批次，每批次取五个采样单元，共180个样品单元。所有样品在80?°C热风干燥后进行水分含量、色泽、美拉德反应指标、游离氨基酸及GC-IMS挥发性分析。
研究发现，干燥时间显著改变猪肉脯的理化性质。水分含量随干燥时间延长而持续下降，色泽参数L、a、b*值及美拉德反应相关指标（420?nm吸光度和荧光强度）均发生显著变化，表明干燥过程伴随褐变反应和荧光美拉德中间产物的积累。游离氨基酸含量以干重计后，各处理组间呈现不同变化趋势，反映了热效应对氨基酸组成的影响。
GC-IMS共检测到53个挥发性信号，其谱图在干燥过程中发生显著变化。不同挥发性化合物呈现不同的时间轨迹，部分化合物先积累后下降，部分持续增加，反映了生成、转化、挥发和热降解之间的净平衡。基于GC-IMS VOC指纹，研究人员分别构建了SVR和ETR模型预测水分含量、A420、荧光强度及L、a、b*值。两种模型均表现出优异的测试集性能，SVR的R2值为0.996–0.998，ETR的R2值为0.989–0.995，表明GC-IMS VOC指纹含有丰富的品质相关预测信息，且两种非线性模型结构均能有效提取这些信息。
SHAP分析进一步识别出对模型预测贡献最大的VOC标志物，包括戊醛、呋喃酮、丙酸乙酯、庚醛、2-己烯醛、2-丁酮及3-异丁基-2-甲氧基吡嗪。其中部分标志物在SVR和ETR模型中被共同识别，反映了跨模型结构的一致性；另一些则为模型特异性标志物，体现了不同建模策略对特征贡献的差异化评估。SHAP值的方向和分布表明，这些VOC信号对理化指标的预测具有正向或负向贡献，且贡献大小随样本特征值变化。
三、关键技术与方法
本研究采用的主要关键技术方法包括：气相色谱-离子迁移谱（GC-IMS）用于挥发性有机物指纹检测，共检测53个挥发性信号；Kennard-Stone算法用于样品划分，将180个样品分为训练集（112个）、验证集（28个）和测试集（40个）；支持向量回归（SVR）和极端随机树回归（ETR）分别用于建立VOC指纹与六项理化指标间的非线性回归模型；SHapley Additive exPlanations（SHAP）分析用于量化各VOC特征对模型预测的贡献并筛选品质相关标志物。样本来源于连续三天购自当地超市的三条猪后腿，每个生物学重复包含两个独立加工批次，共180个样品单元。
四、研究结果
水分含量变化：干燥时间延长导致水分含量持续下降，4至6?h干燥处理组的水分含量显著低于RAW对照组，反映了热风干燥过程中的持续脱水效应。
色泽参数变化：L值随干燥时间延长呈下降趋势，a值和b*值则发生不同程度的变化，表明干燥过程中色泽从原料状态向烘烤特征色转变，与褐变反应和水分损失密切相关。
美拉德反应指标变化：420?nm吸光度和荧光强度均随干燥时间延长而增加，表明干燥过程促进了美拉德反应的进行，产生了褐变色素和荧光中间产物。
游离氨基酸变化：以干重计的各游离氨基酸含量在不同干燥时间处理组间呈现不同变化趋势，反映了热效应对游离氨基酸组成和含量的影响。
GC-IMS挥发性指纹变化：53个挥发性信号在干燥过程中发生显著变化，不同化合物呈现不同的时间轨迹，部分先增后降，部分持续增加，反映了生成与损失之间的净平衡。
模型预测性能：SVR和ETR模型在预测水分含量、A420、荧光强度及L、a、b*值方面均表现出优异的测试集性能，SVR的R2值为0.996–0.998，ETR的R2值为0.989–0.995，验证了GC-IMS VOC指纹用于品质预测的可行性。
SHAP分析结果：识别出戊醛、呋喃酮、丙酸乙酯、庚醛、2-己烯醛、2-丁酮及3-异丁基-2-甲氧基吡嗪等关键VOC标志物，其中部分为SVR和ETR模型共有，部分为模型特异，反映了不同建模结构对特征贡献评估的差异。
五、讨论与结论
讨论部分指出，干燥时间对VOC谱图的影响十分复杂，不同化合物的生成、转化和损失速率并不一致，GC-IMS信号反映的是这些过程的净平衡。SHAP分析解释了所拟合模型的行为，但并不建立VOC与理化变化之间的因果关系。两种互补的非线性回归模型在预测性能和关键VOC识别方面表现出较高的一致性，增强了研究结果的可靠性。
研究结论表明，干燥时间显著影响猪肉脯的理化性质、游离氨基酸谱及GC-IMS VOC指纹。SVR和ETR模型均能基于GC-IMS VOC指纹高精度预测水分含量、A420、荧光强度及L、a、b*值。SHAP分析识别出多个共有及模型特异的品质相关VOC标志物。该研究证明了GC-IMS结合可解释机器学习在猪肉脯干燥过程中质量预测和挥发性标志物筛选方面的应用潜力，为干制肉制品的品质监控提供了新的技术途径。
