CN111896657B - 烟叶源香料风格特征组分的筛选方法 - Google Patents

烟叶源香料风格特征组分的筛选方法 Download PDF

Info

Publication number
CN111896657B
CN111896657B CN202010790500.5A CN202010790500A CN111896657B CN 111896657 B CN111896657 B CN 111896657B CN 202010790500 A CN202010790500 A CN 202010790500A CN 111896657 B CN111896657 B CN 111896657B
Authority
CN
China
Prior art keywords
screening
tobacco
fragrance
style
samples
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010790500.5A
Other languages
English (en)
Other versions
CN111896657A (zh
Inventor
李超
武怡
杨乾栩
李雪梅
范多青
叶灵
刘巍
吴佳
高文军
陈建华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Tobacco Yunnan Industrial Co Ltd
Original Assignee
China Tobacco Yunnan Industrial Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Tobacco Yunnan Industrial Co Ltd filed Critical China Tobacco Yunnan Industrial Co Ltd
Priority to CN202010790500.5A priority Critical patent/CN111896657B/zh
Publication of CN111896657A publication Critical patent/CN111896657A/zh
Application granted granted Critical
Publication of CN111896657B publication Critical patent/CN111896657B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/04—Preparation or injection of sample to be analysed
    • G01N30/06—Preparation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/26—Conditioning of the fluid carrier; Flow patterns
    • G01N30/28—Control of physical parameters of the fluid carrier
    • G01N30/30—Control of physical parameters of the fluid carrier of temperature
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/26—Conditioning of the fluid carrier; Flow patterns
    • G01N30/28—Control of physical parameters of the fluid carrier
    • G01N30/32—Control of physical parameters of the fluid carrier of pressure or speed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/26—Conditioning of the fluid carrier; Flow patterns
    • G01N30/28—Control of physical parameters of the fluid carrier
    • G01N30/34—Control of physical parameters of the fluid carrier of fluid composition, e.g. gradient
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/62—Detectors specially adapted therefor
    • G01N30/74—Optical detectors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8696—Details of Software
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0001—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00 by organoleptic means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/26—Conditioning of the fluid carrier; Flow patterns
    • G01N30/28—Control of physical parameters of the fluid carrier
    • G01N30/32—Control of physical parameters of the fluid carrier of pressure or speed
    • G01N2030/324—Control of physical parameters of the fluid carrier of pressure or speed speed, flow rate

Abstract

本发明涉及一种烟叶源香料风格特征组分的筛选方法，属于烟用香料技术领域。该方法包括样本采集、样本色谱分析、样本感官评价、预处理、Mann‑Whitney‑Wilcoxon检验、变量筛选六大步骤。本发明以频率比值X为依据，以烟叶的风格特征为效应基础，以高效液相色谱原始数据和烟叶主要化学成分数据为成分基础，筛选可凸显卷烟特定风格特征的组分。该方法为的感官风格凸显香料的制备工作指明了方向。将筛选到的特征组分，应用到了烟叶源特征香料的开发中，感官评价结果优异，具有较好的现实意义。

Description

烟叶源香料风格特征组分的筛选方法
技术领域
本发明属于烟用香料技术领域，具体涉及一种烟叶源香料风格特征组分的 筛选方法。
背景技术
随着卷烟低焦化趋势的发展，低焦油卷烟带来的口感欠缺，香气降低等问 题日益突出。如何弥补低焦化带来的卷烟抽吸品质欠缺问题，已成为烟草行业 研究的热点方向。行业内从天然芳香性植物、微生物衍生发酵、烟草本体开发 卷烟用香精香料的研究成果层出不穷。对于烟草源香料，一方面，具有能增补 烟草特征香气、透发烟草本香的效果。通过不同工艺手段，如分子蒸馏、膜色 谱等选择性分离技术，可指向性地对特定性质的烟叶成分富集，其产物往往具 有特征的品质，从而实现对某一等级、某一品质或某一风格的烟叶进行补充和 替代，对缓解优质原料需求矛盾、提升产品品质有重要作用。另一方面，烟草源香料来源于烟叶本身，不受烟用添加剂名单限制，安全性也有保障。因此开 发烟叶源香料已成为卷烟企业当前的热点之一。
目前烟叶源香料的开发，整体上还处于目的性、应用性及指向性不强的阶 段，应用成果往往严重滞后于研究成果。这样的研究带来的结果往往是开发出 的烟叶源香料需要经过大量的应用试验才能找到合适的应用产品，甚至无法找 到适合其特征的卷烟产品，造成研究的浪费。因此发展目标性强的，具有指向 性的香精香料产品势在必行。
发明内容
本发明的目的是为了解决现有技术的不足，提供一种烟叶源香料风格特征 组分的筛选方法。
为实现上述目的，本发明采用的技术方案如下：
一种烟叶源香料风格特征组分的筛选方法，包括如下步骤：
步骤(1)，样本采集：采集不同品种及等级的烟叶样本；
步骤(2)，样本色谱分析：对步骤(1)采集的烟叶样本平衡后粉碎，之后 振荡提取，得到的提取液采用高效液相色谱进行分析；
步骤(3)，样本感官评价：对步骤(1)采集的烟叶样本按照YC-T497-2014 卷烟中式卷烟风格感官评价方法标准对烟叶的风格特征进行感官评价；所述的 风格特征包括清甜香、花香、清滋香、干草香、酸香、坚果香、焦甜香、烘焙 香、木香、蜜甜香、辛香、果香；
步骤(4)，预处理：将步骤(2)分析得到的烟叶液相色谱图原始数据导出， 进行基线校正和峰对齐，获得以样品编号为列、以保留时间为行、每个数据点 为对应峰强度的液相数据矩阵；根据预筛选风格特征的感官评吸结果，选取评 分小的样本和评分大的样本作为0组和1组；
步骤(5)，Mann-Whitney-Wilcoxon检验：采用Mann-Whitney-Wilcoxon 检验方法筛选在0组和1组中具有统计学差异的保留时间点；根据显著性水平P ＜0.05或0.01的选择结果，选择具有统计学意义的保留时间点，供后续数据分 析；
步骤(6)，变量筛选：采用蒙特卡洛采样法，在n次迭代范围内，以固定 比例随机抽取样本和变量，将每次迭代选择的样本和变量通过偏最小二乘法， 构建色谱图保留时间点和预筛选风格特征的感官评吸结果的关系模型；之后， 计算每次构建模型的RMSE；n次迭代后，共产生n个模型，其RMSE的分布 呈现正态分布，选择正态分布中的右尾和左尾的模型分别作为大误差模型和小 误差模型；分别收集每个变量在大误差模型中的出现频率F大(i)和小误差模 型的出现频率F小(i)，然后通过下式计算各个变量的出现频率比值X；
X＝F小(i)/F大(i)；
所述的变量为i为保留时间点；
最后，选择频率比值X大于2.5的保留时间点作为最终筛选得到的品质特 征组分。
进一步，优选的是，步骤(2)中，平衡条件是置于温度(22±2)℃，相 对湿度(60±5)％的恒温恒湿箱内平衡48h。
进一步，优选的是，步骤(2)中，粉碎后过60目筛，取筛下物振荡提取。
进一步，优选的是，步骤(2)中，提取溶剂为体积浓度为50％的乙醇，料 液比为100mg：20.0mL；提取时间为20min。
进一步，优选的是，步骤(2)中，得到的提取液采用0.45μm的滤膜过滤 后进高效液相色谱；
液相条件：A相为质量浓度为0.1％甲酸水溶液；B相为甲醇；柱温：30℃； 流速：1.0mL/min；检测波长：254nm、270nm和DAD全扫描；梯度洗脱， 后运行时间为3min，洗脱梯度如表1；
表1
梯度洗脱流动相变化时间点/(min) A相/(％) B相/(％)
0 95 5
25 20 80
35 10 90
45 95 5
进一步，优选的是，步骤(6)中，所述的右尾和左尾均占正态分布的1％ 或5％。
进一步，优选的是，步骤(6)中，样本数<100时，抽取比例为20％；100 ≤样本数≥500，抽取比例为10％；样本数>500时，抽取比例为5％。
本发明同时提供采用上述烟叶源香料风格特征组分的筛选方法筛选出的某 风格特征组分在制备该风格特征香料中的应用。
本发明中获得以样品编号为列、以保留时间为行、每个数据点为对应峰强 度的液相数据矩阵，即第一行为第一个样品，第一行第一个元素为第一个样品 第一个保留时间点所对应的峰强度。
本发明中RMSE为均方根误差，计算公式通常为{[(x1-x)^2+ (x2-x)^2+......(xn-x)^2]/N}^0.5。
本发明与现有技术相比，其有益效果为：
本发明针对现有方法在烟叶特征组分筛选中存在的问题，研究开发了以频 率比值X为依据的筛选方法，以烟叶的风格特征为效应基础，以高效液相色谱 原始数据和烟叶主要化学成分数据为成分基础，筛选可凸显卷烟特定风格特征 的组分；该方法为的感官风格凸显香料的制备工作指明了方向。将筛选到的特 征组分，应用到了烟叶源特征香料的开发中，感官评价结果优异，具有较好的 现实意义。
附图说明
图1为不同地域、等级、部位的烟叶高效液相色谱代表图；
图2为模型误差分布图；
图3为保留时间点选中频率分布图；其中，上图为在大误差模型中的出现 频率；下图为在小误差模型的出现频率；纵坐标为出现的次数，横坐标的是第 多少个保留时间点；
图4为筛选变量的主成分得分图
图5为筛选的保留时间12.47和24.80min的散点图；
图6为保留时间12.47和24.80min在清甜香0和1组的相对含量分布盒状 图；
图7为添加了具有清甜香风格特征的液体香精卷烟的感官评价结果；其中， A.评委对卷烟A3第1组感官评价平均结果；B.评委对卷烟A3第2组感官评价 平均结果；C.评委对卷烟A3第3组感官评价平均结果；D.评委对对照组A感官 评价的平均结果。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限 定本发明的范围。实施例中未注明具体技术或条件者，按照本领域内的文献所 描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商 者，均为可以通过购买获得的常规产品。
实施例1
一种烟叶源香料风格特征组分的筛选方法，包括如下步骤：
步骤(1)，样本采集：采集不同品种及等级的烟叶样本；
步骤(2)，样本色谱分析：对步骤(1)采集的烟叶样本平衡后粉碎，过60 目筛，取筛下物振荡提取，得到的提取液采用高效液相色谱进行分析；平衡条 件是置于温度(22±2)℃，相对湿度(60±5)％的恒温恒湿箱内平衡48h； 提取溶剂为体积浓度为50％的乙醇，料液比为100mg：20.0mL；提取时间为 20min；
步骤(3)，样本感官评价：对步骤(1)采集的烟叶样本按照YC-T497-2014 卷烟中式卷烟风格感官评价方法标准对烟叶的风格特征进行感官评价；所述的 风格特征包括清甜香、花香、清滋香、干草香、酸香、坚果香、焦甜香、烘焙 香、木香、蜜甜香、辛香、果香；
步骤(4)，预处理：将步骤(2)分析得到的烟叶液相色谱图原始数据导出， 进行基线校正和峰对齐，获得以样品编号为列、以保留时间为行、每个数据点 为对应峰强度的液相数据矩阵；根据预筛选风格特征的感官评吸结果，选取评 分小的样本和评分大的样本作为0组和1组；
步骤(5)，Mann-Whitney-Wilcoxon检验：采用Mann-Whitney-Wilcoxon 检验方法筛选在0组和1组中具有统计学差异的保留时间点；根据显著性水平P ＜0.05或0.01的选择结果，选择具有统计学意义的保留时间点，供后续数据分 析；
步骤(6)，变量筛选：采用蒙特卡洛采样法，在n次迭代范围内，以固定 比例随机抽取样本和变量，将每次迭代选择的样本和变量通过偏最小二乘法， 构建色谱图保留时间点和预筛选风格特征的感官评吸结果的关系模型；之后， 计算每次构建模型的RMSE；n次迭代后，共产生n个模型，其RMSE的分布 呈现正态分布，选择正态分布中的右尾和左尾的模型分别作为大误差模型和小 误差模型；分别收集每个变量在大误差模型中的出现频率F大(i)和小误差模 型的出现频率F小(i)，然后通过下式计算各个变量的出现频率比值X；
X＝F小(i)/F大(i)；
所述的变量为i为保留时间点；
最后，选择频率比值X大于2.5的保留时间点作为最终筛选得到的品质特 征组分。
实施例2
一种烟叶源香料风格特征组分的筛选方法，包括如下步骤：
步骤(1)，样本采集：采集不同品种及等级的烟叶样本；
步骤(2)，样本色谱分析：对步骤(1)采集的烟叶样本平衡后粉碎，之后 振荡提取，得到的提取液采用高效液相色谱进行分析；
步骤(3)，样本感官评价：对步骤(1)采集的烟叶样本按照YC-T497-2014 卷烟中式卷烟风格感官评价方法标准对烟叶的风格特征进行感官评价；所述的 风格特征包括清甜香、花香、清滋香、干草香、酸香、坚果香、焦甜香、烘焙 香、木香、蜜甜香、辛香、果香；
步骤(4)，预处理：将步骤(2)分析得到的烟叶液相色谱图原始数据导出， 进行基线校正和峰对齐，获得以样品编号为列、以保留时间为行、每个数据点 为对应峰强度的液相数据矩阵；根据预筛选风格特征的感官评吸结果，选取评 分小的样本和评分大的样本作为0组和1组；
步骤(5)，Mann-Whitney-Wilcoxon检验：采用Mann-Whitney-Wilcoxon 检验方法筛选在0组和1组中具有统计学差异的保留时间点；根据显著性水平P ＜0.05的选择结果，选择具有统计学意义的保留时间点，供后续数据分析；
步骤(6)，变量筛选：采用蒙特卡洛采样法，在n次迭代范围内，以固定 比例随机抽取样本和变量，将每次迭代选择的样本和变量通过偏最小二乘法， 构建色谱图保留时间点和预筛选风格特征的感官评吸结果的关系模型；之后， 计算每次构建模型的RMSE；n次迭代后，共产生n个模型，其RMSE的分布 呈现正态分布，选择正态分布中的右尾和左尾的模型分别作为大误差模型和小 误差模型；分别收集每个变量在大误差模型中的出现频率F大(i)和小误差模 型的出现频率F小(i)，然后通过下式计算各个变量的出现频率比值X；
X＝F小(i)/F大(i)；
所述的变量为i为保留时间点；
最后，选择频率比值X大于2.5的保留时间点作为最终筛选得到的品质特 征组分。
步骤(2)中，得到的提取液采用0.45μm的滤膜过滤后进高效液相色谱；
液相条件：A相为质量浓度为0.1％甲酸水溶液；B相为甲醇；柱温：30℃； 流速：1.0mL/min；检测波长：254nm、270nm和DAD全扫描；梯度洗脱， 后运行时间为3min，洗脱梯度如表2；
表2
梯度洗脱流动相变化时间点/(min) A相/(％) B相/(％)
0 95 5
25 20 80
35 10 90
45 95 5
实施例3
一种烟叶源香料风格特征组分的筛选方法，包括如下步骤：
步骤(1)，样本采集：采集不同品种及等级的烟叶样本；
步骤(2)，样本色谱分析：对步骤(1)采集的烟叶样本平衡后粉碎，之后 振荡提取，得到的提取液采用高效液相色谱进行分析；
步骤(3)，样本感官评价：对步骤(1)采集的烟叶样本按照YC-T497-2014 卷烟中式卷烟风格感官评价方法标准对烟叶的风格特征进行感官评价；所述的 风格特征包括清甜香、花香、清滋香、干草香、酸香、坚果香、焦甜香、烘焙 香、木香、蜜甜香、辛香、果香；
步骤(4)，预处理：将步骤(2)分析得到的烟叶液相色谱图原始数据导出， 进行基线校正和峰对齐，获得以样品编号为列、以保留时间为行、每个数据点 为对应峰强度的液相数据矩阵；根据预筛选风格特征的感官评吸结果，选取评 分小的样本和评分大的样本作为0组和1组；
步骤(5)，Mann-Whitney-Wilcoxon检验：采用Mann-Whitney-Wilcoxon 检验方法筛选在0组和1组中具有统计学差异的保留时间点；根据显著性水平P ＜0.01的选择结果，选择具有统计学意义的保留时间点，供后续数据分析；
步骤(6)，变量筛选：采用蒙特卡洛采样法，在n次迭代范围内，以固定 比例随机抽取样本和变量，将每次迭代选择的样本和变量通过偏最小二乘法， 构建色谱图保留时间点和预筛选风格特征的感官评吸结果的关系模型；之后， 计算每次构建模型的RMSE；n次迭代后，共产生n个模型，其RMSE的分布 呈现正态分布，选择正态分布中的右尾和左尾的模型分别作为大误差模型和小 误差模型；分别收集每个变量在大误差模型中的出现频率F大(i)和小误差模 型的出现频率F小(i)，然后通过下式计算各个变量的出现频率比值X；
X＝F小(i)/F大(i)；
所述的变量为i为保留时间点；
最后，选择频率比值X大于2.5的保留时间点作为最终筛选得到的品质特 征组分。
步骤(2)中，得到的提取液采用0.45μm的滤膜过滤后进高效液相色谱；
液相条件：A相为质量浓度为0.1％甲酸水溶液；B相为甲醇；柱温：30℃； 流速：1.0mL/min；检测波长：254nm、270nm和DAD全扫描；梯度洗脱， 后运行时间为3min，洗脱梯度如表3；
表3
梯度洗脱流动相变化时间点/(min) A相/(％) B相/(％)
0 95 5
25 20 80
35 10 90
45 95 5
步骤(6)中，所述的右尾和左尾均占正态分布的1％。样本数<100时，抽 取比例为20％；100≤样本数≥500，抽取比例为10％；样本数>500时，抽取 比例为5％。
实施例4
一种烟叶源香料风格特征组分的筛选方法，包括如下步骤：
步骤(1)，样本采集：采集不同品种及等级的烟叶样本；
步骤(2)，样本色谱分析：对步骤(1)采集的烟叶样本平衡后粉碎，之后 振荡提取，得到的提取液采用高效液相色谱进行分析；
步骤(3)，样本感官评价：对步骤(1)采集的烟叶样本按照YC-T497-2014 卷烟中式卷烟风格感官评价方法标准对烟叶的风格特征进行感官评价；所述的 风格特征包括清甜香、花香、清滋香、干草香、酸香、坚果香、焦甜香、烘焙 香、木香、蜜甜香、辛香、果香；
步骤(4)，预处理：将步骤(2)分析得到的烟叶液相色谱图原始数据导出， 进行基线校正和峰对齐，获得以样品编号为列、以保留时间为行、每个数据点 为对应峰强度的液相数据矩阵；根据预筛选风格特征的感官评吸结果，选取评 分小的样本和评分大的样本作为0组和1组；
步骤(5)，Mann-Whitney-Wilcoxon检验：采用Mann-Whitney-Wilcoxon 检验方法筛选在0组和1组中具有统计学差异的保留时间点；根据显著性水平 P＝0.05或0.01的选择结果，选择具有统计学意义的保留时间点，供后续数据分 析；
步骤(6)，变量筛选：采用蒙特卡洛采样法，在n次迭代范围内，以固定 比例随机抽取样本和变量，将每次迭代选择的样本和变量通过偏最小二乘法， 构建色谱图保留时间点和预筛选风格特征的感官评吸结果的关系模型；之后， 计算每次构建模型的RMSE；n次迭代后，共产生n个模型，其RMSE的分布 呈现正态分布，选择正态分布中的右尾和左尾的模型分别作为大误差模型和小 误差模型；分别收集每个变量在大误差模型中的出现频率F大(i)和小误差模 型的出现频率F小(i)，然后通过下式计算各个变量的出现频率比值X；
X＝F小(i)/F大(i)；
所述的变量为i为保留时间点；
最后，选择频率比值X大于2.5的保留时间点作为最终筛选得到的品质特 征组分。
步骤(2)中，得到的提取液采用0.45μm的滤膜过滤后进高效液相色谱；
液相条件：A相为质量浓度为0.1％甲酸水溶液；B相为甲醇；柱温：30℃； 流速：1.0mL/min；检测波长：254nm、270nm和DAD全扫描；梯度洗脱， 后运行时间为3min，洗脱梯度如表4；
表4
Figure BDA0002623602370000081
Figure BDA0002623602370000091
步骤(6)中，所述的右尾和左尾均占正态分布的5％。步骤(6)中，样本 数<100时，抽取比例为20％；100≤样本数≥500，抽取比例为10％；样本数 >500时，抽取比例为5％。
应用实例
高效液相色谱仪：1200 HPLC，配PDA(2998)检测器(美国Agilent公司)， 配备Phenomenex Kinetex XB-C18 100A色谱柱(100mm×4.6nm,2.6μm)。恒温 恒湿箱(德国Binder公司)；DFY-600C摇摆式高速粉碎机(上海比朗仪器有 限公司)；MS204S电子天平(感量：0.0001g，瑞士METTLER TOLEDO公司)； 定量加液器(德国Brand公司)；HY-8调速振荡器(常州国华电器有限公司)； Milli-Q50超纯水仪(美国Millipore公司)。
样本为2002年-2012年全国15个省324个地区的810个不同品种及等级的 烟叶，选取了几个地域、等级、部位各不相同的烟叶作为代表，其各自的高效 液相色谱图如图1所示。从图1中可知，不同烟叶色谱图具有相似的形貌，说 明不同烟叶的成分整体上具有较高相似度，这也说明决定不同地域烟叶的感官 差异可能取决于所含成分的含量多少和不同成分间的含量比。
设定清甜香评分等于0的为0组，不小于4的为1组，以p<0.05为原则， 采用Mann-Whitney-Wilcoxon test的Filter检验方法，选择在清甜香0组和1组 之间具有统计学差异的保留时间点，共计973个保留时间点，供后续筛选方法 使用。
模型：PLS-DA，变量选择率：0.1，样本选择率：0.8，迭代次数：2000， 显著性水平：0.05，主成分数：5。2000个模型的模型误差分布图如图2所示。 从图2可知，通过随机抽取变量和样本所构建的模型，其模型误差分布呈现典 型的正态分布，符合频率比值X的下一步计算要求。
从5％BEM(大误差模型)和5％SEM(大误差模型)中保留时间点被选中 的频率分布情况图(图3)中可知，并无明显突出的保留时间点在BEM或SEM 中被选中。对于所有的973个保留时间点，其中频率比值X大于1的有450个， 大于2的有64个，大于2.5的有25个，大于3的有7个，较其他筛选方法均大 为精简。由于频率比值X越大表明了其重要性越高，因此选择频率比值X大于 2.5的保留时间点作为最终的筛选结果，这些保留时间点主要位于2min、10-12 min、19-21min、25-28min和32min附近，其中有两个非常明显的保留时间点 被选中，即12.47和24.80min，表明这两个保留时间点所对应的成分对清甜香0 组和1组的区分有较为重要的贡献，可能对清甜香风格特征有重要作用。
筛选得到的成分的主成分图如图4所示。从分类效果来看，其模型正判率 为73.6％，优于全模型的分类效果(65％正确率)，判别函数为：0＝-0.2716-0.5642 ×PC1-0.3170×PC2。表明采用本发明方法，进一步优化选择了可区分清甜香0 组和1组的特征组分段。
对于频率比值X极高的12.47和24.80min两个保留时间点，其散点图见图 5。以这两个保留时间点做判别分析，其正判率可达69.8％，表明这两个保留时 间点对应的成分对清甜香0组和1组具有较强的区分效果。从判别曲线的方向 来看，24.8min的成分对清甜香0组和1组分辨能力可达83％以上，其所对应的 色谱峰是关键成分。
保留时间12.47和24.80min在清甜香0组和1组之间的含量盒状图如图6。 从图6中可以看出，二者含量在两组中均有差异，且均表现为在清甜香1组中， 含量较高。也正是这样的物质基础差异，造就了其最终的风格特征差异。
针对不同变量筛选方法所筛选出的清甜香特征组分的结果详见表5。从结果 可知，通过本发明方法所得到的线性判别函数对0组的正确预测率为 82.4％-88.20％之间，而对1组的正确预测率为63.90％-69.70％之间，均高于采用 其他筛选方法的其他对照组。
表5不同方法对清甜香特征组分的筛选结果汇总表
Figure RE-GDA0002679534100000101
Figure RE-GDA0002679534100000111
其中，N.A.为not available。
对其他风格特征成分也进行了筛选，其结果如表6所示。整体来看，清甜 香、清滋香、焦甜香、酸香、坚果香、木香、蜜甜香均筛选到了特征组分和成 分；果香、烘焙香、干草香、花香仅仅筛选到特征成分，为筛选到特征组分； 辛香既无特征成分也无特征组分被筛选到。
表6风格特征筛选结果总结表/mina
Figure BDA0002623602370000121
a:括号内表示该保留时间被选中的次数，下同。
根据筛选结果，对影响感官品质或风格特征较大的液相色谱保留时间段开 展了相应的制备工作，开发了可凸显清甜香、干草香、烘焙香和焦甜香的液体 烟草提取物。选取一种未添加任何香精香料的卷烟A作为对照样品，并按照其 烟丝重量0.01％的添加比例向其中加入上述所制备的含有清甜香风格特征组分 的液体香精，得到卷烟样品A3。对所制备的特征烟草香精组织评委进行3组感 官评价，结果如图7所示，从图7可知，添加了具有清甜香风格特征的液体香 精的卷烟相对于对照中的卷烟而言清甜香风格特征尤为突出，其感官特征与统 计结果吻合度较高。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业 的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中 描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明 还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本 发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种烟叶源香料风格特征组分的筛选方法，其特征在于，包括如下步骤：
步骤（1），样本采集：采集不同品种及等级的烟叶样本；
步骤（2），样本色谱分析：对步骤（1）采集的烟叶样本平衡后粉碎，之后振荡提取，得到的提取液采用高效液相色谱进行分析；
步骤（3），样本感官评价：对步骤（1）采集的烟叶样本按照YC-T497-2014卷烟中式卷烟风格感官评价方法标准对烟叶的风格特征进行感官评价；所述的风格特征包括清甜香、花香、清滋香、干草香、酸香、坚果香、焦甜香、烘焙香、木香、蜜甜香、辛香、果香；
步骤（4），预处理：将步骤（2）分析得到的烟叶液相色谱图原始数据导出，进行基线校正和峰对齐，获得以样品编号为列、以保留时间为行、每个数据点为对应峰强度的液相数据矩阵；根据预筛选风格特征的感官评吸结果，选取评分小的样本和评分大的样本作为0组和1组；
步骤（5），Mann-Whitney-Wilcoxon检验：采用Mann-Whitney-Wilcoxon检验方法筛选在0组和1组中具有统计学差异的保留时间点；根据显著性水平P＜0.05或0.01的选择结果，选择具有统计学意义的保留时间点，供后续数据分析；
步骤（6），变量筛选：采用蒙特卡洛采样法，在n次迭代范围内，以固定比例随机抽取样本和变量，将每次迭代选择的样本和变量通过偏最小二乘法，构建色谱图保留时间点和预筛选风格特征的感官评吸结果的关系模型；之后，计算每次构建模型的RMSE；n次迭代后，共产生n个模型，其RMSE的分布呈现正态分布，选择正态分布中的右尾和左尾的模型分别作为大误差模型和小误差模型；分别收集每个变量在大误差模型中的出现频率F 大（i）和小误差模型的出现频率F 小（i），然后通过下式计算各个变量的出现频率比值X；
X= F 小（i）/F 大（i）；
所述的变量为i为保留时间点；
最后，选择频率比值X大于2.5的保留时间点作为最终筛选得到的品质特征组分。
2.根据权利要求1所述的烟叶源香料风格特征组分的筛选方法，其特征在于，步骤（2）中，平衡条件是置于温度（22±2）℃，相对湿度（60±5）%的恒温恒湿箱内平衡 48 h。
3.根据权利要求1所述的烟叶源香料风格特征组分的筛选方法，其特征在于，步骤（2）中，粉碎后过60目筛，取筛下物振荡提取。
4.根据权利要求1所述的烟叶源香料风格特征组分的筛选方法，其特征在于，步骤（2）中，提取溶剂为体积浓度为50%的乙醇，料液比为100mg：20.0mL；提取时间为20min。
5.根据权利要求1所述的烟叶源香料风格特征组分的筛选方法，其特征在于，步骤（2）中，得到的提取液采用0.45 μm的滤膜过滤后进高效液相色谱；
液相条件：A相为质量浓度为0.1%甲酸水溶液；B相为甲醇；柱温：30℃；流速：1.0 mL/min；检测波长：254 nm、270 nm和DAD全扫描；梯度洗脱，后运行时间为3 min，洗脱梯度如表1；
表
Figure 484493DEST_PATH_IMAGE001
Figure DEST_PATH_IMAGE002
。
6.根据权利要求1所述的烟叶源香料风格特征组分的筛选方法，其特征在于，步骤（6）中，所述的右尾和左尾均占正态分布的1%或5%。
7.根据权利要求1所述的烟叶源香料风格特征组分的筛选方法，其特征在于，步骤（6）中，样本数<100时，抽取比例为20%；100≤样本数≥500，抽取比例为10%；样本数>500时，抽取比例为5%。
8.采用权利要求1~7任意一种烟叶源香料风格特征组分的筛选方法筛选出的风格特征组分在制备该风格特征香料中的应用。
CN202010790500.5A 2020-08-07 2020-08-07 烟叶源香料风格特征组分的筛选方法 Active CN111896657B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010790500.5A CN111896657B (zh) 2020-08-07 2020-08-07 烟叶源香料风格特征组分的筛选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010790500.5A CN111896657B (zh) 2020-08-07 2020-08-07 烟叶源香料风格特征组分的筛选方法

Publications (2)

Publication Number Publication Date
CN111896657A CN111896657A (zh) 2020-11-06
CN111896657B true CN111896657B (zh) 2022-07-01

Family

ID=73246422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010790500.5A Active CN111896657B (zh) 2020-08-07 2020-08-07 烟叶源香料风格特征组分的筛选方法

Country Status (1)

Country Link
CN (1) CN111896657B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114264766B (zh) * 2021-12-31 2022-08-16 江苏艾兰得营养品有限公司 一种vc软糖用甜橙香精评价方法
CN115381131B (zh) * 2022-09-16 2023-09-15 湖南中烟工业有限责任公司 一种云烟提取物特色风味组群及其制备方法和在卷烟中的应用

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105044264A (zh) * 2015-07-10 2015-11-11 云南中烟工业有限责任公司 一种准确表征和评价卷烟香气中烘焙香特征的方法
CN108169420A (zh) * 2017-12-19 2018-06-15 云南瑞升烟草技术（集团）有限公司 一种采用指数表征卷烟风格特征差异程度的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150056605A1 (en) * 2013-08-21 2015-02-26 Purdue Research Foundation Identification of blood based metabolite biomarkers of pancreatic cancer

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105044264A (zh) * 2015-07-10 2015-11-11 云南中烟工业有限责任公司 一种准确表征和评价卷烟香气中烘焙香特征的方法
CN108169420A (zh) * 2017-12-19 2018-06-15 云南瑞升烟草技术（集团）有限公司 一种采用指数表征卷烟风格特征差异程度的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Maomao Zeng 等.A metabolic profiling strategy for biomarker screening by GC-MS combined with multivariate resolution method and Monte Carlo PLS-DA.《Anal. Methods》.2011,第3卷 *
张明锦 等.蒙特卡洛-偏最小二乘回归系数法用于近红外光谱变量筛选.《分析试验室》.2013,第32卷(第02期),12-16. *
王鹏泽 等.因子、聚类及判别分析在烟叶风格特色评价中的应用.《中国烟草科学》.2015,第36卷(第02期),20-25. *
许永 等.基于BP神经网络建立初烤烟叶主流烟气中氢氰酸释放量的预测模型.《云南农业大学学报(自然科学)》.2018,第33卷(第1期),72-78. *

Also Published As

Publication number Publication date
CN111896657A (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
Zhang et al. Insights into the major aroma-active compounds in clear red raspberry juice (Rubus idaeus L. cv. Heritage) by molecular sensory science approaches
CN111896657B (zh) 烟叶源香料风格特征组分的筛选方法
CN104316635A (zh) 水果风味品质的快速鉴别方法
CN105533793A (zh) 一种晒红烟烟草提取物的制备方法
CN109212066B (zh) 一种烟草及烟草制品中非脂肪类有机酸的测定方法
Sun et al. Differentiation of flue-cured tobacco leaves in different positions based on neutral volatiles with principal component analysis (PCA)
Sun et al. Genetic variation in alkaloid accumulation in leaves of Nicotiana
CN102692465A (zh) 一种烟草及烟草制品的感官组学测定方法
CN111904020B (zh) 烟叶源香料感官品质特征组分的筛选方法
CN115792022B (zh) 一种基于感官效应的烟草中滋味物质模型及其构建方法和应用
Wang et al. Zonal distribution of neutral aroma components in flue-cured tobacco leaves
WO2002012872A1 (en) Quality control and standardisation of tobacco by means of nmr and pattern recognition
CN116183786B (zh) 一种用于烟草中痕量糯米香特征关键香气化合物的鉴定方法
CN114532581B (zh) 加拿大烟叶烟气特征酸性香味成分的制备方法及其应用
CN113907407B (zh) 一种烟草提取物的风格特征迁移方法
CN114711455B (zh) 加拿大烟叶烟气特征碱性香味成分的制备方法及其应用
Catão et al. Coffee-roasting variables associated with volatile organic profiles and sensory evaluation using multivariate analysis
CN115444163B (zh) 一种基于酯类香料烟气转移行为的果甜香香精定向使用方法
CN111979049A (zh) 一种组分定向制备方法
CN113501890B (zh) 一种多花黄精多糖的提取方法及多花黄精多糖的应用
CN111220739B (zh) 一种评价安溪铁观音春茶杀青物品质的方法
CN114788578B (zh) 一种烟用核桃壳提取物、制备方法及雪茄烟
CN112120265B (zh) 一种含久龄烟叶的叶组配方的加工方法
Nikolova et al. Comparative chemical and technological analysis of market-shaping oriental tobaccos produced in Haskovo tobacco area
CN117783324A (zh) 一种基于特征成分相对指数的烟草提取物质量判别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant