氣相-離子遷移譜在食品風味檢測中的應用

何 珊

（蚌埠學院，安徽 蚌埠 233030）

相比于電子鼻、電子舌、氣相色譜-質(zhì)譜聯(lián)用（Gas Chromatography-Mass Spectrometer，GC-MS）等傳統(tǒng)經(jīng)典的食品風味檢測方法，氣相色譜-離子遷移譜（Gas Ghromatography-Ion Mobility Spectrometry，GC-IMS）技術(shù)是以離子遷移譜儀作為氣相色譜的檢測器，通過色譜保留時間和離子遷移譜相對遷移時間反映揮發(fā)性成分（VolatileOrganicCompounds，VOCs）的二維信息，進行定性定量分析[1-3]。GC-IMS 技術(shù)10 min 即可檢測至ppb 級，具有設備簡單易攜帶、響應快、靈敏度高、無樣品前處理、定性能力強等優(yōu)勢，還有非實驗室環(huán)境的常壓檢測分析能力，較適用于隨機環(huán)境的揮發(fā)性有機化合物痕量檢測[4-5]。

離子遷移譜起初被稱為等離子體色譜，是20 世紀60 年代末至70 年代初出現(xiàn)的一種化學分析技術(shù)，其借助類似于色譜保留時間的概念——遷移時間（漂移時間）的差別來進行離子分離鑒定[6-9]。GCIMS 技術(shù)是將氣相色譜技術(shù)和離子遷移譜技術(shù)結(jié)合，借助進樣載氣推動，先利用氣相色譜的分離能力將復雜混合物分離成單個組分，再通過離子遷移譜發(fā)生電離反應，生成帶有正、負電荷的產(chǎn)物離子，最后在電場力的作用下，通過間歇式開啟的離子門進入漂移區(qū)。在漂移區(qū)，產(chǎn)物離子受到逆向中性飄移氣體分子的碰撞，使得不同遷移速率的產(chǎn)物離子被分離，并依次記錄于檢測電極中，從而達到分離鑒定的目的，并且獲取保留時間、遷移時間、峰值的三維譜圖信息[10-11]。GC-IMS 技術(shù)克服了氣相色譜定性準確度差、離子遷移譜分離度低、交叉混合物分離難、復雜混合物分析靈敏度低和GC-MS 技術(shù)耗時長等局限性，同時基于GC-IMS 技術(shù)得到的二維、三維譜圖信息能夠更加豐富、清晰和可視化，便于直觀分析風味物質(zhì)的微量變化。由于GC-IMS 聯(lián)用設備中離子遷移譜對高電負性和高質(zhì)子親和力的化合物響應靈敏，因此非常適用于食品風味物質(zhì)中氨基、巰基、醛、酮、醚和芳香族化合物等高電負性或高質(zhì)子親和力基團的檢測[8，12]。當前，基于GCIMS 技術(shù)建立指紋圖譜結(jié)合化學計量學方法的研究呈現(xiàn)快速遞增趨勢，并且逐步應用于食品風味檢測[13-15]、品質(zhì)測定[5，16-18]、摻假溯源[19]、過程控制[20-21]、貯藏保鮮[22-24]等領域。

1 數(shù)據(jù)處理及化學計量學分析方法

基于GC-IMS 技術(shù)能夠?qū)Χ喾N風味物質(zhì)進行定性、定量分析，并獲取氣味指紋信息，將這類信息結(jié)合化學計量學方法加以數(shù)據(jù)處理與比較，可以實現(xiàn)信息深度挖掘，從整體上分析揮發(fā)性有機成分信息，實現(xiàn)多維度、多層次、多方向的判斷識別，從而更加適用于食品中揮發(fā)性有機化合物痕量檢測及可視化分析[25]。

數(shù)據(jù)處理時，常采用LAV（G.A.S 公司）分析軟件中的Reporter 和Gallery，PRTools，MATLAB 繪制揮發(fā)性有機物的指紋圖譜和差異圖譜，并進行可視化分析處理[26]。針對指紋圖譜中特征區(qū)域，以各樣品間特征峰的有無及變化顯著性為選取原則，使用LAV 軟件標記選取特征峰區(qū)域，進一步挖掘分析特征變量。為了增強三維圖譜的建模能力，解決3D 對比圖中組間曲面峰重疊、粗糙的問題，常將三維GC-IMS 譜圖投影至二維平面上的頂視圖，再使用傳統(tǒng)二維化學計量學處理方法進行分析比較[3]。若樣品間差異變化區(qū)域少，并且變化微弱，也可以采用便于觀察與比較的差異對比模式，對降維處理的數(shù)據(jù)依次扣減參比樣品，形成高含量標紅、低含量標藍的白色背景二維差譜圖[27]。

相對于GC-MS 技術(shù)而言，GC-IMS 技術(shù)中FlavourSpec 風味儀采用較低溫度的恒溫升流模式，孵化溫度、進樣溫度及色譜柱的柱溫均相對較低，在升流過程中，揮發(fā)性和半揮發(fā)性的有機物經(jīng)氣相色譜預分離后可更加有效地被離子遷移譜捕捉并檢測，針對樣品中VOCs 檢測具有明顯的優(yōu)越性[28-29]。指紋圖譜中，一種化合物通常會產(chǎn)生1～3 個代表單體、二聚體或三聚體的斑點，這些斑點的數(shù)量和亮度代表著揮發(fā)性有機物的檢出情況及含量變化[30-31]。值得注意的是，GC-IMS 技術(shù)獲取的二維指紋圖譜僅能從整體上分析風味變化，對其具體成分變化量無法進行數(shù)字化表達，故需要借助化學計量學方法對圖譜信息進行深入分析，將感性的認識（非定量）升華為理性的認識（定量）[32]。

其中，基于主成分分析（Principal Components An-alysis，PCA）、線性判別分析（Linear Discriminant Analysis，LDA）等降維處理方法是進行數(shù)據(jù)壓縮、消除冗余和噪音的主要方法。PCA 方法基于多元統(tǒng)計分析的無監(jiān)督降維技術(shù)，通過確定代表原始樣本中復雜變量的主成分因子進行數(shù)據(jù)降維，然后依據(jù)主成分因子在樣本中的貢獻率評價樣本間的規(guī)律和差異[14，33-34]。LDA 方法將數(shù)據(jù)在低維度上進行投影，將不同類別數(shù)據(jù)的中心距離盡可能地放大。基于該方法分析數(shù)據(jù)，建立的產(chǎn)地判別模型適用于摻假檢測及產(chǎn)地識別溯源[17，35]。K-means 逐步聚類分析是通過歐氏距離編程公式處理PCA 降維處理的特征峰數(shù)據(jù)，計算所有樣本到聚類中心的距離，并選出最小距離進行類別劃分，常應用于連續(xù)型數(shù)據(jù)，是一種無監(jiān)督的聚類算法[33，36]。多維主成分分析是二維PCA 方法用于多維矩陣數(shù)據(jù)的擴展[27]。偏最小二乘法提供了一種多因變量與自變量之間的回歸方法，具有解決變量之間多重相關性、樣本個數(shù)少于變量個數(shù)、有效辨識系統(tǒng)信息與噪聲的優(yōu)勢，能夠準確預測未知樣品[3]。這些化學計量學方法實現(xiàn)起來較為簡單并且分析效果良好，具備廣泛的研究應用。

2 在食品風味檢測中的應用

2.1 肉制品風味檢測

肉制品特征風味、顏色等感官特性是直接影響消費決定的關鍵因素[37-38]。GC-IMS 技術(shù)對肉制品揮發(fā)性有機化合物組成的快速響應和可視化分析能夠快速響應經(jīng)烹飪[39]、冷凍[23]、煙熏[40]等加工處理后，肉制品風味品質(zhì)變化。

丁習林等人[34]在探究KCl 含量對宣威火腿揮發(fā)性風味的影響時，基于GC-IMS 技術(shù)共檢測出以醛類、酮類、醇類和酯類為主的49 種揮發(fā)性化合物，得出丙酸乙酯、2 -戊酮（M）、乙酸乙酯（D）和乙縮醛等是影響不同KCl 替代組宣威火腿風味差異的重要風味物質(zhì)。通過PCA、偏最小二乘法判別分析等多元統(tǒng)計學方法，直觀地對不同KCl 替代組宣威火腿進行有效區(qū)分，并確定KCl 替代量達到30%，依然能夠保持傳統(tǒng)宣威火腿的風味。袁琴琴[41]采用GC-IMS 技術(shù)可視化分析銀杏葉提取物對廣式臘肉揮發(fā)性有機化合物組成的影響。其通過GC-IMS 二維譜圖標記出36 種化合物，分析得出揮發(fā)性有機物含量最多的組別和不同組樣品之間揮發(fā)性物質(zhì)含量的差異。楊芳等人[28]采用電子鼻和GC-IMS 技術(shù)對比分析發(fā)酵前后和炒制前后6 種美人椒醬揮發(fā)性有機物風味成分?；诙S、三維及指紋圖譜分析可知，不同加工工藝的美人椒醬的特征吸收峰明顯不同，GC-IMS 技術(shù)能很好地區(qū)分不同加工工藝的美人椒醬，得出利用電子鼻與GC-IMS 技術(shù)可以快速、無損、準確地區(qū)分不同工藝流程生產(chǎn)的美人椒醬。

2.2 果蔬農(nóng)產(chǎn)品香氣成分檢測

農(nóng)產(chǎn)品在不同成熟階段，醛類、醇類、酮類、酯類、萜烯類、雜環(huán)類等香氣風味物質(zhì)種類和含量有較為顯著的差異[42-43]。果蔬采摘、運輸、加工、貯存后的香氣成分也會影響消費者對果蔬農(nóng)產(chǎn)品接受程度，進而影響產(chǎn)品價值[44]。

朱麗娜等人[43]利用GC-IMS 聯(lián)用技術(shù)探究CO2積累型氣調(diào)包裝與PET 透氣包裝對冷藏輪南白杏果實風味物質(zhì)種類和含量的影響，鑒定出白杏果實包含酮類、醇類、醛類、酯類等50 多種特征風味物質(zhì)。其中，高含量的2 -己酮可以作為普通包裝冷藏果實的特征風味標記物質(zhì)；丙酮、異丁酸、3 -甲基-3 -丁烯-1 -醇可分別作為高透氣、中透氣、低透氣包裝果實的風味標記物質(zhì)。王海波等人[42]基于GC-IMS技術(shù)檢測熱激處理的香蕉揮發(fā)性風味物質(zhì)變化，探討熱激處理誘導香蕉果實產(chǎn)生抗冷性的機制。結(jié)果表明，1.5 h 的熱激處理使得己二酮、乙酸異戊酯、苯甲醛、丁酸乙酯、4 -甲基苯酚、1 -戊醇、1 -丁醇、2 -戊酮、糠醇等風味物質(zhì)的含量明顯降低，3 -甲基-3 -丁烯-1 -醇、苯乙醛、戊酮-2,3 -二酮、3 -甲基-2 -丁醇等風味物質(zhì)的含量明顯升高。由此推測，受熱激影響造成短時間內(nèi)顯著變化的多種揮發(fā)性風味物質(zhì)對于誘導香蕉抗冷具有重要調(diào)控作用。江津津等人[32]基于HS-GC-MS 和HSGC-IMS 對新會柑普茶的風味進行比較分析。結(jié)果表明，橘紅普洱的風味化合物與新會柑普茶的截然不同，胎柑與其他柑普茶的特征風味指紋峰也有明顯差異，隨著新會柑果的成熟，戊醛、己醛、環(huán)己酮、2 -己烯-1 -醇、苯乙醛等物質(zhì)含量也發(fā)生顯著變化。芳樟醇、α -松油醇、香蘭素、α -蒎烯等特征化合物可以應用于新會柑普茶的進行快速分類鑒別中，并且GC-MS 與GC-IMS 的分析結(jié)果相一致。曹榮等人[45]基于電子舌和GC-IMS 技術(shù)分離并鑒定出壇紫菜與條斑紫菜的36 種揮發(fā)性成分。其中，條斑紫菜相比于壇紫菜在正己醇、丁內(nèi)酯、苯乙醛、壬醛等揮發(fā)性風味物質(zhì)的含量上更高。對紫菜的整體愉悅氣味有較大貢獻的苯乙醛、壬醛等醛類化合物有很大差異，其研究結(jié)果可為其高值化、高質(zhì)化加工利用提供參考。于懷智等人[46]基于HS-GC-IMS 技術(shù)構(gòu)建了北京平谷、山西運城、江蘇陽山、浙江杭州、四川都江堰5 個產(chǎn)地水蜜桃氣味指紋圖譜。3D-PCA結(jié)果表明，運城水蜜桃明顯區(qū)別于其他種類；匹配矩陣表明HS-GC-IMS 技術(shù)能夠很好地區(qū)分不同產(chǎn)地不同品種水蜜桃揮發(fā)性風味物質(zhì)；風味指紋圖譜表明運城水蜜桃中己醛、1 -己醇和1 -丙醇等含量明顯高于其他4 種；乙酸丙酯、乙酸異戊酯酯等為陽山水蜜桃特異性揮發(fā)有機物；乙酸戊酯在杭州水蜜桃中含量高于其他4 種，陽山與都江堰兩種白鳳水蜜桃風味也存在一些特征風味差異物質(zhì)。

2.3 液態(tài)食品摻假檢測

液態(tài)食品如食用油類、酒類快速摻假檢測一直是質(zhì)量檢測和欺詐控制的挑戰(zhàn)。GC-IMS 技術(shù)用于液態(tài)食品摻假分析時，無需復雜的樣品前處理過程，進樣溫度及色譜柱溫較低，能夠保持待測樣品的成分不被破壞，并且針對復雜的混合物得到準確可視化的風味圖譜，免受外界因素影響[28]。

Gerhardt N 等人[17]在2017 年首次基于HS-GCIMS 技術(shù)分析非靶向性揮發(fā)性有機化合物，采用PCA 和HCA 對樣本進行自然聚類分析，使用LDA，kNN 和SVM方法建立橄欖油分類的預測模型，以區(qū)分不同種類的初橄欖油。結(jié)果表明，LDA，kNN 和SVM 正確分類率達到83.3%，73.8%和88.1%；HSGC-IMS 三維指紋圖譜可適用于初榨橄欖油分類。Gerhardt N 等人[5]再次使用HS-GC-IMS 技術(shù)建立西班牙和意大利2 種特級初榨橄欖油揮發(fā)性風味物質(zhì)的指紋圖譜。結(jié)果表明，基于高分辨率三維指紋圖譜開發(fā)PCA-LDA 和kNN 的化學計量學分析方法總體鑒別達到98%和92%；通過GC-IMS 的三維指紋圖譜為非靶向定性提供可能，并且適用于橄欖油等高度復雜的樣品摻假檢測。在國內(nèi)，李淑靜等人[47]、陳通等人[21]、Zhang L X 等人[48]基于GC-IMS 技術(shù)建立檢測油類中可揮發(fā)組分的檢測方法，以山茶油、芝麻油、橄欖油為研究對象，基于主成分分析法、多維主成分分析法和偏最小二乘回歸分析處理二維譜圖數(shù)據(jù)，探索多種植物油分類鑒別及摻假檢測的方法。結(jié)果表明，主成分分析法、多維主成分分析法等處理后的預測、檢測模型可以明顯區(qū)分不同種類油樣和摻假檢測，并且不同摻假比例的樣品能夠單獨區(qū)分開來。祁興普等人[26]通過運用GC-IMS 技術(shù)對不同產(chǎn)地黃酒中的揮發(fā)性有機成分進行分析，采用二維差譜方法篩選16 個有效特征峰作為表征黃酒產(chǎn)地差異信息的特征變量，結(jié)合PCA 投影分析和LDA 算法建立判別監(jiān)督模型，實現(xiàn)紹興黃酒產(chǎn)地識別。結(jié)果表明，基于PCA 和LDA 的產(chǎn)地識別判別監(jiān)督模型成功率高達94.44%，其結(jié)果為黃酒的品質(zhì)分析和產(chǎn)地溯源提供理論依據(jù)。

2.4 肉制品摻假檢測

當前，針對肉類摻假檢測主要通過電子鼻快速檢測法[49-50]、氣相色譜-質(zhì)譜聯(lián)用檢測法[51-52]、特異性PCR 方法[53]、近紅外光譜檢測法[54-55]等，這些技術(shù)方法各有優(yōu)缺點，綜合樣品前處理復雜程度、檢測周期、檢測成本、靈敏度、結(jié)果可視化分析難度等要求，GC-IMS 技術(shù)具有更加普遍適用的優(yōu)勢。

Arroyo-manzanares N 等人[19]使用GC-IMS 技術(shù)檢測不同飼養(yǎng)方式對伊比利亞黑豬火腿揮發(fā)性風味的影響，以探討標簽中可能存在的摻假信息。結(jié)果表明，基于指紋全譜圖分類成功率達90%，結(jié)合飼養(yǎng)方式，根據(jù)不同飼料對伊比利亞火腿樣本正確分類的成功率100%。陳通等人[56]基于HS-GC-IMS 構(gòu)建快速分類模型以區(qū)分肉的種類。其檢測結(jié)果結(jié)合化學計量學方法表明，GC-IMS 三維指紋譜可以有效表征不同肉類之間的揮發(fā)性風味差異。通過PCA 數(shù)據(jù)降維和LDA 算法分析，進行肉類分類準確率達98.3%，該方法為通過HS-GC-IMS 分析鑒別不同種肉類提供了參考。杜文博[35]基于GC-IMS 技術(shù)鑒別摻入馬肉或豬肉的摻假驢肉，發(fā)現(xiàn)摻假馬肉的量越高，驢肉特征揮發(fā)性風味物質(zhì)含量越低，并且摻假豬肉對驢肉風味的影響更大。其中，2 -十泛酮、2 -戊基呋喃、（E）-2 -辛烯醛等物質(zhì)為驢肉的特征揮發(fā)性物質(zhì)，丁基硫化物、苯甲醛、丙硫醚、丙酮、己醛等物質(zhì)為馬肉的特征揮發(fā)性物質(zhì)，二甲基二硫醚、3 -甲基丁酸、戊醛等為豬肉中的特征揮發(fā)性物質(zhì)。許銘強[57]建立基于GC-IMS 的羊肉摻偽快速鑒別的新方法。研究結(jié)果表明，芝麻酚、2 -戊酮、正己醇、2,3 -丁二酮、羥基丙酮等特征風味含量的變化可用于羊肉中摻入5%豬肉的鑒別，正己醇、3 -甲硫基丙醛、反-2 -辛烯醛等特征風味含量的變化可用于摻入10%雞肉的鑒別。

2.5 在食品加工過程監(jiān)控中的應用

食品在發(fā)酵等連續(xù)加工工藝流程中，揮發(fā)性風味會呈現(xiàn)一定規(guī)律性。使用GC-IMS 技術(shù)構(gòu)建指紋圖譜結(jié)合化學計量學方法能夠準確對加工工藝過程和加工程度進行連續(xù)控制及判別，同時為加工過程監(jiān)督、預警、改良提供可視化的檢測方法。

杜超等人[40]采用GC-IMS 技術(shù)評估反復燉煮過程中雞肉的風味差異。其發(fā)現(xiàn)隨著雞湯燉煮次數(shù)的增加，雞肉樣品酮類、醇類、醛類揮發(fā)性物質(zhì)種類和含量呈現(xiàn)增加趨勢。在燉煮15 次后，雞肉的揮發(fā)性物質(zhì)含量趨于平穩(wěn)，基本達到穩(wěn)定狀態(tài)。通過構(gòu)建指紋圖譜，能夠可視化表征不同燉煮次數(shù)雞肉樣品的變化規(guī)律?；贕C-IMS 技術(shù)也能夠?qū)ㄗ延图庸ぞ珶挸潭冗M行檢測，陳通等人[21]通過該技術(shù)構(gòu)建風味物質(zhì)的二維差譜圖，篩選22 個有效特征峰作為表征精煉等級樣品間的變化規(guī)律。結(jié)果表明，采用PCA 和K 最近鄰、二次線性判別分析等監(jiān)督模式識別方法結(jié)合二維指紋圖譜能夠有效區(qū)分不同精煉程度的葵花籽油樣品，識別率高達97.30%。此外，其研究也發(fā)現(xiàn)依據(jù)差譜原則選取特征峰方法存在一定的局限性，特征峰的有效選取也是未來進一步的研究方向。Vautz W 等人[58]基于GC-UV-IMS 技術(shù)首次連續(xù)、快速測定發(fā)酵啤酒中2,3 -丁二酮和2,3 -戊二酮兩種特征風味物質(zhì)含量，通過優(yōu)化檢測方法，實現(xiàn)對啤酒發(fā)酵過程中多種關鍵特征風味物質(zhì)的準確連續(xù)測定。結(jié)果表明，隨著啤酒發(fā)酵過程的延續(xù)，二種特征風味物質(zhì)的含量會逐漸降低。因此，基于GC-UV-IMS 技術(shù)可以監(jiān)測2 種二酮的含量，并且可以對發(fā)酵過程進行準確的連續(xù)控制，該方法也為液態(tài)食品發(fā)酵過程的質(zhì)量監(jiān)控提供參考。Guo Y 等人[25]通過HS-GC-IMS 技術(shù)結(jié)合指紋圖譜分析熱風干燥對新鮮、干燥松茸中的特征性揮發(fā)物的影響，建立松茸不同部位的特征指紋圖譜。結(jié)果表明，新鮮松茸不同部位的揮發(fā)性化合物存在著顯著差異，主要組分8 碳化合物（C8）含量為70%～97%，而在干燥松茸中后，8 碳化合物（C8）的濃度急劇下降，形成了一些新的揮發(fā)性性化合物。因此，松茸干燥過程需要注意特征揮發(fā)性風味物質(zhì)的快速變化。

2.6 在食品貯藏保鮮過程中的應用

低溫、冷凍等貯藏保鮮可以較大程度地抑制食品腐敗變質(zhì)相關的生理生化反應，但是長時間冷凍、低溫等貯藏過程造成蛋白質(zhì)氧化、脂肪氧化、微生物及冰晶的劣變效果也會降低食品的感官品質(zhì)及加工性能。如何通過測定表征食品狀態(tài)的揮發(fā)性組分來判斷食品新鮮程度，成為亟待解決的課題。

Cavanna D 等人[1]使用GC-IMS 技術(shù)對雞蛋的新鮮度進行評估監(jiān)測，以不同批次雞蛋的揮發(fā)性化合物指紋數(shù)據(jù)建立化學計量模型，然后將其在室溫下保存，每日觀察其揮發(fā)性化合物變化。結(jié)果表明，通過指紋圖譜能夠可視化預測雞蛋的新鮮度，預測模型準確率高達97%。王輝等人[23]基于HS-GC-IMS技術(shù)分析冷凍豬肉在貯藏過程中發(fā)生劣變的主因及產(chǎn)生的風味物質(zhì)。其采用主成分分析去冗余數(shù)據(jù)，壓縮降維，投影至低維度的平面上，利用K 均值聚類分析算法建立判別模型。結(jié)果表明，HS-GC-IMS技術(shù)能夠可視化分析特征數(shù)據(jù)，并將成簇區(qū)域進行明顯地區(qū)分；判別模型能夠準確地將冷凍樣品歸類不同的貯藏時間簇。王熠瑤等人[24]通過GC-IMS 技術(shù)分析糙米在貯藏過程中風味物質(zhì)變化規(guī)律，其采用動態(tài)主成分分析對不同貯藏時間糙米的揮發(fā)性有機物數(shù)據(jù)進行降維處理，并利用均值聚類分析建立判別模型。結(jié)果表明，經(jīng)數(shù)據(jù)降維處理后所構(gòu)建的聚類判別模型，可將糙米樣品根據(jù)貯藏時間的不同歸類到對應的時間簇，其結(jié)果為糙米貯藏期和新鮮度的快速鑒定提供新的思路和方法。黃寶玲等人[59]基于HS-GC-IMS 技術(shù)探究酸漿豆腐在低溫貯藏條件下品質(zhì)及風味成分變化規(guī)律。結(jié)果表明，不同冷藏期風味物質(zhì)種類明顯不同，酯、醇類化合物為冷藏初期主要風味物質(zhì)，醛、酮、醇與酸類化合物為冷藏中期主要風味物質(zhì)，醛類、醇、含硫類化合物為冷藏后期主要風味物質(zhì)。并且，乙酸乙酯與乙酸丙酯等揮發(fā)性風味物質(zhì)含量會隨著冷藏期間的延長而顯著降低，但是己醛、1 -辛烯-3 -醇與二甲基三硫等不良揮發(fā)性風味物質(zhì)的組分含量明顯增加。谷航等人[33]為準確判定大米霉變程度，基于GC-IMS 技術(shù)建立大米霉變過程特征揮發(fā)性風味變化模型。結(jié)果表明，基于PCA 降維處理和K-Means 無監(jiān)督聚類算法進行聚類分析，能夠快速準確區(qū)分大米貯藏過程中霉變狀態(tài)，并且該研究方法適用于大米霉變的早期預警。李亞會等人[22]為探究不同貯藏條件番荔枝的風味變化，基于GC-IMS 技術(shù)獲得的指紋圖譜結(jié)合PCA 分析方法表明，保鮮劑處理后的荔枝風味明顯好于直接在4 ℃下冷藏處理，冷藏期間主要特征風味物質(zhì)為丁二酮、苯甲醛、正丁醛、丙酸乙酯等；在25 ℃貯藏條件下，隨著貯藏期延長，丙醇、戊醛、2,3 -乙?；忍卣鲹]發(fā)性風味物質(zhì)含量明顯增加；經(jīng)1-MCP 保鮮劑處理能夠更好地維持番荔枝果實風味。

3 結(jié)語

將食品中特征揮發(fā)性風味物質(zhì)與感官特征相關聯(lián)是當前食品風味研究中最大的挑戰(zhàn)之一。如今，各種食品風味分析儀器的開發(fā)與應用也為這項研究提供更多解決方案。氣相色譜-離子遷移譜結(jié)合氣相色譜分離和離子遷移譜檢測的優(yōu)勢，其高分離、高分辨、高靈敏度等優(yōu)勢能夠?qū)]發(fā)性組分進行痕量檢測與分析，為食品的摻假、連續(xù)加工過程監(jiān)控和分類問題提供了新的研究方案。在我國的“十三五”科學發(fā)展規(guī)劃中，也已經(jīng)將GC-IMS 儀器研發(fā)和應用研究列入食品質(zhì)量安全等多個領域的重點研究計劃中。但是，由于該技術(shù)起步較晚，信號處理方法上不豐富，當前的研究主要還應用于定性分析。依據(jù)差譜原則選取特征峰的方法存在一定的局限性，后續(xù)的標準VOCs 物質(zhì)的數(shù)據(jù)庫尚不完善，尚不能開展全成分分析。若能進一步完善GC-IMS 數(shù)據(jù)庫的VOCs 信息，并通過機器學習方法實現(xiàn)特征峰的有效選取，并充分將化學計量學方法與其結(jié)合，理性地使用數(shù)學方法解決定性、定量問題的模型，會對該技術(shù)在應用領域的開拓和發(fā)展起到巨大的作用。