十种食用花茶风味与功能成分的多组学整合分析：从分子对接到机器学习的系统解析

《LWT》：Comparative study on the differences of non-volatile and volatile compounds in ten edible flower teas: An integrated multi-omics, molecular-docking and machine-learning approach

本研究针对食用花茶(EFTs)风味形成机制不明确、品质评价体系不完善等问题，采用智能感官评价(E-nose/E-tongue)、非靶向代谢组学、GC-MS、分子对接和机器学习等整合策略，系统解析了10种蔷薇科食用花茶的挥发性/非挥发性成分。研究发现PSF、MMF和PSLF具有优异感官品质(评分>84)，并通过分子对接证实O-乙酰-L-高丝氨酸和黄酮苷是关键呈味物质。随机森林模型鉴定槲皮素衍生物和柑橘素异构体为主要活性成分，为功能性花茶开发提供科学依据。

　　

在全球健康饮食趋势的推动下，食用花卉因其独特的香气和保健功能日益受到关注。其中，蔷薇科食用花茶作为传统功能性饮品，在中国具有悠久的饮用历史。然而，目前对食用花茶的研究多局限于少数物种，缺乏系统性比较分析。不同品种花茶的化学成分差异显著，直接影响其风味特征和健康功效，但风味活性成分与感官属性的关联机制尚未明确，这制约了食用花茶的精准开发和产业化应用。

为破解这些难题，四川农业大学的研究团队在《LWT》发表论文，采用多组学整合策略对10种中国常见蔷薇科食用花茶展开系统研究。研究人员选取了重瓣桃、光叶桂樱、尾叶樱、李花、梅花等10种具有代表性的蔷薇科食用花卉，通过真空冷冻干燥工艺制成花茶样品。

本研究创新性地构建了智能感官评价-化学分析-生物活性验证的三维研究体系。采用电子鼻(E-nose)和电子舌(E-tongue)技术量化花茶的香气和滋味特征；运用气相色谱-质谱联用(GC-MS)和非靶向代谢组学解析挥发性有机物(VOCs)和非挥发性代谢物；结合分子对接模拟关键风味化合物与味觉受体(T1R1/T1R3、T2R46)的相互作用；最后通过机器学习中的随机森林(Random Forest)算法筛选核心功能成分。

3.1. 十种食用花茶的感官和植物化学特征分析

感官评价显示，光叶桂樱花茶(PSF)、海棠花茶(MMF)和日本晚樱花茶(PSLF)综合评分最高(>84分)，具有甜鲜协调的风味特点。电子鼻分析发现PSLF的花香特征与高含量倍半萜烯相关，而电子舌检测到桃花花茶(PPF)和梅花花茶(PMF)具有显著苦味。植物化学分析表明，10种花茶共鉴定3049种共享代谢物，总酚含量73.42-157.30 mg GAE/g，总黄酮含量30.47-130.96 mg/g。

3.2. 十种食用花茶的香气分析

GC-MS共鉴定128种挥发性有机物，加权共表达网络分析(WCNA)成功构建6个显著相关模块。苯甲醛平均相对含量达25.44%，是花茶的关键香气成分。分子对接证实，尽管生物碱含量较低，但gambiriin A1等化合物可通过与苦味受体T2R46结合产生苦味感知。

3.3. 非靶向代谢组学分析

KEGG功能注释将代谢物分为萜类、肽类、黄酮类等7大类。通过分子对接发现，eriocitrin和异鼠李素-3-O-芸香糖苷等多酚化合物与鲜味受体T1R1/T1R3具有强结合能力，揭示了花茶鲜味形成的分子基础。

3.4. 机器学习辅助的生物活性代谢物鉴定

体外活性实验表明，PSLF具有最强抗氧化能力(DPPH/ABTS IC₅₀分别为0.375/0.242 mg/mL)，PSF表现出显著α-葡萄糖苷酶抑制活性(IC₅₀0.086 mg/mL)。随机森林模型筛选出槲皮素衍生物和柑橘素异构体等关键功能成分，网络药理学分析显示87%的代谢物靶点与2型糖尿病相关，证实其潜在健康功效。

该研究首次建立了食用花茶多组学综合评价体系，阐明了风味化合物与感官属性的内在联系，揭示了黄酮苷类物质在抗氧化和降血糖活性中的核心作用。研究成果为食用花茶的品质标准化、功能成分挖掘和产品创新提供了理论支撑，推动传统花茶向标准化、功能化方向转型升级。通过整合现代分析技术与传统食用经验，本研究为蔷薇科食用花卉的资源开发和高值化利用提供了科学范式。