《Applied Food Research》:Leveraging Aroma Kits and Machine Learning: A Novel Rapid Sensory and Electronic Profiling of French and Chinese Marselan Wines
编辑推荐:
马瑟兰(Marselan)是一个在中国葡萄酒产业中快速增长的品种,然而法国和中国马瑟兰葡萄酒之间的感官特征差异仍未被充分表征。为解决这一问题,研究人员选取了七款市售马瑟兰葡萄酒进行分析,包括来自三个代表性中国产区(宁夏/CN、山西/CS、新疆/CX)的五款酒和
马瑟兰(Marselan)是一个在中国葡萄酒产业中快速增长的品种,然而法国和中国马瑟兰葡萄酒之间的感官特征差异仍未被充分表征。为解决这一问题,研究人员选取了七款市售马瑟兰葡萄酒进行分析,包括来自三个代表性中国产区(宁夏/CN、山西/CS、新疆/CX)的五款酒和来自法国的两款酒。研究人员利用香气工具包(Le Nez du Vin,法国)辅助的Check-All-That-Apply(CATA)方法、极坐标投影映射结合超快剖析(Polarized Projective Mapping with Ultra-Flash Profiling,PPM-UFP)以及电子鼻(E-nose)分析评估了香气特征;采用PPM-UFP和电子舌(E-tongue)技术评估了风味特征。结果表明,CATA(辅以香气工具包)与PPM-UFP具有高度相似性(RV = 0.895)。此外,CATA与E-nose分析表现出显著一致性(RV = 0.753),而PPM-UFP与E-nose(RV = 0.826)和E-tongue(RV = 0.761)的相似性更高,证实了这两种改进方法的有效性。在E-nose数据分析中,基于K近邻(KNN)的方法[KNN、主成分分析(PCA)-KNN和线性判别分析(LDA)-KNN]实现了完美的分类准确率(1.0000),显著优于基于支持向量机(SVM)(0.619-0.881)和反向传播神经网络(BPNN)(0.1429-0.7143)的方法。所有四种分析方法均成功区分了法国和中国马瑟兰葡萄酒。与中国马瑟兰葡萄酒相比,法国马瑟兰葡萄酒表现出较少的动物类属性,这些差异可能反映了区域气候和酿酒实践的变化。这些发现支持了香气工具包辅助的快速感官方法结合电子传感器和机器学习为葡萄酒感官剖析提供了稳健框架。本研究为中国马瑟兰葡萄酒的质量提升提供了宝贵见解,并展示了香气工具包在增强快速描述性感官分析方面的巨大潜力。
**论文解读:利用香气工具包与机器学习剖析法国和中国马瑟兰葡萄酒的感官特征**
**研究背景、存在问题与开展原因**
葡萄酒是一种复杂的酒精饮料,其外观、香气和风味受葡萄品种、产区、风土、栽培和酿造技术的共同影响。马瑟兰(Marselan)是由法国培育的杂交品种,兼具赤霞珠的细腻品质和歌海娜的抗病高产特性,在中国葡萄酒产业中快速发展,屡获国际大奖,有望成为中国最具代表性的红葡萄品种之一。然而,目前关于马瑟兰葡萄酒的研究多集中于化学组成分析(如挥发性化合物、酚类物质),感官评价研究较少,且缺乏对中国与法国原产地马瑟兰葡萄酒感官特征的系统比较。此外,现有快速描述性感官分析方法(如CATA和PPM)虽已用于食品领域,但将商业化香气工具包在评估过程中直接辅助未经培训的品评员,以及结合电子感官技术进行验证的研究尚属空白。因此,本研究旨在:(1)比较两种新改进的快速描述性分析方法——辅以香气工具包的CATA和PPM-UFP;(2)扩展马瑟兰葡萄酒的感官分析框架并建立感官词汇库;(3)采用电子鼻和电子舌技术结合机器学习,支持新开发的描述性感官特征。
**主要关键技术方法**
研究人员选取了七款2020年份的市售马瑟兰干红葡萄酒(五款来自中国宁夏、山西、新疆产区,两款来自法国),并采用以下关键技术方法:(1)快速描述性感官分析:①CATA方法,使用54种香气标准工具包(Le Nez du Vin,法国)辅助未经培训品评员(n=100,随机分配至CATA组)进行香气评估;②PPM-UFP方法,基于3个地域混合极样(中国宁夏/山西、中国新疆、法国)由另100名未经培训品评员进行感官空间映射和超快剖析。(2)电子感官分析:①电子鼻(E-nose,配置14个金属氧化物半导体传感器)分析挥发性化合物;②电子舌(E-tongue,六工作电极伏安法)分析味觉特征。(3)机器学习分类:对E-nose数据应用K近邻(KNN)、支持向量机(SVM)和反向传播神经网络(BPNN)模型(结合PCA或LDA降维),以10折交叉验证评估分类性能;通过RV系数和多重因子分析(MFA)比较感官与电子方法的相似性。
**研究结果**
**3.1. CATA分析结果**:对应分析(CA)显示,所有54个香气术语的CA图前两维解释了55.46%方差;Cochran’s Q检验发现8个术语(如菠萝、杏、葡萄柚、黑加仑、皮革等)在不同酒样间有显著差异(p<0.05)。对显著术语的CA图(解释76.72%方差)表明:法国酒F1和F2与中国酒CX2聚为一类,关联杏和菠萝香气;中国酒CN1和CX3分别被黄杨木、皮革和肉桂香气特征化;CX1和CS1以葡萄柚、黑加仑等果香为主。
**3.2. PPM-UFP分析结果**:MFA前两维解释52.55%方差。F1轴区分了蜂蜜、花香、果香等香气属性和青椒、酒精、香料等风味属性,与新疆酒CX1、CX3正相关,草本风味负相关;F2轴上,CN1和CS1与酸、可可、甜香气及酸、葡萄干风味关联;法国酒F1和F2与焦糖、青椒、烟熏、酒精香气及焦糖、果味风味关联;CX2处于中间位置,关联香料气味和苦、烟熏、动物、单宁风味。
**3.3. CATA与PPM-UFP比较**:感官空间比较显示两者高度相似,RV系数达0.895(范围0-1,越接近1一致性越高)。PPM-UFP的解释方差(52.55%)低于CATA(55.46%和76.72%),但PPM-UFP展现了更全面的感官剖析能力。两种方法对同一酒样的感官配置(如法酒F1/F2、中国酒CN1/CS1)表现出一致性。
**3.4. 电子鼻与电子舌验证**:E-nose的PCA和LDA图显示一定程度重叠;机器学习分类中,KNN及其衍生模型(KNN、PCA-KNN、LDA-KNN)均达到完美分类准确率(1.0000),显著优于SVM(0.619-0.881)和BPNN(0.1429-0.7143)。E-tongue的PCA(72.05%方差)和LDA(100%判别指数)均实现各酒样清晰分离,法国酒F1/F2紧密聚簇,中国酒间差异显著。
**3.5. 感官与电子方法验证**:MFA配置图显示CATA、PPM、E-nose和E-tongue对七款酒的分析结果一致。RV系数表明:CATA与E-nose相似性(RV=0.753)高于与E-tongue(RV=0.618);PPM与E-nose(RV=0.826)和E-tongue(RV=0.761)均高度相似,且与E-nose更接近。PPM-UFP方法得到两种电子感官技术的有效验证。
**3.6. 中法马瑟兰葡萄酒差异**:法国马瑟兰葡萄酒的动物类属性(如皮革)感知显著低于中国酒(尤其新疆CX3),可能源于法国地中海气候促进平衡成熟、使用中性大橡木桶减少挥发性酚提取,以及中国产区大陆性气候导致糖分与酚类成熟度不匹配、酿酒工艺差异等因素。法国酒更突出的果香可能掩盖细微动物味。
**讨论总结与结论翻译**
**讨论总结**:本研究表明,辅以香气工具包的CATA和PPM-UFP方法能有效表征马瑟兰葡萄酒的感官特征,且与电子感官分析结果高度一致。但样品量较小,且缺乏详细酿酒工艺信息,部分解释尚需谨慎;电子感官虽提供宏观判别,但缺乏微观化学分辨率;香气工具包目前仅用于气味属性,未验证其对风味评估的有效性。未来需扩大产区、标准化工艺样品,并采用GC×GC-TOF-MS等先进化学分析以关联感官与化学成分。
**结论翻译**(直接输出):本研究成功利用新改进的快速感官剖析方法(辅以香气工具包的CATA和PPM-UFP)和电子传感器(E-nose和E-tongue)表征了法国和中国的市售马瑟兰葡萄酒的感官特征。结果揭示了明显的区域感官特征:法国马瑟兰葡萄酒比中国葡萄酒(尤其来自新疆的)表现出更少的动物类属性(如皮革)。这些差异可能归因于区域间的气候条件(如降雨量、日照时长)以及可能的酿酒实践差异。所有四种分析方法一致区分了法国和中国样品。两种新感官方法(辅以香气工具包的CATA和PPM-UFP)显示出高度相似性(RV系数0.895),并得到电子感官分析的支持。辅以香气工具包的CATA产生了与E-nose相似的感官空间和样品图(RV=0.753),但与E-tongue存在一些差异(RV=0.618)。同时,PPM-UFP与E-nose(RV=0.826)和E-tongue(RV=0.761)均表现出高度一致性,与E-nose的相似性更高。对于PCA或LDA无法充分分类的E-nose数据,基于KNN的模型实现了完美的判别准确率(1.0000),显著优于基于SVM和BPNN的方法。从实践角度看,这些发现为葡萄酒市场提供了关于马瑟兰葡萄酒区域典型性和多样性的宝贵见解,为日益增长的马瑟兰市场中的产品组合差异化提供了机会。此外,先前研究已证实CATA和PPM-UFP用于剖析各种食品的可行性,但使用商业化香气工具包和电子感官分析支持仍探索不足。本研究为基于未经培训品评员的辅以香气工具包的CATA和PPM-UFP方法的推进提供了支持。未来研究应进一步验证商业化香气工具包在不同快速描述性感官方法中用于气味和风味评估的应用。