CN111904020A - 烟叶源香料感官品质特征组分的筛选方法 - Google Patents

Abstract

本发明涉及一种烟叶源香料感官品质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，以烟叶的品质特征为效应基础，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品质特征的组分。该方法为的感官品质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

烟叶源香料感官品质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感官品质特征组分的筛选方法。

背景技术

为了保持卷烟产品质量的相对稳定，在合理设计叶组配方的同时，也通过加烟用香精香料物质来克服香味缺陷，即加香也是提高产品质量的一个重要措施。通常根据香料的来源，可将其分为天然香料和合成香料两大类，目前己知天然香料有3000多种，合成香料更多达7000余种，并且新的品种还在不断涌现。其中，从烟叶本源出发开发的香料一直被认为是与烟气的协调性最好的一类产品。

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感官品质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：

一种烟叶源香料感官品质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）采集的烟叶样本的品质特征进行感官评价；所述的感官品质特征包括香气量、香气质、刺激性、杂气；

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；根据预筛选品质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品质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 48 h。

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0.45 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

进一步，优选的是，步骤（3）中，按照YC∕T 530-2015《烤烟 烟叶质量风格特色感官评价方法》对步骤（1）采集的烟叶样本的品质特征进行感官评价。

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%。

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%。

本发明同时保护上述采用上述烟叶源香料感官品质特征组分的筛选方法筛选出的品质特征组分在制备该品质特征香料中的应用。

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，以烟叶的感官品质特征特征为效应基础，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感官品质特征的组分；该方法为的感官品质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，感官品质评价结果优异，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为香气量0组和1组统计检验结果图；

图3为香气量特征组分色谱段图；

图4为香气质0组和1组统计检验结果图；

图5香气质特征组分色谱段图；

图6为香气/杂气0组和1组统计检验结果图；

图7为香气/杂气特征组分色谱段图；

图8为感官品质特征组分筛选结果汇总图。

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

一种烟叶源香料感官品质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）采集的烟叶样本的品质特征进行感官评价；所述的感官品质特征包括香气量、香气质、刺激性、杂气；

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；根据预筛选品质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品质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

一种烟叶源香料感官品质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：按照YC∕T 530-2015《烤烟 烟叶质量风格特色感官评价方法》对对步骤（1）采集的烟叶样本的品质特征进行感官评价；所述的感官品质特征包括香气量、香气质、刺激性、杂气；

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；根据预筛选品质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品质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，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。粉碎后过60目筛，取筛下物振荡提取。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。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2；

表2

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%。所述的右尾和左尾均占正态分布的1%。

实施例3

一种烟叶源香料感官品质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）采集的烟叶样本的品质特征进行感官评价；所述的感官品质特征包括香气量、香气质、刺激性、杂气；

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；根据预筛选品质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品质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，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。粉碎后过60目筛，取筛下物振荡提取。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。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3；

表3

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%。所述的右尾和左尾均占正态分布的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 (100 mm×4.6 nm, 2.6 μm)。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：0.0001 g，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。

以p<0.05为原则，采用Mann-Whitney-Wilcoxon test的Filter检验方法，选择具有统计学差异的保留时间点。右尾和左尾均占正态分布的5%。

（1）香气量特征组分筛选

香气量指的是在评吸过程中，令人感觉到愉悦气息的量的多少，由口腔和鼻腔衡量。香气量是衡量卷烟感官品质高低的重要指标。设定香气量评分不大于12的为0组，不小于13的为1组，进行0和1组间的差异组分分析。

图2是反映保留时间在香气量品质1组和0组间的差异色谱图。从图2中来看，整个保留时间段并无明显的香气量突出部位，相对来讲，保留时间在13.1-32.9 min内，香气量具有较好的负对数p值，推测可能是香气量突出部位。整体上看，特征组分所在保留时间较为靠后，属于非极性成分，这一点的结果与实际工作的验证结果较为一致。通过本发明方法，得到五个香气量特征组分，分别是A 8.19、B 14.83、C 22.39、D 30.7和E 32.26 min。

图3反映的是香气量特征组在色谱图上的对应位置，可以看出C、D、E均是含量较小的微量组分，A和B是相对含量较高的组分。

（2）香气质特征组分筛选

香气质指的是在评吸过程中，令人感觉到愉悦气息品质高低，由鼻腔判断。

设定香气质评分小于12.5的为0组，大于等于12.5的为1组，进行0组和1组的差异组分计算。

图4反映了保留时间在香气质1组和0组间的差异色谱图；从图4中来看，香气质突出的部位有12.6-14.9 min，和27.4-34.4 min两段，相比于香气量，香气质特征组分更加精简。相对来讲，非极性较强部分所带来的香气质特征更为突出。通过本发明方法，得到两个香气质特征组分，分别是A 14.28和B 30.34 min。

图5显示了两个香气质特征组分在色谱图上的对应位置。不难看出，特征物A和B对应的均是含量极微的组分。

（3）加大分组间距的感官品质特征组分筛选

前面的方法主要是根据每一个感官指标单一项中，得分高低来进行分组，但通过数据分析不难发现，已有的感官品质数据中，1组和0组的差异有时只有1分甚至0.5分。两组间得分差距越小，筛选结果可信度越小。

为增加筛选结果的可信度，优选采用对立指标联立的分组方法，选择对感官品质影响较大的香气量和香气质，相加获得香气值，设定香气值大于等于25为1组。另一方面考察对卷烟不利的杂气感官品质，设定杂气值小于等于7为0组。扣去1组和0组中共有样本，即获得香气/杂气1组和0组。

图6是对香气/杂气的区分色谱图，从图6中来看，其筛选结果与之前的整体相差不大，均表现为特征组分段位于保留时间靠后的非极性部分。比较明显的特征组分有A22.06、B 28.73和C 30.76 min。

从筛选的特征组分所对应的色谱图来看（图7），组分A与杂气的筛选结果一致，组分B、C与香气量和香气质的筛选结果一致。

感官品质特征组分筛选结果

表4是对感官品质特征组分的筛选结果总结，相对于风格特征组分的筛选结果，每个感官品质指标均能筛选到特征组分和组分。

表4感官品质特征组分筛选结果总结表

注：品质指数=0.586*烟草香+0.873*香气量+0.733*香气质+0.888*浓度-0.329*刺激性+0.07*劲头+0.315*杂气+0.352*干净度+0.461*湿润+0.568*回味+0.727*合计；

图8是感官品质特征组分筛选结果在色谱图上的显示，其中被选中的特征组分用星标（*）标示，标记星的个数表示被选中的次数。从图中来看，选中次数最高的是保留时间在15min左右的组分，共被选中4次。其次是在30 min 左右的三个小峰，均被选中三次。8 min左右的组分被选中两次，其它组分均被选中一次。

图8中的特征组分选择结果用点线的形式展示，可以看出特征组分的保留时间均位于12 min以后，选中的密集保留时间段位于25 min以后以及12-24 min段，其中在27-32min段被所有感官品质特征选中，表示该保留时间段所对应的组分对烟叶感官品质有较大的影响，需要重点关注。

相对于风格特征特征组分，感官品质的特征组分整体上保留时间更偏后，即非极性程度更强，这为下一步的感官品质凸显香料制备工作指明了方向。

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 (9)

1.一种烟叶源香料感官品质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）采集的烟叶样本的品质特征进行感官评价；所述的感官品质特征包括香气量、香气质、刺激性、杂气；

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；根据预筛选品质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品质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所述的烟叶源香料感官品质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所述的烟叶源香料感官品质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所述的烟叶源香料感官品质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所述的烟叶源香料感官品质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

。

6.根据权利要求1所述的烟叶源香料感官品质特征组分的筛选方法，其特征在于，步骤（3）中，按照YC∕T 530-2015《烤烟 烟叶质量风格特色感官评价方法》对步骤（1）采集的烟叶样本的品质特征进行感官评价。

7.根据权利要求1所述的烟叶源香料感官品质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.根据权利要求1所述的烟叶源香料感官品质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%。

9.采用权利要求1~8任意一种的烟叶源香料感官品质特征组分的筛选方法筛选出的品质特征组分在制备该品质特征香料中的应用。

Images