甜瓜可溶性固形物与糖分关联的再评估：FTIR模型作为替代分析工具

《Food Chemistry》：Reassessing the link between soluble solids and sugars in melon: FTIR models as an alternative tool

　　

甜瓜（Cucumis melo L.）是全球广泛消费的重要水果，其甜度是影响消费者偏好的关键品质性状。长期以来，可溶性固形物含量（SSC）以°Brix表示，被用作甜度评估和育种筛选的主要指标。然而，°Brix与总糖积累之间的相关性仅为中等水平（r = 0.61），且无法反映糖分组成（如己糖与蔗糖的比例）及果实成熟阶段，限制了其在育种和品质控制中的应用。本研究旨在重新评估SSC与甜瓜糖分含量之间的关系，并探索基于傅里叶变换中红外光谱（FTIR/FT-MIR）的偏最小二乘（PLS）回归模型作为替代工具的可行性。研究人员利用来自6个独立试验、涵盖伊比利亚（Ibericus）种群多个地方品种和商业品种的828份果实样品，建立了针对蔗糖、葡萄糖、果糖、柠檬酸、苹果酸、总糖、蔗糖当量及己糖/蔗糖比等10项指标的特定模型和通用模型。结果表明，SSC与总糖的决定系数仅为0.63，且与己糖含量及己糖/蔗糖比无显著相关；在10%和20%选择压力下，基于SSC筛选的灵敏度仅为50%–60%，表明近半数最优基因型可能被遗漏。相比之下，FTIR模型在预测蔗糖、总糖和蔗糖当量方面表现出色，特定模型的预测均方根误差（RMSEP）相对均值百分比为3.5%–8.9%，通用模型在外部独立试验验证中平均预测误差约为10%。模型对果糖的预测性能受低浓度样品影响，而对苹果酸的预测因含量过低而失效。研究还发现，当使用变异范围受限的特定模型预测相似样本（如不同环境下生长的相似基因型）时，FTIR模型的灵敏度显著优于SSC筛选（p < 0.05），所选样本的平均百分位数接近理想值5%。研究表明，SSC仅能部分反映甜瓜糖分积累，尤其在己糖含量和成熟度指标上存在明显局限；而FTIR模型作为一种快速、无损的间接预测工具，能够可靠预测多种糖分和有机酸含量，在育种筛选、田间管理和品质控制中具有重要应用潜力。未来应通过纳入更广泛的种质资源和环境条件，持续扩充和更新通用校准数据集，以增强模型的适用性和稳健性。

研究背景与问题

甜瓜（Cucumis melo L.）是全球重要的园艺作物，2014至2024年间全球产量增长7.3%，2024年达2820万吨。消费者对甜瓜品质的需求日益提高，其中风味和甜度是首要考量因素。甜度主要取决于糖分积累，糖分占果实可溶性固形物含量（SSC）的一半以上。因此，°Brix长期以来被用作甜度预测和育种筛选的核心指标。然而，已有研究表明SSC与感官甜度之间的相关性有限（r = 0.61），且SSC作为总量指标无法反映糖分组成、己糖与蔗糖比例及果实成熟阶段。在育种程序中，若筛选标准无法准确识别最优基因型，将严重制约品质改良效率。此外，近红外（NIR）光谱技术在甜瓜品质预测中存在穿透深度不足的固有缺陷——甜瓜果皮较厚，NIR信号主要来源于不可食用的外果皮组织，且现有NIR模型多集中于SSC预测，预测误差通常为0.6–1.2°Brix，难以满足精细育种需求。相比之下，中红外（FTIR/FT-MIR）光谱技术在该领域的应用研究较少，但已在西瓜和番茄中展现出预测单糖和有机酸含量的潜力。因此，本研究旨在重新评估SSC与甜瓜糖分含量的关系，并探索基于FTIR的偏最小二乘（PLS）回归模型作为替代工具的可行性。该论文发表于《Food Chemistry》。

关键技术方法

研究人员从6个独立试验中获取828份甜瓜果实样品，涵盖伊比利亚（Ibericus）种群的多个地方品种（Piel de Sapo、Amarillo、Blanco、Rochet、Tendral）和商业品种（Finura、Cordial），包括嫁接、盐胁迫等不同栽培条件。果实于商业成熟期采收，取赤道面果肉匀浆后，分别采用电子折射仪测定SSC、毛细管电泳（CE）定量糖和有机酸、Cary 630 FTIR光谱仪（Agilent Technologies）采集4000–700 cm^?1中红外光谱，仅使用1500–900 cm^?1指纹区数据。采用乘性散射校正（MSC）预处理和自标度化后，建立PLS回归模型，以Venetian blinds交叉验证优化潜变量数，并通过Hotelling T²统计量和Q残差识别异常值。模型性能以决定系数（R²）、校准均方根误差（RMSEC）、交叉验证均方根误差（RMSECV）和预测均方根误差（RMSEP）评估。同时建立SSC单变量回归模型作为对照，并计算灵敏度（真阳性率）和受试者工作特征曲线（ROC）下面积（AUC），采用DeLong检验比较模型判别能力。

研究结果

3.1 SSC与糖酸含量的关系

对全部样品进行线性回归分析发现，SSC与总糖的决定系数仅为0.63，与蔗糖当量的相关性略低，与蔗糖含量为0.62，但与己糖含量及己糖/蔗糖比无显著相关，与柠檬酸和苹果酸的相关性极低。在相同°Brix下，样品总糖含量差异最高可达75%。以SSC作为筛选标准，在10%选择压力下，对所有变量的灵敏度均低于55%，其中己糖、有机酸和己糖/蔗糖比的灵敏度尤其低；在20%选择压力下，总糖、蔗糖和蔗糖当量的灵敏度仅提升至约60%。这意味着育种程序中近半数真正最优的基因型将无法被选中。

3.2 FTIR数据的PLS回归模型

研究人员建立了6个PLS模型，包括针对试验1至5的5个特定模型和合并5个试验数据的通用模型。特定模型中，88%的变量模型校准决定系数（R²_c）高于0.88。模型预测性能总体良好，除苹果酸外，5个特定模型的平均相对预测误差（%RMSEP）分别为8.6%、3.5%、6.3%、8.9%和5.3%。果糖模型性能普遍低于葡萄糖和蔗糖模型，试验4中果糖%RMSEP高达24%，经剔除低浓度样品（果糖<7.25）后改善至11.86%。通用模型的性能略低于特定模型，除苹果酸外平均预测决定系数（R²_p）为0.77，%RMSEP为10.2%，果糖预测受试验4低浓度样品影响，剔除后%RMSEP从20.86%降至11.73%。苹果酸模型在所有情况下均表现不佳，主要因其在甜瓜中浓度极低、变异范围有限。

3.3 FTIR模型预测外部试验

将通用模型应用于完全独立的试验6（245份盐胁迫样品）时，SSC预测表现优异（R²_p = 0.90，RMSEP = 0.35），蔗糖和己糖/蔗糖比预测也较好（R²_p分别为0.87和0.86），但己糖和柠檬酸预测离散度较高，全部变量平均R²_p为0.63，平均%RMSEP约为10%。将试验4的特定模型应用于相似样品（试验3，不同环境下生长的相似基因型）时，除苹果酸外R²_p介于0.79–0.94（均值0.84），%RMSEP介于3.6%–28.7%（均值11%），性能优异；而基于SSC的模型在同样条件下对总糖的预测决定系数仅为0.21。将该特定模型应用于差异较大的样品（试验1，嫁接商业品种）时，性能下降至与通用模型相当的水平。在10%选择压力下，通用FTIR模型对总糖和蔗糖的筛选灵敏度与SSC无显著差异，但对己糖含量和己糖/蔗糖比的灵敏度显著优于SSC；当特定模型应用于相似样品时，FTIR模型的灵敏度显著高于SSC模型（p < 0.05），所选样本的平均百分位数接近理想值5%。

讨论与结论

讨论部分指出，SSC与总糖仅存在中等相关性，这种关系主要由蔗糖贡献维持，己糖含量与SSC无关。在育种高选择压力下，SSC筛选的灵敏度仅为50%–60%，意味着近半数最优基因型会被遗漏，且该误差会在每轮选择中重复累积，严重制约品质育种进展。SSC也无法反映果实成熟阶段，而己糖/蔗糖比是监测成熟过程的有效指标。FTIR模型相比NIR具有显著优势：中红外辐射可直接分析可食用果肉组织，避免厚果皮干扰；本研究中FTIR模型对SSC的预测性能（通用模型R²_p = 0.93，%RMSEP = 3.48%）优于已报道的NIR模型。果糖预测性能受低浓度样品信噪比影响，而葡萄糖和果糖在指纹区具有相似吸收带，PLS无法通过特征吸收区分二者。苹果酸预测失败归因于其在甜瓜中的极低浓度和有限变异范围，与番茄、西瓜和苹果中的研究结论一致。研究结论强调，尽管SSC被广泛用作甜瓜品质筛选指标，但其无法准确反映总糖积累和成熟度，高选择压力下灵敏度低；FTIR模型能够合理预测果糖、葡萄糖、蔗糖、柠檬酸、总糖、蔗糖当量及己糖/蔗糖比，特定模型性能优于通用模型，且可应用于独立试验的预测，但建议使用与目标样品变异范围相似的模型。未来研究应通过纳入更广泛的种质资源和环境条件，持续扩充和更新通用校准数据集，以增强模型的适用性和稳健性。