基于电子眼、电子鼻和非靶向代谢组学结合多变量融合算法对丹参酒煎煮过程的质量评估

《Scientific Reports》：Quality evaluation of the Salvia miltiorrhiza wine-frying process based on electronic eye, electronic nose, and untargeted metabolomics combined with multivariate fusion algorithm

　　

摘要

葡萄酒煎炸是一种传统的丹参（Salvia miltiorrhiza）加工方法，但目前缺乏对这一过程中药材质量动态变化的客观评估方法。本研究结合了电子眼、电子鼻技术和非靶向代谢组学技术，分析了丹参在煎炸过程中颜色、气味及代谢产物的变化。结果表明：随着煎炸时间的延长，颜色参数a*值下降，而b*和c*值先下降后上升。电子鼻技术初步鉴定出20种挥发化合物，其中(E)-2-戊烯-1-醇和乙酰酮的含量显著增加。基于气味信息的正交偏最小二乘判别分析成功区分了不同煎炸程度。非靶向代谢组学技术共鉴定出1486种代谢物，其中二氢马卡尔平和皂苷被确定为对加工过程敏感的差异代谢物，其含量随煎炸时间增加而上升。火山图显示，煎炸8–12分钟是代谢物发生显著变化的关键阶段。京都市基因与基因组百科全书（KEGG）通路分析表明，煎炸过程影响了类黄酮的生物合成等代谢途径。相关性分析证实了颜色、气味与代谢物之间的显著关联。研究利用多源融合变量构建了一个基于随机森林的初步判别模型，并通过遗传算法和粒子群优化算法进行了优化。该模型在当前有限的数据集中表现出良好的内部判别性能。本研究为评估丹参的葡萄酒煎炸工艺提供了一个初步的多维分析框架，但仍需使用更大、更多样化的样本集进行进一步验证。