欧美……一区二区三区,欧美日韩亚洲另类视频,亚洲国产欧美日韩中字,日本一区二区三区dvd视频在线

德國AIRSENSE電子鼻（型號(hào)：PEN 3）采用MOS傳感器陣列技術(shù)，結(jié)合數(shù)學(xué)分析方法，通過監(jiān)測(cè)樣品揮發(fā)的氣體可快速對(duì)樣品進(jìn)行定性判斷和定量預(yù)測(cè)，在食品、藥品的質(zhì)量檢驗(yàn)、新品研發(fā)、競(jìng)品分析、科學(xué)研究等領(lǐng)域被廣泛應(yīng)用。

為了探究花椒在不同發(fā)育階段的整體香氣特性，首先采用德國AIRSENSE電子鼻分析比較了花椒五個(gè)不同發(fā)育階段（綠色（G，2020年5月11日）、微紅（SR，2020年5月30日）、淺紅（LR，2020年6月19日）、紅色（R，2020年7月9日）到深紅色（DR，2020年7月29日））的香氣差異。如圖1A所示，對(duì)硫化物和萜烯敏感的W1W傳感器、對(duì)有機(jī)硫化物和芳香組分敏感的W2W傳感器、對(duì)氮氧化物敏感的W5S傳感器、對(duì)醇類、醛類和酮類敏感的W2S傳感器以及對(duì)短鏈烷烴敏感的W1S傳感器在所有檢測(cè)樣本中均顯示出相對(duì)較高的響應(yīng)。這表明硫化物、萜烯、氮氧化物、有機(jī)硫化物和芳香化合物的高豐度水平可能存在于花椒的所有發(fā)育階段。類似的結(jié)果也在不同品種的花椒以及干燥的花椒產(chǎn)品中被報(bào)道。此外，W1S和W2S傳感器響應(yīng)值的變化表明，短鏈烷烴、醇類、醛類和酮類的含量從生長(zhǎng)初期（SR）到生長(zhǎng)中期（LR）增加，然后在最后三個(gè)階段（LR、R和DR）保持穩(wěn)定。根據(jù)W5S的響應(yīng)值，氮氧化物的含量在前四個(gè)階段（G、SR、LR和R）保持穩(wěn)定，并在最后一個(gè)階段（DR）達(dá)到峰值。與W5S不同，硫化物、萜烯、有機(jī)硫化物和芳香組分（W1W和W2W）的含量在生長(zhǎng)中期（LR）最低，但在其余四個(gè)階段（G、DR、R和DR）保持相對(duì)較高水平（見圖1B）。

圖1 展示了電子鼻響應(yīng)數(shù)據(jù)的雷達(dá)圖、主成分分析（PCA）

和柱狀圖（A，雷達(dá)圖；B，PCA；C，敏感傳感器的響應(yīng)值）

不同的字母表示在0.05水平上的差異顯著性。

根據(jù)先前的研究報(bào)告，特別是，萜烯通常被認(rèn)為是花椒（Z. bungeanum）中主要的香氣化合物，這與所有檢測(cè)樣本中較高的W1W值相一致。正如圖1C所示，基于電子鼻數(shù)據(jù)集的主成分分析（PCA）模型能夠有效地區(qū)分不同階段的樣本。然而，在5個(gè)測(cè)試樣本中有4個(gè)樣本的W1W值未被觀察到顯著差異。可以推測(cè)，除了萜烯之外，其他化合物也可能在花椒成熟期間的香氣形成中發(fā)揮重要作用。例如，許多醇類（如芳樟醇、香葉醇）和醛類（如癸醛、香茅醛）也被認(rèn)定為花椒中的關(guān)鍵揮發(fā)性有機(jī)化合物（VOCs）。因此，我們進(jìn)一步進(jìn)行了固相微萃取-氣相色譜/質(zhì)譜聯(lián)用（HS-SPME-GC/MS）和氣相色譜-離子遷移譜聯(lián)用（GC-IMS）分析，以探究花椒在五個(gè)生長(zhǎng)階段的VOCs特征。

通過電子鼻、氣相色譜-質(zhì)譜聯(lián)用（GC-MS）和氣相色譜-離子遷移譜聯(lián)用（GC-IMS）技術(shù)，我們分別探究了不同生長(zhǎng)階段的花椒揮發(fā)性有機(jī)化合物（VOCs）的特性。電子鼻分析結(jié)果顯示，除了萜烯類化合物外，其他類型的VOCs也對(duì)花椒的香氣有顯著貢獻(xiàn)。在經(jīng)過多次多變量統(tǒng)計(jì)分析后，我們?cè)贕C-MS和GC-IMS數(shù)據(jù)集中觀察到了不同的揮發(fā)性特征。其中，萜烯類化合物是GC-MS檢測(cè)中的主要VOCs。相反，在GC-IMS分析中，醇類、酯類和醛類是重要的組成部分，這些VOCs含量的差異是不同生長(zhǎng)階段花椒揮發(fā)性特征不同的主要原因。根據(jù)氣味活性值（OAV）和相對(duì)氣味活性值（ROAV）的分析，共鑒定出37種重要的香氣物質(zhì)。主成分分析（MFA）表明，GC-MS和GC-IMS的結(jié)合使用能夠更全面地探索花椒的揮發(fā)性特征。利用GC-MS和GC-IMS的聯(lián)合數(shù)據(jù)集，我們構(gòu)建了加權(quán)共表達(dá)網(wǎng)絡(luò)分析（WCNA）模型。在五個(gè)不同生長(zhǎng)階段的花椒中，我們成功鑒定出6個(gè)顯著正相關(guān)的模塊和32種關(guān)鍵關(guān)鍵VOCs。這些鑒定出的VOCs可以被認(rèn)為是區(qū)分不同花椒樣本的潛在生物標(biāo)志物。