魏泉增，肖付剛，孫軍濤

(許昌學(xué)院 食品與生物工程學(xué)院，河南 許昌 461000)

現(xiàn)代食品成分鑒別大多采用色譜技術(shù)[1-3]和光譜技術(shù)[4,5]，同時(shí)與人工嗅覺(jué)[6]、電子舌[7]、傳感器陣列[8]等技術(shù)聯(lián)用.色譜與質(zhì)譜技術(shù)聯(lián)用因其不需要人工解析圖譜中的單個(gè)化合物，只需通過(guò)數(shù)據(jù)比對(duì)，所以成為常用的鑒定技術(shù)之一[9].但海量數(shù)據(jù)會(huì)給數(shù)據(jù)分析帶來(lái)困難.隨著計(jì)算機(jī)和統(tǒng)計(jì)分析技術(shù)的廣泛應(yīng)用，尤其是多變量統(tǒng)計(jì)分析的發(fā)展，使數(shù)據(jù)分析變得容易.結(jié)合化學(xué)計(jì)量方法，能提供樣品全部化合物的信息，實(shí)現(xiàn)食品樣品間差異的鑒別.

主成分分析(PCA)[7,10]、聚類(lèi)分析[1]、判別分析[7]和神經(jīng)網(wǎng)絡(luò)[5,8,10]等多變量統(tǒng)計(jì)在分析食品差異鑒別中均有廣泛的應(yīng)用.例如，鑒定白酒等級(jí)[1,8,11-13]、不同區(qū)域濃香型白酒的標(biāo)記物[2]等.而PCA是由Peason提出，hotelling進(jìn)一步發(fā)展而成的方法.PCA將高維空間問(wèn)題轉(zhuǎn)化為低維空間問(wèn)題，使問(wèn)題變得簡(jiǎn)單直觀[14]，且PCA分析軟件較多，例如，Xcalibur 2.0 software[15]，PAST[16]，Pirouette[17]，Unscrambler v.9.7 (CAMO AS,Trondheim,Norway) software[18-21]，Minitab[22]，SPSS Statistics[23,24]，SIMCA[25-27]，Multivariate Statistical Package program (MVSP,Kovach Computing Service,Anglesey,Wales )[14]，XLSTAT software[28],使得PCA的應(yīng)用更為廣泛.本文綜述了色譜聯(lián)用質(zhì)譜技術(shù)結(jié)合PCA在食品原料產(chǎn)地鑒別，品種鑒別，食品發(fā)酵過(guò)程中階段鑒定，分子雜交食品鑒定，食品摻假鑒定方面的應(yīng)用.

1 食品原料產(chǎn)地的鑒別

1.1 瓶裝水產(chǎn)地鑒別

食品原料產(chǎn)地鑒別對(duì)食品的加工與銷(xiāo)售影響重大.在某些食品銷(xiāo)售過(guò)程中，甚至把食品的產(chǎn)地作為一個(gè)賣(mài)點(diǎn).而食品原料產(chǎn)地如何分析鑒別，PCA是一個(gè)不錯(cuò)的選擇.引用水的水源地一直引人關(guān)注，Ikem[21]等人以三氯甲烷，一溴甲烷，一氯二溴甲烷，三溴甲烷為研究對(duì)象分析了不同水源地的瓶裝水和自來(lái)水，采用PCA分析，結(jié)果表明，不同來(lái)源地的自來(lái)水和不同品牌的瓶裝水區(qū)別很大，這為鑒別不同品牌瓶裝水和自來(lái)水水源地提供了依據(jù).

1.2 茶葉產(chǎn)地鑒別

茶葉產(chǎn)地的鑒別一般采用眼看、鼻問(wèn)、嘴嘗的方法，但這種方法的主觀因素較強(qiáng).Márquez等人采用同時(shí)蒸餾提取(SDE)-GC-MS聯(lián)用來(lái)分析18種不同產(chǎn)地巴拉圭茶葉香味成分.GC-MS結(jié)果表明，巴拉圭茶葉中主要成分為辛醛、6-甲基-5-庚烯-2-酮、2,4-二烯醛、3,5-辛二烯酮、橙花醇，β-大馬酮、α-紫羅酮、β-紫羅酮等.通過(guò)PCA分析，非主要成分的非類(lèi)異戊二烯(norisoprenoid)被鑒定為巴拉圭茶葉不同產(chǎn)地潛在的標(biāo)記物，它的含量可以用來(lái)區(qū)分不同產(chǎn)地的巴拉圭茶葉[29].

1.3 蔬菜水果產(chǎn)地的鑒別

Chun等采用HS-SPME-GC-MS聯(lián)用結(jié)合PCA來(lái)分析中國(guó)和韓國(guó)的荊芥的香味成分[14]，結(jié)果表明，薄荷酮，2-羥基-2-異丙烯基-5-甲基環(huán)己酮，長(zhǎng)葉薄荷酮，長(zhǎng)葉薄荷酮氧化物，schizonal 等5種物質(zhì)可以作為標(biāo)記物，以用于區(qū)分中國(guó)和韓國(guó)的荊芥.以同樣的方法分析不同產(chǎn)地的楊梅，也得到了理想的效果.Cheng等人采集寧海、慈溪、仙居、上虞的楊梅，固相微萃取(SPME)濃縮香氣成分，結(jié)合GC-MS和GC-O鑒定楊梅香氣中的揮發(fā)性物質(zhì)成分及香氣，PCA結(jié)果表明，不同產(chǎn)地的楊梅香氣成分差異明顯[18].采用PCA分析楊梅香氣香味物質(zhì)隨時(shí)間[19]變化的差異，可以尋找到表征楊梅新鮮度的物質(zhì).楊靜等采用GC-MS分析重慶江津，四川金陽(yáng)，四川洪雅，四川漢源，貴州頂壇，云南昆明，山東沂蒙山的青花椒香氣成分68種，PCA結(jié)果表明，沂蒙山和頂壇的青花椒香氣成分差異明顯[30]，這為花椒產(chǎn)地的快速鑒定提供科學(xué)數(shù)據(jù).Hong-Sheng Tan等人采用HS-SPME-GC-MS技術(shù)鑒定不同產(chǎn)地當(dāng)歸的成分，采用PCA分析，結(jié)果表明，樣品被成功分為不同的組，庚烷，正丁醛，3-甲基丁醛，蒎烯，羅勒烯是最重要的差異性揮發(fā)物，這些揮發(fā)物可以區(qū)別頂級(jí)道地藥材和非道地藥材，可以作為當(dāng)歸潛在的標(biāo)記物[31].

2 食品原料品種的鑒別

2.1 食用油品種鑒別

在食品加工生產(chǎn)過(guò)程中，同一種食品原料的不同品種，對(duì)食品的口感甚至質(zhì)量都會(huì)產(chǎn)生影響.因此，食品原料品種鑒定的重要性明顯，色譜聯(lián)用質(zhì)譜結(jié)合PCA也是很好的選擇.采用GC-MS和LC-MS分析了Nigella屬中15個(gè)種的黑種草籽油(中東一種經(jīng)濟(jì)價(jià)值很高的保健品)次級(jí)代謝產(chǎn)物和揮發(fā)性成分，PCA分析不同品種黑種草籽油成分，結(jié)果表明，山柰酚-3-氧-β-D-吡喃葡萄糖-(1→2)-β-D-半乳糖-(1→2)β-D-吡喃葡萄糖可以作為潛在的分類(lèi)標(biāo)記.利用這個(gè)標(biāo)記物，把Nigella sativa 草籽油從Nigella屬中其他種的草籽油鑒別出來(lái)[25].采用氣相色譜分析不同品種花生中脂肪酸含量的差異，采用PCA分析，結(jié)果表明，正常含油量的花生，中等含油量花生，高含量的脂肪酸相對(duì)含量差異明顯，這為鑒定不同品種的花生油提供了依據(jù)[32].

2.2 榴蓮品種鑒別

Chin等人采用HS-SPME-GC-MS分析同一果園中3個(gè)品種成熟榴蓮的香味(主要來(lái)自于硫化物)，PCA分析結(jié)果表明，2-甲基丁酸甲酯,丙基己酸酯,甲基辛酸酯，3-甲基-3-乙基丁酸甲酯，1-甲硫基丙烷在這3種品種中的含量有較大差異[22]，以此鑒別出不同品種的榴蓮.采用N-甲基-N-(三甲基硅烷)三氟乙酰胺(MSTFA)衍生出不同品種椰棗的代謝產(chǎn)物，GC-MS分析衍生物，PCA分析結(jié)果表明，Khalas這個(gè)品種的椰棗與其他品種的椰棗成分差異明顯，蔗糖含量明顯高于其他品種的椰棗，但其他品種的椰棗中的果糖和葡萄含量偏高[26]，這對(duì)鑒定Khalas椰棗提供了依據(jù).

2.3 茶葉品種鑒別

采用LCMS分析了綠茶，白茶和紅茶的成分差異，采用PCA分析表明，不同發(fā)酵程度的茶葉成分差異明顯，這為區(qū)分不同發(fā)酵程度的茶葉提供了借鑒[33].

2.4 面粉品種鑒別

面粉的來(lái)源廣泛，采用N-三甲硅基咪唑衍生糖類(lèi)化合物，GC-MS鑒定衍生物，采用PCA統(tǒng)計(jì)分析，分析7種品種的冬小麥，3個(gè)種佩斯?fàn)柼匦←湥?個(gè)類(lèi)型的莧屬(amaranth)谷物，9種品種的蕎麥面粉中單糖和雙糖的成分差異，結(jié)果表明，根據(jù)糖含量的不同，可以鑒定不同來(lái)源的面粉[16].

3 發(fā)酵食品發(fā)酵階段的鑒定

風(fēng)味物質(zhì)含量變化對(duì)發(fā)酵產(chǎn)品質(zhì)量影響很大，采用PCA分析不僅能分析不同發(fā)酵階段樣品中風(fēng)味物質(zhì)含量的差異，而且還可以推斷發(fā)酵終點(diǎn)，這對(duì)發(fā)酵工業(yè)意義重大.

3.1 豆鼓發(fā)酵階段鑒定

豆鼓是一種傳統(tǒng)的發(fā)酵食品，它的生產(chǎn)階段主要依靠工人經(jīng)驗(yàn)的判斷，但是判斷結(jié)果往往受主觀因素的影響.采用GC-MS結(jié)合PCA分析豆鼓發(fā)酵過(guò)程中的香氣成分，結(jié)果表明，3-甲基丁醇、2-甲基丁酸乙酯、己酸乙酯、4-甲基吡嗪和2-甲基-丙酸乙酯在豆豉發(fā)酵過(guò)程中，其含量隨著發(fā)酵進(jìn)行逐漸增加，在發(fā)酵到15 d時(shí)，風(fēng)味物質(zhì)含量達(dá)到最大[34].以此作為豆鼓發(fā)酵終點(diǎn)比人工經(jīng)驗(yàn)更可靠.

3.2 辣椒醬發(fā)酵階段鑒定

辣椒醬深受人們喜愛(ài)，發(fā)酵的辣椒醬更有味道.為了得到更好的辣椒醬，發(fā)酵過(guò)程需不斷改變發(fā)酵條件，因此發(fā)酵階段的判斷尤為重要.采用GC-MS結(jié)合PCA分析辣椒發(fā)酵過(guò)程中22種主要的揮發(fā)性風(fēng)味物質(zhì)[35]，結(jié)果表明，發(fā)酵第8天與第16天的風(fēng)味物質(zhì)變化不大，發(fā)酵第24天與發(fā)酵第32天的辣椒中的風(fēng)味物質(zhì)較其他階段的風(fēng)味物質(zhì)差異明顯.

3.3 清曲醬發(fā)酵階段鑒定

清曲醬是韓國(guó)傳統(tǒng)的大豆發(fā)酵食品，因其獨(dú)特的口感和香味，深受人們的喜愛(ài).Min Kyung Park 等人研究了清曲醬發(fā)酵過(guò)程中香味成分的變化，采用PCA分析，結(jié)果表明，不同發(fā)酵階段的香氣成分差異明顯.同時(shí)，闡明了香氣成分與發(fā)酵時(shí)間的關(guān)系，大多數(shù)氨基酸在發(fā)酵早期含量下降，但在發(fā)酵末期含量又上升；而脂肪酸的含量在整個(gè)發(fā)酵階段一直增加，大多數(shù)有機(jī)酸的含量在一直下降，而氨基酸的含量在不同發(fā)酵時(shí)期差異明顯.這為過(guò)程質(zhì)量控制及發(fā)酵終點(diǎn)的判斷提供了依據(jù)[36].

3.4 香醋發(fā)酵階段的鑒定

采用HS-SPME-GC-MS比較分析摩德納(意大利北部城市)香醋(包括企業(yè)生產(chǎn)的香醋以及被宗教認(rèn)可的香醋)和傳統(tǒng)摩德納香醋(具有較高經(jīng)濟(jì)價(jià)值)成熟階段和老熟階段的香氣成分，PCA分析不同階段的香醋香氣成分含量的差異，發(fā)現(xiàn)3-甲基-1-丁醇和乙酸-3-甲基-1-丁酯可以區(qū)分成熟階段香醋和老熟階段香醋[23].

3.5 大豆醬發(fā)酵階段的鑒定

采用GC-MS結(jié)合PCA可以分析中國(guó)傳統(tǒng)食品大豆醬發(fā)酵過(guò)程中香氣成分的變化.香氣成分組成保持不變，但是香氣成分的含量在緩慢增加,是發(fā)酵早期階段；糠醛和3-甲硫基-丙醛的含量快速增加，濃郁醬香和焦香味形成,是發(fā)酵中期階段；異戊酸的積累改變了香味的風(fēng)格，發(fā)酵的后期階段，這個(gè)階段最終影響大豆醬的風(fēng)味[37].

4 分子雜交食品的鑒定

隨著分子生物學(xué)的發(fā)展，從分子水平改造生物或通過(guò)雜交手段改造生物，以期獲得更好的品種.但人們對(duì)轉(zhuǎn)基因食品還是有些擔(dān)憂(yōu).生物是否經(jīng)過(guò)改造PCR是主要的檢測(cè)手段，但是當(dāng)特異性好的引物不易得到時(shí)，采用色譜聯(lián)用質(zhì)譜結(jié)合PCA也是一種不錯(cuò)的檢測(cè)方法.

4.1 分子改造油桃的鑒定

采用HS-SPME-GC-MS分析了50個(gè)品種桃子和油桃的揮發(fā)性香氣成分[38]，其中wutao是在分子水平種系優(yōu)化培養(yǎng)的桃子，其他49種桃子是中國(guó)本地野生、培育、外國(guó)引進(jìn)及中外雜交的桃子和油桃，采用PCA分析這些桃子和油桃的香味成分，結(jié)果表明，分子水平改造的wutao桃子的香味成分與其他49個(gè)品種桃子的香味有明顯區(qū)別.

4.2 雜交豬的鑒定

采用固相微萃取氣質(zhì)聯(lián)用分析了定遠(yuǎn)黑豬肉、皖南花豬肉、安慶六白豬肉(傳統(tǒng)地方豬肉樣品)、瘦肉型豬肉(引進(jìn)雜交品種)的香氣組成，瘦肉型豬肉香氣比較單一，而中國(guó)傳統(tǒng)豬肉樣品香氣豐富濃郁.以不同品種豬肉的香氣值為數(shù)據(jù)集，采用PCA分析，結(jié)果表明，瘦肉型豬肉香氣與中國(guó)傳統(tǒng)地方豬肉有著明顯差異[39].

4.3 雜交葡萄的鑒定

不同產(chǎn)地的釀酒葡萄以及雜交葡萄中花青素種類(lèi)和含量具有差異性，F(xiàn)raige等[15]分析了11種類(lèi)型的葡萄，包括10不同產(chǎn)地的釀酒葡萄和1種雜交葡萄，采用串聯(lián)四級(jí)桿鑒定了20種花青素，采用PCA分析來(lái)評(píng)估不同葡萄的差異，結(jié)果表明，雜交葡萄明顯不同于釀酒葡萄，利用花青素糖苷可以把雜交葡萄從釀酒葡萄中鑒別出來(lái).

5 食品鑒定

食品鑒定主要應(yīng)用在食品等級(jí)鑒定，食品參假鑒定等，PCA分析在這些方面也有廣泛的應(yīng)用.Cheng等[40]利用HS-SPME-MS技術(shù)結(jié)合PCA實(shí)現(xiàn)了八種不同白酒的產(chǎn)地鑒別，同時(shí)也實(shí)現(xiàn)了濃香型白酒的等級(jí)鑒別[41].GC-MS結(jié)合PCA分析綿羊，山羊和牛奶奶源的奶酪中蛋白質(zhì)水解成分的差異，成功找到以蛋白水解物作為標(biāo)記，可以用來(lái)區(qū)分不同來(lái)源的奶酪[42].液質(zhì)聯(lián)用分析官方認(rèn)可的兩種中國(guó)菊科草藥旋復(fù)花(Flos Inula)的根(I.britannica and Inula japonic)及相似品(Inula hupehensis，冒充土木香的根)的成分，定性和定量分析了15種化學(xué)成分.但采用PCA分析，不但能區(qū)分兩種官方認(rèn)可的土木香根，而且還可以區(qū)分土木香根與相似品之間的差異[43]，這種差異可以應(yīng)用到食品摻假鑒定中.

6 展望

隨著色譜技術(shù)質(zhì)譜聯(lián)用的發(fā)展，海量的數(shù)據(jù)集采用PCA分析，使得多維數(shù)據(jù)得到降維，從而提取到更多有價(jià)值的信息.通過(guò)上述文獻(xiàn)的整理，總結(jié)出了PCA分析方法在食品鑒證、轉(zhuǎn)基因食品鑒別、不同發(fā)酵階段和食品原料的品種差異方面都能很好加以應(yīng)用.由于PCA是一種無(wú)監(jiān)督聚類(lèi)分析，不需要數(shù)據(jù)背景，所以在食品差異鑒別中的應(yīng)用前景非常廣闊.

[1] 祝 成，張宿義，趙金松.不同感官等級(jí)白酒基酒的聚類(lèi)分析[J].釀酒科技，2011(9):47-50.

[2] 范文來(lái)，徐 巖.應(yīng)用GC-FD和聚類(lèi)分析比較四川地區(qū)白酒原酒與江淮流域白酒原酒[J].釀酒科技，2007(11):75-78.

[3] 溫永柱，范文來(lái)，徐 巖，等.白酒中5種生物胺的HPLC定量分析[J].食品工業(yè)科技，2013,34(7):305-308.

[4] Yang,G., S.Zhang, H.Zhang, et al. Study on Discrimination of Brands of Chinese Distilled Spirit Using Near Infrared Transmission and Reflectance Spectra[R]. In Computer and Computing Technologies in Agriculture-Ⅱ——Proceedings of the Third IFIP International Conference on Computer and Computing Technologies in Agriculture(CCTA 2009). 2009.

[5] 姜 安，彭江濤，彭思龍，等.基于SVM的白酒紅外光譜分析方法研究[J].計(jì)算機(jī)與應(yīng)用化學(xué)，2010，27(2):233-236.

[6] 殷 勇，邱 明，劉云宏，等.基于遺傳神經(jīng)網(wǎng)絡(luò)的酒類(lèi)鑒別技術(shù)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34(6):104-106.

[7] 王永維，王 俊，朱睛虹.基于電子舌的白酒檢測(cè)與區(qū)分研究[J].包裝與食品機(jī)械，2009，27(5):57-61.

[8] 殷 勇，田先亮.酒品質(zhì)量穩(wěn)定性的神經(jīng)網(wǎng)絡(luò)鑒別方法研究[J].食品科學(xué)，2005，26(11):210-212.

[9] Henryk H, J.,Z.k.Angelika, K.Anna. Identification of the botanical origin of raw spirits produced from rye,potato,and corn based on volatile compounds analysis using a SPME-MS method[J]. Journal of Agricultural & Food Chemistry, 2010,58(24): 12 585-12 591.

[10] 任亦賀，駱學(xué)雷，豐水平，等.基于主成分分析、遺傳算法和神經(jīng)網(wǎng)絡(luò)對(duì)啤酒感官評(píng)價(jià)預(yù)測(cè)的研究[J].中國(guó)釀造，2010(2):50-53.

[11] Xu,Y., S.Zomer, R.G. Brereton. Support Vector Machines: A Recent Method for Classification in Chemometrics[J]. Critical Reviews in Analytical Chemistry, 2006, 36(3): 177-188.

[12] Fei,L., H.Yong, W.Li. Determination of effective wavelengths for discrimination of fruit vinegars using near infrared spectroscopy and multivariate analysis[J]. Analytica Chimica Acta, 2008, 615(1): 10-17.

[13] 程平言，范文來(lái)，徐 巖.基于質(zhì)譜與化學(xué)計(jì)量學(xué)的濃香型白酒等級(jí)鑒別[J].食品與發(fā)酵工業(yè)，2013，39(6):169-173.

[14] Chun,M.-H., E.K.Kim, S.M.Yu, et al. GC/MS combined with chemometrics methods for quality control of Schizonepeta tenuifolia Briq:Determination of essential oils[J]. Microchemical Journal, 2011, 97(2): 274-281.

[15] Fraige,K., E.R.Pereira-Filho, E.Carrilho. Fingerprinting of anthocyanins from grapes produced in Brazil using HPLC-DAD-MS and exploratory analysis by principal component analysis[J]. Food Chem, 2014, 145: 395-403.

[16] Acanski, M.M., D.N.Vujic. Comparing sugar components of cereal and pseudocereal flour by GC-MS analysis[J]. Food Chem, 2014, 145: 743-748.

[17] Farag,M.A., C.M.Ryu, L.W.Sumner, et al. GC-MS SPME profiling of rhizobacterial volatiles reveals prospective inducers of growth promotion and induced systemic resistance in plants[J]. Phytochemistry, 2006, 67(20): 2 262-2 268.

[18] Cheng,H., J.Chen,S.Chen, et al. Characterization of aroma-active volatiles in three Chinese bayberry (Myrica rubra) cultivars using GC-MS-olfactometry and an electronic nose combined with principal component analysis[J]. Food Research International, 2015, 72: 8-15.

[19] Cheng,H., J.Chen, X.Li, et al. Differentiation of the volatile profiles of Chinese bayberry cultivars during storage by HS-SPME-GC/MS combined with principal component analysis[J]. Postharvest Biology and Technology, 2015, 100: 59-72.

[20] González álvarez,M., C.González-Barreiro, B.Cancho-Grande, et al. Relationships between Godello white wine sensory properties and its aromatic fingerprinting obtained by GC-MS[J]. Food Chemistry, 2011, 129(3): 890-898.

[21] Ikem,A. Measurement of volatile organic compounds in bottled and tap waters by purge and trap GC-MS:Are drinking water types different?[J]. Journal of Food Composition and Analysis, 2010, 23(1): 70-77.

[22] Chin,S.T., S.A.H.Nazimah, S.Y.Quek, et al. Analysis of volatile compounds from Malaysian durians (Durio zibethinus) using headspace SPME coupled to fast GC-MS[J]. Journal of Food Composition and Analysis, 2007, 20(1): 31-44.

[23] Cirlini,M., A.Caligiani, L.Palla, et al. HS-SPME/GC-MS and chemometrics for the classification of Balsamic Vinegars of Modena of different maturation and ageing[J]. Food Chemistry, 2011, 124(4): 1 678-1 683.

[24] Ding,X., C.Wu, J.Huang, et al. Characterization of interphase volatile compounds in Chinese Luzhou-flavor liquor fermentation cellar analyzed by head space-solid phase micro extraction coupled with gas chromatography mass spectrometry (HS-SPME/GC/MS)[J]. LWT - Food Science and Technology, 2016, 66: 124-133.

[25] Farag,M.A., H.A.Gad, A.G.Heiss, et al. Metabolomics driven analysis of six Nigella species seeds via UPLC-qTOF-MS and GC-MS coupled to chemometrics[J]. Food Chem, 2014, 151: 333-342.

[26] Farag,M.A., M.Mohsen, R.Heinke, et al. Metabolomic fingerprints of 21 date palm fruit varieties from Egypt using UPLC/PDA/ESI-qTOF-MS and GC-MS analyzed by chemometrics[J]. Food Research International, 2014, 64: 218-226.

[27] Ning,L., Z.Fu-ping, C.Hai-tao, et al. Identification of volatile components in Chinese Sinkiang fermented camel milk using SAFE,SDE,and HS-SPME-GC/MS[J]. Food Chemistry, 2011, 129(3): 1 242-1 252.

[28] Oliveira,A.P., L.R.Silva, P.Guedes de Pinho, et al. Volatile profiling of Ficus carica varieties by HS-SPME and GC-IT-MS[J]. Food Chemistry, 2010, 123(2): 548-557.

[29] Márquez,V., N.Martínez, M.Guerra, et al. Characterization of aroma-impact compounds in yerba mate (Ilex paraguariensis) using GC-olfactometry and GC-MS[J]. Food Research International, 2013, 53(2): 808-815.

[30] 楊 靜，趙 鐳，史波林，等.青花椒香氣快速氣相電子鼻響應(yīng)特征及GC-MS物質(zhì)基礎(chǔ)分析[J].食品科學(xué)，2015 (22):69-74.

[31] Tan,H.S., D.D.Hu, J.Z.Song, et al. Distinguishing Radix Angelica sinensis from different regions by HS-SFME/GC-MS[J]. Food Chem, 2015, 186: 200-206.

[32] Shin,E.-C., B.D.Craft, R.B.Pegg, et al. Chemometric approach to fatty acid profiles in Runner-type peanut cultivars by principal component analysis (PCA)[J]. Food Chemistry, 2010, 119(3): 1 262-1 270.

[33] Zhao,Y., P.Chen, L.Lin, et al. Tentative identification,quantitation,and principal component analysis of green pu-erh,green,and white teas using UPLC/DAD/MS[J]. Food Chem, 2011, 126(3): 1 269-1 277.

[34] 范 琳，陶湘林，歐陽(yáng)晶，等.曲霉型豆豉后發(fā)酵過(guò)程中揮發(fā)性成分的動(dòng)態(tài)變化[J].食品科學(xué)，2012(22):274-277.

[35] 歐陽(yáng)晶，陶湘林，李梓銘，等.高鹽辣椒發(fā)酵過(guò)程中主要成分及風(fēng)味的變化[J].食品科學(xué)，2014(4):174-178.

[36] Park,M.K., I.H.Cho, S.Lee, et al. Metabolite profiling of Cheonggukjang,a fermented soybean paste, during fermentation by gas chromatography-mass spectrometry and principal component analysis[J]. Food Chemistry, 2010, 122(4): 1 313-1 319.

[37] Peng,X., X.Li, X.Shi, et al. Evaluation of the aroma quality of Chinese traditional soy paste during storage based on principal component analysis[J]. Food Chem, 2014, 151: 532-538.

[38] Wang,Y., C.Yang, S.Li, et al. Volatile characteristics of 50 peaches and nectarines evaluated by HP-SPME with GC-MS[J]. Food Chemistry, 2009, 116(1): 356-364.

[39] 潘 見(jiàn)，楊俊杰，朱雙杰，等.4種不同品質(zhì)豬肉香氣的差異[J].食品科學(xué)，2014(6):133-136.

[40] Cheng,P., W.Fan, Y.Xu. Determination of Chinese liquors from different geographic origins by combination of mass spectrometry and chemometric technique[J]. Food Control, 2014, 35(1): 153-158.

[41] heng,P., W.Fan, Y.Xu. Quality grade discrimination of Chinese strong aroma type liquors using mass spectrometry and multivariate analysis[J]. Food Research International,2013, 54(2): 1 753-1 760.

[42] Guerreiro,J.S., M.Barros, et al. Principal component analysis of proteolytic profiles as markers of authenticity of PDO cheeses[J]. Food Chem, 2013, 136(3-4): 1 526-1 532.

[43] Shi,X., K.Zhang, N.Xue, et al. Differentiation of genuine Inula britannica L.and substitute specimens based on the determination of 15 components using LC-MS/MS and principal components analysis[J]. Food Chem, 2013, 141(4): 4 019-4 025.