维权声明:本文为hhciq原创作品,本作者与仪器信息网是该作品合法使用者,该作品暂不对外授权转载。其他任何网站、组织、单位或个人等将该作品在本站以外的任何媒体任何形式出现均属侵权违法行为,我们将追究法律责任。
葡萄酒产地鉴别技术研究进展
摘要:目前,我国葡萄酒消费市场发展日渐繁荣,产地已经成为优质葡萄酒品质评价的重要因素。因此,开发葡萄酒产地溯源技术有助于加强市场监管,保障消费者权益。本文综述了近年来国内外葡萄酒产地鉴别技术的研究进展,重点阐述了基于矿质元素指纹、稳定同位素及次生代谢产物的葡萄酒产地鉴别研究及发展趋势,同时指出国内葡萄酒鉴别研究中存在的问题,旨在推动我国葡萄酒产地鉴别技术的建立健全,促进我国葡萄酒市场的繁荣发展。
关键词:葡萄酒;产地鉴别;矿质元素;稳定同位素;次生代谢产物
葡萄酒是世界范围内广泛消费的酒精性饮品,具有较高的商业价值
。中国葡萄酒市场发展日渐繁荣,葡萄酒生产、消费及进口规模均处于较高水平。国际葡萄与葡萄酒组织(OIV)
统计显示,2018年中国葡萄酒消费量18亿升,列世界第五,而人均消费量却低于世界平均水平,说明中国葡萄酒市场有非常大的发展潜力。地理起源是影响葡萄酒商业价值高低的重要因素
,葡萄酒的分级鉴定体系通常将产地来源作为其内在评价标准
。欧洲葡萄酒市场监管体系已积累了丰富的产业保护经验,其地理保护已成为欧盟各国手中的利器
。中国葡萄酒产区分布广泛,多种气候类型并存,具有生产优质葡萄酒的自然条件。自2002年以来,我国先后批准了昌黎、烟台、沙城等19个地理标志(或原产地域保护)葡萄酒。目前,尽管所有地理标志葡萄酒对其产地范围、产品质量及技术要求做了严格规定
,但未提供相应的产地鉴别措施
。葡萄酒产地鉴别技术的研究对于完善地理标志葡萄酒保护体系、规范市场及维护消费者合法权益,有着重大现实意义。
目前,国内外对葡萄酒产地鉴别技术的研究,主要基于矿质元素指纹、稳定同位素及次生代谢物质等三个方面。本文即围绕上述三方面展开综述,旨在为国内葡萄酒产地鉴别技术发展提供参考。
1 矿质元素指纹鉴别技术1.1分析方法
目前,用于测定葡萄酒中矿质元素的仪器包括火焰
原子吸收光谱仪(FAAS)、石墨炉
原子吸收分光光度仪(GF-AAS)、电感耦合等离子体发射光谱仪(ICP-AES)、电感耦合等离子体原子发射光谱仪(ICP-OES)、
电感耦合等离子体质谱仪(
ICP-MS)。FAAS测定元素的优点是成本低,适合小批量样品测定,缺点是不能同时测定多元素、耗时长;GF-AAS灵敏度高,可直接固体进样,但也不能同时测定多种元素;而ICP-AES、ICP-OES和
ICP-MS解决了同时测定多种元素的问题,近些年文献中有80%研究人员使用
ICP-MS测定元素组成(表1),与其他仪器相比具有检出限低,效率高,测定范围广等优点。葡萄酒样品的前处理多采用稀释法和微波消化法,稀释法操作简单、效率高,不易引入新的杂质;微波消化法将样品置于密封消解罐中,可最大限度减少元素的损失,同时较湿法消解减少了前处理时间。
1.2影响葡萄酒中矿质元素的因素
葡萄酒中元素组成受多种因素影响,如种植地土壤、气候、栽培措施、生产工艺、品种等。其中土壤影响最为显著,土壤中矿质元素主要源于岩石风化,葡萄植株通过根系吸收土壤中矿物质营养素
,经酿造过程转移到酒中,且在装瓶后,元素种类和含量几乎不随时间发生变化;所以,理论上矿质元素被认为是葡萄酒产地溯源的良好指标。Ricardo-Rodrigues等
研究发现两个葡萄园浆果中矿质含量存在差异,如元素Mn(
P<0.001)、P(
P<0.05)及Mg(
P<0.05)。Milićević
研究葡萄对土壤的生物利用度时,发现葡萄中Ba元素主要来自于土壤。环境因素(光照、降水,温度等)也是影响酒中元素组成的重要因素之一,通过植物光合作用、根系微生物代谢影响植物吸收矿质元素的能力
;Blotevogel等
证明葡萄酒中元素组成受土壤化学和气候条件的控制,如夏季高温地区酒中Sr含量较高,而高降雨量地区酒中Mn、Ba含量较高。
栽培措施包括葡萄架形、树形、叶幕形、水肥、病虫害等管理,这些措施会改变葡萄生长过程中吸收利用矿质元素的能力,还可能直接引入某些元素或影响葡萄浆果中的元素含量。嫁接砧木的栽培措施可以预防葡萄霜霉病、增强品种抗逆性,Shimizu等
认为嫁接砧木可以减少品种对酒中元素的影响。生产工艺各环节对葡萄酒中矿质元素组成影响不同,Zn含量过高被认为是酿造过程中温度过高或者长时间和皮渣接触所引起,Al、Mn、Co含量过高被认为是发酵罐、输送管路、储酒罐等生产设备所带入
。也有学者认为生产工艺不同不仅会影响元素种类,也会影响元素浓度
。Hopfer等
研究发现葡萄栽培措施和酿造工艺都影响葡萄元素组成,同一酒厂酿造的葡萄酒具有相同元素组成。
在品种对葡萄酒元素组成研究上,Martin等
认为葡萄酒元素组成基本与葡萄品种无关,但多元素组成在不同产地葡萄酒中有显著差异。
Angela等得出了不同结论,发现在黑珍珠品种中含有更高的Zn、Cr、Ni、As、Cd,西拉中含有更高的K、Mg、Cu、Sb,其结果可把矿质元素含量与品种起源相联系。PÉREZ-ÁLVAREZA等研究表明,单以葡萄品种为依据对葡萄酒进行分类,准确性可达97%。虽然目前对各因素的具体影响尚不明确,但产地为最重要影响因素被普遍认可,在建立葡萄酒产地数据库时应考虑到这些因素,并在模型建立与优化上降低可能的影响因素。
1.3鉴别应用
目前,基于矿质元素指纹的葡萄酒产地鉴别技术研究已有许多报道(表1)。在实际研究中,通常由于样品量较大、变量较多,数据分析处理需采用化学计量学方法,如利用方差分析法(ANOVA)筛选不同产地间存在显著差异的元素,再对差异元素进行主成分分析(PCA)、聚类分析(CA)、线性判别分析(LDA)、偏最小二乘分析(PLS-DA)等处理。近七年文献统计,用于葡萄酒产地鉴别研究的元素共有72种元素,其中51种元素被认为有表征产地的作用,如Mn、Ni、Sr、Mg、Zn、Cu、Co、Pb、Al、Fe、Na、K、Ba、Cr、Ca等。Pasvanka等
仅利用Na、K、P、Mg、Ca等5种大量元素对希腊6个产区135个葡萄酒样品进行鉴别,分类正确率达到76.8%。Rocha等
利用Ca、Li、Mn、Co、Zn、Br、Sr、Cd、Ba、W和Tl等11个元素判别葡萄牙地理标志葡萄酒,正确率达76.7%。Yamashita等
通过测定来自4个国家(阿根廷、巴西、法国和西班牙)111个起泡葡萄酒样品中的12个化学元素,仅应用K、Li、Mn时分类准确率可达100%。
Yamashitaa等
对斯洛文尼亚地区葡萄酒产地鉴别时发现,矿质元素指纹有鉴别同一产区里不同子产区的潜力。在稀土元素研究方面,最初ANGUS等
对新西兰葡萄酒分类中认为稀土元素含量低、易变异,膨润土澄清会增加其含量,在葡萄酒产地鉴别上没有应用价值。近年来有两方面因素使稀土元素应用于葡萄酒产地鉴别成为可能:一是工业对其开发较少,植物从土壤中进行无差别吸收,分馏少;二是测定仪器检测限提高,可以精确检测到含量更低的元素。Aceto等
研究表明土壤、葡萄汁、葡萄酒之间的稀土元素含量无差别,证明了稀土元素在产地鉴别方面的有效性。
1 近七年基于矿质元素指纹的葡萄酒产地鉴别研究
Table1 Literature study on origin identification of wine based on mineral element fingerprintsin recent seven years
时间 | 前处理 | 测定元素 | 仪器 | 准确率 | 数据处理 | 产地 |
2013 | 稀释 | Ba, Bi, Cd, Co, Cr, Cu, Fe, Ga, Mn, Mo, Ni, Pb, Sb, Se, Sn, U, V, Zn, Al, As, Sr, Ti, Tl, Be, Li | ICP-MS | 100% | ANOVA, PCA, LDA | 克罗地亚 |
2013 | 微波消化 | Cr, Ni, Rb, Sr, Ag, Zn, Mn, Cu, Co, V, Pb, Be | ICP-MS | | PCA | 罗马尼亚 |
2013 | 消化 | Be, Cd, Co, Cr, Cu, Fe, Ga, K, Mg, Mn, Na, Tl, Zn, Al, B, Ba, Ca, Ni, Pb, Sr, Li | ICP-MS, ICP-AES | 80% | PCA, PLS-DA | 土耳其 |
2013 | 稀释 | Mg, Mn, Ga, Rb, Li | FAAS | 80% | ANOVA, LDA | 巴西 |
2014 | 稀释 | Li, Al, Ca, V, Mn, Co, Cd, U, B, Mg, Ni, Cu, Zn, Rb, Sr, Cs, Ba, Tl | ICP-MS | - | PCA, CA, DA | 南非 |
2014 | 稀释 | Li, Be, Sc, Ti, V, Co, Ge, As, Y, Zr, Nb, Mo, Ru, Ag, La, Ce, Nd, Gd, Dy, Ta, Re, Os, Ir, Pt, Au, Hg, Bi, Al, B, Ca, Cu, Fe, K, Mg, Mn, Na, Zn, Cr, Ni, Ga, Se, Sn, Sb, Ba, W, Pb | ICP-MS, ICP-OES | - | PCA | 斯洛文尼亚 |
2015 | 稀释 | Li, Be, V, Mn, Ni, Cu, Ge, Rb, Sr, Cd, Hg, Tl, Bi, Co, As, Mo, Ba, Pb | ICP-MS | 96.83%, 96.08%** | PCA, LDA | 阿根廷 |
2015 | 微波消化 | Fe, Zn, Mn, Ca, K, Mg, Na, Sr | ICP-AES | 100% | ANOVA, PCA, CA, DA | 中国 |
2015 | 稀释消化 | Sr, Rb, Mg, Ca, K, Na | MP-AES | 95.1%, 65.4%* | PLS-DA | 美国, 阿根廷 |
2016 | 微波消化 | Cr, Rb, Sr, Co,Mn, Ni, Cu, Zn, Pb, V | ICP-MS | 90.37% | ANOVA, LDA | 罗马尼亚 |
2017 | 消化 | K, Sb, Se, Ti, Tl, Zn, Al, As, B, Ba, Ca, Co, Cr, Cu, Fe, Li, Mg, Mn, Mo, Na, Ni, Pb, Rb, Sn, Sr, V | ICP-MS | 96.88% | LDA | 意大利 |
2017 | 稀释 | Cu, Fe, Mn, Na, Zn, P, K, Ca, Mg, B | ICP-AES | > 94% | PCA, OPLS-DA | 塞浦路斯共和国 |
2018 | 稀释 | Li, Be, Ag, Cd, Al, V, Cr, Ni, As, Se, Rb, Sr, Mo, Ba, Tl, Pb, Bi, U, Cu, Mn, Fe, Zn, Cr, Co | ICP-MS, gc-TOFMS | - | PCA | 波兰, 匈牙利,摩尔多瓦, 保加利亚 |
2018 | 稀释 | Na, Mg, P, K, Ca, Mn, Be, Cr, Ni, As, Se, In, Ir, Cd, Sr, Cu, Zn, V, Fe, Co, Ni, Mn, Sc, Cs, Ba, La, Ce, Pr, Nd, Al, Sm, Eu, Gd, Er, Tm, Yb, Pb, Bi. | ICP-MS | - | LDA | 葡萄牙 |
2018 | 消化 | Li, B, Na, Mg, Si, P, S, K, Ca, Mn, Co, Ni, Ga, Rb, Sr, Mo, Ba, Pb | ICP-MS, ICP-AES | 93.1%, 76.4%** | LDA | 日本 |
2018 | 稀释消化 | Zn, Ti, Cu, Mo, Cr, Ni, As, Pb, Mn, Co, Se, Sn, Sb, Cd, Ag, Bi, U, Ca, Eu, Gd, Tb, Dy, Er, Tm, Yb, Lu, Pr, Sm, Nd, La, Al, Fe, Sr, Be, Ba, Na, P, Mg, Rb, Li, Tl, Ce, K, V, Ho | ICP-MS, ICP-OES | 99% | LDA, SVM | 阿根廷, 巴西,智利, 乌拉圭 |
2018 | 微波消化 | Ca, Cu, Fe, Ni, Al, Pb, Cd, Hg, Se, Co, Sn, K, Na, Zn, Mg, Mn, Cr | ICP-MS, FAAS | 70%, 90%*** | ANOVA, PCA, LDA | 智利 |
2018 | 高压微波消化 | Be, Cr, Fe, Cu, Ga, Rb, Sn, Cs, La, Ce, Nd, Eu, Tm, Lu, W, Tl, Yb, Li, Na, Mg, Al, Ca, Mn, Ni, Zn, Sr, Mo, Sb, Ba, Pr, Sm, Gd, Tb, Dy, Ho, Er | ICP-MS | - | ANOVA, PCA, DA | 葡萄牙 |
2018 | 微波消化、稀释 | Li, Be, Ti, Cr, V, Ni, Sb, Ge, Se, Y, Zr, Nb, Mo, Cd, Sn, Te, Ba, Ce, Pr, Nd, Sm, Eu, Gd, Tb, Dy, Ho, Er, Tm, Yb, Lu, Tl, Pb, Bi, Si, Cu, Co, Ca, As, Al, Mg, B, Fe, K, Rb, Mn, Na, P, Ga, Sr | ICP-MS, ICP-OES | 98% | ANOVA, PLS-DA, SVM | 中国 |
2018 | 微波灰化 | La, Ce, Pr, Nd, Sm, Eu, Gd, Tb, Dy, Ho, Er, Tm, Yb | ICP-MS | - | AHC | 意大利 |
2019 | 稀释消化 | Al, Cr, Fe, Co, As, Se, Cd, P, K, Ca, Mn, Ni, Cu, Zn, Sr, Cs, Ba, Pb, Na, Mg | ICP-MS | 100%, 97%, 95.8%**** | LDA, ANOVA | 西班牙 |
2019 | 稀释消化 | B, Na, Mg, Al, P, S, K, Ca, Ti, Fe, Co, Cu, Rb, Y, Cs, Ba, Pr, Nd, Sm, Eu, Gd, Dy, Ho, Er, Tm, Yb, T, Mn, Zn, Pb, As, Si, Ni, La, Sr, Zr, Ce | ICP-MS | 96.2%***** | LDA, ANOVA, PCA | 美国 |
注:-文中没有提及,加粗体为可识别葡萄酒产地的特征元素。
*区分两个国家的葡萄酒其模型准确率达到95.1%、区分阿根廷三个地区的葡萄酒其模型准确率达到65.4%。
**前者为分类准确率,后者为预测准确率。
***该模型红葡萄酒分类准确率达70%,白葡萄酒分类准确率达90%。
****根据元素区分品种正确率达到97%,根据元素区分橡木桶陈年的正确率可达到95.8%。
*****该准确率由
δ2H与Mn、Zn、Pb、As、Si、Ni、La、Sr、Zr、Ce所共同决定的。仪器:
ICP-MS(电感耦合等离体质谱);ICP-AES(电感耦合等离子体原子发射光谱法);ICP-OES(电感耦合等离子体发射光谱仪);FAAS(
火焰[url=https://insevent.instrument.com.cn/t/Wp]原子吸收光谱仪);
gc-TOFMS(
气相色谱-飞行时间质谱);数据处理:ANOVA(方差分析);PCA(主成分分析); LDA(线性判别分析);CA(聚类分析); DA(判别分析);PLS-DA(偏最小二乘法);SVM(支持向量机);AHC(聚集分层聚类)。
2 稳定同位素比质谱鉴别技术2.1分析方法
稳定同位素可分为轻同位素和金属同位素,其中轻同位素主要有C、H、O等,金属同位素主要有Sr、Pb、Mg等。测定轻同位素常用同位素比质谱(IRMS)和点特异性核磁共振(SNIF-NMR)技术,葡萄酒样品中C、H、O同位素的测定已被OIV列为官方推荐方法,如应用元素分析仪-同位素比质谱(EA-IRMS)测定乙醇中的C同位素比(OIV-MA-AS312-06);
气相色谱-燃烧-同位素比质谱联用(
gc-C-IRMS)或
液相色谱-同位素比质谱联用技术(LC-IRMS)测定甘油中的C同位素比(OIV-MA-AS312-07);SNIF-NMR测定乙醇分子中H同位素比(OIV-MA-AS311-05);水平衡仪-同位素比质谱仪(EQ-IRMS)测定葡萄酒中水的O同位素比(OIV-MA-AS2-12)等。EA-IRMS通常测定样品整体C、N同位素,样品经高温燃烧转化为气体,除杂、除水后进入质谱,若用该仪器测定乙醇等有机物中的C,需要先在无分馏情况下将该有机物提取后再测定;
gc或LC分别起到将样品中易挥发或不易挥发成分分离的作用,再经过IRMS测定各组分的C同位素;SNIF-NMR主要测定乙醇分子中不同位点(CH
3-和CH
2-)的H同位素,但由于仪器价格高,国内应用较少
;EQ-IRMS的原理是标准参考气(CO
2或H
2)与样品中水在一定温度下发生同位素交换,一定时间后达到平衡,测定平衡后气体得到样品中H或O同位素比值。
最早测定金属同位素比的仪器是热电离质谱(TIMS),传统法多采用该仪器测定,通过加热使原子电离后再进入质谱测定,易引入杂质;近年来,多接收电感耦合等离子质谱(MC-
ICP-MS)、四极杆-
电感耦合等离子体质谱(Q-
ICP-MS)及高分辨电感耦合等离子质谱(HR-
ICP-MS)也被用于金属同位素的测定,且较TIMS具有更高准确率和抗干扰能力
。
2.2影响酒中稳定同位素比的因素
稳定同位素在生物生命过程中,受到物理、化学、生物化学等因素的影响,会产生分馏现象,使环境中各同位素丰度不同,进而可以利用同位素比的不同对年份差异、地理属性、环境演变进行跟踪和预测。目前,稳定同位素比质谱技术在地球地质或海水演变示踪中有广泛应用,近些年又被用于食品产地鉴别上,如羊肉
、茶叶
、蜂蜜
、葡萄酒等,该技术可以弥补矿质元素指纹应用的局限性,更有利于区分产地土壤、气候、水源相近的葡萄酒产地
。影响同位素丰度的因素主要有气候,降水,纬度,海拔,季节等。C、O同位素分馏现象如图1,其各个环节均可影响C、O同位素比。水的稳定同位素(H、O)可以产生独特的地理信息,葡萄从土壤中吸收降水,并降水中H、O结合到光合作用产物中,使葡萄酒中H、O同位素比与降水具有极高相似度,且与酿造过程中添加外源水不同,即葡萄酒水中H、O同位素比与葡萄原料和降水有良好相关性,故可以利用葡萄酒中H、O同位素比的差异进行产地鉴别
。
图1碳氧同位素的流动方向Fig. 1Flow direction of carbon and oxygen isotopes
近年来,Sr既不是葡萄组成的基本元素也不是葡萄生长所需成分
,在植物生命过程中并不分解,葡萄酒中Sr全部从土壤中吸收所得,不易受自然环境、农业实践、酿造过程等因素影响,比轻同位素更稳定,被认为是食品产地鉴别的最佳指纹信息
。在对土壤与葡萄酒中Sr的研究中,Petrini等
研究表明,
87Sr/
86Sr的值与葡萄酒产地土壤有良好的相关性,Sr从土壤到葡萄中没有分馏现象,不受葡萄酒酿造工艺的影响,如添加外源单宁、膨润土等,认为Sr可以作为整个藤本植物的代表元素,可应用于葡萄酒产地鉴别上。Marchionni等
研究发现年份和生产工艺均不影响葡萄酒中Sr同位素的比值,证实葡萄酒中的Sr同位素可以作为葡萄酒产地鉴别的可靠工具。Durante等
对意大利原产地保护地区的土壤、葡萄枝条、葡萄酒中的Sr做了一系列研究,结果表明土壤和葡萄酒中Sr元素范围完全一致,并与酒年份无关,利用Sr构建同位素图谱,显示了Sr元素作为葡萄酒产地鉴定的特征元素具有可行性。
2.3鉴别应用
2.3.1轻稳定同位素
C、H、O同位素在葡萄酒产地鉴别研究中最为广泛和深入(表2),Raco等
对乙醇中的
δ13C和葡萄酒水的
δ18O进行分析,强调了光合作用途径和环境条件的重要性,
δ18O在葡萄浆果和葡萄酒产地鉴别上有应用价值。
δ18O与
δ2H结合分析对葡萄酒产地鉴别具有更为突出的作用,如Camin等
研究也发现
δ18O和
δ2H在气候条件和地理环境上普遍相关。
δ18O对中国葡萄酒产区分类取得良好效果,
如FanShuangxi等
应用PLS-DA(偏最小二乘法)和SVM(支持向量机)方法处理元素组成和
δ18O数据,对中国葡萄酒产区分类,正确率达95%。江伟等
用SNIF-NMR和IRMS测定中国5个产区酒样,结果表明气候条件差异较大地区(如北疆和胶东半岛)的酒样分类正确率可达100%。
表2 近七年基于轻同位素(C、H、O)技术的葡萄酒产地鉴别研究
Table 2 Literature on the identification of lightisotope (C、H、O) isotopic wineorigins in the past seven years
时间 | 测定元素 | 仪器 | 数据处理 | 准确率 | 产地 |
2013 | δ18O, δ13C | IRMS | ANOVA, DA | 80% | 巴西 |
2013 | (D/H)I | 1H NMR | PCA, LDA, MANOVA, | 89% | 德国 |
2014 | δ18O, δ13C, (D/H)I, (D/H)II | IRMS SNIF-NMR | PCA, LDA | 100% | 中国 |
2014 | (D/H) I, (D/H) II | IRMS SNIF-NMR | DA | - | 黎巴嫩 |
2014 | δ18O, (D/H)I, (D/H)II | IRMS SNIF-NMR | ANOVA, CLV, LDA, PLS-DA, FDA, ICA | 100%* | 德国 |
2015 | δ18O, δ13C, (D/H)I, (D/H)II | IRMS SNIF-NMR | Linear modeling | - | 意大利 |
2015 | δ18O, δ13C, δ2H | IRMS | - | - | 意大利 |
2015 | δ18O | IRMS | ANOVA, DA | - | 澳洲, 法国,中国, 美国 |
2015 | δ18O, δ13C, (D/H)I, (D/H) II | IRMS SNIF-NMR | PCA, correlation analysis | - | 意大利 |
2016 | δ18O, δ13C, δ2H | IRMS | - | - | 希腊 |
2016 | δ18O, δ13C | IRMS | ANOVA, LDA | - | 罗马尼亚 |
2016 | δ18O, δ13C, (D/H)I, (D/H)II | IRMS SNIF-NMR | LDA | 100% | 中国 |
2017 | δ18O | IRMS | ANOVA, PLS-DA, SVM | 98% | 中国 |
2017 | δ13C, δ15N | IRMS | T-test, PCA | - | 中国 |
2018 | δ18O, δ13C, (D/H)I, (D/H)II | NMR, IRMS | PCA, ANOVA | 95% | 意大利 |
2019 | δ18O, δ2H | CRDS | PCA, ANOVA, LDA | 96.2% | 美国 |
2019 | δ18O, δ13C, (D/H)I, (D/H)II | IRMS | PCA, PCF, CDA | - | 奥地利, 捷克, 斯洛伐克 |
注:—文中没有提及。*利用IRMS和SNIF-NMR技术得到1HNMR的数据,预测准确率达到100%,单独使用IRMS预测准确率达到60%-70%,单独使用SNIF-NMR预测准确率达到82%-89%;年份对葡萄酒产地模型也有加强,单独使用SNIF-NMR准确率达到88%-97%,而融合数据准确率达到99%。仪器:IRMS(同位素比质谱仪);
1H NMR(氢核磁共振);NMR(核磁共振);SNIF-NMR(点特异性天然同位素分馏核磁共振技术);CRDS(腔衰荡光谱法)。数据处理:ANOVA(方差分析);DA(聚类分析);PCA(主成分分析);LDA(线性判别分析);MANOVA(多元素方差分析);PLS-DA(偏最小二乘法);FDA(因子判别分析);CLV(潜在变量聚类);ICA(独立成分分析);SVM(支持向量机);FA(因子分析);PCF(主成分分解法);CDA(标准判别分析法)。
用于葡萄酒产地鉴别轻同位素还有B元素等,如
Almeida等[67]利用ICP-OES测定巴西四个葡萄酒产区酒样,结果表明西南部三个产区相似度极高,与东北部有明显差异,并利用B将巴西与智利、意大利、葡萄牙的葡萄酒区分开。Coetzee等
[30]对不同品种和砧木组合进行B元素测定,发现不同组合中同位素B比值不同,认为B有助于农产品种起源的确定。目前研究均表明单独使用一种轻同位素很难准确鉴别葡萄酒产地,普遍结合多元素分析方法鉴别葡萄酒产地。
2.3.2金属稳定同位素
Sr具有
84Sr、
86Sr、
88Sr三种天然稳定同位素,
87Sr是岩石或矿物中的Rb经β衰变形成的稳定同位素,
87Rb与
87Sr是同质异位素,在质谱分析中
87Rb会干扰
87Sr测定的准确性
,所以优化酒样中Sr的提取十分重要。Durante等
对分离Rb和Sr的条件进行优化,以硝酸洗脱体积、硝酸回收体积和水洗脱体积为变量,得出最优条件为12mL HNO
3(8M)洗脱,再利用4mL HNO
3(8M)进行回收,最后用12mL超纯水进行洗脱,使用MC-
ICP-MS测定样品,初步建立葡萄酒可追溯模型。对Sr的纯化方法还有先微波消化再经过树脂柱,王琛等
选择利用Dowes50 W×8树脂对Sr进行纯化,当Rb/Sr< 0.01即认为Rb对Sr没有干扰作用,使用指数矫正法得到
87Sr/
86Sr的比值更接近真实值。Geană等
同样利用Dowes 50 W×8树脂对酒样进行阳离子吸附,用乙二胺四乙酸(EDTA)去除Rb对Sr的干扰,并结合元素组成鉴别产地,准确率达100%。Epova等
研究发现
87Sr/
86Sr在较小的范围内波动(0.70829到0.71022),可以用于确定波尔多地区葡萄酒特性,但单独使用Sr元素鉴别产地仍是不可靠的。目前研究中普遍认为Sr可以作为葡萄酒产地鉴别的重要指标,但是其测定需要先进仪器和复杂、精确的前处理,对试验条件要求高。在实际应用如果对Sr元素的前处理加以改进,有效去除Rb、Ca元素的干扰,并与矿质元素指纹技术相结合,有利于提高葡萄酒产地鉴别准确率。
用于葡萄产地鉴别的金属同位素还有Mg、Pb等,如逯海等
通过阳离子树脂富集Mg,以H
2、He的混合气体碰撞消除同量异位素的干扰,结果表明大多数地区
25Mg/
24Mg、
26Mg/
24Mg有较大差异,认为同位素Mg可以用于葡萄酒产地鉴别。Mihaljevič等
测定葡萄酒和土壤中
207Pb/
206Pb、
208Pb/
206Pb,发现工业污染较大的地区Pb含量增加,Pb含量受污染影响较大。利用同位素
204Pb/
206Pb、
207Pb/
206Pb、
208Pb/
206Pb可以对巴西南部和东北部地区进行有效区分,Pb同位素被认为是研究巴西地理起源有很好前景的工具之一
,但单独使用Pb鉴别葡萄酒产地仍是不现实的。
3 次生代谢产物鉴别技术生物体次生代谢产物在其生命活动中起重要作用,由初生代谢产物形成,其功能是提供生物体生长非必需的小分子物质。用于产地鉴别的物质包括
酚类化合物、香气化合物、氨基酸等。
3.1分析方法
香气物质测定分为感官分析法和仪器分析法,仪器分析法常用电子鼻(Enose)和
气相色谱(
gc-MS),也可将两者联用。近年来电子鼻应用广泛,可以测定香气成分的整体情况,具有测定范围广,操作简单,可实时测定,不易引入其他杂质,比传统感官分析更客观等的优点,但也会受传感器类型、灵敏度和环境条件等的限制
。基于MS的电子鼻,灵敏度更高,可以得到物质的定性信息
。应用
gc-MS时需要提取样品中香气物质,提取方法主要有溶剂萃取法、蒸汽蒸馏法、固相萃取法、超临界萃取法、顶空分析技术、固相微萃取技术等
,可用于测定热稳定性好的物质,有商品化谱库对物质进行定性定量,并可确定分子式和分子结构。
酚类物质常用高效
液相色谱(HPLC)检测,其配备的检测器不同检测效果亦不同,如紫外/可见光检测器
(UV/V)、二极管阵列检测器(PDA
或DAD
)、质谱(MS)、二级质谱(MS-MS)、四极飞行时间-质谱
(QTOF-MS)等。UV检测器基于物质对紫外光的吸收原理设计而成,灵敏度和选择性均较好,对于紫外光吸收差的化合物测定效果不佳;PDA或DAD可测定任意波长,在物质纯度和定性鉴别中的效果更好;MS具有高灵敏度,分析范围广等特点被广泛应用,MS-MS可以提供更多物质碎片信息,在定性中表现优于MS;QTOF-MS在样品分析中用时短,可提供高分辨图谱。
3.2影响酒中次级代谢产物的因素
生物体次生代谢产物是其在长期进化中和环境相互作用的结果,在生物体不同器官、组织中分布种类数量不同,受植物本身及其生活环境影响
。用于葡萄酒产地鉴别的次生代谢产物主要有香气物质、酚类物质。随着全球化进程,更多企业为迎合市场,酿造葡萄酒趋向一致化,在气候条件、酿造工艺、品种等因素的共同影响下,单从感官分析判定葡萄酒产地十分困难。仪器测定香气时,样品香气提取过程中,会使易挥发香气物质部分损失,仪器条件也会一定程度影响香物质的测定结果。酚类物质是决定葡萄酒质量的重要参数之一,并取决于葡萄品种、种植地风土、酿造工艺和陈酿条件
。在Amargianitaki等
的研究中发现,葡萄中含有的多种次级代谢产物,如花色苷、黄酮醇等,均受品种、气候、栽培条件的强烈影响,可能是区分葡萄酒不同风格的良好候选物。
3.3鉴别应用
3.3.1香气物质
香气物质是葡萄酒质量评价的重要指标之一,且种类繁多,文献显示可以利用葡萄酒香气鉴别葡萄酒产地。Berna等
使用来自三个国家和六个地区的34种长相思酒样,通过
gc-MS、金属氧化物电子鼻(MOS-Enose)和质谱-电子鼻联用(MS-Enose)获得的酒样分类信息,可以预测长相思酿造葡萄酒产地,鉴别的平均误差为6.5%。Green等
将新西兰、法国、奥地利葡萄酒,应用顶空固相微萃取-
气相色谱法对三个产地葡萄酒香气进行区分,得出地理来源可以影响葡萄酒挥发性成分和感官特性,并总结出不同种类香气物质和其对应的感官描述词。对阿根廷门多标准化酿造葡萄酒,利用高效
液相色谱测定酚类物质,并进行感官特征分析,结果表明地理位置对葡萄酒酚类物质和感官评价有影响,且感官特征和酚类物质之间有相关性
。虽然目前葡萄酒产地鉴别技术有更多选择性,但感官测定仍是一种重要方法。在葡萄酒香气和风味复杂度的鉴别上,多结合轻同位素进行鉴别,但是因为葡萄酒香气受气候条件、酿造工艺及品种的影响较大,其测定准确性有待提高。
3.3.2酚类物质
酚类物质是一类庞大的次生代谢产物,具有支撑酒体的功能,葡萄酒酿造过程中提取自种子和果皮。Belmiro等
应用HP
LC-MS测定,可以对没食子酸、表儿茶素、儿茶素、槲皮素-3-葡萄糖苷、槲皮素、杨梅素和白藜芦醇八种酚类物质定量,在阿根廷和南非葡萄酒中这些酚类物质有差别。Rocchetti等
应用超高效
液相色谱-四极质谱联用技术(UHPLC-ESI/QTOF-MS)对不同地区的六种霞多丽白葡萄酒其中酚类物质进行测定,结果表明黄酮类物质是区分葡萄酒产地的主要多酚类物质。Geana等
利用HPLC-PDA测定罗马尼亚地区葡萄酒中七种酚类物质含量,发现(+)-表儿茶素、(-)-表儿茶素、对香豆酸、阿魏酸和白藜芦醇是有效的葡萄酒产地鉴别物质,同时该研究还测定无机元素,结果表明将两种方法相结合,对葡萄酒产地鉴别具有可行性。Amargianitaki等
应用利用核磁共振波谱(NMR),借助二维核磁共振波谱,获得葡萄酒的非挥发性代谢谱和酚类代谢谱,将其与多元分析技术相结合,用于葡萄酒产地鉴别研究。Pisano等
研究结果表明花青素可以有效区分八个葡萄品种和三个葡萄酒产地,被认为是可以有效鉴别葡萄酒产地的物质。
目前大多数研究均表明酚类物质可以假定为化学标记以区分葡萄酒产地,但也有研究得到不同结论,Fraige等
对巴西产地11种不同葡萄品种,应用串联质谱法,通过吸收光谱和裂解模式鉴定20种花青素,采用主成分分析方法,发现花青素在不同葡萄品种间有差异,在不同地域之间无法用花青素种类进行考量。
Karasinski等利用
气相色谱-飞行时间质谱测定,结果表明地理因素对其中一些化合物影响强烈,可能对产地鉴别有特别作用,如一些氨基酸、糖酸、高级醇等。Žurga等
测定克罗地亚两个当地品种和两个国际品种中多种酚类物质,经标准判别分析可以区分品种和产地间不同,故认为酚类物质在产地真实属性鉴别中有应用潜力。目前对化合物的识别存在一定困难,样品经前处理后也很难使化合物被有效分离,需要进一步研究样品前处理方法,目前利用酚类物质鉴别葡萄酒产地方法仍不健全,与其他化合物或其他产地鉴别方法结合,可能会得到更好的效果。
综上所述,次级代谢产物在葡萄酒产地鉴别上有一定应用价值,由于其与植物自身生长代谢密切相关,容易出现代谢组特性差异不大的情况,如相同品种在不同产地的会产生相似的次级代谢产物;此外,次级代谢产物在葡萄酒装瓶后仍会不断发生变化,随时间推移,葡萄酒中物质会发生不可控变化,对产地鉴别的准确性造成干扰。
4 展望随着人民生活水平提高,越来越多人意识到原产地对食品质量的重要性,通过对葡萄酒的追根溯源,可以更好的在源头控制葡萄酒质量,建立精确的指纹数据库,给葡萄酒市场管理提供参考依据。
在葡萄酒产地鉴别研究中多利用多元素分析法和同位素比值质谱法,方法的适用性和有效性被许多研究者证实,但通常不能避免一定数量的错误。目前研究存在的问题和发展趋势有:(1)测定样品数量有限,大多数研究只测定几十种上百种,对于模型和数据库的建立有局限性,开发100%精确葡萄酒产地鉴别技术十分困难。其主要原因是判别模型的建立无法收集目标产区的所有元素数据。葡萄酒产区土质中矿质元素含量和稳定同位素比
受种植地土壤、气候、品种、酿造工艺等多重因素影响,只有使用大量样本数据才能提高判别准确率。(2)测定元素种类较多,对特征性元素的筛选不够准确,可以结合各地区土壤、葡萄枝条、葡萄汁、葡萄酒中的矿质元素,开发出更多样更精准的产地特征性元素,建立各产地葡萄酒特征性元素数据库。(3)利用轻稳定同位素进行产地鉴别时,通常不能只利用一种同位素,多与多元素分析方法相结合。金属稳定同位素Sr在产地鉴别上有很好应用前景。(4)稀土元素在应对气候和酿造工艺变化时,表现更加稳定,后续应该更多关注一些稀土元素在葡萄酒产地鉴别上的应用。参考文献