香气是决定大米食用品质的关键因素。本研究系统比较了来自中国不同生态区的优质籼稻和粳稻品种的香气特征。通过整合感官评价、顶空气相色谱-离子迁移谱（HS-GC-IMS）挥发性有机物（VOC）分析、电子鼻（E-nose）响应模式和脂肪酸组成分析，构建了综合评估框架。研究发现，籼米和粳米在VOC组成上存在清晰差异。正交偏最小二乘判别分析（OPLS-DA）能有效区分二者的风味特征，其中粳米的2-乙酰基-1-吡咯啉（2-AP，爆米花特征香气）和1-辛烯-3-醇平均含量高于籼米。这些VOC差异与脂肪酸谱密切相关。尤为重要的是，通过结合HS-GC-IMS和电子鼻数据建立的岭回归（Ridge）模型，能够准确预测米饭香气（R² = 0.720）。该研究为优质香稻品种的鉴定与选育提供了新的理论依据和快速评估工具。
引言：从“吃饱”到“吃好”，大米的香气博弈
大米是全球超过60%人口的主食，对粮食安全至关重要。历史上，中国水稻育种以增产为首要目标。随着社会发展，消费者需求转向更优的食味品质，这是一个涵盖香气、质地、外观和味道的多维属性。其中，香气是影响消费者喜好的主要感官因素。
目前，香气评估主要依赖感官评价和挥发性有机物仪器分析。电子鼻等技术可用于区分和分类，但无法定性或定量解析单个VOC。气相色谱-质谱联用是成熟的VOC分析工具，而气相色谱-离子迁移谱能更好地分离异构体并通过指纹图谱直观呈现，实现快速气味检测。在众多VOC中，2-AP被公认为大米中最关键的香气化合物，赋予其标志性的爆米花和甜香。大米的香气由多种VOC协同作用形成，受遗传、农艺措施和采后处理影响。
在中国，粳稻主要在北方和南方种植，籼稻则主要分布在南方。虽然各主产区均有优质品种，但这些品种在外观品质和食味特性上仍存在显著差异。此前研究多关注栽培和储藏条件对风味的影响，缺乏对不同生态区优质大米香气性状的综合评估。现有方法（主要是感官评价和GC-MS）虽然准确，但耗时耗力，不适合高通量筛选。机器学习凭借其自主模式识别能力，在食品香气快速评估与分类方面展现出巨大潜力。
本研究利用感官评价、HS-GC-IMS的VOC指纹图谱、电子鼻响应模式和理化测量相结合的综合分析平台，对30个中国优质水稻品种的香气特征进行了研究。主要目标是：（1）系统阐明来自中国不同生态区的优质籼米和粳米在香气属性和VOC组成上的差异；（2）开发基于机器学习的预测模型，实现快速、标准化的香气评估。研究结果将为香稻品种的鉴定和选育提供理论和实践指导。
主要研究发现
1. 米饭香气与食味值的感官评价 籼稻的香气值得分范围在89.2至95.4之间，平均值为91.4。粳稻的整体香气表现略高，得分范围在87.9至95.3之间，平均值为91.9。在食味值方面，籼稻品种范围在92.5至97.3，平均94.1；粳稻品种范围在89.0至93.4，平均91.1。两个亚种的香气和食味值变异系数均低于2.0%，表明感官品质具有高度的均一性和稳定性。
2. 精米中挥发性有机物的鉴定与差异 通过HS-GC-IMS，共鉴定出46种VOC（包括单体和二聚体），包括17种醛、11种醇、8种酮、4种烯、2种酯、2种呋喃、1种酸和1种吡咯。醛类在谱图中占主导地位（相对含量排序：醛 > 酮 > 醇 > 烯）。粳米的醇类和酸类平均含量显著更高，而籼米的烯类和酯类平均含量显著更高。OPLS-DA分析能够清晰区分籼稻和粳稻的VOC谱。变量重要性投影（VIP）分析确定了12种对亚种区分贡献最大的VOC。其中，籼稻的α-松油烯（单体）、苯甲醛（单体）和庚醛（二聚体）含量显著高于粳稻。相反，粳稻的2-AP、正己醇、1-辛烯-3-醇和异戊醇浓度更高。值得注意的是，2-AP在粳稻中的变异性大于籼稻。
3. 脂肪酸组成的比较 在所有大米样品中检测到6种脂肪酸：肉豆蔻酸、棕榈酸、硬脂酸、油酸、亚油酸和亚麻酸。亚油酸是主要脂肪酸，占总脂肪酸的46.9%至56.6%。亚种差异主要归因于亚油酸，粳稻的平均含量比籼稻低8.8%。粳稻的肉豆蔻酸和硬脂酸平均浓度也较低。
4. 化学谱与感官香气值的关联 感官香气值与2-AP含量呈显著正相关。相反，香气值与2-戊基呋喃呈显著负相关。2-戊基呋喃与多种脂肪酸（棕榈酸、硬脂酸、油酸、亚油酸）呈显著正相关。而2-AP含量与脂肪酸（棕榈酸、硬脂酸、亚油酸、亚麻酸）呈显著负相关。
5. 基于机器学习的米饭香气预测模型 机器学习模型的预测性能在两个实验数据集间差异显著。仅包含46种VOC的数据集1所构建的模型预测能力有限，岭回归表现最佳但解释力一般（R² = 0.110）。相比之下，在数据集2中纳入电子鼻传感器响应后，预测精度显著提高。岭回归再次达到最高精度（R² = 0.720），且误差指标最优。结果表明，将HS-GC-IMS谱图与电子鼻传感器数据相结合，可显著增强模型的稳健性和预测能力。
研究亮点
系统评估：系统评估了中国不同生态区优质籼稻和粳稻的香气特征，填补了该领域的研究空白。
技术融合：成功整合感官评价、HS-GC-IMS、电子鼻和脂肪酸分析，构建了全面的香气分析框架。
锁定关键物质：明确了粳稻在2-AP等关键香气物质上可能具有的含量优势，并揭示了挥发性物质与脂肪酸组成的关联。
建立预测模型：开发的岭回归模型能够基于精米的VOC和电子鼻数据，有效预测其蒸煮后的香气得分，为快速、客观评价大米香气品质提供了新工具。
文献来源：Zhu D, Shao Y, Chen M, Yu Y, Zeng Y, Shao L, Chen H, Qin Y. Integrated HS-GC-IMS and E-nose analysis reveals aroma differentiation in representative Chinese high-quality rice varieties. Food Chemistry. 2026;507:148251.（中国水稻研究所、浙江省农业技术推广中心，通讯作者：陈红旗、秦叶波）
原文链接: https://doi.org/10.1016/j.foodchem.2026.148251
来源：公众号-食品风味
原文链接：https://mp.weixin.qq.com/s/h2rfHLOUJ6_BXPoPXupJnQ