基于脂质和风味标志物鉴别菜籽油产地与工艺的方法

本技术属于食品溯源、品质分析和机器学习交叉，具体涉及基于脂质和风味标志物鉴别菜籽油产地与工艺的方法。

背景技术：

1、菜籽油是我国长江流域主产区的主要食用油之一，其品质和风味深受产地环境（土壤、气候、种质、种植环境）和加工工艺（冷榨、热榨、浸出）的影响。不同产地、不同加工工艺的菜籽油在脂质组成、风味组分、营养价值、感官特性及市场价值上存在明显差异。目前食用油市场存在原产地冒用、以次充好、工艺虚标等乱象，严重侵害消费者权益和地域特色粮油产品品牌声誉。现有菜籽油产地及工艺鉴别手段主要依靠感官品评和单一理化指标、常规脂肪酸检测：

2、感官评价依赖评审员经验，主观性强、重复性差、易受人为干扰，无法实现标准化精准鉴别；

3、常规理化及脂肪酸组成指标区分度有限，难以对邻近产地、同品种不同工艺菜籽油进行精细划分；

4、现有稳定同位素等溯源技术成本高、检测流程复杂、普及性差，难以满足批量筛查与现场快速监管的应用需求；

5、现有技术多采用单一维度指标进行鉴别，缺少将脂质组学全局脂质轮廓与整体风味物质指纹结合的多维鉴别体系，也缺少可落地、可标准化的特异性标志物组合与判别模型。现有技术普遍存在标志物混杂误用的技术误区，将脂肪酸、脂质组分同时作为产地与工艺鉴别标志物，经实验验证该类指标无工艺区分能力，判别逻辑存在本质矛盾。

6、脂质组学可无偏向解析油脂中全部脂质分子类别与含量特征，风味物质是决定菜籽油香型、特征风味的核心物质基础。目前尚无将两者联合、筛选固定标志物组合并构建判别模型用于菜籽油产地+工艺同步鉴别的成熟方案，因此亟需开发一套客观、可重复、精准、易推广的鉴别方法。

技术实现思路

1、针对现有菜籽油产地与工艺鉴别方法主观性强、准确度低、易被仿制、单一指标区分能力弱、邻近产地与不同工艺难以精细甄别、检测成本高、不易标准化推广的缺陷，本技术提供一种基于脂质组学与风味物质联合标志物的菜籽油产地及工艺鉴别方法。该方法通过筛选专属脂质标志物、特征风味标志物，结合多元统计建模，实现自动化、客观化、高精度的产地溯源与加工工艺判别，满足市场监管、原产地保护、企业质控及产品溯源的实际需求。

2、本技术提供的技术方案如下：

3、第一方面，提供一种用于鉴别菜籽油产地和加工工艺的脂质和风味标志物的筛选方法，包括：

4、获取不同产地和加工工艺的菜籽油样品；

5、采用液质联用lc-ms非靶向脂质组学方法对所述菜籽油样品进行全脂分子检测，得到脂质全景图谱；通过数据分析，得到包括脂质分子的种类和表达丰度的第一数据；

6、采用气质联用gc-ms对菜籽油样品进行挥发性风味物质检测，得到风味物质全景图谱；通过数据分析，得到包括风味物质种类及相对含量数据的第二数据；

7、获得菜籽油样品的理化辅助指标数据，将第一数据、第二数据、理化辅助指标数据按对应样品合并，得到第三数据；

8、对所述第三数据进行预处理，得到第三预处理数据；

9、对所述第三预处理数据以不同产地和加工工艺为分组标签，依次进行主成分分析、正交偏最小二乘判别分析、多维组学特征解析和多参数联合筛选，分别得到产地鉴别用脂质和风味标志物组合、加工工艺鉴别用风味标志物组合。

10、在一种可能实现的方式中，所述不同产地包括湖北、湖南和河南；所述加工工艺包括冷榨、热榨和浸出。

11、在一种可能实现的方式中，所述采用液质联用lc-ms非靶向脂质组学方法对所述菜籽油样品进行全脂分子检测，包括：

12、（1）样品前处理

13、（2）液相色谱条件

14、色谱柱：键合十八烷基硅烷c18超高效液相色谱柱；柱长100mm，内径2.1mm，填料粒径1.7μm；

15、流动相：流动相a，含有10 mmol/l甲酸铵的乙腈水溶液，乙腈和水的体积比为6:4；流动相b，含有10 mmol/l甲酸铵的异丙醇-乙腈溶液，异丙醇和乙腈的体积比为9:1；甲酸铵为缓冲盐；

16、柱温：50℃；

17、进样：进样温度4℃，避免样品降解；进样量，1μl；进样方式，通过自动进样器在高压下将样品溶液注入流路；

18、洗脱程序：

19、采用梯度洗脱，流速恒定 0.3 ml/min，程序如下：

20、0~2 min，5% b；

21、2~25 min，5% b线性升至 95% b；

22、25~30 min，保持 95% b；

23、30~32 min，95% b线性降至 5% b；

24、32~40 min，5% b平衡系统；

25、（3）质谱条件

26、采用电喷雾电离（esi）源，分别在正离子模式、负离子模式下采集数据；扫描模式为一级全扫描（full scan，扫描范围 m/z 200~1200）结合数据依赖性二级质谱扫描（dd-ms2，top n=10）；一级质谱分辨率为 70000，二级质谱分辨率为 17500，碰撞模式采用高能碰撞解离（hcd）；

27、正模式参数：加热器温度300℃，鞘气流速45 arb，辅助气流速 15 arb，尾气流速1 arb，电喷雾电压 3.0 kv，毛细管温度350℃，s-lens rf level 为 30%；

28、负模式参数：加热器温度 300℃，鞘气流速45 arb，辅助气流速 15 arb，尾气流速1 arb，电喷雾电压 3.2 kv，毛细管温度 350℃，s-lens rf level 为 60%；

29、（4）脂质定性与定量

30、对原始质谱数据进行检索匹配，完成脂质分子的结构定性；以 lpc (12:0) 内标峰面积为校正基准，采用内标峰面积归一化法，计算各脂质分子的相对表达丰度。

31、在一种可能实现的方式中，所述采用气质联用gc-ms进行挥发性风味物质检测，具体步骤包括：

32、（1）样品前处理：采用顶空固相微萃取法对样品进行萃取；

33、（2）气相色谱条件：采用cp-wax57cb极性毛细管色谱柱；载气为高纯氦气，恒定流速为1.2 ml/min，采用不分流进样模式；进样口温度250℃；柱温采用程序升温：初始温度40℃保持1 min，以 3℃/min升温至180℃，再以20℃/min升温至230℃保持10 min；

34、（3）质谱条件：电子电离源（ei），电子能量70 ev；接口温度230℃，离子源温度260℃；采集方式为全扫描，质量扫描范围 m/z 30~350；

35、（4）风味物质定性与定量：定性通过nist质谱谱库检索比对，结合色谱保留时间、结构式、cas号等信息完成挥发性风味物质定性分析；定量采用面积归一化法，计算各风味物质的相对含量。

36、在一种可能实现的方式中，所述多维组学特征解析包括组间/组内相关性分析、层次聚类分析、差异物质倍数变化分析。

37、在一种可能实现的方式中，所述多参数联合筛选包括vip值筛选、t检验、差异物质倍数联合筛选，筛选阈值为 vip＞1、p＜0.05、|fc|≥1.5。

38、第二方面，提供脂质和风味标志物在鉴别菜籽油产地和加工工艺中的应用，所述产地鉴别标志物包括第一脂质标志物、第一风味标志物和理化辅助指标；所述加工工艺鉴别用风味标志物组合包括第二风味标志物；

39、其中，所述第一脂质标志物包括甘油二酯dg、甘油三酯tg、神经酰胺cer、蜡酯 we、磷脂酰乙醇胺pe、磷脂酰胆碱 pc、磷脂酰肌醇pi、溶血磷脂酰胆碱lpc、磷脂酰甘油pg中的至少三种；所述甘油二酯dg包括dg(o-13:1_23:1)、dg(o-16:2_18:1)、dg(o-13:0_22:2)、dg(o-16:3_18:3)中的至少一种；所述甘油三酯tg包括tg(23:1_18:2_18:3)、tg(15:0_18:1_20:5)、tg (13:1_18:1_18:2)、tg(16:0_16:0_16:0)中的至少一种；所述神经酰胺cer包括cer (d18:2_18:2)、cer (d18:2_24:1)、cer (d18:1_24:0)、cer (d44:2) 中的至少一种；

40、所述第一风味标志物包括5-己腈(5-hexanenitrile)、3-甲基巴豆腈、6-甲基-5-庚烯-2-酮、正戊酸、己酸、正己醛、5-甲基呋喃醛的至少三种；

41、理化辅助指标选自亚油酸、硬脂酸、总多酚tpc、总生育酚ve、总甾醇中的至少一种；

42、所述第二风味标志物仅包括2,5 -二甲基吡嗪， 3 -乙基- 2,5 -二甲基吡嗪、糠醛、(e,e)-2,4 -庚二烯醛、2 -庚烯醛、3 -丁烯基异硫氰酸酯中的至少一种。

43、第三方面，提供一种鉴别菜籽油产地和加工工艺的方法，包括：

44、获取不同产地和加工工艺的菜籽油样品的脂质标志物和风味标志物的相对含量；

45、将菜籽油样品的第一脂质标志物和第一风味标志物的相对含量以及理化辅助指标作为特征，产地作为标签，形成第一数据集；

46、将菜籽油样品的第二风味标志物的相对含量作为特征，加工工艺作为标签，形成第二数据集；

47、利用所述第一数据集对第一机器算法模型进行训练，得到产地鉴别模型；

48、利用所述第二数据集对第二机器算法模型进行训练，得到加工工艺鉴别模型；

49、获取待测菜籽油样品的脂质标志物和风味标志物的相对含量，分别输入所述产地鉴别模型和加工工艺鉴别模型，输出预测的产地和加工工艺。

50、在一种可能实现的方式中，所述第一脂质标志物包括：

51、cer (d18:2_18:2), pi (18:1_18:1), cer (d18:2_24:1), cer (d18:1_24:0),dg (o-16:3_18:3), we (o-20:2), tg (30:0_2:0_4:0), cer (d36:4), cer (t42:2),tg (18:2_18:0_17:3), cer (d44:2), tg (13:1_18:1_18:2), pg (o-20:0_19:0), tg(16:0_16:0_18:3), tg (16:0_18:1_18:2), we (o-13:0_14:2), cer (t43:2), dg (o-16:2_18:1), cer (d16:0_16:0), cer (t16:0_18:2)；

52、所述第一风味标志物包括：5-己腈、3-甲基巴豆腈、6-甲基-5-庚烯-2-酮、正戊酸、己酸、正己醛、5-甲基呋喃醛。

53、在一种可能实现的方式中，所述第二风味标志物包括：2,5 -二甲基吡嗪、3 -乙基- 2,5 -二甲基吡嗪、糠醛、(e,e)-2,4 -庚二烯醛、2 -庚烯醛、3 -丁烯基异硫氰酸酯。

54、在一种可能实现的方式中，所述第一、二机器学习算法包括随机森林rf、支持向量机svm和套索回归lasso。

55、进一步，产地鉴别模型优选随机森林rf模型，加工工艺鉴别模型优选支持向量机svm模型。

56、本技术的有益效果如下：

57、本技术提供的方法利用液相、气相和质谱分析技术，检测样品的脂质物质、风味物质和理化辅助指标，并通过通过主成分分析、正交偏最小二乘判别分析及多参数联合筛选规则，精准拆分得到产地专属标志物组合与工艺专属标志物组合，纠正现有技术标志物混用的技术误区。

58、本技术提供的方法进一步构建双机器学习判别模型，实现湖北、湖南、河南三大主产区菜籽油精准产地溯源，以及冷榨、热榨、浸出三种主流加工工艺的高精度自动判别。

59、本技术提供的方法检测流程标准化、判别准确率高、模型稳定性与泛化性优异，可广泛应用于粮油市场监管、地理标志产品保护、企业生产质控与产品真伪溯源场景。