基于Heracles NEO超快速氣相電子鼻麩炒白術炮制全過程氣味變化識別研究

李亞飛，湯璐璐，趙明方，唐 瑞，方可兒，張海瑞，杜偉鋒, 3*，葛衛紅, 3*

基于Heracles NEO超快速氣相電子鼻麩炒白術炮制全過程氣味變化識別研究

李亞飛1, 2，湯璐璐1, 2，趙明方1, 2，唐 瑞1, 2，方可兒1, 2，張海瑞1, 2，杜偉鋒1, 2, 3*，葛衛紅1, 2, 3*

1. 浙江中醫藥大學藥學院，浙江 杭州 311402 2. 浙江中醫藥大學中藥炮制技術研究中心，浙江 杭州 311401 3. 浙江中醫藥大學中藥飲片有限公司，浙江 杭州 311401

建立麩炒白術炮制全過程的定性判別模型，篩選出可以表征麩炒白術不同炮制程度的氣味成分。制備麩炒白術飲片，不同時間點取樣進行分析。采用Heracles NEO超快速氣相電子鼻采集氣味圖譜，與Arochembase數據庫對比得到氣味成分信息，結合峰面積分析氣味成分的變化規律并進行化學計量學分析。通過判別因子分析（discriminant factor analysis，DFA）、正交偏最小二乘-判別分析（orthogonal partial least squares-discriminant analysis，OPLS-DA）、層次聚類分析（hierarchical cluster analysis，HCA）等將麩炒白術炮制全過程樣品成功分為4類：生品、炮制不及、炮制成品和炮制太過。在炮制過程中，3-甲基十五烷、十二烷基丙酸酯、正辛基環己烷、1,3-二硝基苯、8-甲基十五烷5個氣味成分的峰面積占比較高，其中1,3-二硝基苯在炮制全過程中峰面積呈降低趨勢；3-甲基十五烷從炮制不及到炮制成品的過程中峰面積呈增加的趨勢，從炮制成品到炮制太過的過程中峰面積呈降低趨勢；十二烷基丙酸酯從生品到炮制不及和炮制成品到炮制太過的過程中峰面積呈降低趨勢；正辛基環己烷、8-甲基十五烷從生品到炮制不及的過程中峰面積呈降低趨勢，從炮制不及到炮制成品的過程中峰面積呈增加趨勢，從炮制成品到炮制太過的過程中峰面積呈降低趨勢，且上述5個氣味成分的變量重要性投影值均大于1。Heracles NEO超快速氣相電子鼻能通過氣味對麩炒白術不同炮制程度樣品進行定性判別，3-甲基十五烷、十二烷基丙酸酯、正辛基環己烷、1,3-二硝基苯及8-甲基十五烷5個氣味成分的變化可作為麩炒白術不同炮制程度的判斷依據。

麩炒白術；超快速氣相電子鼻；定性判別；炮制過程；氣味成分；3-甲基十五烷；十二烷基丙酸酯；正辛基環己烷；1,3-二硝基苯；8-甲基十五烷；判別因子分析；正交偏最小二乘-判別分析；層次聚類分析

白術為菊科蒼術屬植物白術Koidz.的干燥根莖，是“浙八味”之一，素有“十方九術”之稱[1]，性溫，味甘苦，具有健脾益氣、燥濕利水、止汗安胎之功效[2]。白術具有抗腫瘤、抗菌、抗炎、抗抑郁、降血糖、鎮痛、神經保護和平衡腸道菌群的作用[3-5]。《中國藥典》2020年版一部收載了生白術和麩炒白術2種飲片[6]。麩炒白術較生白術具有更強的健脾益氣的作用[7-8]。目前，麩炒白術飲片的質量研究主要集中在內在成分的定量分析方面[9-10]。而外觀性狀作為評價中藥質量的常用手段，仍停留在主觀描述層面，主要通過眼觀、鼻聞、口嘗等方式判斷質量優劣，這難以控制質量且缺乏客觀性。

氣味是中藥重要的性狀特征，也是傳統用于推斷藥物性質的基本依據，隨著對中藥質量研究的深入，化學成分被證實為中藥防病治病的物質基礎，中藥氣味特征與所含化學成分密切相關，能直接反映其內在質量[11-15]。《中國藥典》2020年版一部“麩炒白術”項下規定，應“逸出焦香氣”[6]，目前白術炮制全過程的氣味研究多是依靠經驗豐富的專家或者藥工的感官判斷，不可避免的會受到主觀差異的影響，且描述比較簡單，不能客觀體現麩炒白術的焦香氣。運用電子鼻對其氣味進行定性鑒別可以避免傳統經驗所帶來的誤差。

超快速氣相電子鼻（ultra-fast gas phase electronic nose）具有靈敏度高、分析時間短、高通量、實時檢測等優點[16-17]。它能快速準確地檢測分析混合氣體、液體或固體樣品，分析、識別和檢測被測樣品中的復雜氣味和大多數揮發性成分，并給予樣品中揮發性成分的整體信息，也稱“指紋”數據[18-22]。因此應用電子鼻對藥材氣味的判別更接近傳統的經驗鑒別，并有利于實現中藥性狀氣味客觀化表達。目前，電子鼻技術已廣泛用于多種藥材的分類鑒別，如高麗參、白術、黨參等[23-25]，但是鮮有將電子鼻運用到白術炮制全過程氣味的研究。基于此，本研究將通過Heracles NEO超快速氣相電子鼻采集白術炮制全過程的氣味指紋圖譜，并結合化學計量學分析建立白術炮制全過程的定性判別模型，通過各成分的變化規律及所占比例篩選出可用于判斷白術炮制程度變化的氣味成分，從“氣味”維度對白術全過程質量識別進行了補充。

1 儀器與材料

1.1 儀器

Heracles NEO型超快速氣相電子鼻，配備PAL RSI全自動頂空進樣器，非極性色譜柱MXT-5，中極性色譜柱MXT-1701，法國Alpha MOS公司；ME-204E型電子分析天平，精度0.01 g，瑞士梅特勒托利多集團；DFT-200型手提式高速中藥粉碎機，溫嶺市林大機械有限公司；CGDC-750型電磁炒藥機，杭州海善制藥設備股份有限公司。

1.2 試劑與藥材

正構烷烴C6～C16混合對照品，批號A10142930，購自美國RESTEK有限公司。5批白術生品（J～Z）購買于山東百味堂中藥飲片有限公司、河北春開制藥有限公司、湖南衡岳中藥飲片公司、江西江中中藥有限公司和浙江中醫藥大學中藥飲片公司用于方法建立；以及相同廠家所生產的白術飲片（Sa～Se）和麩炒白術飲片（Fa～Fe）各5批用于方法驗證，生品飲片與麩炒飲片一一對應，樣品信息如表1所示。經浙江中醫藥大學藥學院葛衛紅教授鑒定，分別為菊科蒼術屬植物白術Koidz.干燥根莖的生品和炮制加工后的麩炒品。

2 方法與結果

2.1 白術炮制全過程樣品的制備

將收集到的5批白術生品，均按浙江中醫藥大學中藥飲片有限公司麩炒白術炮制工藝進行炮制。具體工藝：先將炒藥鍋預熱（185 ℃），將蜜麥麩撒入熱鍋內，待冒煙時加入白術30 kg炒炙13 min（白術-蜜麥麩10∶1），篩去麩皮，攤涼。炮制過程中分別于第1、2、3、4、5、6、10、11、12、13分鐘取樣，每次取樣量0.5 kg左右。

表1 白術樣品來源信息

自制樣品編號如下：以批號200501樣品為例，分別編號為S1～S6、S10～S13，由浙江中醫藥大學中藥飲片有限公司質量負責人錢敏副主任中藥師依據炮制后藥材性狀判定，以S1～S5作為炮制不及樣品，S6作為麩炒成品，S10～S13作為炮制太過樣品。其余4批樣品類似處理，結果見表1。

2.2 白術供試品的制備

取白術炮制全過程樣品粉碎，過三號篩（50目），密封保存于鋁箔袋中備用。

2.3 白術氣味檢測方法的建立

2.3.1 孵化溫度考察 精密稱定樣品2.0 g，孵化時間20 min，捕集溫度45 ℃，進樣體積5.000 mL，考察孵化溫度40、50、60、70、80 ℃。最終得出，80 ℃時色譜峰峰形良好，因此，選取80 ℃作為本實驗的孵化溫度。

2.3.2 孵化時間的考察 精密稱定樣品2.0 g，孵化溫度80 ℃，捕集溫度45 ℃，進樣體積5.000 mL，考察孵化時間5、10、15、20、25 min。最終得出，20 min時色譜峰趨于飽和，因此，選取20 min作為本實驗的孵化時間。

2.3.3 稱樣量考察 進樣體積5.000 mL，孵化溫度80 ℃，孵化時間20 min，捕集溫度45 ℃，考察樣品用量1.0、2.0、3.0、4.0、5.0 g。最終得出，稱樣量2.0 g后，色譜峰無明顯變化，因此，選取2.0 g作為最優的稱樣量。

2.3.4 進樣體積考察 精密稱定樣品2.0 g，孵化溫度80 ℃，孵化時間20 min，捕集溫度45 ℃，考察進樣體積1.000、2.000、3.000、4.000、5.000 mL。最終得出，進樣體積為5.000 mL時，色譜峰趨于飽和，因此，選取5.000 mL作為本實驗的進樣體積。

2.3.5 捕集溫度考察 精密稱定樣品2.0 g，孵化溫度80 ℃，孵化時間20 min，進樣體積5.000 mL，考察捕集溫度35、40、45、50、55 ℃。最終得出，捕集溫度為55 ℃時，色譜峰數目無明顯變化，峰面積趨于飽和，峰形良好，因此，選取55 ℃作為本實驗的捕集溫度。

2.4 電子鼻檢測參數確定

進行單因素考察后，最終確定Heracles NEO超快速氣相電子鼻的檢測條件為樣品用量2.0 g，孵化溫度80 ℃，孵化時間20 min，進樣體積5.000 mL，捕集溫度55 ℃。電子鼻檢測參數如表2所示。

對通過單因素考察而確定的檢測方法進行精密度、重復性和穩定性考察，以MXT-5柱中峰面積最大的4個色譜峰作為參照峰，分別為峰16、19、22、26，計算4個參照峰峰面積和保留時間的RSD值。

表2 電子鼻檢測參數

“/”表示無該信息

“/” indicates no such information

2.5 方法學考察

2.5.1 精密度考察 取同一供試品粉末（批號200413）2.0 g，置20 mL頂空進樣瓶中，加蓋密封，置自動進樣器上，連續進樣6次，按“2.4”項下方法檢測分析。4個色譜峰的峰面積RSD值分別為3.63%、2.87%、4.16%、3.62%，均小于5.00%，保留時間RSD值分別為0.10%、0.12%、0.13%、0.18%，均小于1.00%，表明儀器精密度良好。

2.5.2 重復性考察 取同一批樣品（批號200413），按“2.2”項下方法制備6份供試品粉末，分別精密稱定粉末2.0 g，置20 mL頂空進樣瓶中，加蓋密封，置自動進樣器上，按“2.4”項下方法檢測分析。4個色譜峰的峰面積RSD值分別為4.00%、4.80%、3.41%、3.29%，均小于5.00%，保留時間RSD值分別為0.09%、0.10%、0.11%、0.11%，均小于1.00%，表明該方法重復性良好。

2.5.3 穩定性考察 取同一供試品粉末（批號200413）2.0 g，置20 mL頂空進樣瓶中，加蓋密封，置自動進樣器上。分別于0、2、4、8、12、24 h，按“2.4”項下方法檢測分析。4個色譜峰的峰面積RSD值分別為2.09%、3.80%、4.02%、4.31%，均小于5.00%，保留時間RSD值分別為0.17%、0.20%、0.21%、0.30%，均小于1.00%，表明供試品粉末在制備后24 h內穩定性良好。

2.6 白術電子鼻檢測

取2.0 g樣品放入20 mL樣品瓶中，加蓋密封，按“2.4”項下Heracles NEO最佳檢測條件，平行制備2個樣品，每個樣品重復測定2次。

2.7 數據分析

電子鼻信息的采集是通過記錄MXT-5柱子上的氣味色譜圖。采用正構烷烴標準溶液（C6～C16）進行校準，將保留時間轉換為Kovats保留指數后，經AroChemBase數據庫得出定性結果。同時，運用DFA的統計方法對數據進行處理，將自制的炮制全過程飲片作為預測模型，將收集到的市售白術飲片與麩炒白術飲片各5批作為預測集，輸入數據模型中進行預測。并結合化學計量學分析篩選出麩炒白術炮制程度變化的指標成分。

2.8 白術炮制過程氣味變化分析

作為一種新型的快速氣味分析儀，Heracles NEO超快速氣相電子鼻可以模仿人類的嗅覺，提供揮發性成分的感官信息。將白術炮制全過程樣品的氣相MXT-5色譜疊加圖及炮制前后鏡像圖對比（圖1、2），結合Arochembase數據庫信息，得到定性分析結果及峰面積變化情況（表3）。白術炮制全過程樣品中可能含有的氣味成分峰面積變化匯總見（表4）。S1～S6、S10～S13為分別于第1、2、3、4、5、6、10、11、12、13分鐘的過程取樣。結合以上圖表內容可知，峰7在生品到成品過程中均未檢出該成分，峰11在成品中未檢出該成分；峰14在炮制全過程中峰面積呈降低趨勢；峰18、24從生品到炮制不及的過程中峰面積呈降低趨勢；峰2、4、10從炮制不及到炮制成品的過程中峰面積呈增加趨勢；峰20從炮制成品到炮制太過的過程中峰面積呈降低趨勢；峰3、27從生品到炮制不及的過程中峰面積呈降低趨勢，從炮制不及到炮制成品的過程中峰面積呈增加趨勢；峰15、17、21、23、26從生品到炮制不及和炮制成品到炮制太過的過程中峰面積均呈降低趨勢；峰12、13、22從炮制不及到炮制成品的過程中峰面積呈增加趨勢，從炮制成品到炮制太過的過程中峰面積呈降低趨勢；峰5、9、16、19、25從生品到炮制不及和炮制成品到炮制太過的過程中峰面積均呈降低趨勢，從炮制不及到炮制成品的過程中峰面積呈增加趨勢，其中峰9月桂烯具有甜香脂氣味，初步推測為白術炮制過程中的焦香氣味來源；峰1、8從炮制成品到炮制太過的過程中，峰面積呈增加趨勢，其中峰1中醛基具有焦味[27]，初步推測為焦味主要來源，后期還需實驗驗證。

圖1 MXT-5氣味指紋圖譜疊加圖

1-2-甲基丙醛 2-2-甲基戊烷 3-乙烷 4-二環戊烷 5-環己烷 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-羥基-5-甲基-3(2H)-呋喃酮 11-戊酸戊酯 12-γ-壬內酯 13-3-甲替啶烷 14-1,3-二硝基苯 15-α-紫羅蘭酮 16-正辛基環己烷 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 24-四氯間二甲苯 25-正癸苯 26-十二烷基丙酸酯 27-丁草胺

表3 白術氣味物質基礎及感官描述信息(MXT-5柱)

“RI”表示保留指數；“+”表示檢出成分，“?”表示未檢出成分；“↑*”表示與上一炮制程度相比，峰面積顯著增加，“↓*”表示與上一炮制程度相比，峰面積顯著降低；“/”表示未識別出氣味信息

“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 白術中色譜峰峰面積(MXT-5柱)

“?”表示峰面積＜1000或未檢出

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

2.9 化學計量學分析

2.9.1 判別因子分析（discriminant factor analysis，DFA） DFA是一種在主成分分析基礎上擴大組間差異、減少組內差異的方法。本研究采用Heracles Neo超快速氣相電子鼻自帶軟件Alphasoft 11.0軟件進行化學計量學分析。對白術生品及其麩炒品進行DFA分析，結果見圖3，白術生品及炮制不及、炮制成品和炮制太過樣品能明顯分為4個區域，生品白術集中在第4象限，炮制不及樣品集中在第1、4象限，麩炒成品集中在第1象限，炮制太過樣品集中在第3象限，按照逆時針順序進行依次分布，符合炮制變化趨勢。從圖中可知，判別因子1（DF1）的貢獻度為91.911%，判別因子2（DF2）的貢獻度為6.413%，二者累積貢獻度為98.324%，表明Heracles NEO超快速氣相電子鼻技術可以快速鑒別白術炮制全過程樣品，且區分效果顯著。

2.9.2 DFA模型預測 在DFA模型的基礎上，將用于方法驗證的生品白術飲片與麩炒白術飲片各5批作為預測集，采用“2.9.1”項下建立的DFA模型對此10批樣品（Sa～Se、Fa～Fe）進行預測，預測圖見圖4，2批生品白術飲片（Sb、Se）落入DFA模型的生品范圍內，3批生品白術飲片（Sa、Sc、Sd）落入未知區域，2批麩炒白術飲片（Fa、Fb）落入DFA模型的炮制不及范圍內以及3批麩炒白術飲片（Fc、Fd、Fe）落入DFA模型的炮制成品范圍內。

圖3 4類不同炮制程度白術樣品DFA圖

雖然2批麩炒白術飲片未落入炮制成品范圍內，但是可以和生品明顯區分開，預測出是炮制后樣品，說明建模較好。分析2批麩炒白術飲片未落入對應范圍的原因，可能是由于飲片購買自不同飲片公司，炮制工藝不同，對麩炒成品的判斷不同，或者是樣品在貯藏和運輸過程中氣味發生略微變化所致。

2.9.3 正交偏最小二乘-判別分析（orthogonal partial least squares-discriminant analysis，OPLS-DA） OPLS-DA為偏最小二乘-判別分析（partial least squares- discriminant analysis，PLS-DA）的擴展。相比于PLS-DA，該方法可以在不降低模型預測能力的前提下，有效減少模型的復雜性和增強模型的解釋能力，從而最大程度詮釋組間差異[26]。

以生品白術與麩炒白術的27個氣味色譜峰峰面積為變量，采用SIMCA 14.1軟件進行OPLS-DA。結果顯示，模型解釋率（R2）為0.967，模型預測率（2）為0.573，均大于0.5，表明模型具有良好的解釋率和可靠性。不同樣品點之間的距離反應不同樣品間存在特異性差異的程度，生品白術與炮制成品均位于第1象限，炮制不及樣品位于第4象限，炮制太過樣品位于第2象限與第3象限，表明生品到炮制不及與炮制成品到炮制太過階段，氣味發生了顯著性的變化，而生品與炮制成品的氣味信息較為相似，氣味變化趨于穩定。結果見圖5。

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

2.9.4 變量重要性投影（variable importance projection，VIP） VIP值大于1被認為是對分類貢獻較大的變量[28]。結果顯示，3-甲基十五烷、1,1,2,2-四氯乙烷、十二烷基丙酸酯、正辛基環己烷、1,3-二硝基苯、環己烷、8-甲基十五烷的VIP值均大于1，提示這7個氣味成分是影響白術飲片氣味的差異標志物。其中1,1,2,2-四氯乙烷、環己烷的峰面積占比較低，因此可將3-甲基十五烷、十二烷基丙酸酯、正辛基環己烷、1,3-二硝基苯、8-甲基十五烷作為判斷麩炒白術炮制程度變化的指標成分。結果見圖6，橫坐標指峰號，縱坐標指VIP值。

2.9.5 層次聚類分析（hierarchical cluster analysis，HCA） 對白術炮制全過程的27個氣味色譜峰峰面積信息值進行系統聚類分析，結果顯示，生品及炮制不及、炮制成品及炮制太過均能單獨聚為一類。HCA結果與OPLS-DA結果相符，結果見圖7。

3 討論

本研究采用Heracles Neo超快速氣相電子鼻技術對不同炮制程度的白術粉末樣品采集色譜數據，進行Kovats保留指數定性及化學計量學分析，建立了麩炒白術炮制全過程的定性判別模型。該模型彌補了傳感器型電子鼻不能對白術成分定性的劣勢，它能快速獲取目標物的氣相色譜信息。使用電子鼻代替人類嗅覺系統，能夠將傳統鑒別經驗轉化為客觀數據，有利于氣味的客觀化和整體化[29]。

圖6 白術27個氣味色譜峰的VIP值

Heracles Neo超快速氣相電子鼻具有2根極性存在差異的色譜柱（10 m×180 μm），即MXT-5（低極性，固定液膜厚0.4 μm）和MXT-1701（中極性，固定液膜厚0.4 μm），一次注射進樣，雙柱同時分析，譜圖同時呈現2根色譜柱的分離結果。通過對白術炮制全過程樣品的氣相色譜信息進行了對比分析，結果表明MXT-5柱的分離效果優于MXT-1701柱，故選擇MXT-5柱的峰面積結果進行統計分析，推測出白術焦香氣味和焦味的主要色譜峰來源。白術氣味的定性分析結果表明，可能存在的化合物大多為烷烴類化合物，僅月桂烯為揮發油成分，這些化合物的感官信息主要被描述為“香油、糖果、水果、霉味、甜的、樹脂”。但是并未發現蒼術酮和白術內酯類成分，由此可知，電子鼻技術不能對白術化學成分進行準確的測定。

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

在炮制全過程中，白術焦香氣味特征峰環己烷、月桂烯、γ-壬內酯、3-甲替啶烷、正辛基環己烷、8-甲基十五烷、正癸苯的峰面積呈先增加后降低的趨勢，峰面積總體在炮制6 min時達到最大值，這提示白術的炮制時間不宜過長，時間過長會使麩炒白術的焦香氣消失。此外，隨著炮制時間的增加，白術焦味來源特征峰2-甲基丙醛、1,1,2,2-四氯乙烷的峰面積在炮制太過中峰面積顯著性增加，而2-甲基丙醛吸入過多可造成中毒，且對眼睛有刺激性，1,1,2,2-四氯乙烷屬于2類致癌物質，這也提示了白術的炮制時間不宜過長。故將白術的麩炒時間設定為6 min達到最佳。

DFA定性預測結果表明，2批麩炒白術飲片分布于炮制不及范圍，推測的原因有：（1）氣味略差于本研究所建立的麩炒白術氣味模型；（2）藥材來源于不同飲片公司，炮制工藝不同，故對麩炒成品的判斷不同；（3）樣品在貯藏或運輸過程中氣味發生略微變化，故落于模型范圍外。OPLS-DA與HCA均可以有效區分不同炮制程度的麩炒白術。結果顯示，隨著炮制時間增加，麩炒白術的氣味發生了明顯變化，這為辨別不同炮制時間麩炒白術提供了科學依據。此外3-甲基十五烷等7個成分的VIP值均大于1，且3-甲基十五烷、十二烷基丙酸酯、正辛基環己烷、1,3-二硝基苯、8-甲基十五烷峰面積占比較高，是影響白術氣味的差異標志物，結合氣味變化分析結果，提示3-甲基十五烷、十二烷基丙酸酯、正辛基環己烷、1,3-二硝基苯、8-甲基十五烷可作為判斷麩炒白術炮制程度變化的指標成分。

本研究建立了白術炮制全過程的定性判別模型，通過對5批炮制全過程樣品的氣味物質峰面積分析，篩選出了3-甲基十五烷等5個氣味成分可用于判斷不同炮制程度的白術。雖然電子鼻技術還不能對炮制特征性成分建立定量模型，但其建立的定性模型可從“氣味”維度對白術炮制全過程質量識別進行補充，具有良好的應用前景。

利益沖突 所有作者均聲明不存在利益沖突

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

[2] 陳靜, 竇德強. 白術性味化學研究 [J]. 中藥材, 2019, 42(7): 1702-1708.

[3] 楊穎, 魏夢昕, 伍耀業, 等. 白術多糖提取分離、化學組成和藥理作用的研究進展 [J]. 中草藥, 2021, 52(2): 578-584.

[4] 顧思浩, 孔維崧, 張彤, 等. 白術的化學成分與藥理作用及復方臨床應用進展 [J]. 中華中醫藥學刊, 2020, 38(1): 69-73.

[5] 賈夢鑫, 于猛, 秦玲玲, 等. 生白術多糖對洛哌丁胺誘導大鼠便秘的改善作用研究 [J]. 中草藥, 2022, 53(24): 7808-7815.

[6] 中國藥典 [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] 費程浩, 戴輝, 蘇杭, 等. 電子鼻技術的研究進展及其在中藥行業中的應用 [J]. 世界中醫藥, 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] 蔣孝峰, 謝輝, 陸兔林, 等. 基于Heracles Neo超快速氣相電子鼻技術的麥芽炒制過程氣味變化物質基礎研究 [J]. 中草藥, 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] 譚昊, 聶建光, 杜艷紅, 等. 全二維氣相色譜-飛行時間質譜解析紅星清香型白酒風味成分特征 [J]. 釀酒科技, 2022(8): 54-58.

[27] 王小莉, 于生, 單晨嘯, 等. 頂空GC-MS測定薏苡仁不同炮制品中焦香味醛類物質的含量 [J]. 海峽藥學, 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] 陳鵬, 肖曉燕, 梅茜, 等. 基于仿生技術對薏苡仁麩炒過程中色澤氣味變化研究 [J]. 中草藥, 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

國家重點研發計劃—中藥飲片質量識別關鍵技術研究（2018YFC1707001）；杭州市農業與社會發展科研重點項目（202204A06）；寧波市“科技創新2025”重大專項（2020Z089）

李亞飛（1997—），男，碩士研究生，研究方向為中藥炮制及中藥藥理研究。Tel: 15772170377 E-mail: 949087021@qq.com

通信作者：杜偉鋒（1984—），男，副研究員，從事中藥炮制及質量控制研究。Tel: (0571)87195895 E-mail: duweifeng_200158@sohu.com

葛衛紅（1969—），男，教授，從事中藥藥理與新產品開發研究。E-mail: geweihong@hotmail.com

[責任編輯 鄭禮勝]