專利名稱：一種利用氣相色譜-質(zhì)譜不解析化合物鑒別白酒原產(chǎn)地的方法
技術領域：
本發(fā)明涉及一種利用氣相色譜-質(zhì)譜不解析化合物鑒別白酒原產(chǎn)地的方法，特別是涉及一種運用頂空固相微萃取氣相色譜質(zhì)譜技術和化學計量統(tǒng)計方法相結合來鑒別白酒原產(chǎn)地的方法，此方法的特別之處在于無需解析化合物而借助化合物離子片段的豐度信息。屬于白酒鑒別技術領域。
背景技術：
白酒是我國的傳統(tǒng)產(chǎn)品之一，有著悠久的歷史，由于其獨特而多樣化的釀造工藝和典型風味，形成了不同的香型，目前主要有濃香、醬香、清香、米香、鳳香、藥香、豉香、芝麻香、兼香、特型和老白干11種香型。即使是同種香型白酒，由于產(chǎn)區(qū)地理環(huán)境和氣候的差異也會造成白酒風味的差異，使酒中微量香味成分及其相互間的量比關系不同，而形成不同的酒體風格。隨著我國加入WT0,原產(chǎn)地保護也漸入人們的視野，其中“原產(chǎn)地”是一個地理名稱，表明產(chǎn)品的產(chǎn)地，該產(chǎn)地具有獨特的地理環(huán)境、氣候條件和傳統(tǒng)的特殊制造工藝，決定了該地域產(chǎn)品的質(zhì)量或特征。目前，我國幾家著名的白酒企業(yè)，如:茅臺、五糧液等，均已獲得原產(chǎn)地保護，而且越來越多的白酒企業(yè)在申請原產(chǎn)地保護。目前，國內(nèi)關于白酒原產(chǎn)地鑒別的研究很少，對白酒成分的檢測方法，主要有:1、氣相色譜法(GC)及氣相-質(zhì)譜聯(lián)用(GC-MS)目前白酒分析最普遍的方法就是氣相色譜，氣相色譜分析的物質(zhì)大多是揮發(fā)性組分，白酒中的大部分芳香物質(zhì)通過累加、協(xié)同的作用，對白酒的風味品質(zhì)起作用。通過氣相-質(zhì)譜聯(lián)用技術，對白酒中的揮發(fā)成分進行定性定量分析，可以對白酒的風味有了較全面的了解，但仍有部分微量成分無法定性和定量。因此，通過對酒中成分定性定量來研究酒的原產(chǎn)地，操作費時，無法用于多樣品鑒別。2、液相色譜法高效液相色譜適合分析難氣化、不易揮發(fā)的物質(zhì)，如酒中的有機酸、氨基酸、生物胺等物質(zhì)。而這些物質(zhì)無關乎白酒的風味，所以，對白酒成分的分析氣相色譜技術的應用更廣泛和成熟。3、近紅外光譜法近紅外光譜掃描樣品，可以得到樣品中有機分子含氫基團的特征信息，由于不同種類物質(zhì)所含化學成分不同，含氫基團的倍頻與合頻振動頻率不同，形成的近紅外圖譜的峰位、峰數(shù)及峰強不同，樣品的化學成分差異越大，圖譜的特征性差異越強。這種方法直觀、簡便，但對于性質(zhì)相近的樣品鑒別卻無能為力，靈敏度低。國外對酒的研究主要集中在葡萄酒、威士忌和白蘭地等，對這些酒的原產(chǎn)地鑒定，有了成熟的技術手段。本發(fā)明所用直接質(zhì)譜技術無需分離酒中成分，獲得氣相色譜-質(zhì)譜圖后，不需要解析化合 物，通過導出三維數(shù)據(jù)收集離子豐度值來提取樣品信息，可在短時間內(nèi)檢測大量樣本，同時借助相應的化學計量學軟件分析數(shù)據(jù)來構建原產(chǎn)地識別模型，采用的化學計量方法主要有主成份分析、偏最小二乘分析、判別分析、神經(jīng)網(wǎng)絡等。鑒于此，為了監(jiān)督白酒生產(chǎn)質(zhì)量和維護白酒市場秩序，保護消費者的權益，發(fā)明一種白酒原產(chǎn)地鑒別方法勢在必行。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術問題是提供一種利用氣相色譜-質(zhì)譜不解析化合物鑒別白酒原產(chǎn)地的方法，本發(fā)明使用HS-SPME-GC-MS分析不同產(chǎn)地的白酒酒樣，不用解析圖譜中的單個化合物，而通過軟件導出三維數(shù)據(jù)，獲得不同酒樣的離子豐度質(zhì)譜圖，然后運用偏最小二乘-判別分析和逐步線性判別分析等化學計量方法篩選出重要特征離子，建立產(chǎn)地鑒別的神經(jīng)網(wǎng)絡模型。本發(fā)明建立了一種全新的白酒質(zhì)量控制及原產(chǎn)地保護方法，操作簡單，檢測靈敏度高，結果直觀可靠。本發(fā)明的技術方案:一種利用 氣相色譜-質(zhì)譜不解析化合物鑒別白酒原產(chǎn)地的方法，該方法包括如下步驟:(一)使用配有固相微萃取自動進樣裝置(MPS2)(德國Gerstel公司)的氣相色譜-質(zhì)譜儀(GC6890N-MSD5975)(美國Agilent公司)建立不同產(chǎn)地白酒的離子豐度質(zhì)譜圖a、供試樣品的準備:不同產(chǎn)地的白酒酒樣，需先用去離子水稀釋成10%vol，配成8mL溶液體系，稀釋后的酒樣用3g氯化鈉飽和，置于20mL頂空瓶中，頂空瓶用硅膠墊片密封；b、對供試樣品進行頂空固相微萃取氣相色譜質(zhì)譜(HS-SPME-GC-MS)分析:SPME條件:采用DVB/CAR/PDMS三相萃取頭于恒溫40°C下預熱5min，后在同一溫度下萃取吸附15min ;萃取完成后，萃取頭插入氣相色譜儀進樣口中解吸分析物。由于本技術僅需獲得酒樣的整個頂空色譜圖而無需解析化合物，因此，將解吸時間設為lOmin。質(zhì)譜條件:EI電離源，電子轟擊能量為70eV，離子源溫度為230°C ;掃描范圍為35 350amu ；C、對上述供試樣品由氣相色譜儀得到的色譜圖經(jīng)NIST05質(zhì)譜庫(AgilentTechnologies Inc.)分析,導出三維數(shù)據(jù),獲得不同產(chǎn)地白酒酒樣質(zhì)荷比m/z55 191范圍內(nèi)的離子豐度值數(shù)據(jù)，得離子豐度質(zhì)譜圖；(二)建立不同產(chǎn)地白酒的離子鑒別統(tǒng)計模型將步驟c中所述的離子豐度值數(shù)據(jù)導入化學計量學軟件，進行偏最小二乘-判別分析和逐步線性判別分析，篩選出重要的特征離子；最后用篩選得到的特征離子建立原產(chǎn)地鑒別的神經(jīng)網(wǎng)絡模型；化學計量學軟件為SMCA-P，IBM SPSS20和MATLAB軟件；其中偏最小二乘-判別分析由SMCA-P完成，逐步線性判別分析由IBM SPSS20完成，神經(jīng)網(wǎng)絡模型由MATLAB建立。上述數(shù)據(jù)分析步驟是:(I)對供試樣品進行HS-SPME-GC-MS分析，獲得色譜圖；(2)選擇導出質(zhì)荷比m/z55 191范圍內(nèi)的離子豐度值數(shù)據(jù)；(3)借助化學計量學軟件進行偏最小二乘-判別分析和逐步線性判別分析篩選出重要特征離子，建立不同白酒原產(chǎn)地鑒別的神經(jīng)網(wǎng)絡模型。
本發(fā)明的有益效果:本發(fā)明使用HS-SPME-GC-MS分析不同產(chǎn)地的白酒酒樣，不用解析圖譜中的單個化合物，而通過軟件導出三維數(shù)據(jù)，獲得不同酒樣的離子豐度質(zhì)譜圖，然后運用偏最小二乘-判別分析和逐步線性判別分析等化學計量方法篩選出重要特征離子，建立產(chǎn)地鑒別神經(jīng)網(wǎng)絡模型。本發(fā)明建立了一種全新的白酒質(zhì)量控制及原產(chǎn)地保護方法，操作簡單，檢測靈敏度高，結果直觀可靠。


圖1汾酒在m/z55 191范圍內(nèi)的離子圖譜，注:FJ_汾酒圖2郎酒在m/z55 191范圍內(nèi)的離子圖譜，注:LJ_郎酒圖3洋河酒在m/z55 191范圍內(nèi)的離子圖譜，注:YH_洋河圖4老白干酒在m/z55 191范圍內(nèi)的離子圖譜，注:LBG_老白干圖5牛欄山酒在m/z55 191范圍內(nèi)的離子圖譜，注:NLS_牛欄山圖6古貝春酒在m/z55 191范圍內(nèi)的離子圖譜，注:GBC_古貝春圖7劍南春酒在m/z55 191范圍內(nèi)的離子圖譜，注:JNC-劍南春圖8西鳳酒在m/z55 191范圍內(nèi)的離子圖譜，注:XF_西鳳圖9濃香型白酒產(chǎn)地鑒別的偏最小二乘-判別分析的離子重要性排序10濃香型白酒的原產(chǎn)地判別分析結果11濃香型白酒的神經(jīng)網(wǎng)絡模型的產(chǎn)地預測結果12不同香型多種白酒產(chǎn)地鑒別的偏最小二乘-判別分析的離子重要性排序13不同香型多種白酒的原產(chǎn)地判別分析結果14不同香型多種白酒的神經(jīng)網(wǎng)絡模型的產(chǎn)地預測結果圖
具體實施例方式實施例1:濃香型白酒的原產(chǎn)地鑒別(一)使用配有自動進樣裝置MPS2的氣相色譜質(zhì)譜儀GC6890N-MSD5975建立不同產(chǎn)地白酒的離子豐度質(zhì)譜圖a、供試樣品的準備:采集131個酒樣，其中汾酒12個，老白干42個，郎酒35個，牛欄山6個，洋河15個，古貝春7個，劍南春6個，西鳳8個。各白酒的香型類別分別為，鳳香型:西鳳；醬香型:郎酒；老白干香型:老白干；清香型:汾酒、牛欄山；濃香型:洋河、古貝春、劍南春。將酒樣用去離子水稀釋成10%vol，配成8mL溶液體系，稀釋后的酒樣用3g氯化鈉飽和，置于20mL頂空瓶中，頂空瓶用娃膠墊片密封。b、對供試樣品進行HS-SPME-GC-MS分析。儀器:自動頂空進樣系統(tǒng)MPS2 (德國Gerstel公司)；氣相色譜-質(zhì)譜聯(lián)用儀GC6890N-MSD5975 (美國 Agilent 公司)SPME條件:采用DVB/CAR/PDMS三相萃取頭于恒溫40°C下預熱5min，后在同一溫度下萃取吸附15min ;萃取完成后，萃取頭插入氣相色譜儀進樣口中解吸分析物。由于本技術僅需獲得酒樣的色 譜圖而無需解析化合物，因此，將解吸時間設為lOmin。質(zhì)譜條件:EI電離源，電子轟擊能量為70eV，離子源溫度為230°C ;掃描范圍為35 350amu ；C、對上述供試樣品的色譜圖(由氣相色譜儀得到)經(jīng)NIST05質(zhì)譜庫(AgilentTechnologies Inc.)分析,導出三維數(shù)據(jù),獲得不同產(chǎn)地白酒酒樣質(zhì)荷比m/z55 191范圍內(nèi)的離子豐度值數(shù)據(jù)。離子豐度質(zhì)譜圖分別見圖1、圖2、圖3、圖4、圖5、圖6、圖7、和圖8。(二)建立不同產(chǎn)地白酒的離子鑒別統(tǒng)計模型將步驟c中所述的離子豐度值數(shù)據(jù)導入化學計量學軟件，進行偏最小二乘-判別分析和逐步線性判別分析，篩選出重要的特征離子；最后用篩選得到的特征離子建立原產(chǎn)地鑒別的神經(jīng)網(wǎng)絡模型；化學計量學軟件為SMCA-P，IBM SPSS20和MATLAB軟件；其中偏最小二乘-判別分析由SMCA-P完成，逐步線性判別分析由IBM SPSS20完成，神經(jīng)網(wǎng)絡模型由MATLAB建立。由于離子豐度值存在明顯的數(shù)量級差異，因此，需對原始數(shù)據(jù)進行合適的變換處理來消除數(shù)量級對結果的影響。本發(fā)明中采用取對數(shù)的方法對數(shù)據(jù)進行預處理，即log(X+l)，式中值I是為了保證數(shù)值的有效性。借助偏最小二乘-判別分析篩選出33個重要特征離子，其離子重要性排序圖見圖9，它的值是由每個離子對偏最小二乘權重的平方和計算得到的，所有離子的重要性值平方和與離子變量數(shù)相等，所以離子重要性值的平均值為I。此處，篩選出離子重要性大于I的33 個離子，分別為 m/zl91、190、76、104、149、175、183、176、186、132、59、150、170、174、182、163、92、167、187、147、169、160、140、188、161、113、168、128、166、72、181、151、126,按照離子重要性遞減排序(與圖9對應)。將選出的33個離子經(jīng)逐步線性判別分析進一步篩選特征離子，分別為m/z72、174、183、191共4個 特征離子，這些離子形成了 2個判別函數(shù)(見表I)。由這兩個判別函數(shù)獲得的酒樣判別得分，將樣品的聚類結果可視化(圖10)。從圖10中可見，濃香型三種不同產(chǎn)地的酒能夠很好的分 開，同一產(chǎn)地的酒聚集成堆，洋河酒分布于X正半軸兩側；劍南春酒分布于第四象限中；古貝春酒分布于第三象限中；分類結果準確，并用留一法對判別模型進行交叉驗證，預測正確率達100%。表I濃香型白酒判別函數(shù)的判別力和各函數(shù)的相關離子
權利要求
1.一種利用氣相色譜-質(zhì)譜不解析化合物鑒別白酒原產(chǎn)地的方法，其特征在于該方法包括如下步驟: (一)使用配有固相微萃取自動進樣裝置MPS2的氣相色譜-質(zhì)譜儀GC 6890N-MSD5975建立不同產(chǎn)地白酒的離子豐度質(zhì)譜圖 a、供試樣品的準備:不同產(chǎn)地的白酒酒樣，需先用去離子水稀釋成10%vol，配成8mL溶液體系，稀釋后的酒樣用3 g氯化鈉飽和，置于20 mL頂空瓶中，頂空瓶用硅膠墊片密封； b、對供試樣品進行頂空固相微萃取氣相色譜質(zhì)譜HS-SPME-GC-MS分析: SPME條件:采用DVB/CAR/PDMS三相萃取頭于恒溫40°C下預熱5 min,后在同一溫度下萃取吸附15 min ;萃取完成后，萃取頭插入氣相色譜儀進樣口中解吸分析物；解吸時間設為 10 min ； 質(zhì)譜條件:EI電離源，電子轟擊能量為70 eV，離子源溫度為230°C;掃描范圍為35 350amu ； C、上述供試樣品由氣相色譜儀得到的色譜圖經(jīng)NIST 05質(zhì)譜庫Agilent TechnologiesInc.分析，導出三維數(shù)據(jù)，獲得不同產(chǎn)地白酒酒樣質(zhì)荷比取么55 191范圍內(nèi)的離子豐度值數(shù)據(jù)，得離子豐度質(zhì)譜圖； (二)建立不同產(chǎn)地白酒的離子鑒別統(tǒng)計模型 將步驟c中所述的離子豐度值數(shù)據(jù)導入化學計量學軟件，進行偏最小二乘-判別分析和逐步線性判別分析，篩選出重要 的特征離子；最后用篩選得到的特征離子建立原產(chǎn)地鑒別的神經(jīng)網(wǎng)絡模型； 化學計量學軟件為SMCA-P，IBM SPSS20和MATLAB軟件；其中偏最小二乘-判別分析由SMCA-P完成，逐步線性判別分析由IBM SPSS20完成，神經(jīng)網(wǎng)絡模型由MATLAB建立； 所述數(shù)據(jù)分析步驟是: (1)對供試樣品進行HS-SPME-GC-MS分析，獲得色譜圖； (2)選擇導出質(zhì)荷比取Λ55^191范圍內(nèi)的離子豐度值數(shù)據(jù)； (3)借助化學計量學軟件進行偏最小二乘-判別分析和逐步線性判別分析篩選出重要特征離子，建立不同白酒原產(chǎn)地鑒別的神經(jīng)網(wǎng)絡模型。
2.根據(jù)權利要求1所述的利用氣相色譜-質(zhì)譜不解析化合物鑒別白酒原產(chǎn)地的方法，其特征在于:僅需獲得酒樣的色譜圖而無需解析化合物。
全文摘要
一種利用氣相色譜-質(zhì)譜不解析化合物鑒別白酒原產(chǎn)地的方法，屬于白酒鑒別技術領域。本發(fā)明步驟(一)使用配有自動進樣裝置的氣相色譜質(zhì)譜儀建立不同產(chǎn)地白酒的離子豐度質(zhì)譜圖；(二)建立不同產(chǎn)地白酒的離子鑒別統(tǒng)計模型。本發(fā)明使用頂空固相微萃取氣相色譜質(zhì)譜技術(HS-SPME-GC-MS)分析不同產(chǎn)地的白酒酒樣，不用解析圖譜中的單個化合物，而通過軟件導出三維數(shù)據(jù)，獲得不同酒樣的離子豐度質(zhì)譜圖，然后運用偏最小二乘-判別分析和逐步線性判別分析等化學計量方法篩選出重要特征離子，建立產(chǎn)地鑒別的神經(jīng)網(wǎng)絡模型。本發(fā)明是一種新的白酒質(zhì)量控制及原產(chǎn)地保護技術，操作簡單，檢測靈敏度高，結果直觀可靠；可進一步建立不同香型、不同等級白酒鑒別的神經(jīng)網(wǎng)絡模型，甚至構建不同白酒的特征離子譜庫。
文檔編號G01N30/02GK103235057SQ20131015419
公開日2013年8月7日 申請日期2013年4月27日 優(yōu)先權日2013年4月27日
發(fā)明者范文來, 徐巖, 程平言 申請人:江南大學