新陳糧鑒別應(yīng)用(三) | 風(fēng)味組學(xué)結(jié)合機(jī)器學(xué)習(xí)在北方玉米儲存年份鑒別中的應(yīng)用
發(fā)布時間:2025-08-22 閱讀次數(shù)：193次
風(fēng)味物質(zhì)是衡量糧食作物食用品質(zhì)與營養(yǎng)價值的重要指標(biāo)。小麥、玉米等谷類作物在儲藏過程中的品質(zhì)劣變與其風(fēng)味物質(zhì)含量密切相關(guān)。本研究采用固相微萃取-氣相色譜-三重四極桿質(zhì)譜聯(lián)用技術(shù)（SPME-GC-MS/MS）分析玉米中揮發(fā)性風(fēng)味物質(zhì)的種類與含量，發(fā)現(xiàn)玉米揮發(fā)性風(fēng)味物質(zhì)與儲藏時間存在顯著相關(guān)性，并通過風(fēng)味組學(xué)成功區(qū)分了不同儲存年份的玉米，建立了一種能夠準(zhǔn)確區(qū)分新陳玉米的機(jī)器學(xué)習(xí)預(yù)測模型，為玉米品質(zhì)的動態(tài)監(jiān)測提供了有效技術(shù)支撐。研究成果以“Flavoromics of maize from major maize production regions of northern China during storage”為題，已發(fā)表在《Talanta》期刊。
【研究背景】
糧食在貯藏期間會受到溫度、濕度、微生物等環(huán)境因素影響，其食用品質(zhì)和營養(yǎng)價值也會隨著儲藏時間延長而發(fā)生改變。玉米是我國主要糧食作物之一，也是我國儲備糧的重要組成。由于玉米原始水分含量相對較高，同時內(nèi)部富含脂肪，相較于其他糧食品種儲藏穩(wěn)定性較差，易發(fā)生品質(zhì)劣變，進(jìn)而影響其種用、食用和加工品質(zhì)。因此在玉米收購入倉和輪換出庫前對其儲藏品質(zhì)進(jìn)行評估十分必要，引起了研究人員的廣泛關(guān)注。
揮發(fā)性風(fēng)味物質(zhì)是影響玉米食用和加工的主要因素之一，風(fēng)味物質(zhì)的類型、含量以及它們之間的相互作用共同決定著玉米的風(fēng)味。玉米儲藏過程中風(fēng)味物質(zhì)含量變化間接反映其品質(zhì)改變，因此越來越多的研究人員通過測定玉米中典型揮發(fā)性風(fēng)味物質(zhì)對其進(jìn)行品質(zhì)鑒別。已有多項(xiàng)研究發(fā)現(xiàn)玉米揮發(fā)性風(fēng)味物質(zhì)的種類和含量受不同儲藏條件的影響，但尚未闡明不同儲藏時間玉米的特征差異物質(zhì)。
【研究內(nèi)容】
本研究以玉米為研究對象，采用固相微萃取-氣相色譜-三重四極桿質(zhì)譜聯(lián)用技術(shù)對 2019 年至 2023 年中國北方七個主要生產(chǎn)省份收獲的285份玉米中的主要揮發(fā)性風(fēng)味化合物進(jìn)行分析，鑒定出 99 種揮發(fā)性風(fēng)味化合物。結(jié)合多元統(tǒng)計(jì)進(jìn)行數(shù)據(jù)分析，闡明不同儲藏年份玉米的特征差異物，實(shí)現(xiàn)不同儲藏年份玉米的區(qū)別及鑒別，并基于機(jī)器學(xué)習(xí)建立了新陳玉米的預(yù)測模型。
玉米樣品檢測到的99種風(fēng)味化合物被劃分為8大類：24 種醛類、16種醇類、14種酮類、13種雜環(huán)化合物、12種酯類、10種酸類、7種酚類以及3種其他化合物。其中醛類化合物在玉米風(fēng)味成分中占比最高，達(dá)到24.2 %。
為明確風(fēng)味物質(zhì)含量與玉米儲藏年份之間的關(guān)系，對不同儲藏年份玉米中的揮發(fā)性風(fēng)味物質(zhì)進(jìn)行PLS-DA分析。從圖1可以看出，以主產(chǎn)省份進(jìn)行地域劃分時，不同省份的儲藏玉米呈現(xiàn)與收獲年份相關(guān)的聚類趨勢，不同儲藏年份玉米呈一定的聚類趨勢。
圖1. 不同省份的玉米揮發(fā)性成分的PLS-DA分析結(jié)果。(A)黑龍江；(B)內(nèi)蒙古；(C)遼寧；(D)山東；(E)河南；(F)吉林
進(jìn)一步直觀體現(xiàn)不同儲藏年份玉米的風(fēng)味物質(zhì)特征，分析結(jié)果如圖2所示。利用5倍交叉驗(yàn)證對PLS-DA模型的預(yù)測精確度和擬合度進(jìn)行驗(yàn)證，使用五個組分時，模型的R2=0.967，Q2 =0.952，表明模型擬合效果優(yōu)異（圖2B）。進(jìn)一步采用100次置換檢驗(yàn)驗(yàn)證監(jiān)督模型，分布結(jié)果表明最優(yōu)模型對樣本組風(fēng)味化合物的預(yù)測能力顯著性達(dá)到p<0.01（圖2C)。此外，如圖2D所示，分析結(jié)果明確顯示有12種揮發(fā)性風(fēng)味化合物的VIP值超過1.5。代表性風(fēng)味化合物主要包括：2-乙酰呋喃、苯并噻唑、糠醛、乙酸、對甲酚、(E)-2-壬烯醛、5-甲基糠醛、戊內(nèi)酯、 丁基苯甲酸酯、糠醇、異戊酸、(E)-2-辛烯-1-醇。
圖2. (A)2019至2023年玉米的PLS-DA得分圖分析結(jié)果；(B)交叉驗(yàn)證；(C)置換檢驗(yàn)；(D) VIP得分圖
【基于機(jī)器學(xué)習(xí)的新陳玉米分類模型】
通過GC-MS獲取2019年至2023年不同儲藏年限的玉米樣品風(fēng)味物質(zhì)含量數(shù)據(jù)（新鮮玉米采收于2023年，陳玉米采集于2019至2022年間），結(jié)合機(jī)器學(xué)習(xí)建立了新陳玉米分類器。在分類模型對比實(shí)驗(yàn)中，隨機(jī)選取29個樣本作為測試集，其余樣本按8:2的比例劃分為訓(xùn)練集和驗(yàn)證集。采用10倍交叉驗(yàn)證評估分類器的穩(wěn)定性，訓(xùn)練后分類器的優(yōu)化結(jié)果如表1所示。三種分類器的驗(yàn)證集準(zhǔn)確率均超過96.5%，充分證明了分類模型的可靠性。
表1. 訓(xùn)練后分類器的準(zhǔn)確率、精確率、交叉驗(yàn)證準(zhǔn)確率與預(yù)測準(zhǔn)確率
【擴(kuò)展應(yīng)用：基于深度機(jī)器學(xué)習(xí)的不同儲藏年份玉米的預(yù)測模型】
區(qū)別于傳統(tǒng)的機(jī)器學(xué)習(xí)，如支持向量機(jī)（SVM）、隨機(jī)森林（RF）以及集成學(xué)習(xí)方法如高斯過程分類（GPC）、梯度提升機(jī)（GBC）等，深度神經(jīng)網(wǎng)絡(luò)模型不需要對數(shù)據(jù)進(jìn)行大規(guī)模的前處理，根據(jù)數(shù)據(jù)特點(diǎn)，優(yōu)化模型深度和結(jié)構(gòu)，從而實(shí)現(xiàn)準(zhǔn)確的預(yù)測。因此在本研究的基礎(chǔ)上，我們從來自2018年至2024年的475個玉米樣本中，隨機(jī)從不同儲藏年份樣品中抽取91個樣本作為考核盲樣（測試集與訓(xùn)練集和驗(yàn)證集均不重合）。測試集的混淆矩陣如圖3所示，盲樣考核數(shù)據(jù)的預(yù)測準(zhǔn)確率可以達(dá)到95.6%。
圖3. 深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練時的損失值（a）和準(zhǔn)確率（b），測試集（91個樣本）的混淆矩陣
【小結(jié)與展望】
本研究基于GC-MS的風(fēng)味組學(xué)研究策略，對2019至2023年收獲北方地區(qū)玉米樣品中揮發(fā)性風(fēng)味物質(zhì)進(jìn)行檢測，采用PLS-DA方法成功實(shí)現(xiàn)了不同儲藏年份玉米的鑒別，并篩選出在不同年份的玉米間具有顯著性差異的化合物。以風(fēng)味物質(zhì)為特征，采用python開源API建立了玉米不同存儲年份的機(jī)器學(xué)習(xí)預(yù)測模型。并在此基礎(chǔ)上，優(yōu)化開發(fā)了深度神經(jīng)網(wǎng)絡(luò)模型，預(yù)測準(zhǔn)確率可以達(dá)到95.6%，為玉米儲藏品質(zhì)的動態(tài)監(jiān)測提供技術(shù)手段，更好地指導(dǎo)儲備玉米科學(xué)儲存與適時更新輪換。未來隨著深度機(jī)器學(xué)習(xí)的興起，可通過高效的算法優(yōu)化處理風(fēng)味組學(xué)數(shù)據(jù)，挖掘復(fù)雜痕量風(fēng)味成分與樣品和感官特性的關(guān)聯(lián)，通過GC-MS與深度學(xué)習(xí)模型實(shí)現(xiàn)痕量風(fēng)味物質(zhì)的精準(zhǔn)預(yù)測。
本文內(nèi)容非商業(yè)廣告，僅供專業(yè)人士參考。
參考文獻(xiàn)：
[1] WANG S, CHEN H, SUN B. Recent progress in food flavor analysis using gas chromatography–ion mobility spectrometry (GC–IMS) [J]. Food Chemistry, 2020, 15(315): 126158.
[2] 徐瑞, 李洪軍, 賀稚非. 玉米凍藏過程中揮發(fā)性成分變化及主成分分析[J]. 食品與發(fā)酵工業(yè), 2019, 45(1): 210-218. XUN R, LI H J, HE Z F. Changes and principal component analysis of volatile compounds in corn ears during frozen storage[J]. Food and Fermentation Industries, 2019, 45(1): 210-218.
[3] 李云峰, 范競升, 陳冰琳,等. 3個甜玉米品種在不同儲藏條件下可溶性固形物含量及揮發(fā)性風(fēng)味成分變化[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報(bào), 2021, 42(03): 33-44. LI Y F, FAN J S, CHEN B L, et al. Changes of soluble solid contents and volatile flavor components of three sweet corn cultivars under different storage conditions[J]. Journal of South China Agricultural University, 2021, 42(03): 33-44.
[4] 郭瑞, 李盼盼, 張曉莉, 等. SPME-GC-MS/MS 結(jié)合多元統(tǒng)計(jì)分析研究不同儲藏年份玉米風(fēng)味物質(zhì)差異[J]. 糧油食品科技, 2024, 32(3): 179-186. GUO R, LI P P, ZHANG X L, et al. Diversity analysis of volatile flavor compounds of corn with various storage years based on SPME-GCMS/MS and multivariate statistical analysis[J]. Science and Technology of Cereals, Oils and Foods, 2024, 32(3): 179-186.
[5] Li, P., Guo, R., Zhang, X., et al. Flavoromics of maize from major maize production regions of northern China during storage. Talanta, 2026, 296, 128374.