《Food Chemistry》：Exploring aroma descriptions of different cherry juice and the mechanism of aroma formation in Lapins using volatilomics and machine learning
编辑推荐：
挥发性和机器学习用于筛选适合加工的樱桃品种，揭示Lapins品种香气形成机制，通过正交偏最小二乘判别分析确定关键差异挥发性有机物，建立多模态香气分析框架优化加工流程。
王云帆|龚汉生|范新光|孔艳辉|李秀莲|曾向全|李华敏|刘文丽|曲航|李彦茹
鲁东大学烟台工程学院食品工程学院，烟台食品绿色加工与质量控制工程技术研究中心，纳米科学技术与应用重点实验室，山东省烟台市264025，中国
摘要
本研究利用挥发性组学和机器学习技术分析了樱桃汁中的挥发性有机化合物（VOCs），以比较不同品种之间的风味差异并筛选出适合加工的品种，并深入探讨了Lapins品种的香气形成机制。研究发现，醛类和酯类是樱桃汁中的主要差异性挥发性化合物（DVCs）。通过正交偏最小二乘判别分析（OPLS-DA）、神经网络建模和气味活性值（OAV）分析，确定了6-甲基-5-庚烯-2-酮、丁基丙酸酯、丁酸和玫瑰氧化物为Lapins品种中的关键DVCs，其OAV值最高。基于这些DVCs及其在不同品种中的OAV值，可以得出Lapins品种具有最显著的香气。研究还分析了香气形成的机制，发现这一过程涉及丙酮酸、氨基酸、脂肪酸和类胡萝卜素的代谢作用。本研究建立了一个用于DVCs特征分析和多模态香气分析的框架，为数据驱动的加工优化和品种选择提供了支持，有助于提升樱桃的附加值，提高资源利用效率和农业的可持续发展。
引言
樱桃属于蔷薇科李属的核果类植物，广泛种植于欧洲、北美、西亚和东亚地区（Li等人，2025年）。在商业化的樱桃品种中，Prunus avium L和Prunus pseudocerasus L尤为突出。Prunus avium L原产于欧洲和西亚，已成为中国主要的樱桃品种；Prunus pseudocerasus L具有较高的商业价值，分布于中国的温带和亚热带地区（Li等人，2025年）。根据中国国家统计局2024年的数据，中国樱桃种植面积约为25.8万公顷，年产量约为168万吨，但销售额仅为9350万吨。樱桃富含维生素、花青素、类胡萝卜素和酚酸等生物活性物质，具有抗氧化、抗癌和心血管保护作用（Chen等人，2025年）。Prunus avium L以高糖分（如葡萄糖、果糖、蔗糖和山梨糖醇）及多种酚类化合物（如羟基肉桂酸、花青素、黄烷-3-醇和黄酮类）而闻名；Prunus pseudocerasus L则富含黄酮类物质和肉桂酸（Cao等人，2015年）。产品质量是产业发展的基础，而风味作为评估农产品内在品质的关键指标，直接决定了产品的品质和价值。然而，樱桃产业面临一系列收获后和供应链方面的挑战：（1）高水分含量和易腐性导致果皮快速褐变、质地下降和微生物污染，缩短了产品的保质期；（2）生产与销售比例不理想，造成大量浪费，某些地区的经济损失超过30%；（3）由于农业气候的敏感性，不同批次之间的品质波动较大；（4）品种间的风味差异使得许多品种不适合加工。因此，筛选出适合加工的品种至关重要，这些品种应具有优良的风味特性和生物化学稳定性，从而开发出高附加值产品，减少产后损失并提升供应链的可持续性。与鲜榨樱桃汁相比，发酵樱桃汁中的酚类和黄酮类化合物含量更高，乙酸、异丁酸和丁酸的含量也有所增加（Guo等人，2021年）；发酵过程还增强了樱桃汁的花香、果香和焦糖香气（Wang等人，2026年）。尽管发酵樱桃汁受到消费者认可，但其风味特征往往与鲜榨樱桃有所不同，这也是该行业面临的主要挑战。因此，选择风味优良的品种对于生产高品质发酵果汁至关重要。
挥发性化合物（VOCs）是樱桃风味特征的基本组成部分，在评估樱桃的风味、成熟度和产地方面起着关键作用。研究发现，樱桃中的主要VOCs为醛类，它们赋予樱桃杏仁香、草香、柑橘香、苹果香、花香和脂香等香气。Feng等人（2025年）的研究表明，(E)-2-己烯醛、(E)-2-壬烯醛、(E,Z)-2,6-壬二烯醛和(E,E)-2,4-壬二烯醛是Cao5、Black Tartarian、Saylor、Golia、Minnie Royal、Bingtangcui和Sunburst等品种中的主要醛类，对樱桃香气有显著贡献。然而，Feng等人（2025年）使用GC–MS方法分析时发现萜类化合物是主要VOCs；Hayaloglu和Demir（2016年）在97个土耳其甜樱桃品种中发现了醇类和酯类为主要VOCs；Vavoura等人（2015年）仅在4个希腊甜樱桃品种中检测到18种VOCs，其中醇类占主导；Ye等人（2017年）在30个中国樱桃品种中发现了萜类和酯类为主要VOCs。尽管传统统计方法可以区分不同组别，但在高维数据的降维和关键生物标志物的筛选方面存在局限性。正交偏最小二乘判别分析（OPLS-DA）是一种改进的多变量数据分析方法，通过调整预测成分和正交成分来降低数据维度。随着机器学习（ML）技术的进步，研究人员越来越多地将VOCs与数学模型结合使用，以准确高效地分析食品香气。与传统统计方法相比，这些模型能更好地处理复杂、高维和非线性数据关系。集成学习方法（如Bagging）通过聚合多个弱分类器来提高模型的鲁棒性，特别是在数据不平衡或噪声较大的情况下效果更佳。RUSBoosted方法结合了随机欠采样（RUS）和Adaboost.M2算法，用于处理不平衡数据集。目前仅有少数研究将机器学习应用于樱桃香气分析，例如使用NBM模型对电子束灭菌后的发酵樱桃汁进行香气分类和预测。然而，朴素贝叶斯模型（NBM）的分类准确性不稳定，因为数据属性之间可能存在关联，这与模型对属性独立性的严格要求相矛盾。因此，在樱桃汁香气分析中结合Bagging和RUSBoosted方法非常重要。
本研究建立了樱桃汁中DVCs的特征分析框架，并评估了多模态香气分析方法，实现了数据驱动的加工优化品种选择，为发酵樱桃汁的生产提供了多样化的品种选择，同时为优化发酵工艺和解决品种间的发酵后质量问题提供了理论支持，从而促进了樱桃资源的高效利用和全面加工。
材料
本研究从市场购买了12个樱桃品种（Hongdeng、Von、Lapins、Tieton、Summit、Satonishiki、Brooks、Huangmi、China cherry、No.5 Luying、Hanxiang和Jiahong）。根据先前研究（Wang等人，2026年），GC–MS和GC-IMS分析使用3-壬酮作为内标，而GC×GC–MS分析使用2-壬酮作为内标。3-壬酮、2-壬酮（≥98%）参考标准品以及C7-C40烷烃标准溶液（1000 mg/L，溶于己烷）也被用作内标。
不同樱桃汁中VOCs的分析
GC–MS是一种有效的、全面的VOCs定性和定量分析方法，结合了气相色谱的强大分离能力和质谱的强大代谢物识别能力。然而，该方法通常需要复杂的样品预处理和较长的检测时间（Xiao等人，2022年）。本研究使用GC–MS分析了12种樱桃汁中的VOCs，共检测并鉴定了68种VOCs。结论
为了研究不同樱桃品种之间的风味差异并筛选适合加工的品种，本研究结合挥发性组学和机器学习算法分析了不同樱桃果实中的VOCs，重点关注Lapins品种的香气形成机制。通过OPLS-DA分析，分别利用GC–MS、GC-IMS和GC×GC–MS方法鉴定了30种、26种和61种DVCs。多变量统计分析表明，神经网络模型在准确性、精确度、召回率和F1分数方面表现优异。
作者贡献声明
王云帆：撰写初稿，数据整理。
龚汉生：撰写、审稿与编辑，方法学设计。
范新光：撰写、审稿与编辑。
孔艳辉：实验研究。
李秀莲：方法学设计。
曾向全：软件开发。
李华敏：实验监督。
刘文丽：结果验证。
曲航：方法学设计。
李彦茹：数据可视化。
资助
本研究得到了山东省重点研发计划（2024TZXD060、2024TZXD004）和山东省科技型中小企业创新提升项目（2023TSGC0868）的支持。
利益冲突声明
作者声明不存在可能影响本研究结果的已知财务利益或个人关系。
