基于液体阵列味觉仿生传感器鉴别白酒香型的新方法

Vol.34高等学校化学学报No.72013年7月 CHEMICAL JOURNAL OF CHINESE UNIVERSITIES 1623~1628 doi:10.7503/cjcu20121013基于液体阵列味觉仿生传感器鉴别白酒香型的新方法侯长军1,戴　斌1,霍丹群1,杨　平2,徐　勇2,李俊杰1,罗小刚1,杨　眉1,法焕宝3(1.重庆大学生物工程学院,重庆400044;2.国家固态酿造工程技术研究中心,泸州老窖股份有限公司,泸州646000;3.重庆大学化学工程学院,重庆400044)摘要　通过模拟哺乳动物的味觉系统,建立了交叉响应的液体阵列传感器,为鉴别白酒香型提供了新方法.选用7种染料和1种卟啉化合物作为传感单元,构建液体阵列传感器,集合8个传感单元的光谱响应信号构成分析物的指纹图谱,达到识别的目的.使用96孔板酶标仪采集响应数据,结合主成分分析(PCA)㊁分层聚类分析(HCA)和判别分析(LDA)等模式识别方法进行数据处理,对9种具有代表性的不同香型白酒样品进行了鉴别分析.PCA 结果表明,该方法对于白酒的检测主要基于酒体微量成分,其中酸类物质对识别的贡献最大(贡献率达54.3%),芳香类物质贡献率为18.6%;同时,仅用63.4%的数据信息量即可对白酒香型进行区分.HCA 结果表明,平行样均正确归类,各白酒之间的相似程度在聚类图上得到体现.LDA 结果表明,该阵列对于9种白酒样品香型识别的准确率达到100%.关键词　白酒香型;味觉仿生;液体阵列传感器;交叉响应中图分类号　O657 文献标志码　A 收稿日期:2012⁃11⁃07.基金项目:国家自然科学基金(批准号:31171684,81102132)㊁四川省科技支撑计划(批准号:2010NZ0093)㊁中央高校基本科研业务费(批准号:CDJXS11231178,CDJXS102300)㊁四川省重点实验室开放基金(批准号:NJ2011⁃03)和重庆大学大型仪器设备开放基金资助.联系人简介:侯长军,男,博士,教授,博士生导师,主要从事卟啉生化传感器方面的研究.E⁃mail:houcj@白酒中乙醇和水的质量分数超过98%,剩余质量分数不足2%的部分为微量物质,其数目有数千种,且各物质之间存在相互作用,构成了白酒的风格与品质.目前,常规的白酒鉴别方法为感官评价法和仪器分析法.感官评价法快速㊁简便,能对白酒进行整体性和综合性的评价,但具有很大的主观性,易受评价人员精神和身体状况等因素的影响.仪器分析法包括气相色谱法[1,2]㊁色谱⁃质谱联用法[3]和光谱法[4,5]等,可以对白酒成分进行定性及定量分析,但前期处理繁琐且仪器价格昂贵,难以实现快速检测.同时,以色谱为主的检测方法需将白酒分解成单一成分,忽略了酒体成分之间的相互作用.因此,对液体酒样进行整体检测的方法在白酒品质检测中具有重要意义.白酒作为一类无明显特征成分的复杂体系,不易实现特异性传感识别,而模拟哺乳动物鼻舌系统的交叉响应传感器在多成分复杂体系的检测中具有独特的优势.鼻舌仿生传感器由多种非选择性敏感材料构成,具有广谱响应的特点.复杂体系中的多种成分可与阵列中的传感单元发生作用,收集每个传感单元产生的响应信号,构成分析物的指纹图谱,可达到对复杂体系整体识别的目的.目前,应用于白酒检测研究的鼻舌仿生技术包括嗅觉可视化技术[6]㊁电子鼻[7,8]和电子舌[9]等.但应用嗅觉仿生传感器对白酒进行分析时,仅对挥发类物质进行检测,忽略了酒体中难挥发类成分.味觉仿生传感器直接对液体样本进行检测,可以更全面地反映酒样信息.本文选用染料和卟啉类化合物等敏感物质作为传感单元,由8种敏感物质构成液体阵列,构建了易实现的味觉仿生传感器,直接对液体酒样进行检测.与电子鼻/舌等现有固体阵列相比,该方法不需要进行探针的固定化处理.而且,当分析物为液态时,分析物与液体阵列作用更充分,具有响应快速的优势.利用该传感器对9种香型的白酒进行了检测,准确率达到100%,为白酒香型的快速检测提供了一种简便㊁高效的新方法.1　实验部分1.1　样品与试剂9种不同香型代表酒样:玉冰烧(豉香型,体积分数29%,佛山市太吉酒厂有限公司)㊁董酒(药香型,体积分数45%,贵州董酒股份有限公司)㊁四特酒(特香型,体积分数45%,江西四特酒有限责任公司)㊁景芝白干(芝麻香型,体积分数49%,山东景芝酒业股份有限公司)㊁西凤酒(凤香型,体积分数50%,陕西西凤酒集团股份有限公司)㊁泸州老窖(浓香型,体积分数52%,四川泸州老窖股份有限公司)㊁汾酒(清香型,体积分数53%,山西杏花村汾酒厂股份有限公司)㊁郎酒(酱香型,体积分数53%,四川郎酒集团有限责任公司)和桂林三花酒(米香型,体积分数53%,桂林三花股份有限公司).7种染料(包括溴甲酚紫㊁溴酚红㊁亮黄㊁甲基紫㊁吖啶橙㊁间胺黄和孔雀绿)均为分析纯,购自美国Sigma⁃Aldrich 公司;四磺酸基四苯基卟啉(TPPS 4,纯度99%)购自美国Frontier Scientific 公司.1.2　实验过程哺乳动物可以识别的味道种类远超出其味觉受体个数,味觉系统的这种强大识别能力基于味觉物质与味觉受体之间的交叉响应作用.味觉受体并不具备高度的特异性,但每个受体对味觉物质均能表现出不同程度的亲和力和一定的响应能力,通过协同作用可达到区分和识别味觉物质的目的[10~12].因此,模拟味觉系统构建阵列时,选用的敏感材料不需进行特异性设计,但为了保证其交叉响应的特性和光谱信号的实现,敏感材料的选择需要考虑以下2个方面:(1)敏感材料应具有多个作用位点,易与分析物发生相互作用;(2)敏感材料应具有生色基团,当其与分析物结合时会引起光谱变化.Suslick 等[13~15]基于该原则,选择卟啉类化合物㊁pH 指示剂及偶极染料等敏感材料构建了可视化固体阵列芯片.本课题组通过对敏感材料进一步的筛选和补充,建立了敏感材料库,并针对不同的体系构建了响应的可视化固体阵列[6,16,17].构建液体传感阵列前需要进行敏感材料的筛选实验,通过检测对象与材料库中敏感材料的紫外响应光谱筛选出对白酒有显著响应的8种化学物质,包括7种染料及1种卟啉化合物,其结构与名称如表1所示.Table 1　Names and structures of 8sensing materialsSensorName Structure Sensor Name StructureS1Bromocresol purple S5Acridine orange S2Bromphenol red S6Metanil yellowS3Brilliant yellow S7Malachite greenS4Methyl violet S8TPPS 44261高等学校化学学报 Vol.34　Fig.1　Actual picture of the array sensor 传感阵列构建在96孔板上,其布局如图1所示.每列含有8个孔,相当于一个阵列传感器.1块96孔板则相当于含有12个传感阵列,可同时分析12个样本.检测前,向每列的8个孔中分别加入100μL 对应的敏感材料S1~S8.分析检测时,向此8孔中同时加入100μL 的酒样,于20℃下振荡10min,选取415,450,490和595nm 作为检测波长,使用Imark 酶标仪(美国BIO⁃RAD 公司)测定OD 值.对9种酒样各进行5个平行样实验,每个平行样的检测结果包含32个光谱数据,所有样本的实验数据组成一个(9×5)×32维的矩阵,将这些原始光谱数据作为输入变量进行模式识别分析.2　结果与讨论2.1　主成分分析(PCA )在模式识别中,原始的阵列数据中会含有冗余重叠的信息,因此需对阵列数据进行多变量分析.主成分分析常被用于数据的降维分析中,其原理是将原来众多具有一定相关性的指标重新组合成一组新的相互无关的综合指标,用几个主要的综合指标尽可能多地反映整体的信息,达到降维的目的.Fig.2　Scree plot of cumulative percentage of variance for the 8most important principal components 实验测定了9种白酒样品,每种样品进行5个平行样实验,对45个样本数据进行主成分分析,得出主成分累积图如图2所示.结果表明,前8个主成分包含了全部数据96.4%的信息量.对于交叉响应传感器,达到某一信息量所需要的主成分越多,其交叉响应能力越强,对多组分样本的区分效果更好[18];而特异性传感器前2个主成分即可达到该信息量.提取前3个主成分进行主要识别机理的分析,由于主成分是由原始变量衍变得到,所以通过分析其原始变量在主成分上的载荷可以得到各变量对主成分的贡献.该传感阵列的数据含有32个原始变量,每个传感点含有4个变量,累积各传感点4个变量的载荷,可以得出各个传感点在主成分上的累积载荷,结果见表2.Table 2　Cumulative load of each sensing point Sensor PC1PC2PC3Sensor PC1PC2PC3S13.2531.5020.487S52.9561.6831.006S22.6061.4460.982S63.4330.7860.594S33.3010.9230.813S72.2652.4761.653S42.7342.1710.783S82.2801.0981.805 在第一主成分上,传感点的贡献大小顺序为S6>S3>S1>S5>S4>S2>S8>S7.贡献值较大的S6和S3为酸碱指示剂,而贡献值最小的S8为磺酸卟啉,S7为氧化还原指示剂,对酸碱度的响应明显低于前几个物质.因此推断,第一主成分是基于酸碱度的识别.各传感点在第二主成分上的载荷大小顺序为S7>S4>S5>S1>S2>S8>S3>S6.分析8个敏感材料的结构发现,贡献较大的S7,S4和S5均含有大π共轭结构.S1比S2的苯环上多含一个甲基,而甲基是供电子基团,可使苯环上的电子云密度增加,更容易与分析对象发生π⁃π作用,导致S1在第二主成分上贡献比S2大.S3和S6分子为长链结构,共轭程度低,所以对第二主成分的贡献最小.因此推断,第二主成分为π⁃π作用力的识别.各传感点在第三主成分上的载荷大小顺序为S8>S7>S5>S2>S3>S4>S6>S1.此顺序与敏感材料的分子对称程度有一定的相关性,分子对称程度决定分子极性.贡献最大的S8分子对称程度最高,其它敏感材料对第三主5261　No.7　侯长军等:基于液体阵列味觉仿生传感器鉴别白酒香型的新方法6261高等学校化学学报 Vol.34　成分贡献顺序基本符合分子对称程度由高到低的规律,而分子对称程度越高,分子极性越小.传感点极性大小不同对分析对象的极性也会有不同程度的响应,因此推断第三主成分是基于分析对象极性大小的识别.以主成分分析结果中的第一主成分为横坐标,第二主成分为纵坐标作图得到样本的二维散点分布图[图3(A)].由图3(A)可见,9种香型白酒样品在第一主成分上的投影顺序为:董酒㊁四特酒㊁郎酒㊁汾酒㊁泸州老酒㊁桂林三花酒㊁景芝白干㊁玉冰烧㊁西凤酒.董酒的总酸含量最高,居各类品牌白酒之首,约为291mg/L,其次为四特酒和郎酒,而西凤酒总酸含量最低,约为60mg/L[19],白酒样品在第一主成分上的投影基本符合总酸度从高到低的趋势,验证了第一主成分是基于样本酸度识别的推断.白酒样品在第二主成分上投影的顺序为:西凤酒㊁董酒㊁四特酒㊁泸州老窖㊁郎酒㊁汾酒㊁桂林三花酒㊁景芝白干㊁玉冰烧.玉冰烧中所含有的β⁃苯乙醇的含量最高,同时也含有蒎烯等芳香类物质.景芝白干和桂林三花酒中均含有β⁃苯乙醇,郎酒中也含有大量的芳香类化合物[20].芳香类物质可与敏感材料发生π⁃π作用,验证了第二主成分是基于π⁃π作用力识别的推断.Fig.3　PCA score plots using principal components based on the data for the analysis of9different aromatic Chinese liquors以第一主成分为横坐标,第三主成分为纵坐标作图得散点图如图3(B)所示.白酒样品在第三主成分上投影的顺序为:董酒㊁玉冰烧㊁景芝白干㊁四特酒㊁西凤酒㊁桂林三花酒㊁泸州老窖㊁湘泉㊁汾酒㊁郎酒.这一投影顺序符合酒精度从低到高的趋势,董酒例外.酒体的酒精度影响酒体的极性,酒精度越高,醇/水比越高,酒体极性越小.酒体中的其它物质对于酒体极性也有影响,董酒中酸类物质含量最高,而酸类物质属于极性较大的一类,所以董酒虽然酒精度比玉冰烧高,但整体极性却比玉冰烧大.因此,第三主成分投影顺序基本符合酒体极性由小到大的规律,验证了第三主成分是基于酒体极性识别的推断.主成分分析结果表明,酒体酸类物质对识别的贡献最大,贡献率达54.3%,芳香类物质贡献率为18.6%,而酒精度对识别的贡献体现在第三主成分上,贡献率不足9.1%,说明该传感器对于白酒的鉴别主要是基于白酒的微量成分.同时,图3(B)区分效果显示,仅用占总信息量63.4%的2个主成分就可以将9个类别的白酒样品明显区分,显示了该传感器强大的识别能力.2.2　聚类分析(HCA)聚类分析是一种常用的统计分析方法,它利用所有的区分信息对样本进行分析,用于表示不同分析对象之间的相似程度,性质相似的样本将聚成一簇.实验数据的聚类分析结果如图4所示.由图4可以看出,桂林三花酒㊁景芝白干和玉冰烧较为接近;汾酒㊁泸州老窖和郎酒较为接近;董酒和四特酒较为接近;西凤酒与其它几类白酒关联较少,独成一簇.从主成分分析结果可知,该阵列传感器主要是基于白酒的微量成分进行检测,而白酒中的成分与原辅料㊁酒曲以及酿造工艺等因素有关.桂林三花酒与玉冰烧聚类距离接近,两者均选用大米作为酿酒原料,且这两种白酒均使用小曲作为其发酵酒曲.而同样以大米作为原料的四特酒与这两类白酒聚类距离较远,是因为其使用的酒曲为大曲.郎酒㊁汾酒和泸州老窖聚类距离较近,三者均选用高粱作为酿酒原料,并使用大曲作为发酵酒曲.同样使用了高粱作为原料的董酒与这四类白酒区分明显,是因为其使用了中药材制曲.而西凤Fig.4　Hierarchical cluster analysis (HCA )plots of 9different aromatic Chinese liquors1 5:Guilinsanhua;6 10:Jingzhibaigan;11 15:Yubingshao;16 20:Fenjiu;21 25:Luzhoulaojiao;26 30:Langjiu;31 35:Xifeng;35 40:Dongjiu;41 45:Site.酒则由于采用了其特有的酒海贮存,从而导致其酒体成分比例特殊,与其它白酒相似程度低.2.3　判别分析(LDA )判别分析是利用已知类别的样本建立判别模型,为未知类别的样本判别的一种统计方法.当遇到Fig.5　Linear discriminant analysis (LDA )plot of 9different aromatic Chinese liquors新的样本点时,根据总结出来的判别公式,就能判别该样本点所属的类别.因此,在实验中利用SPSS软件中的判别分析模块,对测定的45个实验样本数据进行分析,经过样本训练,得到10个判别函数.选取贡献值较大的前2个函数,以各样本在第一判别函数上的函数值为X 值,在第二判别函数上的函数值为Y 值,得到判别函数散点图如图5所示.可见,该液体阵列可对9种白酒进行明显区分.同一种白酒的平行实验结果在图中聚集在一起,表明阵列识别结果具有较好的重现性.在本研究中,对45个检测样本进行了判别分析.随机取出1个样本,以剩余的44个样本为 训练样本”建立判别函数,然后对取出的1个样本进行判别,确定其类别,并与样本实际类别比对.分别对45个样本进行上述判别分析,无误判.判别分析结果表明,所构建的液体阵列对9种白酒的识别准确率可达100%.白酒成分众多,且各组分之间存在复杂的相互作用,因此进行白酒品质检测时,对白酒全面准确的鉴定显得尤为重要.本文模拟哺乳动物味觉系统,采用8种非选择性的敏感物质构建了交叉响应的液体阵列,直接对酒体进行检测,为白酒鉴别提供了一种新方法.该传感器对9种不同香型白酒的鉴别结果表明,其对白酒香型的识别主要是基于酒体中的微量成分,对所选白酒的香型识别准确率达到100%.参　考　文　献[1]　Zhou W.,Zhou X.P.,Zhao G.H.,Liu H.W.,Gao L.H.,Chen L.R.,Liu X.D.,Tang Y.,Chin.J.Anal.Chem.,2004,32(6),735 740(周围,周小平,赵国宏,刘红卫,高黎红,陈立仁,刘向东,唐煜.分析化学,2004,32(6),735 740)[2]　Zhang C.,Hu K.P.,Duan Y.S.,Cao L.,Wu J.,Chin.J.Chromatogr.,2007,25(4),586 589(张超,胡可萍,端裕树,曹磊,武杰.色谱,2007,25(4),586 589)[3]　Luo T.,Fan W.L.,Guo X.,Xu Y.,Zhao G.A.,Wang J.H.,Dong L.P.,Yuan J.C.,Liquor Making Science &Technology ,2007,6,121 124(罗涛,范文来,郭翔,徐岩,赵光鳌,汪建华,董鲁平,袁军川.酿酒科技,2007,6,121 124)[4]　Jiang A.,Peng J.T.,Peng S.L.,Wei J.P.,Li C.W.,Spectroscopy and Spectral Analysis ,2010,30(4),920 923(姜安,彭江涛,彭思龙,魏纪平,李长文.光谱学与光谱分析,2010,30(4),920 923)[5]　Yang J.L.,Zhu T.,Xu Y.,Fan W.L.,Wu H.,Spectroscopy and Spectral Analysis ,2010,30(1),243 246(杨建磊,朱拓,徐岩,范文来,武浩.光谱学与光谱分析,2010,30(1),243 246)[6]　Huo D.Q.,Yin M.M.,Hou C.J.,Qin H.,Zhang M.M.,Dong J.L.,Luo X.G.,Shen C.H.,Zhang S.Y.,Chin.J.Anal.Chem.,2011,39(4),516 520(霍丹群,尹猛猛,侯长军,秦辉,张苗苗,董家乐,罗小刚,沈才洪,张宿义.分析化学,2011,7261　No.7　侯长军等:基于液体阵列味觉仿生传感器鉴别白酒香型的新方法8261高等学校化学学报 Vol.34　39(4),516 520)[7]　Gao Y.M.,Liu Y.F.,Li Y.X.,Li J.M.,Shi B.X.,Ni Y.Y.,Liquor Making Science&Technology,2008,5,38 44(高永梅,刘远方,李艳霞,李景明,石宝霞,倪元颖.酿酒科技,2008,5,38 44)[8]　Wang L.C.,Zhang Q.Y.,Huang W.,Chinese Journal of Sensors and Actuators,2010,23(12),1686 1689(王立川,张覃轶,黄伟.传感技术学报,2010,23(12),1686 1689)[9]　Wang R.,Tian S.Y.,Deng S.P.,Liquor Making Science&Technology,2008,11,54 56(王茹,田师一,邓少平.酿酒科技,2008,11,54 56)[10]　Mori K.,Takahashi Y.K.,Igarashi K.M.,Yamaguchi M.,Physiological Reviews,2006,86,409 433[11]　Harper W.J.,Advances in Experimental Medicine and Biology,2001,488,59 71[12]　Dickinson T.A.,White J.,Kauer J.S.,Walt D.R.,Nature,1996,382,697 700[13]　Suslick K.S.,Rakow N.A.,Sen A.,Tetrahedron,2004,60,11133 11138[14]　Lin H.W.,Suslick K.S.,J.Am.Chem.Soc.,2010,132(44),15519 15521[15]　Suslick B.A.,Feng L.,Suslick K.S.,Anal.Chem.,2010,82,2067 2073[16]　Huo D.Q.,Li J.,Dong J.L.,Hou C.J.,Huang C.H.,Dai B.,Fa H.B.,Zhang L.,Chem.J.Chinese Universities,2012,33(11),2422 2429(霍丹群,李娟,董家乐,侯长军,黄承洪,戴斌,法焕宝,张良.高等学校化学学报,2012,33(11), 2422 2429)[17]　Hou C.H.,Dong J.L.,Zhang G.P.,Lei Y.,Yang M.,Zhang Y.C.,Liu Z.,Zhang S.Y.,Huo D.Q.,Biosensors and Bioelec⁃tronics,2011,26(10),3981 3986[18]　Anzenbacher P.,Lubal P.,Bucek P.,Palacios M.A.,Kozelkova M.E.,Chem.Soc.Rev.,2010,39,3954 3979[19]　Tao X.R.,Zeng H.L.,Liquor Making Science&Technology,2009,5,33 35(陶雪容,曾黄麟.酿酒科技,2009,5,33 35)[20]　Zeng Z.X.,Liquor Making,2006,33(2),3 6(曾祖训.酿酒,2006,33(2),3 6)New Method for Identifying the Aromatic Types of ChineseLiquors Based on a96⁃well PlateHOU Chang⁃Jun1*,DAI Bin1,HUO Dan⁃Qun1,YANG Ping2,XU Yong2,LI Jun⁃Jie1,LUO Xiao⁃Gang1,YANG Mei1,FA Huan⁃Bao3(1.College of Bioengineering,Chongqing University,Chongqing400044,China;2.National Engineering Research Center of Solid⁃State Brewing,Luzhou Laojiao Group Co.,Ltd.,Luzhou646000,China;3.College of Chemistry and Chemical Engineering,Chongqing University,Chongqing400044,China) Abstract　A cross⁃response liquid array sensor that simulated the mammalian taste system was developed for the determination of liquor aromatic types.The liquid array sensor was constructed with8sensing units which were consisted of7chemical dyes and1porphyrin compound.It achieved the type identification through the analyte fingerprints constituted by congregating the spectral response signal of8sensing units.The data were collected via a96⁃well plate microplate reader,and then was further analyzed with principal component analy⁃sis(PCA),hierarchical clustering analysis(HCA)and linear discriminant analysis(LDA).We detected 9different aromatic liquors.PCA results suggested that the mechanism of identification was mainly based on the trace components of Chinese liquor.Thereamong,the acids of Chinese liquor were the maximum contribu⁃tion for the identification,because the contribution rate of acids was54.3%and that of aromatic substances was only18.6%.Simultaneously,only by63.4%data rate could distinct liquor aromatic types with satisfac⁃tion.HCA dendrogram demonstrated that9different aromatic liquors could be correctly classified.LDA fur⁃ther showed the classification accuracy of identification for these9different aromatic liquors was100%.These results showed that this method may provide a simple and efficient way for the rapid identification of liquor. Keywords　Liquor aromatic types;Taste biomimetic;Liquid array sensor;Cross⁃reactive(Ed.:N,K)。