[img=图片,1,]data:image/svg+xml,%3C%3Fxml version='1.0' encoding='UTF-8'%3F%3E%3Csvg width='1px' height='1px' viewBox='0 0 1 1' version='1.1' xmlns='http://www.w3.org/2000/svg' xmlns:xlink='http://www.w3.org/1999/xlink'%3E%3Ctitle%3E%3C/title%3E%3Cg stroke='none' stroke-width='1' fill='none' fill-rule='evenodd' fill-opacity='0'%3E%3Cg transform='translate(-249.000000, -126.000000)' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E[/img]
3.1.3 颜色参考范围的建立 虽然DT和KNN模型能够较好区分薏苡仁的产地,但是无法客观量化不同产地的颜色差异。因此,在DT与KNN分析的基础上,使用SPSS 26.0软件,以95%为置信水平,选择均值建立不同产地薏苡仁的颜色参考范围,结果见表2。采用单因素方差分析验证所建立的颜色参考范围的合理性,结果见表3。结果显示,不同产地L*、a*、b*的P值均<0.01,表明5个产地薏苡仁的颜色参考范围具有显著性差异,所建立的颜色参考范围能够进行有效区分。[img=图片,1,]data:image/svg+xml,%3C%3Fxml version='1.0' encoding='UTF-8'%3F%3E%3Csvg width='1px' height='1px' viewBox='0 0 1 1' version='1.1' xmlns='http://www.w3.org/2000/svg' xmlns:xlink='http://www.w3.org/1999/xlink'%3E%3Ctitle%3E%3C/title%3E%3Cg stroke='none' stroke-width='1' fill='none' fill-rule='evenodd' fill-opacity='0'%3E%3Cg transform='translate(-249.000000, -126.000000)' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E[/img]
3.1.4 不同产地薏苡仁快速判别模型的建立 在客观量化不同产地薏苡仁的颜色差异后,将薏苡仁样品的色度值录入SPSS 26.0软件,采用判别分析中的典型判别函数-Bayes判别法建立数学判别模型,快速判别薏苡仁的产地来源。判别函数式如下:Y云南=12.015 L*-386.693 a*+199.026 b*-2 776.941Y江苏=45.588 L*-406.540 a*+203.829 b*-2 831.162Y福建=46.635 L*-388.272 a*+194.427 b*-2 838.484Y山东=45.578 L*-410.911 a*+206.105 b*-2 851.388Y贵州=45.417 L*-408.768 a*+205.053 b*-2 828.340将未知样本的颜色值代入上述判别函数计算Y,并以最大Y确定未知样本的处理程度:如果Y云南最大,则样本为云南产地的薏苡仁;如果Y江苏最大,则为江苏产地的薏苡仁;如果Y福建最大,则为福建产地的薏苡仁;如果Y山东最大,则为山东产地的薏苡仁;如果Y贵州最大,则为贵州产地的薏苡仁。最后,采用初始和交叉验证的方法评估所建模型的预测能力,结果见表4。在交叉验证实验中,各产地交叉验证的正确率均为100%,表明该模型预测能力较强,可用于快速判别不同产地的薏苡仁。[img=图片,1,]data:image/svg+xml,%3C%3Fxml version='1.0' encoding='UTF-8'%3F%3E%3Csvg width='1px' height='1px' viewBox='0 0 1 1' version='1.1' xmlns='http://www.w3.org/2000/svg' xmlns:xlink='http://www.w3.org/1999/xlink'%3E%3Ctitle%3E%3C/title%3E%3Cg stroke='none' stroke-width='1' fill='none' fill-rule='evenodd' fill-opacity='0'%3E%3Cg transform='translate(-249.000000, -126.000000)' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E[/img]
3.2 超快速气相电子鼻分析[img=图片,1,]data:image/svg+xml,%3C%3Fxml version='1.0' encoding='UTF-8'%3F%3E%3Csvg width='1px' height='1px' viewBox='0 0 1 1' version='1.1' xmlns='http://www.w3.org/2000/svg' xmlns:xlink='http://www.w3.org/1999/xlink'%3E%3Ctitle%3E%3C/title%3E%3Cg stroke='none' stroke-width='1' fill='none' fill-rule='evenodd' fill-opacity='0'%3E%3Cg transform='translate(-249.000000, -126.000000)' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E[/img]
为了进一步探究不同产地薏苡仁的气味差异,根据电子鼻检测结果,进行判别因子分析,结果见图3-A、图3-B。提取贡献率最大的3个判别因子,贡献率分别为87.034%、9.922%、1.800%,累积贡献率98.756%,这说明DFA模型能充分体现出各个产地薏苡仁样品的气味信息和特征。由图3-A、B可知,各产地薏苡仁样本距离较远,表明不同产地的薏苡仁在气味信息方面存在较明显的差异。[img=图片,1,]data:image/svg+xml,%3C%3Fxml version='1.0' encoding='UTF-8'%3F%3E%3Csvg width='1px' height='1px' viewBox='0 0 1 1' version='1.1' xmlns='http://www.w3.org/2000/svg' xmlns:xlink='http://www.w3.org/1999/xlink'%3E%3Ctitle%3E%3C/title%3E%3Cg stroke='none' stroke-width='1' fill='none' fill-rule='evenodd' fill-opacity='0'%3E%3Cg transform='translate(-249.000000, -126.000000)' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E[/img]
在DFA分析基础上,将不同产地薏苡仁的气味强度差异进行可视化。根据超快速气相电子鼻的分析结果,将每个成分的最大峰面积设置为100%,并对其余色谱峰进行归一化处理,进行热图分析,结果如图3-C所示。根据图3-C可知,不同产地的薏苡仁在气味强度方面存在明显的差异。其中福建产地的薏苡仁气味强度最高,其次为贵州和云南产地的薏苡仁,山东和江苏产地的薏苡仁气味强度较弱,这与气味指纹图谱的分析结果相一致。3.2.4 气味成分鉴定与差异标志物确定 通过计算不同产地薏苡仁共有峰的Kovats保留指数,将其与Arochembase数据库进行比较,确定各个产地薏苡仁的挥发性成分,结果见表5。[img=图片,1,]data:image/svg+xml,%3C%3Fxml version='1.0' encoding='UTF-8'%3F%3E%3Csvg width='1px' height='1px' viewBox='0 0 1 1' version='1.1' xmlns='http://www.w3.org/2000/svg' xmlns:xlink='http://www.w3.org/1999/xlink'%3E%3Ctitle%3E%3C/title%3E%3Cg stroke='none' stroke-width='1' fill='none' fill-rule='evenodd' fill-opacity='0'%3E%3Cg transform='translate(-249.000000, -126.000000)' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E[/img]
为了寻找不同产地薏苡仁的气味差异标志物,使用simca-p软件进行PLS-DA分析,结果如图4所示。由得分矩阵图可知,PLS-DA模型中所有数据点均在95%置信区间内,聚类效果良好,区分明显,说明不同产地的薏苡仁样品在气味化学成分上存在着一定的差异性。启动loading程序,得到荷载散点图,结果如图4-B所示。由图4-B可知,丙烯醛、丙醛、2-丙烯酸、甲苯、2-己醇等成分距离原点中心较远,表明这些成分对分组贡献度较大。PLS-DA模型解释率参数R2X为0.721,明显高于0.5,说明模型解释率较高。设置分类Y矩阵变量随机排列200次做置换检验,结果如图4-C所示。R2拟合直线在Y坐标轴的截距小于0.3,说明该模型较为可靠,Q2拟合直线在Y坐标轴的截距小于0.05,说明该模型不存在过度拟合的现象。[img=图片,1,]data:image/svg+xml,%3C%3Fxml version='1.0' encoding='UTF-8'%3F%3E%3Csvg width='1px' height='1px' viewBox='0 0 1 1' version='1.1' xmlns='http://www.w3.org/2000/svg' xmlns:xlink='http://www.w3.org/1999/xlink'%3E%3Ctitle%3E%3C/title%3E%3Cg stroke='none' stroke-width='1' fill='none' fill-rule='evenodd' fill-opacity='0'%3E%3Cg transform='translate(-249.000000, -126.000000)' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E[/img]
变量重要性投影值(VIP)可以进一步直观地反映具体变量对模型分类的整体贡献度,在PLS-DA模型中,变量的VIP值大于1.0则说明该变量对整体模型的贡献度高于平均水平,对样本分类的影响具有统计学意义,可以作为差异标志物。使用simca-p软件,启动VIP分析程序,结果如图4-D所示。由图4-D可知,VIP值大于1的气味成分有9个,分别为2-丙烯酸、2-甲基丁醛、甲苯、丙醛、芳樟醇、3-甲基庚醇、α-水芹烯、2,3-乙酰基丙酮、1,2-丁二醇。其中2-丙烯酸、2-甲基丁醛、甲苯、丙醛4种成分的VIP值大于1.2,可视为主要的气味差异标志物。对不同产地薏苡仁的上述4种成分进行单因素方差分析,结果表明P值均小于0.05,具有显著性差异。因此,确定上述4种成分作为不同产地薏苡仁的气味差异标志物。3.3 颜色-气味相关性分析在SPSS 26.0软件中,采用Pearson相关性分析,将表面色度值(L*、a*、b*)与内在气味成分进行相关性分析,旨在为薏苡仁“辨状论质”提供科学依据,结果见表6和图5。在图5中,红色代表正相关,绿色代表负相关,圆圈大小表示相关性强弱。一般认为,相关系数的绝对值大于0.5可认为两者存在显著相关性。根据表6和图5可知,丁二酮、2,3-乙酰基丙酮、3-己醇与L*值呈正相关且与a*值、b*值呈负相关;丙醛与L*值呈负相关且与b*值呈正相关;2-丙烯酸与2-己醇与L*值呈正相关且与b*值呈负相关;1,2-丁二醇与L*值呈正相关。上述成分的P值均小于0.05,具有统计学意义。[img=图片,1,]data:image/svg+xml,%3C%3Fxml version='1.0' encoding='UTF-8'%3F%3E%3Csvg width='1px' height='1px' viewBox='0 0 1 1' version='1.1' xmlns='http://www.w3.org/2000/svg' xmlns:xlink='http://www.w3.org/1999/xlink'%3E%3Ctitle%3E%3C/title%3E%3Cg stroke='none' stroke-width='1' fill='none' fill-rule='evenodd' fill-opacity='0'%3E%3Cg transform='translate(-249.000000, -126.000000)' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E[/img]
[img=图片,1,]data:image/svg+xml,%3C%3Fxml version='1.0' encoding='UTF-8'%3F%3E%3Csvg width='1px' height='1px' viewBox='0 0 1 1' version='1.1' xmlns='http://www.w3.org/2000/svg' xmlns:xlink='http://www.w3.org/1999/xlink'%3E%3Ctitle%3E%3C/title%3E%3Cg stroke='none' stroke-width='1' fill='none' fill-rule='evenodd' fill-opacity='0'%3E%3Cg transform='translate(-249.000000, -126.000000)' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E[/img]4 讨论颜色和气味是中药材质量识别的重要指标,但传统的经验鉴别容易受到主观因素的影响。近年来,由于性状电子检测技术具有快速、准确、便捷的特点,能够将传统的外观性状进行客观量化,在中药质量控制方面备受关注。本研究首次采用分光测色技术联用超快速气相电子鼻技术,对不同产地的薏苡仁药材进行快速鉴别研究,并探究薏苡仁外在颜色和内在气味成分的关联性。在颜色测定方面,DT和KNN模型和Bayes判别式均能够有效区分所有产地的薏苡仁。超快速气相电子鼻分析结果显示,同产地的薏苡仁药材之间相似度较高,整体气味信息类似,而不同产地薏苡仁的气味成分则存在较大的差异。同时采用PLS-DA模型成功筛选出4种成分作为鉴别不同产地薏苡仁的气味差异标志物。最后,对颜色和气味进行相关性分析,结果显示薏苡仁的色泽与气味成分之间存在显著关联性。因此,采用分光测色计、超快速气相电子鼻结合化学计量学快速鉴别不同产地薏苡仁是一种快速准确的手段,该方法在多产地中药的质量控制方面具有巨大的应用前景[28]。