《Chemosensors》：Development and Analytical Assessment of an Electronic Nose Method for the Chemometric Discrimination of Cistus spp. Extracts
编辑推荐：
植物来源提取物的表征强烈受到提取程序和溶剂极性的影响，这两者决定了生物活性化合物和挥发性组分的回收率。本研究中，研究人员评估了一种基于金属氧化物半导体（MOS）传感器阵列的电子鼻（E-nose），作为对不同极性溶剂所获得的岩蔷薇属（Cistus）提取物进行分类
植物来源提取物的表征强烈受到提取程序和溶剂极性的影响，这两者决定了生物活性化合物和挥发性组分的回收率。本研究中，研究人员评估了一种基于金属氧化物半导体（MOS）传感器阵列的电子鼻（E-nose），作为对不同极性溶剂所获得的岩蔷薇属（Cistus）提取物进行分类的快速分析工具。研究人员以Cistus salviifolius、Cistus crispus和Cistus ladanifer的叶片为材料，依次用己烷、乙醚、四氢呋喃（THF）、氯仿、乙醇和甲醇进行连续提取。测定了提取率、总酚含量、黄酮含量和抗氧化活性，并使用电子鼻系统采集挥发性指纹图谱。采用主成分分析（PCA）和偏最小二乘判别分析（PLS-DA）进行化学计量学分析。不同提取溶剂在提取效率、植物化学组成和抗氧化活性方面表现出差异。PCA能够根据溶剂极性有效判别提取物，依据所分析的岩蔷薇属物种不同，其解释了总方差的70.96%至90.22%。此外，PLS-DA模型达到了87.5%的分类准确率，灵敏度和特异度分别为87.5%和97.5%。这些结果表明，电子鼻技术与化学计量学工具相结合，为根据提取溶剂对岩蔷薇属提取物进行分类和表征提供了一种快速、无损且成本效益高的方法，突显了其在植物源产品质量控制和过程监测中的潜在应用价值。
# 电子鼻结合化学计量学判别不同极性溶剂岩蔷薇属（Cistus spp.）提取物的研究解读
植物提取物的化学组成和生物活性与提取方法及溶剂极性密切相关。挥发性有机化合物（VOCs）的传统分析以气相色谱－质谱联用（GC–MS）为代表，虽灵敏度和选择性较高，但流程复杂、耗时长，不易用于快速筛查。电子鼻（E-nose）通过部分选择性传感器阵列结合模式识别方法，对复杂挥发性混合物产生整体特征指纹，具有快速、无损、低成本等优势。此前对岩蔷薇属（Cistus）植物的研究多集中于精油、酚类含量或生物活性，将电子鼻用于按提取溶剂判别其粗提物的报道仍较少。考虑到Cistus属次生代谢物丰富且含有多种萜类等挥发性组分，研究人员选择该属三种植物作为模型，评估基于金属氧化物半导体（MOS）传感器阵列的电子鼻结合化学计量学方法是否可区分不同极性溶剂提取物，旨在为植物源产品质量控制和过程监测提供快速分析策略。该论文发表在《Chemosensors》。
研究人员于西班牙巴达霍斯省拉科多塞拉（La Codosera, Badajoz, Spain；39.192156 N，?7.174903 W，海拔442 m）采集Cistus salviifolius L.、Cistus ladanifer L.和Cistus crispus L.的春季叶片，凭证标本号为088394、088395和088396。叶片阴干后以索氏提取器依次用己烷、乙醚、四氢呋喃（THF）、氯仿、乙醇和甲醇进行连续提取，每种提取物进行三次独立提取，每份独立提取物用电子鼻测量三次。分析中测定了提取率、总酚含量（TPC，采用Folin–Ciocalteu法）、总黄酮含量（TFC，采用三氯化铝比色法）、抗氧化活性（DPPH和ABTS法），并利用集成BME680、SGP30、CCS811和iAQ-Core四个数字MOS传感器模块的电子鼻在静态顶空条件下采集挥发性指纹。对电子鼻响应数据依次进行主成分分析（PCA）探索性聚类和偏最小二乘判别分析（PLS-DA）监督分类，PLS-DA模型通过五折交叉验证评估分类性能，计算准确率、灵敏度和特异度。
在提取率方面，THF对三种植物均产生最高提取率，C. salviifolius达29.18%，C. crispus为24.78%，C. ladanifer为9.56%；氯仿提取率最低，均低于1%；己烷和乙醚居中，乙醇和甲醇表现中等。不同溶剂的理论性质尤其是极性差异被认为是造成回收代谢物组成不同的主要原因，C. ladanifer整体回收量最低，体现种间差异。
在植物化学特征方面，THF和甲醇提取物总酚含量普遍较高，尤其是C. salviifolius；黄酮类浓度则主要与乙醚提取物相关；乙醇提取物表现出最高的DPPH自由基清除活性，ABTS法结果也显示溶剂间抗氧化能力存在差异。可见溶剂极性能选择性回收不同类别的次生代谢产物，并引起挥发性指纹差异。
电子鼻判别部分，PCA按物种分别进行。对C. salviifolius提取物，PC1和PC2解释了70.96%的总方差，己烷提取物明显分离，THF与乙醇提取物在得分空间中相近，而甲醇、氯仿和乙醚提取物各成独立簇。对C. crispus提取物，前两个主成分解释了90.22%的总方差，全部溶剂类别形成清晰且重叠极小的聚类。对C. ladanifer提取物，前两个主成分解释了79.96%的总方差，己烷和乙醚提取物向PC1负侧分离，乙醇提取物沿PC2负侧显著区隔，THF提取物位于得分图上方。载荷图显示PC1和PC2由多个传感器模块共同贡献，而非单一传感器主导。
在监督分类与模型验证部分，PLS-DA得分图显示六种溶剂类别呈致密且界限分明的簇。经五折交叉验证，模型总体准确率为87.5%，灵敏度为87.5%，特异度为97.5%。类别特异性灵敏度中，己烷为100%，乙醚和THF均约为91.7%，氯仿约为91.7%，乙醇约76.9%，甲醇约75.0%。经数据质量筛选后最终监督数据集为73条保留观测。错分主要发生在极性相近的溶剂之间，例如乙醇与甲醇相互混淆，以及乙醚与THF的部分混淆，而己烷与甲醇等高差异溶剂组合未出现错分，说明模型捕捉到了提取溶剂间的真实化学相似关系。
讨论部分指出，电子鼻响应应视为多变量挥发性指纹而非单一化合物特异性鉴定结果；以GC–MS为代表的色谱－质谱技术仍可在化合物层面提供互补信息。将电子鼻与HS-SPME-GC-MS等结合，既可以快速筛查样品，又能对差异相关的具体VOC进行定性定量分析。该研究同时指出，后续还需进行独立外部验证以确认模型泛化能力。
研究结论可归纳为：溶剂极性影响了Cistus提取物的提取率、植物化学特征、抗氧化活性及挥发性指纹。基于MOS传感器的电子鼻能够区分以不同极性溶剂获得的提取物；三种物种的PCA结果中前两个主成分解释了70.96%–90.22%的总方差。监督PLS-DA模型经内部五折交叉验证得到的准确率为87.5%，灵敏度为87.5%，特异度为97.5%。总体上，电子鼻指纹图谱与化学计量学分析相结合，为按提取溶剂区分Cistus提取物提供了一种快速高效的手段；但要实现模型普适性并明确指纹与具体挥发性化合物的对应关系，仍需独立外部验证及HS-SPME–GC–MS等补充性色谱表征。
