蓝靛果是一种富含花色苷、多酚、维生素等活性成分的功能性小浆果，具有抗氧化、降血脂、抗菌抗炎等健康特性；贵族南瓜口感软糯香甜，干物质含量高，其天然甜味与细腻质地可有效中和蓝靛果的酸涩。蓝靛果与南瓜协同发酵是改善制品风味、提升生物活性成分的有效策略。本研究应用电子鼻与GC-IMS技术，结合主成分分析与正交偏最小二乘判别分析等多元统计方法，动态监测VOCs的整体轮廓与组成变化。
由图1可知，随着发酵时间的延长，发酵汁外观逐渐由浑浊转为明亮澄清，并在36 h后基本保持稳定。该变化可能与pH下降、色素体系稳定性增强有关，同时淀粉、果胶等大分子物质的降解亦有助于提高体系的澄清度。果香气呈先下降后上升的趋势，推测与发酵后期酯类等VOCs的积累有关，这些成分可显著增强发酵汁的果香特征。发酵香气则表现为先上升后下降的趋势，在发酵24 h时达到较高水平，说明发酵初期微生物代谢可生成多种VOCs，从而提升风味的纯正性与复杂性，而在24h之后，发酵杂味逐渐增加。果味总体呈下降趋势，但36 h样品略高于24 h样品，可能与某些次生代谢产物的形成有关。酸味和甜味在发酵过程中逐渐表现出更为柔和、协调的特征，而涩味则在发酵后明显减弱。综上，发酵可显著提升蓝靛果-南瓜复合果蔬汁的感官属性，赋予其独特的口感与风味。

传统的感官测试可以通过电子鼻模拟，图2A展示了电子鼻传感器响应信号的雷达图，可以看出传感器WLSGF/C、WLSGF/D、WMSGF/B、WMSGF/E、WHSGF/B、WHSGF/D和WHSGF/F表现出较高的响应值，表明发酵汁的风味主要由这七个传感器捕捉，响应强度依次为：36 h＞48 h＞24 h＞12 h＞0 h。为了可视化样本间的异同采用PCA将多个传感器的数据简化为两个主要成分。如图2B所示，主成分1（PC1，99.7%）和主成分2（PC2，0.175%）的总方差贡献为99.875%，这表明该模型能够捕捉并表示模型中的大部分气味特征。各样品间分散明显无重叠，表明各样品间挥发性风味物质具有显著差异。与PC2相比，PC1对方差的贡献更大，x轴上距离原点的水平距离越大，表明差异越明显。所以发酵36 h的样品与发酵 0 h的样品之间挥发性风味物质差异最大。

采用GC-IMS技术分析了蓝靛果-南瓜复合发酵汁在发酵过程中（0～48 h）挥发性成分的动态变化。为直观比较不同发酵时间点样品间的差异，图3A展示了GC-IMS差异谱图（以0 h为参比），谱图以气相色谱保留时间为纵轴，离子迁移时间为横轴。横轴1.0处的红色垂直线为归一化反应离子峰（RIP），位于RIP两侧的信号点分别对应不同的VOCs，单一化合物出现多个点表示存在单体或二聚体。其中白色背景代表目标样品与参比中VOCs含量无差异，红色信号指示目标样品中该物质含量高于参比，蓝色信号则指示低于参比。随着发酵时间的延长，差异谱图中红色信号的区域扩大，表明多种VOCs在发酵过程中显著增加，其原因可能是在发酵过程中淀粉、脂类等大分子物质分解为小分子前体，为合成酯类、醛类、醇类等芳香物质提供了原料。蓝色信号的存在表明，发酵过程中若干成分相较于发酵0h样品减少，这可能是由于降解或转化。
为了更深入理解发酵过程中挥发性成分的变化模式，研究构建了挥发性成分的指纹图谱（图3B），共识别出55种（单体及部分物质的二聚体）化合物，包括25种酯类、10种醇类、6种酮类、5种醛类、4种酸类、3种呋喃类及2种其他化合物。
对各VOC峰体积归一化以观察发酵过程中挥发性成分的组成变化，由图4可知，各处理组VOCs种类未变，但相对含量有波动。酯类：发酵汁的主要风味贡献者。发酵前占17.26%，36 h后升至40.88%。乙酸-2-甲基丁酯、己酸乙酯、乙酸异丁酯、丁酸乙酯、异丁酸乙酯等明显上升，赋予浓郁果香、甜香与酒香。醇类：相对含量由0 h的29.1%降至24 h的24.8%后趋于稳定。3-甲基-1-丁醇为主要成分（36 h占11.04%），带来威士忌酒香与香蕉香；正己醇、1-戊烯-3-醇、2-戊醇含量下降，相应香气减弱；4-萜烯醇由1.14%升至4.17%，增添胡椒香、木质香与泥土香。酸类：以乙酸为主，由发酵前的34.93%降至36 h的17.49%，酸味由生硬醋酸味转为柔和清爽的果酸感；2-甲基戊酸（酸奶酪香）和2-甲基庚酸（黄油香）含量上升，使风味更立体。醛类：呈下降趋势，36 h仅占3.99%，以2-己醛和2-甲基丁醛为主，因阈值低，对杏仁香、苹果香、李子香、可可香等风味贡献明显。酮类：3-羟基-2-丁酮由2.76%升至2.94%，增强黄油与奶油香；2-己酮由0.7%升至1.1%，增加果香与青草香；2-庚酮由0.51%降至0.06%，梨香、香蕉香与药香减弱；3-戊酮仅占0.5%，影响不大。呋喃类：36 h占2.74%，由糖类脱氢或热解产生，赋予果香、甜香与焦香等复合风味。其他类：含1-庚烯和环己烷，带有汽油味，发酵后明显减少，使整体风味更和谐。
为了进一步理解和可视化不同发酵时间样品中VOCs的差异，基于检测到的信号强度，首先进行PCA分析来描述发酵汁的整体风味特征。如图5A所示，PC1（69.8%）和PC2（22.5%）的总方差贡献为92.3%，基本能够反映样品整体差异。各重复样本在PCA得分图中聚集较为紧密，说明检测稳定性较好。为实现数据可视化及判别分析，采用OPLS-DA对所得数据进行降维处理。如图5B所示，OPLS-DA模型的拟合参数R2X=0.990，R2Y=0.988，Q2=0.964，均显著大于0.5，表明该模型具有强大的预测和解释能力。为了确保模型的有效性，进行了200次置换检验以验证模型。如图5C所示，随机模型的Q2值始终低于原始模型，Q2的回归线与y轴在负半轴相交。这表明模型稳健，未过拟合，具有高度统计学意义。
在OPLS-DA模型中，由于部分数据对差异的区分效果有限，所以通常使用VIP值来说明变量对模型的贡献，如图5D所示，VIP值大于1被认为是关键的区分物质。以VIP值大于1作为筛选阈值，共筛选出17种化合物，这些化合物被认为是区分不同发酵时间样品风味特征的关键差异物质。基于OPLS-DA模型与挥发性成分相对含量分析可知，这些物质在不同发酵阶段的动态变化趋势，是导致发酵汁风味品质差异的重要原因。

来源：感官科学与评定，转载请注明来源。
了解！食品热点/活动师技能等级培训（初级）期待您的参加！