基于文献数据定量挖掘的葡萄酒香气特征化合物筛选与品种标志物鉴定研究

《Food Chemistry: X》：Quantitative mining of wine aroma literature data for specification reuse

　　

摘要专业翻译 本研究旨在构建并系统评估一个来源于文献的葡萄酒香气数据库，通过整合全球定量香气数据集实现规范的二次利用。研究人员系统检索并整合了来自103项研究的挥发性香气谱数据，涵盖38个葡萄品种、22个国家共792种挥发性化合物。在数据整合过程中，研究人员详细记录了分析溯源信息（analytical provenance），并对缺失数据模式进行了系统表征，以此指导数据协调化（data harmonization）处理。通过主成分分析（PCA）、偏最小二乘判别分析（PLS-DA）和随机森林（RF）等多模型化学计量学方法，研究人员筛选出31种与品种关联的候选香气标志物，这些化合物同时满足PCA载荷绝对值>0.5、PLS-DA变量投影重要性（VIP）>1及RF重要性排名前50%三项筛选标准。为验证候选标志物的适用性，研究人员以商业赤霞珠（Cabernet Sauvignon）和马瑟兰（Marselan）葡萄酒为样本开展了顶空固相微萃取-气相色谱-质谱联用（HS-SPME-GC-MS）分析及感官评价的概念验证实验，结果显示两个品种在PLS-DA得分图中呈现清晰分离（R2Y(cum)=0.971，Q2(cum)=0.947，AUC=0.840）。研究结果表明，文献来源的香气数据经系统协调化处理后可用于品种判别分析，但跨研究异质性（cross-study heterogeneity）仍是葡萄酒香气数据整合面临的核心挑战。本研究为理解全球葡萄酒香气多样性、改进化合物判别能力以及推动葡萄酒质量评价的智能化应用提供了分析框架。

论文解读

一、研究背景与问题

葡萄酒香气是葡萄品种前体物质、微生物代谢、陈酿反应以及挥发性和非挥发性基质组分相互作用共同形成的复杂化学与感官属性。过去三十年间，气相色谱-质谱联用（GC-MS）、气相色谱-嗅闻联用（GC-O）、全二维气相色谱及高分辨质谱等分析技术的快速发展，使研究人员能够在葡萄酒中鉴定和表征数以千计的挥发性化合物，极大拓展了对葡萄酒香气形成机制的认识，并为葡萄酒质量评价、真实性鉴定和产业发展提供了重要的科学支撑。

然而，尽管葡萄酒香气研究数据快速积累，定量香气数据仍然高度碎片化，难以在独立研究之间进行可靠整合。不同实验室、分析平台和实验条件产生的数据在提取流程、分析平台、鉴定标准、定量策略和报告格式等方面存在显著差异。化合物浓度常以绝对浓度、相对丰度或替代标准估算值等形式报告，未检出、低于定量限、未测定和未报告等情形缺乏一致定义。此外，气味阈值受基质组成和感官方法影响，香气化合物之间的协同、掩蔽或抑制效应进一步增加了数据整合的复杂性。因此，直接比较和二次利用文献来源的香气数据面临巨大挑战，单纯的统计标准化无法完全消除研究和平台特异性异质性。建立标准化、可扩展且经过质量控制的葡萄酒香气数据库，对于实现稳健的跨研究分析和支撑未来人工智能与机器学习在葡萄酒研究中的应用至关重要。

二、研究内容与主要结论

针对上述问题，本研究旨在构建并严格评估一个来源于文献的葡萄酒香气数据库。具体目标包括：系统收集并协调化处理已发表的定量挥发性化合物数据并记录详细分析溯源信息；表征影响葡萄酒香气变异的全球趋势和因素，包括葡萄品种、地理起源、葡萄酒类型和分析方法；利用PCA、PLS-DA和RF等集成化学计量学方法鉴定品种关联香气标志物；通过商业赤霞珠和马瑟兰葡萄酒的概念验证实验评估所鉴定标志物的潜在适用性。

研究人员依据PRISMA指南在Web of Science、Google Scholar、Scopus、PubMed和ScienceDirect五个数据库中进行系统检索，最终纳入103项符合标准的研究，涵盖38个葡萄品种、22个国家共792种挥发性化合物。数据经协调化处理后，研究人员采用多模型交叉验证策略筛选品种标志物，最终确定31种候选化合物。概念验证实验表明，基于文献数据鉴定的标志物面板能够在商业葡萄酒中实现品种区分，为文献数据驱动的品种鉴别提供了初步证据。该研究为理解全球葡萄酒香气多样性、改进化合物判别能力以及推动葡萄酒质量评价的智能化应用提供了系统框架。

三、关键技术方法

本研究采用的关键技术方法主要包括以下几个方面。文献系统检索与数据库构建方面，研究人员依据PRISMA指南在五个文献数据库中进行系统检索，经去重、标题摘要筛选和全文评估后纳入103项研究，提取葡萄品种、地理起源、葡萄酒类型、分析平台、提取方法、化合物身份、浓度和气味阈值等信息，并利用CAS号和PubChem信息标准化化合物名称。数据协调化与缺失值处理方面，研究人员将浓度统一转换为μg/L，对缺失值采用零编码用于多元统计分析，并以k近邻插补（k=5）进行敏感性分析。化学计量学分析方面，研究人员依次建立PCA、PLS-DA和RF三种模型，以PCA载荷绝对值>0.5、PLS-DA的VIP>1和RF重要性排名前50%为筛选标准，取三者交集确定候选标志物。概念验证实验方面，研究人员对24款商业干红葡萄酒（赤霞珠和马瑟兰各12款，来自中国主要产区，年份2020-2022）进行HS-SPME-GC-MS分析和10名受过训练的评价人员的感官评价。

四、研究结果

4.1 香气数据库构建

通过系统文献检索，研究人员从5763篇相关文献中经去重、筛选和全文评估最终纳入103项研究，构建了包含792种挥发性化合物、38个葡萄品种、22个国家的葡萄酒香气数据库。792种化合物包括200种醇类、68种醛类、66种酸类、267种酯类、80种酮类、19种萜烯类和92种其他化合物。其中191种化合物有可用气味阈值，其余601种记为NR。中国（35次）、西班牙（19次）和澳大利亚（9次）是研究频次最高的国家；赤霞珠（31次）、梅洛（22次）和霞多丽（14次）是研究最多的品种。

4.2 文献计量特征与研究覆盖

时间分布分析显示，品种相关研究和先进分析技术应用在2010年后显著增加，2014至2024年间最为集中。化合物出现频率呈强烈右偏分布，均值20.89而中位数仅5，少数经典香气化合物占据了大量文献记录，而大多数化合物仅被偶尔报道，反映出研究关注度的不均衡性。

4.3 地理分布

研究的地理分布高度不均，主要集中在亚洲（尤其中国）、欧洲、澳大利亚和美国。中国的研究集中在宁夏（31%）、河北（21%）、新疆（14%）和山西（9%），以赤霞珠、霞多丽和马瑟兰为主要研究对象。西班牙展现了最大的品种多样性，覆盖超过17个品种。

4.4 香气化合物的定性与定量可视化分析

品种比较显示，梅洛和赤霞珠的总挥发性化合物浓度最高，22个品种在高级醇、酯类和萜烯类等关键香气化合物类别上表现出明显差异。干红和干白葡萄酒的香气化合物总体浓度和多样性高于其他葡萄酒类型。方法学层面，LLE-GC-MS、SPE-GC-MS-GC-O和SPME-GC-MS捕获的化合物范围最广。化合物类别分布中，酯类占34%、高级醇占27%、醛酮类占17%、有机酸占11%、其他占9%、萜烯类占2%。

4.5 基于多模型分析的关键差异化合物筛选

研究人员对六个主要葡萄品种进行PCA分析，前两个主成分分别解释25.5%和16.8%的方差，累计解释42.3%。PLS-DA模型提取两个主成分，R²X(cum)=0.439，R²Y(cum)=0.603，Q²(cum)=0.545。RF模型五折交叉验证准确率为0.870，袋外准确率为0.952。三种模型筛选结果取交集后共31种化合物入选候选标志物面板，包括辛酸乙酯、2-甲基丁酸乙酯、异戊醇和苯乙醇等高排名化合物。

4.6 商业葡萄酒中的概念验证评估

对24款商业葡萄酒的PLS-DA分析显示，赤霞珠和马瑟兰沿第一主成分清晰分离，无重叠。模型R²X(cum)=0.560，R²Y(cum)=0.971，Q²(cum)=0.947，ROC分析AUC为0.840，初步支持文献来源标志物的品种区分能力。

4.7 赤霞珠和马瑟兰葡萄酒的感官表征

10名受过训练的评价人员采用0-5分制对六个香气属性进行评估。赤霞珠以果香（3.48）和青草/草本香（3.23）为突出特征，马瑟兰则以花香（3.31）和焦糖香（3.19）表现更明显。所有属性的样品效应均显著（p<0.001），PanelCheck分析确认了样品区分能力和重复性。

五、讨论与结论

讨论部分指出，文献来源的葡萄酒香气数据库相比传统实验数据集具有捕获全球变异和长期研究积累的优势，但跨研究异质性仍是核心挑战。31种候选标志物可按主要酿酒学来源归类：与葡萄或前体相关的化合物包括芳樟醇、香叶醇、α-松油醇、1-己醇和β-大马士酮；大多数候选物（包括乙酯和乙酸酯类、高级醇、2,3-丁二醇和挥发性酸）与发酵及后续转化相关；愈创木酚、1-辛烯-3-醇和1-辛醇可能反映加工、微生物活动、氧化或陈酿过程。研究人员强调这些化合物应视为反映品种倾向的候选指标而非香气身份的独立决定因素。研究还指出，Min-Max归一化和Z-score标准化均不能显式估计或消除研究特异性技术效应，未进行研究层面批次校正；气味阈值依赖基质组成，仅191/792种化合物有可用阈值，可能偏向历史上研究充分的挥发性化合物；品种和地区覆盖不均可能使标志物筛选偏向主流商业品种。KNN敏感性分析显示监督分离依赖于缺失数据处理方式，零编码可能混淆分析未覆盖与真实缺失。

研究结论认为，文献来源的香气数据经系统协调化处理后可用于品种判别分析，31种候选标志物面板在商业赤霞珠和马瑟兰葡萄酒中展现出初步区分能力。然而，跨研究异质性仍是葡萄酒香气数据整合面临的核心挑战，标志物面板的稳定性和可转移性需要在更大规模、分析方法协调一致的独立队列中进一步验证。本研究为全球葡萄酒香气多样性理解、化合物判别能力改进以及葡萄酒质量评价的智能化应用提供了分析框架。