点击蓝字“
AI4ST
”，轻松关注不迷路
生科云网址：
https://www.bioincloud.tech/
编译：微科盟Lili，编辑：微科盟Tracy、江舜尧。
微科盟原创微文，欢迎转发转载。
导读
地理区域对工夫红茶（Congou black tea,CBT）的风味特性产生了深远的影响。在本研究中，我们对来自7个不同地理区域的35个CBT样品，通过集成多种智能感官技术和非靶向代谢组学分析进行了全面表征；通过多种智能感官技术的融合，实现了令人满意的鉴别效果（R
2
Y = 0.918, Q
2
= 0.859）。我们利用超高效液相色谱-高分辨率质谱（UHPLC-HRMS）和气相色谱-质谱（GC-MS）技术，分别鉴定出104种非挥发性和169种挥发性代谢物。在这些代谢物中，基于VIP大于1和
p
值小于0.05的标准，45种关键差异性非挥发性代谢物和76种关键差异性挥发性代谢物被精确定位。此外，我们还鉴定出52种具有OAV（气味活性值）≥1的关键气味物质，其中
己醛、苯乙醛、芳樟醇、β-环柠檬醛、水杨酸甲酯、香叶醇、α-乙烯基苯乙醛和反式β-紫罗兰酮
被认定为7个地理区域中普遍存在的气味物质。这些研究结果为全面理解地理区域对红茶风味的影响提供了理论支持。
亮点：
1、地理区域显著影响了工夫红茶的风味品质。
2、通过多种智能感官技术，实现了卓越的区分效果。
3、鉴定出45种非挥发性代谢物作为关键差异物质。
4、在7个地理区域中，识别了8种共同的挥发性气味物质。
原名：
Exploration of the effects of geographical regions on the volatile and
non-volatile metabolites of black tea utilizing multiple intelligent sensory
technologies and untargeted metabolomics analysis
译名：
利用多智能感官技术和非靶向代谢组学分析探索地理区域对红茶挥发性和非挥发性代谢物的影响
1.
基于多种智能感官技术对不同地理区域的CBT进行表征
本研究中，来自7个不同地理区域（安徽（AH）、福建（FJ）、广东（GD）、湖北（HB）、江西（JX）、四川（SC）、云南（YN））的35个CBT样品通过GC-电子鼻、电子舌和电子眼进行了表征，共获取了91个特征变量，包括GC-电子鼻的44个变量、电子舌的7个变量和电子眼的40个变量（见表S1）。为了便于数据挖掘和分析，我们进行了OPLS-DA分析。通过独立的GC-电子鼻、电子舌和电子眼确定的这七个地理区域的CBT样品的空间分布，通过得分图直观地呈现。如图1A所示，除了HB和SC地区外，AH、FJ、GD、JX和YN地区的样品分布重叠，表明仅凭独立的GC-电子鼻在有效区分不同地区的CBT样品方面存在挑战。FJ、GD、HB、JX和YN地区的样品可以通过电子舌有效区分，但AH和SC地区之间仍有重叠，表明单独使用电子舌也不足以满足这一要求（见图1B）。基于独立的电子眼观察到了相当程度的分离（见图1C）。尽管如此，每个地区的聚集程度并不像预期的那样令人满意。置换测试确认了上述OPLS-DA模型中不存在潜在的过度拟合（见图1D、E和F）。总之，独立的GC-电子鼻、电子舌和电子眼技术在区分不同地理区域的CBT样品方面存在局限性。融合策略的应用提供了新的视角。
图1 基于独立GC-电子鼻、电子舌和电子眼的OPLS-DA模型。(A) GC-电子鼻的得分图（R
2
Y = 0.641，Q
2
= 0.551）；(B) 电子舌的得分图（R
2
Y = 0.643，Q
2
= 0.616）；(C) 电子眼的得分图（R
2
Y = 0.72，Q
2
= 0.673）；(D) GC-电子鼻的置换测试（R
2
= 0.129，Q
2
= -0.271）；(E) 电子舌的置换测试（R
2
= 0.022，Q
2
= -0.216）；(F) 电子眼的置换测试（R
2
= 0.177，Q
2
= -0.335）。AH代表安徽；FJ代表福建；GD代表广东；HB代表湖北；JX代表江西；SC代表四川，YN代表云南。
基于GC-电子鼻、电子舌和电子眼融合的OPLS-DA模型展现出良好的解释力和拟合能力（R
2
Y =
0.918，Q
2
= 0.859），有效地区分开了来自7个地理区域的样品（见图2A）。安徽（AH）样品位于Y轴正半轴上，而福建（FJ）样品位于X轴正半轴上。广东（GD）和云南（YN）样品分布在第二象限且部分重叠，这可能与这两个产地大叶种的普遍性有关。江西（JX）样品位于第四象限，靠近Y轴负半轴。四川（SC）和湖北（HB）样品分别位于第三和第一象限。200次置换检验通常有助于评估当前OPLS-DA模型的稳健性。有效性的标准是所有左侧的Q
2
值低于右侧的原始点，或者Q
2
点的回归线与垂直轴（左侧）在零点或零点以下相交。如图2B所示，结果表明该模型是可靠的且没有过拟合（R
2
= 0.26，Q
2
= -0.526）。此外，根据投影重要性（VIP）大于1的标准，共识别出29个变量在7个地区CBT分类中发挥关键作用（见图2C）。其中，15个变量来自GC-电子鼻，7个变量来自电子舌，其余7个变量来自电子眼。总之，基于融合策略的模型比基于独立GC-电子鼻、电子舌和电子眼的模型更为稳健。这种开创性的方法能够整合不同感官技术的数据，从而提高区分的精确度和可靠性。集成GC-电子鼻、电子舌和电子眼的融合策略已被证明是一种有前景的方法，用于区分CBT样品的地理区域。尽管智能感官技术具有速度快和客观性的优点，但必须强调这些智能感官技术对环境条件有严格的要求。保持一致的环境条件对于确保设备性能的一致性至关重要。此外，随着时间的推移，传感器可能会遇到性能下降和污染问题，需要定期更换传感器或严格执行清洁协议以保持传感器的清洁。尽管如此，它们仍然是评估红茶品质的便捷方法。
图2 基于多种智能感官技术融合的OPLS-DA模型。(A) 得分图（R
2
Y = 0.918，Q
2
= 0.859）；(B) 置换检验（R
2
= 0.26，Q
2
= -0.526）；(C) VIP图。AH代表安徽；FJ代表福建；GD代表广东；HB代表湖北；JX代表江西；SC代表四川；YN代表云南。
2.
基于UHPLC-HRMS分析的不同地理区域CBT中非挥发性代谢物的表征
我们采用基于超高效液相色谱-高分辨率质谱（UHPLC-HRMS）的非靶向代谢组学分析，对来自7个地理区域的CBT中的非挥发性代谢物进行了表征，共鉴定出104种非挥发性代谢物，分为10类，包括6种生物碱、19种氨基酸及其衍生物、8种儿茶素、9种二聚儿茶素、29种黄酮醇和黄酮醇/黄酮苷、5种碳水化合物、6种核苷酸和核苷、3种有机酸、14种酚酸及其衍生物以及其他5种化合物（详见表S2）。
为了探究非挥发性代谢物的差异，我们进行了正交偏最小二乘判别分析（OPLS-DA）。如图3A所示，得分图显示了来自不同地理区域的CBT样品具有明显的聚类趋势，尤其是所有组内样品的高度聚集（R
2
Y
= 0.923，Q
2
= 0.869）。安徽（AH）、四川（SC）和江西（JX）样品集中在第一象限；福建（FJ）和湖北（HB）样品分布在第三象限；而广东（GD）和云南（YN）样品位于第四象限。值得注意的是，GD和YN样品的接近分布也在图2A中得到了体现，这证实了前述结果。200次置换检验验证了该模型的可靠性（R
2
= 0.305，Q
2
= -0.574）（见图3B）。随后，我们开发了VIP图来筛选可能导致区域间质量差异的潜在关键非挥发性代谢物。共有45种非挥发性代谢物根据VIP > 1和
p
< 0.05的标准被选出（见图3C）。VIP >
1.3的前五种非挥发性代谢物分别是犬尿喹啉酸（L1）、L-天冬酰胺（L10）、原花青素B1（L35）、柚皮素（L51）和腺嘌呤（L75），它们具有显著的差异。因此，这些关键差异性非挥发性代谢物在载荷图中被突出显示，以阐明它们对区域间质量差异的具体贡献（见图3D）。代谢物越靠近聚类，对分类的敏感性越高。赋予鲜味的L-天冬酰胺（L10）更接近YN和GD组，而L-异亮氨酸（L19）则接近HB和FJ组。富马酸（L84）位于GD和YN样品附近。它有助于形成醇厚口感，并据报道在大叶种红茶和小叶种红茶之间表现出显著差异。
图3 基于超高效液相色谱-高分辨率质谱（UHPLC-HRMS）的正交偏最小二乘判别分析（OPLS-DA）模型。(A) 得分图（R
2
Y = 0.923，Q
2
= 0.869）；(B) 置换测试（R
2
= 0.305，Q
2
= -0.574）；(C) 变量重要性投影（VIP）图；
