一、研究背景

枳殼（Fructus Aurantii，FA）作為藥食兩用的功能性食品，在促進消化方面功效顯著。然而，生枳殼（RFA）對部分患者存在副作用，因此臨床多使用炮制后的枳殼（PFA）。目前，FA的生產和質量評價主要依賴傳統方法，這種方式主觀性強，導致產品質量穩定性差。建立客觀、全面的PFA質量評價體系迫在眉睫。

FA的風味是其品質的關鍵指標之一，直接影響產品的應用和消費者接受度。其風味變化與揮發性成分密切相關，而電子鼻作為一種模擬人類嗅覺系統的智能檢測設備，能夠快速、低成本地獲取氣味信息，在食品和醫藥生產的過程監控與質量控制領域應用廣泛。在FA的研究中，電子鼻可用于分析其揮發性成分變化，為品質評價提供重要依據。同時，結合相對氣味活性值（ROAV）等分析方法，能更全面、客觀地反映FA加工后揮發性風味化合物的變化特征，對快速質量評價意義重大。

 二、實驗方法

 （一）樣品準備

實驗所用的RFA和PFA均采購自廣州子孫醫藥健康有限公司，并經廣州中醫藥大學張丹燕教授鑒定。RFA在7月采摘，經干燥、切片等處理；PFA則是在RFA基礎上，經過發酵、清洗、蒸制等一系列加工工序制成。

 （二）上海保圣電子鼻cNose檢測

采用上海保圣實業發展有限公司生產的電子鼻對RFA和PFA進行檢測。該電子鼻配備18種不同的金屬氧化物半導體（MOS）傳感器，可檢測多種揮發性物質。實驗時，精確稱取4.0g樣品，放入20mL頂空玻璃富集瓶中，密封后在26℃環境下靜置30min。設置電子鼻的清潔時間為120s，載氣流量為400mL/min，在60s內記錄18個傳感器的響應值，以生成響應曲線。選取各成分的最大響應值進行數據分析，從整體上評估樣品的揮發性特征。

 （三）數據處理

運用GraphPad Prism 8軟件進行數據統計分析，通過單因素方差分析（ANOVA）比較不同組數據的差異，確定實驗結果的顯著性。利用Origin 2021軟件對電子鼻數據進行主成分分析（PCA），直觀呈現不同樣品間的差異和相似性，以探索數據的潛在結構。借助SIMCA 14.1軟件進行正交偏最小二乘法判別分析（OPLS - DA），進一步挖掘數據中的關鍵信息，尋找區分RFA和PFA的關鍵標記物，并評估模型的擬合優度和預測能力。

 三、實驗結果

（一）電子鼻區分效果

通過層次聚類分析（HCA）對電子鼻的最大響應值進行分析，結果顯示所有樣品可分為兩大類，表明RFA和PFA在氣味特征上存在明顯差異。主成分分析（PCA）的得分圖中，PC1和PC2分別解釋了64.4%和26.1%的方差，盡管樣品點存在部分重疊，但仍能觀察到不同品種間的分離趨勢。

進一步的正交偏最小二乘法判別分析（OPLS - DA）得分圖清晰地展示了兩組樣品的差異，獨立變量擬合指數（\(R^{2}X\)）為0.947，因變量擬合指數（\(R^{2}Y\)）為0.965，預測效率（\(Q^{2}\)）達到0.944，驗證參數\(R^{2}\)和\(Q^{2}\)均超過0.5，表明模型擬合良好。RFA和PFA分別均勻分布在水平軸的負半軸和正半軸，說明不同樣品的重復性良好，且二者在香氣上存在顯著差異。

 （二）關鍵傳感器確定

結合雷達圖分析發現，電子鼻可通過sensor4、sensor5、sensor14、sensor17和sensor18區分PFA樣品；sensor3、sensor6、sensor14和sensor16對樣品的香氣化合物響應較強。這意味著PFA中可能含有更高豐度的硫化物、含氮物質、醛酮類、醇類和甲烷等揮發性化合物，充分展示了電子鼻在檢測FA加工過程中揮發性化合物變化方面的敏感性和有效性。

 （三）與其他分析方法的關聯

通過對電子鼻數據與GC - MS分析結果進行相關性分析，發現萜品烯 - 4 - 醇、6 - 表 - 松油醇、芳樟醇、檜烯、α - 甲基和α - 松油醇與上述傳感器的響應值呈負相關；而D - 檸檬烯、α - 蒎烯、γ - 萜品烯和環己烷甲醇的豐度與sensor3、sensor4、sensor5、sensor6、sensor14、sensor16、sensor17和sensor18的信號強度呈強正相關。這表明電子鼻能夠對FA中特定的揮發性化合物做出響應，與GC - MS分析結果相互印證，進一步驗證了電子鼻數據的可靠性，也體現了其在判斷FA產品風味方面的重要作用。

在枳殼品質評價研究中，電子鼻發揮了至關重要的作用。它能夠有效區分RFA和PFA的香氣特征，確定關鍵傳感器，并且與其他分析方法相互關聯，為全面了解枳殼在加工過程中的風味變化提供了有力支持，對建立科學的枳殼質量評價體系具有重要意義。