基于GC×GC–MS与化学计量学的巴西初榨橄榄油质量评估：挥发性有机物指纹图谱与感官可解释模型

《ANALYTICAL AND BIOANALYTICAL CHEMISTRY》：Quality assessment of Brazilian olive oils by GC×GC–MS and chemometrics

本研究针对巴西初榨橄榄油存在的掺假与标签欺诈问题，开发了一种结合顶空固相微萃取-全二维气相色谱-质谱（HS-SPME-GC×GC–MS）与偏最小二乘判别分析（PLS-DA）的自动化分析流程。通过对215个认证样品（非缺陷EVOO与缺陷VOO/LVOO）的挥发性有机化合物（VOC）谱进行分析，模型成功区分两类油品，外部验证准确率达91%。研究明确了驱动分类的关键化学标记物：非缺陷油富含LOX途径产生的C5/C6醛醇（如(E)-2-己烯醛），赋予其青绿果香；缺陷油则含较高壬醛与乙酸，与酸败异味相关。该方法为橄榄油真伪鉴别提供了可靠、可感官解释的仪器分析方案，对市场监管与消费者保护具有重要意义。

　　

橄榄油，尤其是特级初榨橄榄油（EVOO），因其独特的感官特性和健康益处，在全球食品市场中享有盛誉。然而，其高昂的价格也使其成为食品欺诈的主要目标。常见的欺诈手段包括将EVOO与廉价的植物油混合，或用较低等级的初榨橄榄油（VOO）或灯油级初榨橄榄油（LVOO）冒充EVOO进行销售。在巴西，近年来全国范围的检查发现了多起此类欺诈案件，导致巴西联邦机构暂停了多个品牌的销售并查获了大量不合格产品。传统的橄榄油质量评估依赖于训练有素的感官品评小组，但这种方法主观性强、耗时且成本高。因此，开发客观、快速、可靠的仪器分析方法来鉴别橄榄油的质量等级，对于维护市场公平、保护消费者权益以及支持监管行动变得至关重要。

在此背景下，一项发表在《ANALYTICAL AND BIOANALYTICAL CHEMISTRY》上的研究提出了一种创新的解决方案。研究人员利用先进的分析化学技术，旨在通过分析橄榄油中的挥发性有机化合物（VOC）来建立一种自动化的质量分类模型。

为了开展这项研究，研究人员主要运用了几项关键技术：首先是顶空固相微萃取（HS-SPME），用于从橄榄油样品中富集挥发性成分；其次是全二维气相色谱-质谱联用技术（GC×GC–MS），该技术相比传统的一维气相色谱，具有更高的峰容量和分离能力，能够更全面、更精确地捕捉复杂的VOC谱图；最后是化学计量学中的偏最小二乘判别分析（PLS-DA），用于处理GC×GC–MS产生的大量数据，构建分类模型并识别关键的特征性化合物。研究样本包括由巴西农业部（MAPA）提供的215个经过认证的初榨橄榄油样品（137个EVOO，47个VOO，31个LVOO）以及21个未知品质的样品。

HS-SPME-GC×GC-QMS分析

通过GC×GC–MS分析，研究人员从215个初榨橄榄油样品中检测到约108种重复出现的VOCs。通过生成缺陷油和非缺陷油的两类复合色谱图，可以直观地观察到两者在VOC谱上的明显差异。这些化合物涵盖了烃类（萜烯）、酯类、酮类、羧酸和醇类等多种化学类别，与以往对橄榄油挥发物的研究一致。

化学计量学建模

研究人员采用基于峰表的PLS-DA方法，建立了区分缺陷油（VOO和LVOO，赋值为1）和非缺陷油（EVOO，赋值为0）的分类模型。模型最终选择了4个潜变量（LV），并在外部验证集上取得了91%的预测准确率。一些样本位于分类阈值（0.45）附近，形成了“不确定区域”，对此，有研究建议可将此类边界样本送交感官品评进行最终裁决，以优化工作流程。通过分析PLS-DA模型的回归系数，研究识别出39种对分类贡献最大的化合物，它们作为区分油品质量的关键化学标记物。

关键化学标记物的感官意义

对关键标记物的分析揭示了其与橄榄油感官品质的紧密联系。非缺陷油（EVOO）的特征是含有较高含量的脂氧合酶（LOX）途径产物。例如，C₅醇(Z)-2-戊烯-1-醇与愉悦的青草味相关；C₆醛(E)-2-己烯醛是新鲜青绿和果香的主要贡献者，也是所有样品中含量最丰富的化合物之一。此外，如(5E)-3-乙基-1,5-辛二烯等烃类化合物，是橄榄较早成熟期的标志物。这些化合物的存在共同构成了高品质EVOO典型的“香气蓝图”。

相反，缺陷油中则富含与不良风味相关的化合物。例如，乙酸会产生醋味；壬醛不仅带来刺鼻的酸败味，其含量还会随着橄榄油的储存时间延长而增加，是氧化的标志。C₈醇1-辛醇通常与过熟橄榄和氧化过程相关，会产生类似蘑菇的异味，在缺陷油组中含量显著更高。一些萜烯类化合物，如(E)-β-罗勒烯，在巴西橄榄油的质量等级区分中也显示出潜力。

研究还探讨了被模型误分类的个别样本，发现其关键标记物的含量与所属类别的典型特征存在偏差，这进一步印证了这些化合物在质量判别中的重要性，同时也凸显了多元模型综合考量多种化合物协同作用的必要性。

未知橄榄油样品的质量预测

作为模型应用实例，研究使用训练好的PLS-DA模型对21个未知品质的橄榄油样品（UNKN）进行了预测。结果显示，7个样品被预测为缺陷油，14个被预测为非缺陷油。通过比较未知样品与已知类别样品的VOC平均峰面积，发现预测结果与化学谱图具有高度一致性。例如，在已知和非缺陷的未知样品中，1-戊烯-3-醇、(Z)-2-戊烯-1-醇等正面风味标志物含量均较高；而与缺陷相关的(E)-2-庚烯醛则在缺陷组（包括未知样品）中更为富集。这证明了该模型对于新样本（2024年产）具有良好的分类能力。

本研究成功开发了一种结合HS-SPME-GC×GC–MS与PLS-DA化学计量学模型的自动化分析方法，用于巴西初榨橄榄油的质量评估。该模型能够以高准确率区分缺陷与非缺陷油品，并且通过识别关键的VOC标记物，将仪器分析结果与感官特性直接关联，实现了模型的“感官可解释性”。这不仅为打击橄榄油掺假、规范市场提供了强有力的技术工具，也为联邦实验室（LFDA）进行法证分析提供了一种可靠、高效的替代或补充方案。该方法凸显了详细化学分析结合多元统计在食品真实性领域的巨大潜力，其模型构建思路亦可为其他高价值食品的质量监控提供借鉴。