美拉德反应是指氨基（氨基酸、肽或蛋白质等）和羰基（还原糖等）相互之间的生化反应，也被定义为非酶促褐变反应，一般出现于食品热加工和贮藏过程中[1]。美拉德反应中，反应底物对最终形成的风味物质影响较大，当半胱氨酸作为反应底物时，可以产生2-甲基-3-呋喃硫醇、二糠硫醇等具有肉香味的化合物[2]；谷氨酸为反应底物时，产生丁二酸、琥珀酸[3]等具有鲜味和“Kokumi味”的化合物；甘氨酸作为反应底物时，产生2-乙基吡嗪、2-乙酰基呋喃等具有烤香味的物质[4]。用美拉德反应制备肉味香精，已被广泛用于食品风味的改善[5]。
谷氨酸作为一种常见的食品风味剂[6]，主要用于改善肉类食品的鲜味[7]。谷氨酸参与半胱氨酸-木糖美拉德反应体系后，会使得产物风味有从烤肉风味向肉汤风味转变的趋势[8]。在Cao Changchun等[9]的研究中同样发现，甘氨酸参与的半胱氨酸-木糖美拉德反应体系也具有类似的趋势。因此，通过调控半胱氨酸-还原糖-其他氨基酸美拉德反应体系可以模拟制备烤肉、肉汤风味香精。
目前，主要采用人工感官来对产品风味进行评价，但其主观随意性较强，重复性、稳定性较差。电子鼻通过传感器、信号采集单元和模式识别[10]模拟人的嗅觉功能，来对气味进行感知、分析和判断，具有检测范围广、检测速度快、灵敏度高等特点。以电子鼻代替感官评价，具有客观、快捷、重现性好、无疲劳感等特点[11]。 Barbri等[12]用电子鼻对沙丁鱼新鲜度和挥发性成分进行快速检测；张迪雅等[13]利用气相色谱-质谱分析仪和电子鼻研究不同加热温度下不同部位牛肉挥发性物质的气味，发现造成它们之间差异的主要原因是醛类和醇类物质的含量和种类不同；陈修红等[14]用电子鼻对不同种类的花椒油样品进行分析和区分。有关电子鼻分析食品风味与感官评价之间的相互关联分析研究还较为有限，孟舒雨等[15]研究狮子头电子鼻响应值与感官评价之间的相关性；杨涛等[16]研究不同小麦品种饼干电子鼻响应值与感官评价之间的相关性。通过建立二者之间的数学模型，使对食品风味的感官评价可以用客观方法进行衡量，能够避免人工评价的缺陷。
灰色关联度分析是一种多因素统计分析方法，在农产品产地溯源[17]、生长情况预测[18]、农产品综合评价[19]及中药质量评价等方面被广泛应用。本研究以通过美拉德反应制备出的肉味香精为研究对象，应用电子鼻和感官评价对其风味分别进行评价，在此基础上分别建立肉味香精的烤肉风味和肉汤风味与电子鼻响应值之间的相关性。
图 1 电子鼻检测结果的PCA
Fig. 1 PCA plot of meat flavors based on electronic nose signals data
1 材料与方法
1.1 材料与试剂
L-半胱氨酸（纯度99%）、L-谷氨酸（纯度98%）、D-木糖（纯度98%） 上海麦克林科技有限公司；磷酸二氢钠、磷酸氢二钠 北京生化药物试剂有限公司。
1.2 仪器与设备
PHSJ-5型pH计 上海雷磁仪器有限公司；FA2004型电子天平 上海仪电科学仪器股份有限公司；ZNCLGS190*90型恒温油浴锅 巩义市科瑞仪器有限公司；DF-11型冷冻干燥机 常州爱华仪器制造有限公司；PEN3型电子鼻 德国Airsense公司。
1.3 方法
1.3.1 美拉德反应产物的制备
向30 mL、pH 7、0.2 mol/L磷酸缓冲溶液中加入木糖10 g/100 mL、半胱氨酸0.67 g/100 mL、谷氨酸1.67、3.33、5.00、6.67、8.33、10.00、11.67 g/100 mL，分别编号1～7，使其混合均匀后加入20 mL安瓿瓶中，在110 ℃条件下反应90 min。美拉德反应产物在-80 ℃预冻24 h后经冷冻干燥机冻干，4 ℃冰箱冷藏备用。
1.3.2 电子鼻测定
用分析天平称取0.1 g样品，置于20 mL顶空瓶中，螺帽中带有特氟隆/硅隔膜，加入5 mL蒸馏水溶解，样品在25 ℃下平衡30 min。电子鼻传感器通常由10 个不同的金属氧化物构成[20]，每根感应器对某一大类化学物质的响应显著[21]，如表1所示。
表 1 PEN3型电子鼻各传感器的响应特性
Table 1 Response characteristics of sensors used in PEN3 electronic nose
电子鼻检测参照宫雪等[22]的方法，并作修改。采样时间1 s/组，传感器清洗时间300 s，归零时间10 s，流速300 mL/min，分析采样时间120 s。采用直接顶空吸气法，在室温25 ℃条件下对样品进行检测，每个样品重 复3 次。
1.3.3 感官评价
挑选9 名食品专业的学生组成感官评定小组，对肉味香精进行感官评分，评分指标为肉汤味、烤肉味、鲜味、焦糖味、醇厚感、总体接受性，评分标准如表2所示。
表 2 肉味香精感官评分标准
Table 2 Criteria for sensory evaluation for meat flavors
1.3.4 灰色关联度分析
1.3.4.1 确定分析数列
根据灰色系统理论和分析方法的要求，将7 组样品视为一个整体，即为灰色系统。而电子鼻的各传感器作为灰色系统的子系统，把传感器的响应值作为一个因素进行分析计算[23]。选择参考数列时[24]，感官评分记为Y0，Y0=[Y0（1）,Y0（2）,Y0（3）,…,Y0（x）]，其中x为肉味香精样品编号，x=1,2,3,…,7。选择比较数列时[25]，电子鼻传感器响应值记为Yi，Yi=[Yi（1）, Yi（2）,Yi（3）,…,Yi（x）]，其中i为电子鼻传感器编号，i=1,2,3,…,10。
1.3.4.2 计算灰色关联系数
式中：εi（x）为第x组样品的子序列Yi与母序列Y0的灰色关联系数；minimink|Y0（x）-Yi（x）|为两级最小差值；maximaxk|Y0（x）-Yi（x）|为两级最大差值； |Y0（x）-Yi（x）|为母序列与子序列的绝对差值；ρ为分辨系数，为了减小|Y0（x）-Yi（x）|太大而引起的失真，引入ρ[26]，ρ取值范围为0～1，在本研究中，ρ取0.5，此时，灰色关联度大于0.6，结果较好[27]。
1.3.4.3 计算灰色关联度
灰色关联度是所有灰色关联系数的算术平均数[15]，按照式（2）计算。
式中：ri为母序列Y0与子序列Yi之间的灰色关联度； n为子序列的数据个数，n=7。
1.3.4.4 数据来源
以电子鼻传感器中的W5S传感器作为参照[28]，分别计算不同谷氨酸添加量样品的相对传感器响应值。传感器响应值的前处理结果如表3所示。
表 3 电子鼻传感器的相对响应值
Table 3 Relative response values of electronic nose sensors
表 4 肉味香精感官评分
Table 4 Sensory evaluation of meat flavors
注：同列小写字母不同，表示差异显著（P＜0.05）。
1.4 数据处理
采用Origin 2021和Excel 2003软件对数据进行方差分析、主成分分析（principal component analysis，PCA）以及对灰色关联系数和灰色关联度进行函数和数据分析。
2 结果与分析
2.1 肉味香精感官评分
由表4可知，2号样品，即添加3.33 g/100 mL谷氨酸时，烤肉味、焦糖味评分最高。随着谷氨酸添加量逐渐增加，烤肉味评分显著降低（P＜0.05），肉汤味评分显著增加（P＜0.05），当谷氨酸添加量超过10.00 g/100 mL时，肉汤味评分显著降低（P＜0.05）。当过量加入谷氨酸时，鲜味比较刺鼻，产生一些不愉快的气味。结合烤肉味、肉汤味评分可知，2号样品中的谷氨酸添加量最利于产生烤肉风味，是烤肉风味香精中谷氨酸最佳添加量；6号样品谷氨酸添加量最有利于产生肉汤风味，是肉汤风味香精中谷氨酸最佳添加量。
2.2 肉味香精电子鼻检测结果的PCA
PCA是对原始数据线性转化的一种分析方法[29]。为了更直观比较各个组别间的差别，对不同谷氨酸添加量的样本进行PCA。由图1可知，PC1的方差贡献率为63.2%，PC2的方差贡献率为28.3%，累计方差贡献率为91.5%，大于85%，能够代表样品的整体信息[30]。7 个样品大多分布在第1、3、4象限。烤肉风味样品（1、2、3号样品）主要分布在第2象限，并且距离较近，表明它们之间风味相似；肉汤风味样品（4、5、6号样品）主要分布在3、4象限，烤肉、肉汤风味样品之间距离较远，表明烤肉、肉汤风味具有明显差异。7号样品分布在第1象限，距离其他样品较远，与其他样品风味差异明显，这与其感官评分中总分最低相对应（表4），导致它们之间差异的原因可能是谷氨酸添加量较多，产物具有较重的甜味和鲜味，导致综合评分降低。
2.3 肉味香精感官评价与传感器响应值灰色关联度分析
2.3.1 无量纲化处理
将7 组样品的感官评价指标设为参考数列[31]，电子鼻的10 根传感器响应值设为比较数列，将子序列与母序列进行灰色关联度分析。首先，采用均值化变换的方法对所有数列进行无量纲化处理[32]。先求出表3每个传感器响应值的样本均值，再将实际值与该均值相比，结果如表5所示。
表 5 无量纲化处理结果
Table 5 Dimensionless processing results
表 6 传感器响应值与烤肉风味评分的灰色关联系数和灰色关联度
Table 6 Correlation coefficients and degrees between sensor response values and sensory scores for barbecue-like flavor
表 7 传感器响应值与肉汤风味评分的灰色关联系数和灰色关联度
Table 7 Correlation coefficients and degrees between sensor response values and sensory scores for broth-like flavor
2.3.2 电子鼻响应值与感官指标的灰色关联系数和灰色关联度
7 组样品烤肉风味评分两级最大差值55.19，肉汤风味评分两级最大差值58.50；烤肉风味评分两级最小差值27.74，肉汤风味评分两级最小差值30.14，将上述数值依次代入公式（1）可以得出传感器响应值与烤肉风味评分和肉汤风味评分的灰色关联系数，再将灰色关联系数代入公式（2）可以得出电子鼻传感器响应值与感官指标的灰色关联度。
由表6～7可知，电子鼻10 根传感器响应值与烤肉、肉汤风味感官评分的灰色关联度，除W1C、W2W、W3S灰色关联度较低外，其余的传感器灰色关联度均在0.700以上。说明烤肉、肉汤风味感官评分与电子鼻响应值之间存在较高的相关性。依据灰色关联度的差异，不同电子鼻传感器对各风味指标的灰色关联度不同，其中与烤肉风味灰色关联度最高的是W1W，灰色关联度为0.854，传感器W1W对硫化物类敏感；与肉汤风味灰色关联度最高的是W2S，灰色关联度为0.864，传感器W2S对醇类、醛酮类敏感。
2.4 肉味香精感官评分与电子鼻传感器响应值的回归模型
由电子鼻传感器响应值和感官评分的灰色关联度分析可得，不同风味、感官品质在其所对应的传感器上的响应值不同。所以，根据灰色关联度的差异可分别建立电子鼻传感器响应值与烤肉评分、肉汤评分之间的相关关系。分别对烤肉风味评分、肉汤风味评分与电子鼻的10 根传感器响应值间的灰色关联度进行回归分析，Y代表烤肉风味评分或肉汤风味评分，X1、X2、X3、X4、X5、X6、X7、X8、X9、X10分别代表电子鼻的W1C、W5S、W3C、W6S、W5C、W1S、W1W、W2S、W2W、W3W 10 个传感器响应值与对应感官评分的灰色关联度[33]。 肉汤风味评分与电子鼻传感器响应值灰色关联度的回归模型为Y=38.43-69.45X2-5.38X4+26.4X6+17.58X7+ 9.68X8；烤肉风味评分与电子鼻传感器响应值灰色关联度的回归模型为Y=46.44-92.03X2-9.23X4+28.07X6+39.63X7，均通过F检验和t检验，其决定系数R2分别为0.980和0.998，说明回归方程具有较高的拟合度。
3 结 论
通过控制羰基与氨基的质量比，可以模拟制备烤肉、肉汤风味香精，由感官评分可知，当添加3.33 g/100 mL谷氨酸时，美拉德反应产物表现出浓郁的烤肉风味，添加10.00 g/100 mL谷氨酸时，美拉德反应产物表现出浓郁的肉汤风味。根据PCA可以很好区分烤肉、肉汤风味香精。电子鼻传感器响应值与香精烤肉、肉汤风味感官评分的灰色关联度除W1C、W2W、W3S外都在0.700以上，说明用电子鼻响应值代替感官评分具有可行性。在此基础上建立香精烤肉、肉汤风味感官评分与电子鼻传感器响应值灰色关联度的回归模型，分别为：Y=46.44-92.03X2-9.23X4+28.07X6+39.63X7，Y=38.43-69.45X2-5.38X4+26.4X6+17.58X7+9.68X8。通过数学模型可使感官评分更加客观，对后期进行工艺优化具有重要意义。
[1] MA Hongchao, CHEN Yitong, HE Zhaozhan, et al. Facile fluorescent glucose detection based on the Maillard reaction[J]. Colloids and Surfaces A: Physicochemical and Engineering Aspects, 2022, 18: 128339. DOI:10.1016/j.colsurfa.2022.128339.
[2] ZHANG Zheqi, ZANG Mingwu, ZHANG Kaihui, et al. Effects of phospholipids and reheating treatment on volatile compounds in phospholipid-xylose-cysteine reaction systems[J]. Food Research International, 2021, 139: 109918. DOI:10.1016/j.foodres.2020.109918.
[3] GAO Binghong, HU Xiaobo, LI Ruiling, et al. Screening of characteristic umami substances in preserved egg yolk based on the electronic tongue and UHPLC-MS/MS[J]. LWT-Food Science and Technology, 2021(2): 112396. DOI:10.1016/j.lwt.2021.112396.
[4] WONG K H, AZIZ S A, MOHAMED S. Sensory aroma from Maillard reaction of individual and combinations of amino acids with glucose in acidic conditions[J]. International Journal of Food Science and Technology, 2010, 43(9): 1512-1519. DOI:10.1111/j.1365-2621.2006.01445.
[5] 孙梦. 天然牛肉风味香精制备及还原糖-氨基酸反应体系模拟 探讨[D]. 成都: 西华大学, 2017: 1-10.
[6] ZHOU Yongyan, LI Ya, YU Ainong. The effects of reactants ratios, reaction temperatures and times on Maillard reaction products of the L-ascorbic acid/L-glutamic acid system[J]. Food Science and Technology, 2016, 36(2): 268-274. DOI:10.1590/1678-457X.02415.
[7] CHARVE J, MANGANIELLO S, GLABASNIA A. Analysis of umami taste compounds in a fermented corn sauce by means of sensoryguided fractionation[J]. Journal of Agricultural and Food Chemistry, 2018, 66(8): 1863-1871. DOI:10.1021/acs.jafc.7b05633.
[8] CERNY C, DAVIDEK T. Formation of aroma compounds from ribose and cysteine during the Maillard reaction[J]. Journal of Agricultural and Food Chemistry, 2003, 51(9): 2714-2721. DOI:10.1021/jf026123f.
[9] CAO Changchun, XIE Jianchun, HOU Li, et al. Effect of glycine on reaction of cysteine-xylose: insights on initial Maillard stage intermediates to develop meat flavor[J]. Food Research International, 2017, 99: 444-453. DOI:10.1016/j.foodres.2017.06.012.
[10] ZHANG Hongmei, WANG Jun, TIAN Xiaojing, et al. Optimization of sensor array and detection of stored duration of wheat by electronic nose[J]. Journal of Food Engineering, 2007, 82(4): 403-408. DOI:10.1016/j.jfoodeng.2007.02.005.
[11] RAGAZZO-SANCHEZ J A, CHALIER P, CHEVALIER D, et al. Identification of different alcoholic beverages by electronic nose coupled to GC[J]. Sensors and Actuators B: Chemical, 2008, 134(1): 43-48. DOI:10.1016/j.snb.2008.04.006.
[12] BARBRI N E, MIRHISSE J, IONESCU R, et al. An electronic nose system based on a micro-machined gas sensor array to assess the freshness of sardines[J]. Sensors and Actuators B: Chemical, 2009, 141(2): 538-543. DOI:10.1016/j.snb.2009.07.034.
[13] 张迪雅, 谢丹婷, 李晔. 应用电子鼻和GC-MS比较牛肉不同部位的挥发性物质组成[J]. 食品工业科技, 2017, 38(21): 241-246. DOI:10.13386/j.issn1002-0306.2017.21.048.
[14] 陈修红, 欧克勤, 汪厚银, 等. Heracles快速气相电子鼻对花椒油气味指纹分析研究[J]. 食品科技, 2016, 41(12): 256-261. DOI:10.13684/j.cnki.spkj.2016.12.051.
[15] 孟舒雨, 李苗云, 赵改名, 等. 基于灰色关联度法的狮子头风味电子鼻分析与感官评分相关性[J]. 肉类研究, 2019, 33(4): 24-28. DOI:10.7506/rlyj1001-8123-20190226-041.
[16] 杨涛, 周琴, 姜东, 等. 灰色关联分析法在不同小麦品种饼干品质评价中的应用[J]. 麦类作物学报, 2020, 40(4): 464-472. DOI:10.7606/j.issn.1009-1041.2020.04.10.
[17] 王轩, 毕金峰, 刘璇, 等. 不同产地红富士苹果品质的灰色关联度 分析[J]. 食品科学, 2013, 34(23): 88-91. DOI:10.7506/spkx1002-6630-201323019.
[18] 魏常敏, 许卫猛, 邢永锋, 等. 不同年份玉米杂交种主要农艺性状与产量的灰色关联度分析[J]. 浙江农业科学, 2019, 60(10): 1756-1759. DOI:10.16178/j.issn.0528-9017.20191017.
[19] 张传珂. 灰色系统理论在甜瓜品种综合评估中的应用[J].安徽农业科学, 2005, 33(7): 1310-1311. DOI:10.3969/j.issn.0517-6611.2005.07.038.
[20] 刘亭利, 胡国清. 电子鼻的应用综述[J]. 传感器世界, 2007, 13(8): 6-10. DOI:10.3969/j.issn.1006-883X.2007.08.001.
[21] 冯廷闯, 符漫, 熊英梅, 等. 基于电子舌、电子鼻和GC-MS分析襄阳大头菜新、老卤水滋味和挥发性物质[J]. 中国酿造, 2021, 40(11): 49-54. DOI:10.11882/j.issn.0254-5071.2021.11.009.
[22] 宫雪, 刘宁, 李二虎, 等. 基于电子鼻的葡萄酒感官评价模型的构建[J]. 中国酿造, 2014(5): 67-71. DOI:10.11882/j.issn.0254-5071.2014.05.016.
[23] 苏兰少, 林秀芳. 广西甜玉米新品种主要性状的灰色关联度分析[J]. 现代农业科技, 2021(24): 18-24. DOI:10.3969/j.issn.1007-5739.2021.24.008.
[24] 李少泓, 夏鹏飞, 马肖, 等. 基于灰色关联分析方法评价当归药材质量[J]. 中药材, 2012, 35(11): 1742-1746. DOI:10.13863/j.issn1001-4454.2012.11.014.
[25] 李峰, 张振秋, 康廷国. 灰关联度法评价鹿鞭药材质量研究[J]. 中药材, 2008(2): 189-192. DOI:10.13863/j.issn1001-4454.2008.02.011.
[26] 于萍, 李克. 使用Microsoft Excel进行数据的灰关联分析[J]. 微型电脑应用, 2011, 27(3): 29-30. DOI:10.3969/j.issn.1007-757X.2011.03.010.
[27] 李小玉, 田宏先, 王瑞霞. 灰色关联度分析和主成分分析在油菜抗旱育种中的应用[J]. 种子, 2021, 40(9): 92-97. DOI:10.16590/j.cnki.1001-4705.2021.09.092.
[28] 吴慧琳, 李苗云, 朱瑶迪, 等. 基于灰色关联分析4 种酸肉电子鼻与感官评分之间相关性[J]. 浙江农业科学, 2020, 61(6): 1168-1175. DOI:10.16178/j.issn.0528-9017.20200641.
[29] 李兆云, 王昭, 夏雪芬, 等. 基于主成分分析和聚类分析对不同产地细茎石斛的氨基酸评价[J]. 科技尚品, 2021(3): 3-9. DOI:10.12310/j.issn.1674-1064.2021.03.002.
[30] 杜勃峰, 李达, 肖仕芸, 等. 基于HS-SPME-GC-MS及主成分分析综合评价贵州典型辣椒品种香气品质[J]. 食品研究与开发, 2019, 40(7): 149-155. DOI:10.3969/j.issn.1005-6521.2019.07.025.
[31] 胡中海, 孙谦, 马亚琴, 等. 冷冻对温州蜜柑橘瓣品质影响的灰色关联度分析评价[J]. 食品与发酵工业, 2015, 41(8): 198-202. DOI:10.13995/j.cnki.11-1802/ts.201508037.
[32] 伍国红, 李玉玲, 孙锋, 等. 有核葡萄干品质因子灰色关联度分析[J].安徽农业科学, 2020, 48(12): 203-205; 208. DOI:10.3969/j.issn.0517-6611.2020.12.058.
[33] 何莲, 易宇文, 彭毅秦, 等. 基于电子鼻和气质联用分析不同生长期茂县花椒叶挥发性风味物质[J]. 南方农业学报, 2019, 50(3): 641-648. DOI:10.3969/j.issn.2095-1191.2019.03.28.