基于GC-MS和PCA法的饼干香精香料的鉴别方法

摘要

本发明公开了基于GC-MS和PCA法的饼干香精香料的鉴别方法，依次包括对饼干样品进行前处理，依次包括提取、富集和浓缩三个过程、采集饼干样品的GC-MS谱图信息、分析GC-MS谱图信息。该方法以气相色谱-质谱联用为检测手段，以PCA主成分分析法为基础构建识别方法，将模式识别技术与谱图分析技术相结合。本发明检测效率高，检测灵敏度高，检测结果准确可靠，对控制饼干中香精香料的质量、保证食品安全具有重要意义。

说明书

技术领域

本发明涉及一种饼干香精香料的鉴别方法，具体涉及基于GC-MS和PCA法 的饼干香精香料的鉴别方法。

背景技术

香料是指适合人类消费的具有香气和/或香味的物质。相对分子质量一般小 于300，具有相当大的挥发性，一般不直接消费，而是配制成香精用于加香产品 后间接消费。按用途可将香料分为日用和食用两大类。能够用于调配食品用香精 的香料称为食品用香料，包括天然香味物质、天然等同香味物质和人造香味物质 三类。

在食品中使用食品用香料、香精的目的是使食品产生、改变或提高食品的风 味。食品用香料一般配制成食品用香精后用于食品加香，部分也可直接用于食品 加香。食品用香精、香料在各类食品中按生产需要适量使用，GB-2760中规定巴 士杀菌乳、新鲜水果和蔬菜、原粮、大米、部分婴幼儿配方食品和饮用纯净水等 食品没有加香的必要，不得添加食品用香精香料，法律、法规或国家食品安全标 准另有明确规定者除外。该标准中还规定允许使用的食品用天然香料名单(共 400种物质)和允许使用的食品用合成香料名单(共1453种物质)。

在中国，食品香精香料生产中不允许使用GB-2760食品用香料名单之外的 食品香料。食品香料生产商、销售商和使用者都必须严格保证食品香料的质量， 使用者必须保证在允许的使用量范围内使用食品香料。

食用香料香精质量控制一直是香料香精生产企业和食品生产企业高度关注 的问题。由于化学指纹图谱具有指纹特征分析、宏观推断分析等特点，故适合于 分析复杂化学物质组成的稳定性，可以成为香料香精质量评价的有效手段。指纹 图谱能基本反映香料香精的全貌，使其质量控制指标由原有的单一成分的测定上 升为对整个内在品质的检测，实现对香精香料内在质量的综合评价和全面控制。

食品中每种香料在最终加香食品中的用量微乎其微，含量为mg/kg级别，由 于食品组成复杂，基质的物理形态范围广泛，对食品香精香料测定构成的干扰特 别多。在食品香精香料痕量的检测中，对样品进行提取、富集、浓缩等前处理技 术已经成为进入仪器分析前必不可少的步骤，它可以保证检测结果的准确性，减 少对分离和检测仪器的污染，提高检测效率等。目前，香精香料指纹图谱前处理 方法主要有同时蒸馏萃取、固相微萃取、有机溶剂萃取、超声辅助液液萃取、超 临界流体萃取。前处理技术主要包括提取、富集和浓缩3个过程。香精香料指纹 图谱的仪器分析方法主要有气相色谱法、液相色谱法、紫外光谱法、红外光谱法， 各种仪器分析方法的研究都较为成熟。香精香料指纹图谱一般常用的算法有改进 的Nei系数法、相关系数法、夹角余弦法、距离法，其算法一般都是直接引用中 药指纹图谱的算法，对香精香料指纹图谱算法进行独立研究、比较性研究、权重 分配研究及各算法的适应性研究较少。

目前香精香料指纹图谱技术基本上还处在研究阶段，还没有将其直接应用于 饼干生产方面的报道。因此，很有必要在现有技术的基础之上，研究涉及一种操 作便捷，能准确、快速、全面鉴定饼干用香精香料的新方法。

发明内容

为了解决上述背景技术提出的技术问题，本发明旨在提供基于GC-MS和 PCA法的饼干香精香料的鉴别方法，能够快速、准确地鉴别饼干用香精香料。

为了实现上述技术目的，本发明的技术方案为：

基于GC-MS和PCA法的饼干香精香料的鉴别方法，包括以下步骤：

(1)对饼干样品进行前处理，依次包括提取、富集和浓缩三个过程；

(2)采集饼干样品的GC-MS谱图信息；

(3)分析GC-MS谱图信息，得出结果，包括以下步骤：

(a)对GC-MS谱图的成分依据WEILY和NIST标准质谱图库进行检索定 性，采用面积归一化法进行定量分析，提取样品组分的共有信息，用共有化学成 分的峰面积为指标，以不同品种的样品为类别对象，构建原始数据矩阵X；

(b)根据矩阵X计算协方差阵C：

C＝(X)^T X

其中，(X)^T为X的转置矩阵；

(c)求解出协方差阵C的所有非零特征根λ_i以及每个λ_i对应的单位特征向 量，其中，i＝1，2，…，P，计算每个非零特征根λ_i的方差贡献率按 D_i从大到小的顺序排列对应的单位特征向量，构建P×P阶向量集矩阵V:

$V={\left(v_{\mathrm{ij}}\right)}_{P\times P}=\left(\begin{array}{cccc}{v}_{11}& v_{12}& ···& v_{1P}\\ v_{21}& v_{22}& ···& v_{2P}\\ ·& ·& ·& ·\\ ·& ·& ·& ·\\ ·& ·& ·& ·\\ v_{P1}& v_{P2}& ···& v_{\mathrm{PP}}\end{array}\right)$

其中，矩阵V中的每列向量代表协方差阵C的1个单位特征向量；

(d)在保留矩阵V的主要信息的前提下，对矩阵V进行PCA降维，从PCA 得分图中直观得不同饼干品种香精香料的区分结果。

其中，步骤(1)的具体步骤：取饼干样品在干燥环境下粉碎加入提取溶剂， 采用有机溶剂浸提法，合并提取液，溶液过0.45μm滤膜后，浓缩除去溶剂后， 同时蒸馏萃取，合并有机相，加无水硫酸钠干燥过夜，除去溶剂得到供试品。

其中，上述提取溶剂和有机相为下述一种或几种的混合物：甲醇、乙醇、乙 酸乙酯、丙酮、二氯甲烷、正己烷、石油醚、乙醚。

其中，上述有机溶剂浸提法为索氏提取法或超声提取法。

其中，步骤(2)中采集饼干样品的GC-MS谱图信息需要设置气相色谱条 件：PET-5石英毛细管柱；升温程序：50℃保持5min，以2℃/min升至100℃， 3℃/min升至150℃，5℃/min升至250℃，保持5min；He载气的流速为1.2 mL/min。

其中，步骤(2)中采集饼干样品的GC-MS谱图信息需要设置质谱条件： EI离子源；电子能量设定为70eV；传输线温度为250℃；离子源温度为200℃； 质量扫描范围m/z在30～500之间。

其中，步骤(d)中保留矩阵V的主要信息是指PCA降维后矩阵的各特征值 对应的方差贡献率之和大于等于矩阵V的各特征值对应的方差贡献率之和85％。

采用上述技术方案带来的有益效果：

本发明以气相色谱-质谱联用为检测手段，以PCA主成分分析法为基础构建 识别方法，将模式识别技术与谱图分析技术相结合。本发明检测效率高，检测灵 敏度高，检测结果准确可靠，对控制饼干中香精香料的质量、保证食品安全具有 重要意义。

附图说明

图1是本发明的基本流程图。

图2是本发明分析GC-MS谱图信息的流程图。

具体实施方式

以下将结合附图，对本发明的技术方案进行详细说明。

如图1所示本发明的基本流程图，基于GC-MS和PCA法的饼干香精香料的 鉴别方法，包括饼干样品前处理、饼干制品GC-MS谱图信息采集和谱图分析。

一、饼干样品前处理包括以下步骤：

取饼干样品在干燥环境下粉碎加入提取溶剂，采用有机溶剂浸提法，合并提 取液，溶液过0.45μm滤膜后，浓缩除去溶剂后，同时蒸馏萃取，合并有机相， 加无水硫酸钠干燥过夜，除去溶剂得到供试品。

上述提取溶剂和有机相为下述一种或几种的混合物：甲醇、乙醇、乙酸乙酯、 丙酮、二氯甲烷、正己烷、石油醚、乙醚。

上述有机溶剂浸提法采用索氏提取法或者超声提取法。

索氏提取法：取25g饼干样品在干燥环境下粉碎后置于索氏提取器中，加乙 醚溶液适量，回流提取10h，提取液过0.45μm滤膜后，将提取液减压浓缩至近 干，再用乙醚做有机相同时蒸馏萃取8h，乙醚液加无水硫酸钠干燥过夜，浓缩 后加甲醇溶解并定容于5mL量瓶中得供试品溶液。

超声提取法：称取25g饼干样品在干燥环境下粉碎后置于500mL三角瓶中， 加入250mL乙酸乙酯，充分振摇后，超声10min，上清液经0.45μm滤膜过滤后， 将乙酸乙酯减压浓缩至近干，再用二氯甲烷做有机相同时蒸馏萃取10h，二氯甲 烷液加无水硫酸钠干燥过夜，浓缩后加甲醇溶解并定容于5mL量瓶中得供试品 溶液。

二、采集饼干样品的GC-MS谱图信息，需要设置GC气相色谱和MS质谱 的参数条件：

气相色谱条件：PET-5石英毛细管柱(30m×0.32mm×1.0μm)；升温程序：50 ℃保持5min，以2℃/min升至100℃，3℃/min升至150℃，5℃/min升至250℃， 保持5min；He载气(99.999％)的流速为1.2mL/min。

质谱条件：EI离子源；电子能量设定为70eV；传输线温度为250℃；离子 源温度为200℃；质量扫描范围m/z在30～500之间。

三、GC-MS谱图信息分析包括以下步骤，如图2所示：

(1)对GC-MS谱图的成分依据WEILY和NIST标准质谱图库进行检索定性， 采用面积归一化法进行定量分析，提取样品组分的共有信息，用共有化学成分的 峰面积为指标，以不同品种的样品为类别对象，构建原始数据矩阵X；

(2)根据矩阵X计算协方差阵C：

C＝(X)^T X

其中，(X)^T为X的转置矩阵；

(3)求解出协方差阵C的所有非零特征根λ_i以及每个λ_i对应的单位特征向 量，其中，i＝1，2，…，P，计算每个非零特征根λ_i的方差贡献率按 D_i从大到小的顺序排列对应的单位特征向量，构建P×P阶向量集矩阵V:

$V={\left(v_{\mathrm{ij}}\right)}_{P\times P}=\left(\begin{array}{cccc}{v}_{11}& v_{12}& ···& v_{1P}\\ v_{21}& v_{22}& ···& v_{2P}\\ ·& ·& ·& ·\\ ·& ·& ·& ·\\ ·& ·& ·& ·\\ v_{P1}& v_{P2}& ···& v_{\mathrm{PP}}\end{array}\right)$

其中，矩阵V中的每列向量代表协方差阵C的1个单位特征向量；

(4)在保留矩阵V的主要信息(降维后矩阵的各特征值对应的方差贡献率之 和大于等于矩阵V的各特征值对应的方差贡献率之和85％)的前提下，对矩阵V 进行PCA降维，从PCA得分图中直观得不同饼干品种香精香料的区分结果。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围， 凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本 发明保护范围之内。