一种通过双相萃取NMR谱鉴别茶叶产地溯源的方法及其应用技术

本发明专利技术涉及核磁共振检测领域，具体涉及一种通过双相萃取NMR谱鉴别茶叶产地溯源的方法及其应用，基于1H NMR的两相萃取指纹法与多变量数据相结合，分析了太平猴魁绿茶的地理可追溯性(镇级)，主成分分析被作为探索性工具用于聚类概述，支持向量机和随机森林(RF)被进一步应用于分类，结合极性和非极性提取物的RF模型取得了87.5％的最佳准确率，儿茶素、脂肪酸和蔗糖被认为是这种分类的贡献者，并被认为是重要的差异性代谢物，这些结果支持使用1H NMR结合机器学习工具来识别狭义产地的绿茶。合机器学习工具来识别狭义产地的绿茶。合机器学习工具来识别狭义产地的绿茶。

【技术实现步骤摘要】
一种通过双相萃取NMR谱鉴别茶叶产地溯源的方法及其应用


[0001]本专利技术涉及核磁共振检测领域，具体涉及一种通过双相萃取NMR谱鉴别茶叶产地溯源的方法及其应用。

技术介绍

[0002]茶叶作为世界上最受欢迎的三种饮料之一，因其独特的风味而受到消费者的青睐。在所有茶叶类型中，绿茶在中国占有最大的市场份额。绿茶的需求与茶叶的地理产地和相应的质量密切相关，这进一步影响了价格和消费者的选择。在中国，著名的绿茶通常产自狭窄的产区，如西湖龙井、黄山毛峰和太平猴魁。太平猴魁被认为是绿茶之王，具有独特的外形和兰花香般的香气。太平猴魁主要产于安徽省黄山市新明镇、三口镇，龙门镇，颜家，猴岗，猴坑。颜家，猴岗和猴坑是核心产区，是该领域最为特殊的地方。不同产地的太平猴魁在外观和地理位置上相似。在利益的驱使下，一些不法商人明知产品生产来自其他地方，但仍将产品标注为有价值的地理产地。因此，迫切需要一种有效的方法来认证来自狭窄产地的绿茶。
[0003]传统的茶叶产地鉴定方法是通过感官评价来判断，这种方法依赖于人们的经验，容易受到人为主观因素的影响，因此有一定的局限性。近年来，一些新兴的检测技术作为感官评价的补充方法被广泛使用，如高效液相色谱
‑
质谱法、顶空固相微萃取和气相色谱
‑
质谱、稳定同位素、元素分析、电子鼻和电子舌。然而，这些技术通常需要复杂的样品预处理或衍生化，运行时间长，不适合常规分析。相比之下，核磁共振(NMR)技术是快速的(通常每个样品3
‑
5分钟)，并且可以在最小的样品产生可靠的代谢物指纹。此外，核磁共振允许从一次实验中同时鉴定多种化学成分，具有很好的可重复性。由于不同的代谢物之间存在巨大的差异，对代谢组进行完整的分析是不可行的。一些以大量的形式出现(高达干物质的百分之十)，而另一些仅以微量的形式出现(单位为pmol的量或更少)。一些是极端亲水的(如糖)，而另一些是亲脂的(如脂肪)，这使得在一个提取物中提取两者几乎是不可能的。此外，由于1H NMR的光谱范围有限，信号的叠加经常发生。特别是靠近大信号的小信号很难被发现。这些因素限制了核磁光谱的发展。双相萃取能一次性获取极性和非极性的代谢物，能够全面反应茶叶中的代谢物信息。
[0004]近几十年来，有几个关于基于核磁共振的茶叶溯源的报告，研究了不同的国家，根据原产地来区分绿茶，没有得到满意的结果。使用核磁共振数据来区分三个不同产地的乌龙茶，准确率只有68.2
‑
78.7％。这些研究只使用了茶叶中的极性代谢物进行鉴别，非极性代谢物对茶叶产地鉴别的贡献程度仍然未知，茶叶中的极性提取物对狭窄产地的可追溯性是有限的。此外，应用核磁共振对产地较窄、气候差异不明显的茶叶进行分类，其准确性有待进一步提高。研究报告称，获得全面的代谢指纹可以提供额外的见解。然而，很少有研究将基于1H NMR的代谢组学方法应用于使用极性和非极性提取物的茶叶产地认证。
[0005]鉴于上述缺陷，本专利技术创作者经过长时间的研究和实践终于获得了本专利技术。

技术实现思路

[0006]本专利技术的目的在于解决现有研究中只使用了茶叶中的极性代谢物进行鉴别，非极性代谢物对茶叶产地鉴别的贡献程度未知以及核磁共振对产地交窄、气候差异不明显的茶叶进行分类，准确性不高的问题，提供了一种通过双相萃取NMR谱鉴别茶叶产地溯源的方法及其应用。
[0007]为了实现上述目的，本专利技术公开了一种通过双相萃取NMR谱鉴别茶叶产地溯源的方法，括以下步骤：
[0008]S1：将茶叶样品粉碎并冷冻干燥，采集核磁共振光谱；
[0009]S2：用MestReNova软件对NMR光谱进行预处理；
[0010]S3：对光谱数据进行主成分分析以降低维度并使结果可视化；
[0011]S4：将光谱数据导入模型，计算准确度，对模型进行评价。
[0012]所述步骤S1粉碎后的茶叶样品经过超声处理并离心，核磁共振光谱通过600MHz HMR光谱仪在298K温度下获得。
[0013]所述步骤S2中感兴趣区域选择D2O：0.6
‑
8.12ppm，不包括4.52
‑
5.0ppm和CDCL3：0.48
‑
7.60ppm，不包括7.2
‑
7.28ppm的化学位移。
[0014]所述步骤S3中主成分分析使用PCA降维数据维度，使数据可视化。
[0015]所述步骤S4中将光谱数据导入模型具体过程如下：对于水相提取的光谱数据，选择0.6
‑
8.12ppm，不包括4.52
‑
5.0ppm的化学位移，使用装箱bin用于分段光谱，设置为0.04ppm，共获得176个变量，对于氯仿相取的光谱，选择0.48
‑
7.60ppm，不包括7.2
‑
7.28ppm的化学位移，使用装箱bin用于分段光谱，设置为0.04ppm，共获得176个变量，将水相和氯仿相获取的核磁光谱数据通过低级数据融合直接合并，导入到随机森林RF模型。
[0016]所述步骤S4中计算准确度的公式为：
[0017]准确度＝(TP+TN)/(TP+TN+FP+FN)*100％
[0018]其中，TP、FP、TN和FN分别为真阳性、假阳性、真阴性和假阴性结果。
[0019]所述步骤S4中还对模型的灵敏度和特异性进行了评价，灵敏度和特异性的计算公式分别如下：
[0020]灵敏度＝TP/(TP+TN)*100％
[0021]特异性＝TN/(TP+TN)*100％
[0022]其中，TP、FP、TN和FN分别为真阳性、假阳性、真阴性和假阴性结果。
[0023]本专利技术还公开了上述通过双相萃取NMR谱鉴别茶叶产地溯源的方法在鉴别太平猴魁茶叶产地溯源中的应用。
[0024]由于不同的代谢物之间存在巨大的差异，对代谢组进行完整的分析是不可行的。一些以大量的形式出现(高达干物质的百分之十)，而另一些仅以微量的形式出现(单位为pmol的量或更少)。一些是极端亲水的(如糖)，而另一些是亲脂的(如脂肪)，这使得在一个提取物中提取两者几乎是不可能的。此外，由于1H NMR的光谱范围有限，信号的叠加经常发生。特别是靠近大信号的小信号很难被发现。单一的代谢物提取只能获取一部分代谢物，为了提高提取的代谢物的覆盖率，通过一次性双相萃取获取茶叶的全面NMR指纹代谢谱。
[0025]与现有技术比较本专利技术的有益效果在于：本专利技术使用1H NMR融合极性和非极性化合物对狭窄生产区域的可追溯性非常有利，基于1H NMR的指纹的两相萃取与机器学习相结
合，可以区分狭窄地区的绿茶，单一溶剂萃取对于狭窄区域的茶叶溯源是有限的，极性和非极性代谢物的融合提取明显提高了分类精度，随机森林模型显示了87.50％的最佳分类精度，该方法可作为一种快速筛选技术，帮助专业审评师进行产地鉴定，可作为基于客观测量的额外参考。
附图说明...

【技术保护点】

【技术特征摘要】
1.一种通过双相萃取NMR谱鉴别茶叶产地溯源的方法，其特征在于，包括以下步骤：S1：将茶叶样品粉碎并冷冻干燥，采集核磁共振光谱；S2：用MestReNova软件对NMR光谱进的感兴趣区域的化学位移通过总和归一化进行预处理；S3：对光谱数据进行主成分分析以降低维度并使结果可视化；S4：将光谱数据导入模型，计算准确度，对模型进行评价，选择准确度最高的模型。2.如权利要求1所述的一种通过双相萃取NMR谱鉴别茶叶产地溯源的方法，其特征在于，所述步骤S1粉碎后的茶叶样品经过超声处理并离心，核磁共振光谱通过600MHz HMR光谱仪在298K温度下获得。3.如权利要求1所述的一种通过双相萃取NMR谱鉴别茶叶产地溯源的方法，其特征在于，所述步骤S2中感兴趣区域选择D2O：0.6
‑
8.12ppm，不包括4.52
‑
5.0ppm，和CDCL3：0.48
‑
7.60ppm，不包括7.2
‑
7.28ppm的化学位移。4.如权利要求1所述的一种通过双相萃取NMR谱鉴别茶叶产地溯源的方法，其特征在于，所述步骤S3中主成分分析使用PCA降维数据维度，使数据可视化。5.如权利要求1所述的一种通过双相萃取NMR谱鉴别茶叶产地溯源的方法，其特征在于，所述步骤S4中将光谱数据导入模型具体过程如下：对于水...

【专利技术属性】
技术研发人员：侯如燕，金戈，崔传坚，韦朝领，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：