藍靛果是一種富含花色苷、多酚、維生素等活性成分的功能性小漿果，具有抗氧化、降血脂、抗菌抗炎等健康特性；貴族南瓜口感軟糯香甜，干物質含量高，其天然甜味與細膩質地可有效中和藍靛果的酸澀。藍靛果與南瓜協同發酵是改善制品風味、提升生物活性成分的有效策略。本研究應用電子鼻與GC-IMS技術，結合主成分分析與正交偏最小二乘判別分析等多元統計方法，動態監測VOCs的整體輪廓與組成變化。
由圖1可知，隨著發酵時間的延長，發酵汁外觀逐漸由渾濁轉為明亮澄清，并在36 h后基本保持穩定。該變化可能與pH下降、色素體系穩定性增強有關，同時淀粉、果膠等大分子物質的降解亦有助于提高體系的澄清度。果香氣呈先下降后上升的趨勢，推測與發酵后期酯類等VOCs的積累有關，這些成分可顯著增強發酵汁的果香特征。發酵香氣則表現為先上升后下降的趨勢，在發酵24 h時達到較高水平，說明發酵初期微生物代謝可生成多種VOCs，從而提升風味的純正性與復雜性，而在24h之后，發酵雜味逐漸增加。果味總體呈下降趨勢，但36 h樣品略高于24 h樣品，可能與某些次生代謝產物的形成有關。酸味和甜味在發酵過程中逐漸表現出更為柔和、協調的特征，而澀味則在發酵后明顯減弱。綜上，發酵可顯著提升藍靛果-南瓜復合果蔬汁的感官屬性，賦予其獨特的口感與風味。

傳統的感官測試可以通過電子鼻模擬，圖2A展示了電子鼻傳感器響應信號的雷達圖，可以看出傳感器WLSGF/C、WLSGF/D、WMSGF/B、WMSGF/E、WHSGF/B、WHSGF/D和WHSGF/F表現出較高的響應值，表明發酵汁的風味主要由這七個傳感器捕捉，響應強度依次為：36 h＞48 h＞24 h＞12 h＞0 h。為了可視化樣本間的異同采用PCA將多個傳感器的數據簡化為兩個主要成分。如圖2B所示，主成分1（PC1，99.7%）和主成分2（PC2，0.175%）的總方差貢獻為99.875%，這表明該模型能夠捕捉并表示模型中的大部分氣味特征。各樣品間分散明顯無重疊，表明各樣品間揮發性風味物質具有顯著差異。與PC2相比，PC1對方差的貢獻更大，x軸上距離原點的水平距離越大，表明差異越明顯。所以發酵36 h的樣品與發酵 0 h的樣品之間揮發性風味物質差異最大。

采用GC-IMS技術分析了藍靛果-南瓜復合發酵汁在發酵過程中（0～48 h）揮發性成分的動態變化。為直觀比較不同發酵時間點樣品間的差異，圖3A展示了GC-IMS差異譜圖（以0 h為參比），譜圖以氣相色譜保留時間為縱軸，離子遷移時間為橫軸。橫軸1.0處的紅色垂直線為歸一化反應離子峰（RIP），位于RIP兩側的信號點分別對應不同的VOCs，單一化合物出現多個點表示存在單體或二聚體。其中白色背景代表目標樣品與參比中VOCs含量無差異，紅色信號指示目標樣品中該物質含量高于參比，藍色信號則指示低于參比。隨著發酵時間的延長，差異譜圖中紅色信號的區域擴大，表明多種VOCs在發酵過程中顯著增加，其原因可能是在發酵過程中淀粉、脂類等大分子物質分解為小分子前體，為合成酯類、醛類、醇類等芳香物質提供了原料。藍色信號的存在表明，發酵過程中若干成分相較于發酵0h樣品減少，這可能是由于降解或轉化。
為了更深入理解發酵過程中揮發性成分的變化模式，研究構建了揮發性成分的指紋圖譜（圖3B），共識別出55種（單體及部分物質的二聚體）化合物，包括25種酯類、10種醇類、6種酮類、5種醛類、4種酸類、3種呋喃類及2種其他化合物。
對各VOC峰體積歸一化以觀察發酵過程中揮發性成分的組成變化，由圖4可知，各處理組VOCs種類未變，但相對含量有波動。酯類：發酵汁的主要風味貢獻者。發酵前占17.26%，36 h后升至40.88%。乙酸-2-甲基丁酯、己酸乙酯、乙酸異丁酯、丁酸乙酯、異丁酸乙酯等明顯上升，賦予濃郁果香、甜香與酒香。醇類：相對含量由0 h的29.1%降至24 h的24.8%后趨于穩定。3-甲基-1-丁醇為主要成分（36 h占11.04%），帶來威士忌酒香與香蕉香；正己醇、1-戊烯-3-醇、2-戊醇含量下降，相應香氣減弱；4-萜烯醇由1.14%升至4.17%，增添胡椒香、木質香與泥土香。酸類：以乙酸為主，由發酵前的34.93%降至36 h的17.49%，酸味由生硬醋酸味轉為柔和清爽的果酸感；2-甲基戊酸（酸奶酪香）和2-甲基庚酸（黃油香）含量上升，使風味更立體。醛類：呈下降趨勢，36 h僅占3.99%，以2-己醛和2-甲基丁醛為主，因閾值低，對杏仁香、蘋果香、李子香、可可香等風味貢獻明顯。酮類：3-羥基-2-丁酮由2.76%升至2.94%，增強黃油與奶油香；2-己酮由0.7%升至1.1%，增加果香與青草香；2-庚酮由0.51%降至0.06%，梨香、香蕉香與藥香減弱；3-戊酮僅占0.5%，影響不大。呋喃類：36 h占2.74%，由糖類脫氫或熱解產生，賦予果香、甜香與焦香等復合風味。其他類：含1-庚烯和環己烷，帶有汽油味，發酵后明顯減少，使整體風味更和諧。
為了進一步理解和可視化不同發酵時間樣品中VOCs的差異，基于檢測到的信號強度，首先進行PCA分析來描述發酵汁的整體風味特征。如圖5A所示，PC1（69.8%）和PC2（22.5%）的總方差貢獻為92.3%，基本能夠反映樣品整體差異。各重復樣本在PCA得分圖中聚集較為緊密，說明檢測穩定性較好。為實現數據可視化及判別分析，采用OPLS-DA對所得數據進行降維處理。如圖5B所示，OPLS-DA模型的擬合參數R2X=0.990，R2Y=0.988，Q2=0.964，均顯著大于0.5，表明該模型具有強大的預測和解釋能力。為了確保模型的有效性，進行了200次置換檢驗以驗證模型。如圖5C所示，隨機模型的Q2值始終低于原始模型，Q2的回歸線與y軸在負半軸相交。這表明模型穩健，未過擬合，具有高度統計學意義。
在OPLS-DA模型中，由于部分數據對差異的區分效果有限，所以通常使用VIP值來說明變量對模型的貢獻，如圖5D所示，VIP值大于1被認為是關鍵的區分物質。以VIP值大于1作為篩選閾值，共篩選出17種化合物，這些化合物被認為是區分不同發酵時間樣品風味特征的關鍵差異物質。基于OPLS-DA模型與揮發性成分相對含量分析可知，這些物質在不同發酵階段的動態變化趨勢，是導致發酵汁風味品質差異的重要原因。

來源：感官科學與評定，轉載請注明來源。
了解！食品感官分析師技能等級培訓（初級）期待您的參加！