《Frontiers in Nutrition》：A preliminary study on the characterization of taste and odor attributes in commercial lager and ale beers using E-sensing techniques
编辑推荐：
引言：本研究旨在利用电子舌（E-tongue）和电子鼻（E-nose）系统，探究八种分别代表拉格（lager）和艾尔（ale）风格的商业罐装啤酒的滋味属性和挥发性气味模式的区分。方法：为实现这一目标，研究人员在八种啤酒样品中评估了五种与滋味相关的电子传感器，并
引言：本研究旨在利用电子舌（E-tongue）和电子鼻（E-nose）系统，探究八种分别代表拉格（lager）和艾尔（ale）风格的商业罐装啤酒的滋味属性和挥发性气味模式的区分。方法：为实现这一目标，研究人员在八种啤酒样品中评估了五种与滋味相关的电子传感器，并利用电子鼻内部库初步鉴定出总共34种挥发性化合物，包括3种酸、4种醛、7种醇、9种酯、4种烃、5种杂环化合物和2种酮。应用主成分分析（PCA）和层次聚类分析（HCA）来绘制风味图谱。此外，进行了偏最小二乘判别分析（PLS-DA）以识别关键风味驱动因子，并利用去偏稀疏偏相关（DPSC）网络分析来模拟滋味属性与挥发性化合物之间的相互作用。结果：基于电子传感数据集的PCA和HCA根据滋味属性和挥发性化合物谱成功将啤酒样品区分为不同组别。PLS-DA基于变量投影重要性阈值（VIP-score）≥1.0识别出六个关键风味贡献因子，包括来自电子舌的甜度以及五个挥发性组——酸类、烃类、醇类、杂环类和醛类。DPSC网络分析进一步阐明了这些复杂的相互作用，建立了一个以七个关键风味簇（酮类、甜度、醇类、酸类、酯类、杂环类和烃类）为主导的稳定共现框架。结论：这些发现表明，集成的电子传感平台结合先进的化学计量学网络模型，为商业拉格和艾尔啤酒的风味指纹图谱构建和特征描述提供了一种有效、客观且快速的分析筛选方法。
**论文解读文章**
**研究背景与问题**
啤酒是全球消费最广泛的酒精饮料之一，占所有酒类的约80%。2023年全球啤酒产量和消费量达到约19.3亿百升。随着精酿啤酒行业的扩张，微酿酒厂对快速、客观、低成本的质量控制方法（如电子传感技术）的需求日益迫切。啤酒的风味主要由酵母发酵产生的多种化合物（如酯类、硫醇、内酯、酚类、醇类）以及酿造工艺和原料（如啤酒花品种、酵母菌株）决定。滋味和气味属性是评价食品质量和接受度的关键因素，也是啤酒化学感官感知的主要识别因子。传统的感官评价虽能揭示整体感官接受度，但存在成本高、耗时长、需要训练有素的品评小组以及主观性等缺点。近年来，电子传感（E-sensing）技术（包括电子舌E-tongue和电子鼻E-nose）因其非破坏性、低成本、快速检测、高重现性和高客观性等优势而被广泛应用。然而，此前研究多单独评估啤酒风味，缺乏将电子舌、电子鼻与先进化学计量学网络模型协同应用于商业啤酒的快速、模式化筛查框架。因此，本研究旨在利用集成电子舌和电子鼻平台，探索拉格啤酒和艾尔啤酒的滋味和气味属性，并通过多元分析识别滋味与挥发性化合物之间的关键关系，为啤酒工业提供一种时间与成本效益更高的质量控制替代方案。
**研究开展、结论与意义**
研究人员选取了八种商业罐装啤酒（四种拉格啤酒A–D，四种艾尔啤酒E–H），利用电子舌（ASTREE II）和电子鼻（HERACLES Neo）系统分别测量滋味属性和挥发性化合物谱。通过主成分分析（PCA）和层次聚类分析（HCA）进行风味图谱分类，采用偏最小二乘判别分析（PLS-DA）识别关键风味驱动因子，并利用去偏稀疏偏相关（DPSC）网络分析模拟滋味与挥发性化合物之间的相互作用。结果表明，集成电子传感平台结合化学计量学网络模型能够有效区分不同啤酒风格，并识别出甜度、酸类、烃类、醇类、杂环类和醛类为关键风味贡献因子，以及七个关键风味簇。该研究为商业啤酒风味指纹图谱的快速、客观筛查提供了新的方法学基础。论文发表在《Frontiers in Nutrition》。
**关键技术与方法**
本研究采用以下主要技术方法：①电子舌（ASTREE II，Alpha MOS）系统，配备五种滋味传感器（酸度AHS、咸度CTS、鲜度NMS、甜度ANS、苦度SCS），对样品进行稀释后测量各滋味强度，重复六次。②电子鼻（HERACLES Neo，Alpha MOS）系统，通过顶空进样和双柱分离，利用AcroChemBase库和Kovat’s指数鉴定挥发性化合物，共识别34种化合物。样品来源为韩国杂货店可购得的商业罐装啤酒，每种品牌取三个独立罐体作为生物学重复，所有测量均为三次技术重复。③多元统计分析：PCA和HCA（基于欧氏距离和Ward算法）进行数据降维和分类；PLS-DA结合VIP评分（≥1.0）筛选关键风味贡献因子；Pearson相关性热图和DPSC网络分析（基于高斯图形模型）揭示滋味与挥发性化合物之间的相互作用。所有统计均使用XLSTAT和MetaboAnalyst软件完成。
**研究结果**
**3.1 E-tongue analysis**
通过电子舌测量的五种滋味传感器值显示，酸度（AHS）在样品A中最高、H中最低；咸度（CTS）在H中最高、G中最低；鲜度（NMS）在A中最高、H中最低；甜度（ANS）在E中最高，其他样品相似；苦度（SCS）在H中最高、A和G中最低。艾尔啤酒样品E、F、G因添加葡萄糖/糖浆、焦糖、水果提取物等辅料而呈现较高甜度信号，样品H因传统艾尔风格（Pale Ale）而呈现最高苦度和咸度。
**3.2 Multivariate analysis based on E-tongue data**
PCA结果显示PC1和PC2分别解释81.60%和17.52%的方差，累计99.12%。样品A和G主要受鲜度（NMS）影响，样品H受咸度（CTS）和苦度（SCS）影响，样品E受甜度（ANS）影响。HCA将样品分为三类：簇1（A和G）、簇2（B、C、D、F）、簇3（E和H）。大部分拉格啤酒（B、C、D）聚于簇2，与其传统底部发酵一致；艾尔啤酒因配方差异分散于不同簇。
**3.3 E-nose analysis**
电子鼻共鉴定34种挥发性化合物，包括3种酸、4种醛、7种醇、9种酯、4种烃、5种杂环和2种酮。乙醇在所有化合物中峰面积最高，拉格啤酒中乙醇和丙醇相对较高，艾尔啤酒中2-甲基-1-丙醇和2-甲基-1-丁醇相对较高。酯类（如乙酸乙酯、乙酸异戊酯）在艾尔啤酒中含量较高，与顶部发酵酵母（酿酒酵母）在较高温度下增强的酯合成酶活性相关。烃类（如α-蒎烯、柠檬烯）主要存在于艾尔啤酒中，拉格啤酒中几乎未检出。杂环类（如2-异丙基-3-甲氧基吡嗪）在所有样品中均有检出，酮类（如β-紫罗兰酮）仅见于艾尔啤酒。
**3.4 Multivariate analysis based on E-nose data**
PCA显示PC1和PC2分别解释55.54%和23.35%的方差，累计78.89%。样品F和G位于PC1正轴，受杂环类、酮类、酯类、烃类等影响显著；其他样品主要位于负轴。HCA将样品分为三簇：簇1（F）、簇2（G和H）、簇3（A–E）。气味模式（E-nose）比滋味模式（E-tongue）表现出更明显的拉格与艾尔风格分离，说明酵母驱动的挥发性合成在啤酒风格区分中起决定性作用。
**3.5 Multivariate analysis based on the combination between E-tongue and E-nose data**
PLS-DA的VIP评分识别出6个关键风味贡献因子（VIP≥1.0）：酸类、烃类、醇类、杂环类、甜度和醛类。聚类热图显示拉格与艾尔啤酒在这些关键变量上存在差异。Pearson相关性热图揭示：杂环类与酸类（r=0.946）、酮类（r=0.904）、酯类（r=0.737）呈正相关；酮类与酸类（r=0.780）呈正相关；鲜度与酸度（r=0.966）、咸度与苦度（r=0.962）呈正相关；鲜度与咸度（r=-0.993）、苦度与鲜度（r=-0.982）呈负相关。DPSC网络分析进一步确定了7个关键风味节点：酮类、甜度、醇类、酸类、酯类、杂环类和烃类，并以正相关系数（红线）表示相互作用。
**总结与讨论**
本研究证实了电子舌和电子鼻平台结合化学计量学方法在区分商业拉格和艾尔啤酒风味特征方面的可行性。研究结论部分翻译如下：
**结论**：本探索性研究证明了利用电子舌和电子鼻平台结合化学计量学方法区分商业拉格和艾尔啤酒特定谱系的可行性。在电子舌分析中，测量了五种滋味传感器值，八种啤酒样品显示出滋味属性的变异。在电子鼻分析中，所有啤酒样品中共鉴定出三种酸、四种醛、七种醇、九种酯、四种烃、五种杂环化合物和两种酮，其中醇和酯的峰面积相对高于其他挥发性化合物功能团。在多元分析中，通过PCA研究了滋味模式，HCA识别出三个簇；大部分拉格啤酒被归类为簇II。通过PCA研究了气味模式，HCA识别出三个簇；大部分艾尔啤酒被归类为簇I和簇II，拉格啤酒被归类为簇III。通过VIP评分识别出关键风味化合物，六种化合物（VIP评分≥1），包括酸类、烃类、醇类、杂环类、甜度和醛类，被确定为显著贡献因子。基于滋味属性和挥发性化合物及属性的热图聚类识别出拉格与艾尔啤酒之间的差异。相关性热图揭示了滋味与气味属性之间的六种正相互作用和四种负相互作用。此外，DPSC网络分析确定了七个关键风味变量，包括酮类、甜度、醇类、酸类、酯类、杂环类和烃类。尽管存在小样本量队列和潜在混杂产品因素的局限，但本研究的主要创新已成功证明。集成的电子传感框架，特别是与DPSC网络分析相结合，为食品技术应用中的快速、非破坏性筛查提供了一种有价值的初步方法。此外，本初步研究的一个显著局限性是缺乏平行的传统仪器定量（如GC-MS、HPLC）和人类感官小组评价。因此，电子传感器输出、绝对化合物浓度与实际人类感知之间的直接关联无法明确建立。进一步研究应通过将传感器响应与靶向色谱分析和描述性感官分析相关联来验证这些电子传感指纹图谱。最终，该 methodology 为商业酿造行业的常规质量控制和风味指纹图谱提供了一种有前景、客观且成本效益高的替代传统感官小组的方法。
