基于Heracles NEO超快速气相电子鼻麸炒白术炮制全过程气味变化识别研究

李亚飞，汤璐璐，赵明方，唐 瑞，方可儿，张海瑞，杜伟锋, 3*，葛卫红, 3*

基于Heracles NEO超快速气相电子鼻麸炒白术炮制全过程气味变化识别研究

李亚飞1, 2，汤璐璐1, 2，赵明方1, 2，唐 瑞1, 2，方可儿1, 2，张海瑞1, 2，杜伟锋1, 2, 3*，葛卫红1, 2, 3*

1. 浙江中医药大学药学院，浙江 杭州 311402 2. 浙江中医药大学中药炮制技术研究中心，浙江 杭州 311401 3. 浙江中医药大学中药饮片有限公司，浙江 杭州 311401

建立麸炒白术炮制全过程的定性判别模型，筛选出可以表征麸炒白术不同炮制程度的气味成分。制备麸炒白术饮片，不同时间点取样进行分析。采用Heracles NEO超快速气相电子鼻采集气味图谱，与Arochembase数据库对比得到气味成分信息，结合峰面积分析气味成分的变化规律并进行化学计量学分析。通过判别因子分析（discriminant factor analysis，DFA）、正交偏最小二乘-判别分析（orthogonal partial least squares-discriminant analysis，OPLS-DA）、层次聚类分析（hierarchical cluster analysis，HCA）等将麸炒白术炮制全过程样品成功分为4类：生品、炮制不及、炮制成品和炮制太过。在炮制过程中，3-甲基十五烷、十二烷基丙酸酯、正辛基环己烷、1,3-二硝基苯、8-甲基十五烷5个气味成分的峰面积占比较高，其中1,3-二硝基苯在炮制全过程中峰面积呈降低趋势；3-甲基十五烷从炮制不及到炮制成品的过程中峰面积呈增加的趋势，从炮制成品到炮制太过的过程中峰面积呈降低趋势；十二烷基丙酸酯从生品到炮制不及和炮制成品到炮制太过的过程中峰面积呈降低趋势；正辛基环己烷、8-甲基十五烷从生品到炮制不及的过程中峰面积呈降低趋势，从炮制不及到炮制成品的过程中峰面积呈增加趋势，从炮制成品到炮制太过的过程中峰面积呈降低趋势，且上述5个气味成分的变量重要性投影值均大于1。Heracles NEO超快速气相电子鼻能通过气味对麸炒白术不同炮制程度样品进行定性判别，3-甲基十五烷、十二烷基丙酸酯、正辛基环己烷、1,3-二硝基苯及8-甲基十五烷5个气味成分的变化可作为麸炒白术不同炮制程度的判断依据。

麸炒白术；超快速气相电子鼻；定性判别；炮制过程；气味成分；3-甲基十五烷；十二烷基丙酸酯；正辛基环己烷；1,3-二硝基苯；8-甲基十五烷；判别因子分析；正交偏最小二乘-判别分析；层次聚类分析

白术为菊科苍术属植物白术Koidz.的干燥根茎，是“浙八味”之一，素有“十方九术”之称[1]，性温，味甘苦，具有健脾益气、燥湿利水、止汗安胎之功效[2]。白术具有抗肿瘤、抗菌、抗炎、抗抑郁、降血糖、镇痛、神经保护和平衡肠道菌群的作用[3-5]。《中国药典》2020年版一部收载了生白术和麸炒白术2种饮片[6]。麸炒白术较生白术具有更强的健脾益气的作用[7-8]。目前，麸炒白术饮片的质量研究主要集中在内在成分的定量分析方面[9-10]。而外观性状作为评价中药质量的常用手段，仍停留在主观描述层面，主要通过眼观、鼻闻、口尝等方式判断质量优劣，这难以控制质量且缺乏客观性。

气味是中药重要的性状特征，也是传统用于推断药物性质的基本依据，随着对中药质量研究的深入，化学成分被证实为中药防病治病的物质基础，中药气味特征与所含化学成分密切相关，能直接反映其内在质量[11-15]。《中国药典》2020年版一部“麸炒白术”项下规定，应“逸出焦香气”[6]，目前白术炮制全过程的气味研究多是依靠经验丰富的专家或者药工的感官判断，不可避免的会受到主观差异的影响，且描述比较简单，不能客观体现麸炒白术的焦香气。运用电子鼻对其气味进行定性鉴别可以避免传统经验所带来的误差。

超快速气相电子鼻（ultra-fast gas phase electronic nose）具有灵敏度高、分析时间短、高通量、实时检测等优点[16-17]。它能快速准确地检测分析混合气体、液体或固体样品，分析、识别和检测被测样品中的复杂气味和大多数挥发性成分，并给予样品中挥发性成分的整体信息，也称“指纹”数据[18-22]。因此应用电子鼻对药材气味的判别更接近传统的经验鉴别，并有利于实现中药性状气味客观化表达。目前，电子鼻技术已广泛用于多种药材的分类鉴别，如高丽参、白术、党参等[23-25]，但是鲜有将电子鼻运用到白术炮制全过程气味的研究。基于此，本研究将通过Heracles NEO超快速气相电子鼻采集白术炮制全过程的气味指纹图谱，并结合化学计量学分析建立白术炮制全过程的定性判别模型，通过各成分的变化规律及所占比例筛选出可用于判断白术炮制程度变化的气味成分，从“气味”维度对白术全过程质量识别进行了补充。

1 仪器与材料

1.1 仪器

Heracles NEO型超快速气相电子鼻，配备PAL RSI全自动顶空进样器，非极性色谱柱MXT-5，中极性色谱柱MXT-1701，法国Alpha MOS公司；ME-204E型电子分析天平，精度0.01 g，瑞士梅特勒托利多集团；DFT-200型手提式高速中药粉碎机，温岭市林大机械有限公司；CGDC-750型电磁炒药机，杭州海善制药设备股份有限公司。

1.2 试剂与药材

正构烷烃C6～C16混合对照品，批号A10142930，购自美国RESTEK有限公司。5批白术生品（J～Z）购买于山东百味堂中药饮片有限公司、河北春开制药有限公司、湖南衡岳中药饮片公司、江西江中中药有限公司和浙江中医药大学中药饮片公司用于方法建立；以及相同厂家所生产的白术饮片（Sa～Se）和麸炒白术饮片（Fa～Fe）各5批用于方法验证，生品饮片与麸炒饮片一一对应，样品信息如表1所示。经浙江中医药大学药学院葛卫红教授鉴定，分别为菊科苍术属植物白术Koidz.干燥根茎的生品和炮制加工后的麸炒品。

2 方法与结果

2.1 白术炮制全过程样品的制备

将收集到的5批白术生品，均按浙江中医药大学中药饮片有限公司麸炒白术炮制工艺进行炮制。具体工艺：先将炒药锅预热（185 ℃），将蜜麦麸撒入热锅内，待冒烟时加入白术30 kg炒炙13 min（白术-蜜麦麸10∶1），筛去麸皮，摊凉。炮制过程中分别于第1、2、3、4、5、6、10、11、12、13分钟取样，每次取样量0.5 kg左右。

表1 白术样品来源信息

自制样品编号如下：以批号200501样品为例，分别编号为S1～S6、S10～S13，由浙江中医药大学中药饮片有限公司质量负责人钱敏副主任中药师依据炮制后药材性状判定，以S1～S5作为炮制不及样品，S6作为麸炒成品，S10～S13作为炮制太过样品。其余4批样品类似处理，结果见表1。

2.2 白术供试品的制备

取白术炮制全过程样品粉碎，过三号筛（50目），密封保存于铝箔袋中备用。

2.3 白术气味检测方法的建立

2.3.1 孵化温度考察 精密称定样品2.0 g，孵化时间20 min，捕集温度45 ℃，进样体积5.000 mL，考察孵化温度40、50、60、70、80 ℃。最终得出，80 ℃时色谱峰峰形良好，因此，选取80 ℃作为本实验的孵化温度。

2.3.2 孵化时间的考察 精密称定样品2.0 g，孵化温度80 ℃，捕集温度45 ℃，进样体积5.000 mL，考察孵化时间5、10、15、20、25 min。最终得出，20 min时色谱峰趋于饱和，因此，选取20 min作为本实验的孵化时间。

2.3.3 称样量考察 进样体积5.000 mL，孵化温度80 ℃，孵化时间20 min，捕集温度45 ℃，考察样品用量1.0、2.0、3.0、4.0、5.0 g。最终得出，称样量2.0 g后，色谱峰无明显变化，因此，选取2.0 g作为最优的称样量。

2.3.4 进样体积考察 精密称定样品2.0 g，孵化温度80 ℃，孵化时间20 min，捕集温度45 ℃，考察进样体积1.000、2.000、3.000、4.000、5.000 mL。最终得出，进样体积为5.000 mL时，色谱峰趋于饱和，因此，选取5.000 mL作为本实验的进样体积。

2.3.5 捕集温度考察 精密称定样品2.0 g，孵化温度80 ℃，孵化时间20 min，进样体积5.000 mL，考察捕集温度35、40、45、50、55 ℃。最终得出，捕集温度为55 ℃时，色谱峰数目无明显变化，峰面积趋于饱和，峰形良好，因此，选取55 ℃作为本实验的捕集温度。

2.4 电子鼻检测参数确定

进行单因素考察后，最终确定Heracles NEO超快速气相电子鼻的检测条件为样品用量2.0 g，孵化温度80 ℃，孵化时间20 min，进样体积5.000 mL，捕集温度55 ℃。电子鼻检测参数如表2所示。

对通过单因素考察而确定的检测方法进行精密度、重复性和稳定性考察，以MXT-5柱中峰面积最大的4个色谱峰作为参照峰，分别为峰16、19、22、26，计算4个参照峰峰面积和保留时间的RSD值。

表2 电子鼻检测参数

“/”表示无该信息

“/” indicates no such information

2.5 方法学考察

2.5.1 精密度考察 取同一供试品粉末（批号200413）2.0 g，置20 mL顶空进样瓶中，加盖密封，置自动进样器上，连续进样6次，按“2.4”项下方法检测分析。4个色谱峰的峰面积RSD值分别为3.63%、2.87%、4.16%、3.62%，均小于5.00%，保留时间RSD值分别为0.10%、0.12%、0.13%、0.18%，均小于1.00%，表明仪器精密度良好。

2.5.2 重复性考察 取同一批样品（批号200413），按“2.2”项下方法制备6份供试品粉末，分别精密称定粉末2.0 g，置20 mL顶空进样瓶中，加盖密封，置自动进样器上，按“2.4”项下方法检测分析。4个色谱峰的峰面积RSD值分别为4.00%、4.80%、3.41%、3.29%，均小于5.00%，保留时间RSD值分别为0.09%、0.10%、0.11%、0.11%，均小于1.00%，表明该方法重复性良好。

2.5.3 稳定性考察 取同一供试品粉末（批号200413）2.0 g，置20 mL顶空进样瓶中，加盖密封，置自动进样器上。分别于0、2、4、8、12、24 h，按“2.4”项下方法检测分析。4个色谱峰的峰面积RSD值分别为2.09%、3.80%、4.02%、4.31%，均小于5.00%，保留时间RSD值分别为0.17%、0.20%、0.21%、0.30%，均小于1.00%，表明供试品粉末在制备后24 h内稳定性良好。

2.6 白术电子鼻检测

取2.0 g样品放入20 mL样品瓶中，加盖密封，按“2.4”项下Heracles NEO最佳检测条件，平行制备2个样品，每个样品重复测定2次。

2.7 数据分析

电子鼻信息的采集是通过记录MXT-5柱子上的气味色谱图。采用正构烷烃标准溶液（C6～C16）进行校准，将保留时间转换为Kovats保留指数后，经AroChemBase数据库得出定性结果。同时，运用DFA的统计方法对数据进行处理，将自制的炮制全过程饮片作为预测模型，将收集到的市售白术饮片与麸炒白术饮片各5批作为预测集，输入数据模型中进行预测。并结合化学计量学分析筛选出麸炒白术炮制程度变化的指标成分。

2.8 白术炮制过程气味变化分析

作为一种新型的快速气味分析仪，Heracles NEO超快速气相电子鼻可以模仿人类的嗅觉，提供挥发性成分的感官信息。将白术炮制全过程样品的气相MXT-5色谱叠加图及炮制前后镜像图对比（图1、2），结合Arochembase数据库信息，得到定性分析结果及峰面积变化情况（表3）。白术炮制全过程样品中可能含有的气味成分峰面积变化汇总见（表4）。S1～S6、S10～S13为分别于第1、2、3、4、5、6、10、11、12、13分钟的过程取样。结合以上图表内容可知，峰7在生品到成品过程中均未检出该成分，峰11在成品中未检出该成分；峰14在炮制全过程中峰面积呈降低趋势；峰18、24从生品到炮制不及的过程中峰面积呈降低趋势；峰2、4、10从炮制不及到炮制成品的过程中峰面积呈增加趋势；峰20从炮制成品到炮制太过的过程中峰面积呈降低趋势；峰3、27从生品到炮制不及的过程中峰面积呈降低趋势，从炮制不及到炮制成品的过程中峰面积呈增加趋势；峰15、17、21、23、26从生品到炮制不及和炮制成品到炮制太过的过程中峰面积均呈降低趋势；峰12、13、22从炮制不及到炮制成品的过程中峰面积呈增加趋势，从炮制成品到炮制太过的过程中峰面积呈降低趋势；峰5、9、16、19、25从生品到炮制不及和炮制成品到炮制太过的过程中峰面积均呈降低趋势，从炮制不及到炮制成品的过程中峰面积呈增加趋势，其中峰9月桂烯具有甜香脂气味，初步推测为白术炮制过程中的焦香气味来源；峰1、8从炮制成品到炮制太过的过程中，峰面积呈增加趋势，其中峰1中醛基具有焦味[27]，初步推测为焦味主要来源，后期还需实验验证。

图1 MXT-5气味指纹图谱叠加图

1-2-甲基丙醛 2-2-甲基戊烷 3-乙烷 4-二环戊烷 5-环己烷 6-2-乙醇 7-2-甲基乙醛 8-1,1,2,2-四氯乙烷 9-月桂烯 10-4-羟基-5-甲基-3(2H)-呋喃酮 11-戊酸戊酯 12-γ-壬内酯 13-3-甲替啶烷 14-1,3-二硝基苯 15-α-紫罗兰酮 16-正辛基环己烷 17-十五烷 18-α-蛇床烯 19-8-甲基十五烷 20-5-甲基十五烷 21-4-十一烷醇化物 22-3-甲基十五烷 23-十六烷 24-四氯间二甲苯 25-正癸苯 26-十二烷基丙酸酯 27-丁草胺

表3 白术气味物质基础及感官描述信息(MXT-5柱)

“RI”表示保留指数；“+”表示检出成分，“−”表示未检出成分；“↑*”表示与上一炮制程度相比，峰面积显著增加，“↓*”表示与上一炮制程度相比，峰面积显著降低；“/”表示未识别出气味信息

“RI” represents retention index; “+” indicates the detected component, “−” indicates that the component is not detected; “↑*” indicates that the peak area is significantly increased compared with the previous processing degree, “↓*” indicates that the peak area is significantly reduced compared with the previous processing degree; “/” indicates that the odor information is not identified

表4 白术中色谱峰峰面积(MXT-5柱)

“−”表示峰面积＜1000或未检出

“−” indicates the peak area < 1000 or not detected

2.9 化学计量学分析

2.9.1 判别因子分析（discriminant factor analysis，DFA） DFA是一种在主成分分析基础上扩大组间差异、减少组内差异的方法。本研究采用Heracles Neo超快速气相电子鼻自带软件Alphasoft 11.0软件进行化学计量学分析。对白术生品及其麸炒品进行DFA分析，结果见图3，白术生品及炮制不及、炮制成品和炮制太过样品能明显分为4个区域，生品白术集中在第4象限，炮制不及样品集中在第1、4象限，麸炒成品集中在第1象限，炮制太过样品集中在第3象限，按照逆时针顺序进行依次分布，符合炮制变化趋势。从图中可知，判别因子1（DF1）的贡献度为91.911%，判别因子2（DF2）的贡献度为6.413%，二者累积贡献度为98.324%，表明Heracles NEO超快速气相电子鼻技术可以快速鉴别白术炮制全过程样品，且区分效果显著。

2.9.2 DFA模型预测 在DFA模型的基础上，将用于方法验证的生品白术饮片与麸炒白术饮片各5批作为预测集，采用“2.9.1”项下建立的DFA模型对此10批样品（Sa～Se、Fa～Fe）进行预测，预测图见图4，2批生品白术饮片（Sb、Se）落入DFA模型的生品范围内，3批生品白术饮片（Sa、Sc、Sd）落入未知区域，2批麸炒白术饮片（Fa、Fb）落入DFA模型的炮制不及范围内以及3批麸炒白术饮片（Fc、Fd、Fe）落入DFA模型的炮制成品范围内。

图3 4类不同炮制程度白术样品DFA图

虽然2批麸炒白术饮片未落入炮制成品范围内，但是可以和生品明显区分开，预测出是炮制后样品，说明建模较好。分析2批麸炒白术饮片未落入对应范围的原因，可能是由于饮片购买自不同饮片公司，炮制工艺不同，对麸炒成品的判断不同，或者是样品在贮藏和运输过程中气味发生略微变化所致。

2.9.3 正交偏最小二乘-判别分析（orthogonal partial least squares-discriminant analysis，OPLS-DA） OPLS-DA为偏最小二乘-判别分析（partial least squares- discriminant analysis，PLS-DA）的扩展。相比于PLS-DA，该方法可以在不降低模型预测能力的前提下，有效减少模型的复杂性和增强模型的解释能力，从而最大程度诠释组间差异[26]。

以生品白术与麸炒白术的27个气味色谱峰峰面积为变量，采用SIMCA 14.1软件进行OPLS-DA。结果显示，模型解释率（R2）为0.967，模型预测率（2）为0.573，均大于0.5，表明模型具有良好的解释率和可靠性。不同样品点之间的距离反应不同样品间存在特异性差异的程度，生品白术与炮制成品均位于第1象限，炮制不及样品位于第4象限，炮制太过样品位于第2象限与第3象限，表明生品到炮制不及与炮制成品到炮制太过阶段，气味发生了显著性的变化，而生品与炮制成品的气味信息较为相似，气味变化趋于稳定。结果见图5。

S、Z-生品 S1～S5-炮制不及 S6、Z6-炮制成品 S10～S13-炮制太过

2.9.4 变量重要性投影（variable importance projection，VIP） VIP值大于1被认为是对分类贡献较大的变量[28]。结果显示，3-甲基十五烷、1,1,2,2-四氯乙烷、十二烷基丙酸酯、正辛基环己烷、1,3-二硝基苯、环己烷、8-甲基十五烷的VIP值均大于1，提示这7个气味成分是影响白术饮片气味的差异标志物。其中1,1,2,2-四氯乙烷、环己烷的峰面积占比较低，因此可将3-甲基十五烷、十二烷基丙酸酯、正辛基环己烷、1,3-二硝基苯、8-甲基十五烷作为判断麸炒白术炮制程度变化的指标成分。结果见图6，横坐标指峰号，纵坐标指VIP值。

2.9.5 层次聚类分析（hierarchical cluster analysis，HCA） 对白术炮制全过程的27个气味色谱峰峰面积信息值进行系统聚类分析，结果显示，生品及炮制不及、炮制成品及炮制太过均能单独聚为一类。HCA结果与OPLS-DA结果相符，结果见图7。

3 讨论

本研究采用Heracles Neo超快速气相电子鼻技术对不同炮制程度的白术粉末样品采集色谱数据，进行Kovats保留指数定性及化学计量学分析，建立了麸炒白术炮制全过程的定性判别模型。该模型弥补了传感器型电子鼻不能对白术成分定性的劣势，它能快速获取目标物的气相色谱信息。使用电子鼻代替人类嗅觉系统，能够将传统鉴别经验转化为客观数据，有利于气味的客观化和整体化[29]。

图6 白术27个气味色谱峰的VIP值

Heracles Neo超快速气相电子鼻具有2根极性存在差异的色谱柱（10 m×180 μm），即MXT-5（低极性，固定液膜厚0.4 μm）和MXT-1701（中极性，固定液膜厚0.4 μm），一次注射进样，双柱同时分析，谱图同时呈现2根色谱柱的分离结果。通过对白术炮制全过程样品的气相色谱信息进行了对比分析，结果表明MXT-5柱的分离效果优于MXT-1701柱，故选择MXT-5柱的峰面积结果进行统计分析，推测出白术焦香气味和焦味的主要色谱峰来源。白术气味的定性分析结果表明，可能存在的化合物大多为烷烃类化合物，仅月桂烯为挥发油成分，这些化合物的感官信息主要被描述为“香油、糖果、水果、霉味、甜的、树脂”。但是并未发现苍术酮和白术内酯类成分，由此可知，电子鼻技术不能对白术化学成分进行准确的测定。

S、Z-生品 S1～S5-炮制不及 S6、Z6炮制成品 S10～S13-炮制太过

在炮制全过程中，白术焦香气味特征峰环己烷、月桂烯、γ-壬内酯、3-甲替啶烷、正辛基环己烷、8-甲基十五烷、正癸苯的峰面积呈先增加后降低的趋势，峰面积总体在炮制6 min时达到最大值，这提示白术的炮制时间不宜过长，时间过长会使麸炒白术的焦香气消失。此外，随着炮制时间的增加，白术焦味来源特征峰2-甲基丙醛、1,1,2,2-四氯乙烷的峰面积在炮制太过中峰面积显著性增加，而2-甲基丙醛吸入过多可造成中毒，且对眼睛有刺激性，1,1,2,2-四氯乙烷属于2类致癌物质，这也提示了白术的炮制时间不宜过长。故将白术的麸炒时间设定为6 min达到最佳。

DFA定性预测结果表明，2批麸炒白术饮片分布于炮制不及范围，推测的原因有：（1）气味略差于本研究所建立的麸炒白术气味模型；（2）药材来源于不同饮片公司，炮制工艺不同，故对麸炒成品的判断不同；（3）样品在贮藏或运输过程中气味发生略微变化，故落于模型范围外。OPLS-DA与HCA均可以有效区分不同炮制程度的麸炒白术。结果显示，随着炮制时间增加，麸炒白术的气味发生了明显变化，这为辨别不同炮制时间麸炒白术提供了科学依据。此外3-甲基十五烷等7个成分的VIP值均大于1，且3-甲基十五烷、十二烷基丙酸酯、正辛基环己烷、1,3-二硝基苯、8-甲基十五烷峰面积占比较高，是影响白术气味的差异标志物，结合气味变化分析结果，提示3-甲基十五烷、十二烷基丙酸酯、正辛基环己烷、1,3-二硝基苯、8-甲基十五烷可作为判断麸炒白术炮制程度变化的指标成分。

本研究建立了白术炮制全过程的定性判别模型，通过对5批炮制全过程样品的气味物质峰面积分析，筛选出了3-甲基十五烷等5个气味成分可用于判断不同炮制程度的白术。虽然电子鼻技术还不能对炮制特征性成分建立定量模型，但其建立的定性模型可从“气味”维度对白术炮制全过程质量识别进行补充，具有良好的应用前景。

利益冲突 所有作者均声明不存在利益冲突

[1] Li H H, Yang G. The complete chloroplast genome ofKoidz. (Asteraceae) [J]., 2020, 5(3): 2060-2061.

[2] 陈静, 窦德强. 白术性味化学研究 [J]. 中药材, 2019, 42(7): 1702-1708.

[3] 杨颖, 魏梦昕, 伍耀业, 等. 白术多糖提取分离、化学组成和药理作用的研究进展 [J]. 中草药, 2021, 52(2): 578-584.

[4] 顾思浩, 孔维崧, 张彤, 等. 白术的化学成分与药理作用及复方临床应用进展 [J]. 中华中医药学刊, 2020, 38(1): 69-73.

[5] 贾梦鑫, 于猛, 秦玲玲, 等. 生白术多糖对洛哌丁胺诱导大鼠便秘的改善作用研究 [J]. 中草药, 2022, 53(24): 7808-7815.

[6] 中国药典 [S]. 一部. 2020: 108.

[7] Ma S P, Jiang Y J, Zhang B X,. Comparison of the modulatory effect on intestinal microbiota between raw and bran-friedin the rat model of spleen-deficiency syndrome [J]., 2019, 16(17): 3183.

[8] Qu L H, Liu C L, Ke C,.rhizoma attenuates DSS-induced colitis by regulating intestinal flora and metabolites [J]., 2022, 50(2): 525-552.

[9] Chen X Y, Sun X F, Hua H M,. Quality evaluation of decoction pieces ofby near infrared spectroscopy coupled with chemometrics [J]., 2019, 221: 117169.

[10] Lei L, Ke C, Xiao K Y,. Identification of different bran-friedand prediction of atractylodin content based on multivariate data mining combined with intelligent color recognition and near- infrared spectroscopy [J]., 2021, 262: 120119.

[11] Wang X X, Xiang D L, Wang Z Y,. Label-free quantitative proteomics analysis of(Lour.) Merr. leaves treated by an odor compound ofBunge [J]., 2021, 215: 112131.

[12] Zhang W J, You C X, Yang K,. Bioactivity of essential oil ofLévl. et Van. and its main compounds against[J]., 2014, 63(8): 829-837.

[13] Yang Y H, Zhao J, Du Z Z. Unravelling the key aroma compounds in the characteristic fragrance offlowers for potential industrial application [J]., 2022, 200: 113223.

[14] Li Y, Wang X X, Yang X,. Effect of the odour compound fromBunge on the physiological and biochemical indices, photosynthesis and ultrastructure of the leaves of(Lour.) Merr [J]., 2022, 238: 113556.

[15] 费程浩, 戴辉, 苏杭, 等. 电子鼻技术的研究进展及其在中药行业中的应用 [J]. 世界中医药, 2019, 14(2): 257-262.

[16] Zhou H Y, Luo D H, GholamHosseini H,. Identification of Chinese herbal medicines with electronic nose technology: Applications and challenges [J]., 2017, 17(5): 1073.

[17] 蒋孝峰, 谢辉, 陆兔林, 等. 基于Heracles Neo超快速气相电子鼻技术的麦芽炒制过程气味变化物质基础研究 [J]. 中草药, 2022, 53(1): 41-50.

[18] Shi H, Zhang M, Adhikari B. Advances of electronic nose and its application in fresh foods: A review [J]., 2018, 58(16): 2700-2710.

[19] Ye Z Y, Liu Y, Li Q L. Recent progress in smart electronic nose technologies enabled with machine learning methods [J]., 2021, 21(22): 7620.

[20] Lu L, Hu Z Q, Hu X Q,. Electronic tongue and electronic nose for food quality and safety [J]., 2022, 162(Pt B): 112214.

[21] Chiu S W, Tang K T. Towards a chemiresistive sensor- integrated electronic nose: A review [J]., 2013, 13(10): 14214-14247.

[22] Li S M, Feng L, Ge Y F,. An ensemble learning method for robot electronic nose with active perception [J]., 2021, 21(11): 3941.

[23] Li S, Li X R, Wang G L,. Rapid discrimination of Chinese red ginseng and Korean ginseng using an electronic nose coupled with chemometrics [J]., 2012, 70: 605-608.

[24] Lin H, Yan Y H, Zhao T,. Rapid discrimination of Apiaceae plants by electronic nose coupled with multivariate statistical analyses [J]., 2013, 84: 1-4.

[25] Wang S Y, Lin Z Z, Zhang B,. Data fusion of electronic noses and electronic tongues aids in botanical origin identification on imbalancedsamples [J]., 2022, 12(1): 19120.

[26] 谭昊, 聂建光, 杜艳红, 等. 全二维气相色谱-飞行时间质谱解析红星清香型白酒风味成分特征 [J]. 酿酒科技, 2022(8): 54-58.

[27] 王小莉, 于生, 单晨啸, 等. 顶空GC-MS测定薏苡仁不同炮制品中焦香味醛类物质的含量 [J]. 海峡药学, 2021, 33(6): 69-71.

[28] Du Y, Fan P Z, Zou L H,. Serum metabolomics study of papillary thyroid carcinoma based on HPLC-Q-TOF- MS/MS [J]., 2021, 9: 593510.

[29] 陈鹏, 肖晓燕, 梅茜, 等. 基于仿生技术对薏苡仁麸炒过程中色泽气味变化研究 [J]. 中草药, 2022, 53(14): 4285-4297.

Identification of odor changes in whole process ofprocessing based on Heracles NEO ultra-fast gas phase electronic nose

LI Ya-fei1, 2, TANG Lu-lu1, 2, ZHAO Ming-fang1, 2, TANG Rui1, 2, FANG Ke-er1, 2, ZHANG Hai-rui1, 2, DU Wei-feng1, 2, 3, GE Wei-hong1, 2, 3

1. School of Pharmaceutical Sciences, Zhejiang Chinese Medical University, Hangzhou 311402, China 2. Research Center of TCM Processing Technology, Zhejiang Chinese Medical University, Hangzhou 311401, China 3. Zhejiang Chinese Medical University Chinese Medicine Yinpian Co., Ltd., Hangzhou 311401, China

Establish a qualitative discriminant model for the whole process of Baizhu (, AMR) stir-fried with wheat bran (wbAMR), and screen out the odor components that can characterize the different processing degrees wbAMR.AMR decoction pieces with different processing time were prepared by wheat bran stir-frying method. The odor spectrum was collected by ultra-high-speed gas phase electronic nose, and the odor component information was obtained by comparing with the Arochembase database. The variation of odor components was analyzed by peak area and chemometrics analysis was carried out.Through discriminant factor analysis (DFA), orthogonal partial least squares-discriminant analysis (OPLS-DA), hierarchical cluster analysis (HCA), etc., the whole process samples of wbAMR were successfully divided into four categories: raw products, less processed, processed products and processed too much. The peak area of 1,3-dinitrobenzene showed a decreasing trend during the whole processing process. The peak area of 3-methylpentadecane showed an increasing trend from raw products to less processed, and the peak area showed a decreasing trend from processed products to processed too much. The peak area of dodecyl propionate decreased from raw products to less processed and from processed products to processed too much. The peak area of-octylcyclohexane and 8-methylpentadecane showed a decreasing trend from raw products to less processed products, an increasing trend from less processed products to processed products, and a decreasing trend from processed products to processed too much. And the variable importance projection values of the above five odor components were all greater than 1.Heracles NEO ultra-fast gas phase electronic nose can qualitatively distinguish the samples of different processing degrees of wbAMR by odor. The changes of 5 odor components of 3-methylpentadecane, dodecyl propionate,-octylcyclohexane, 1,3-dinitrobenzene and 8-methylpentadecane can be used as the basis for judging the different processing degrees of wbAMR.

stir-fried with wheat bran; ultra-fast gas phase electronic nose; qualitative discrimination; processing; odour component; 3-methylpentadecane; dodecyl propionate;-octylcyclohexane; 1,3-dinitrobenzene; 8-methylpentadecane; discriminant factor analysis; orthogonal partial least squares-discriminant analysis; hierarchical cluster analysis

R283.6

A

0253 - 2670(2023)15 - 4812 - 11

10.7501/j.issn.0253-2670.2023.15.006

2023-03-01

国家重点研发计划—中药饮片质量识别关键技术研究（2018YFC1707001）；杭州市农业与社会发展科研重点项目（202204A06）；宁波市“科技创新2025”重大专项（2020Z089）

李亚飞（1997—），男，硕士研究生，研究方向为中药炮制及中药药理研究。Tel: 15772170377 E-mail: 949087021@qq.com

通信作者：杜伟锋（1984—），男，副研究员，从事中药炮制及质量控制研究。Tel: (0571)87195895 E-mail: duweifeng_200158@sohu.com

葛卫红（1969—），男，教授，从事中药药理与新产品开发研究。E-mail: geweihong@hotmail.com

[责任编辑 郑礼胜]