基于标志物的炮制天麻质量控制：挥发性成分剖析、电子感知与机器学习在加工工艺鉴别中的应用

《Food and Bioprocess Technology》：Marker-Based Quality Control of Processed Gastrodia elata: Volatile Profiling, Electronic Sensing, and Machine Learning for Processing Discrimination

　　

摘要

产后加工在决定天麻 (Blume) 作为食品和功能性农产品的感官质量、香气特征和商业一致性方面起着决定性作用。然而，缺乏客观的质量标记物和快速鉴定策略限制了加工天麻产品的加工标准化和质量控制。本研究通过结合电子眼和电子舌分析、顶空固相微萃取联用气相色谱 - 质谱法进行挥发性成分分析、分子对接和机器学习，开发了一种整合的、面向过程的质量评价策略。分析了六种传统加工天麻样品，以阐明加工条件如何影响颜色属性、味觉反应、挥发性成分和整体质量差异。结果表明，热量输入、水分参与和组织形态是驱动样品间质量变异的关键加工因素。在所评估的处理方法中，蒸制后切片干燥产生了最理想的香气修饰，其特征是减少了与甲酚相关的异味，增强了甜、果香和烤香风味。差异性挥发性成分分析鉴定出间甲酚、2-乙酰吡咯、香兰素和 γ-十一内酯作为加工区分和香气质量评价的关键标记物。通路富集分析表明，氨基苯甲酸降解、丁酸代谢、糠醛降解和己内酰胺降解与加工引起的挥发性成分变化有关，而分子对接为标记化合物的潜在嗅觉相关性提供了补充证据。此外，随机森林选择的多源特征实现了对不同加工样品的稳健区分，鲸鱼优化算法优化的卷积神经网络 - 长短期记忆网络模型达到了高分 类性能。总之，本研究表明，挥发性标记物图谱分析与电子传感和机器学习相结合，为加工天麻产品的工艺鉴定、香气质量控制和质量评价提供了一种有效且快速的策略。这些发现为提高天麻基食品的标准化和工业化加工质量提供了实用指导。

图文摘要