金鲳鱼肉质鲜美，营养丰富，富含大量人体所需的必需氨基酸和不饱和脂肪酸。腌制和发酵是常用的延长金鲳鱼保质期的方法，而对这种鱼进行烹饪处理，不仅能提高其食用安全性，还能赋予其良好的风味。烹饪方式对于低盐湿腌发酵金鲳鱼的制作极为重要，本研究结合电子鼻、GC-IMS以及SPME-GC-MS技术，分析了水煮、清蒸、微波、空气炸制和烘烤处理后的湿腌发酵金鲳鱼香气特征的差异。

01 电子鼻分析

   电子鼻系统可实现挥发性有机物（VOCs）的客观区分，具备检测快速、操作简便、结果可重复等优势。本研究首先利用电子鼻对各组样品进行检测，结果如图1A所示。传感器W1W的响应值最高，其次为W5S、W1S和W2S，说明样品中硫化物、氮氧化物、醇类、醛类、酮类以及含甲基类物质含量较高。清蒸组（B）、水煮组（A）与微波组（C）的香气指纹图谱相似度较高，空气炸制组（E）和烘烤组（D）的香气特征相近。

   主成分分析（PCA）是一种通过提取数据主成分实现降维、评价样品整体差异的算法。如图1B所示，第一主成分PC1、第二主成分PC2分别可解释88.78%、9.66%的总方差，说明这两个主成分能够完整反映样品间全部香气差异。PCA结果可将6组样品清晰划分为3个独立类别。结合10个传感器对各类特征气体的响应强度，可推导出各组样品对应的主体特征挥发性物质。

图1 对照组CK、A、B、C、D、E样品电子鼻雷达图（A）、基于电子鼻得到的不同加工工艺样品主成分分析二维分布图（B）

02 GC-IMS分析

   气相色谱-离子迁移谱（GC-IMS）可获取不同样品挥发性物质的特征指纹图谱。在二维图谱中，迁移时间1.0ms处的红色竖线为反应离子峰（RIP）。为实现各样品间对比，图2(a)以未烹饪对照组（CK）图谱作为参照，白色代表基准浓度，蓝色表示物质含量低于对照组，红色代表含量高于对照组。不同烹饪方式处理的低盐湿腌发酵金鲳鱼，其挥发性有机物出峰数量与信号强度存在显著差异。

   图2(b)为各处理组指纹图谱对比图，每一列对应一种挥发性物质，颜色深浅代表该物质含量高低。结果表明，烹饪方式会显著改变金鲳鱼的风味构成。2-己酮、乙硫醚、2-甲基-2-戊烯醛这三类挥发性物质在全部六组样品中均有检出，属于各样品共有的基础风味物质。

图2 不同烹饪方式的GC-IMS二维图（a）和指纹图谱（b）

03 SPME-GC-MS分析

   采用固相微萃取-气相色谱-质谱联用（SPME-GC-MS）对不同烹饪方式处理的低盐湿腌发酵金鲳鱼中的挥发性有机化合物进行定性和定量分析。在6个样品中总共鉴定出108种挥发性化合物，包括24种醛类、11种酮类、10种烷烃、10种醇类、15种烯烃、10种酯类、8种酸类以及20种其他挥发性物质(图3)。在这108种挥发性化合物中，CK组有54种，B组有49种，D组有51种，A组有41种，E组有51种，C组有53种。六组样品中挥发性化合物的种类和含量存在差异，醛类、醇类、烯烃类及其他类别的含量较高。HK组醛类含量远高于其他组。其他组的醛类、酸类和芳香族化合物含量低于CK组，这表明烹饪后产生了更多挥发性化合物，赋予了样品更丰富的气味。

图3 不同烹饪方式下利用GC-MS检测的挥发性物质种类及含量

   挥发性风味物质的含量并不能有效地表明其在样品整体风味中的关键作用。因此，结合其自身风味阈值对样品进行分析。不同处理组中有15种关键风味物质的气味活性值（OAV）在0到1之间（表1），11种关键风味物质的OAV≥1，壬醛、（E）-2-壬烯醛、1-辛烯-3-醇、D-柠檬烯和4-烯丙基苯甲醚分别是B、A、D、C和E组共有的关键化合物，对烹饪后金鲳鱼风味的形成贡献显著。这些化合物共同构成了金鲳鱼的风味特征，以油脂香气为主，烹饪后带有青草香气和水果风味。

   六个处理组中关键风味化合物的含量差异显著。B组和A组中壬醛和1-辛烯-3-醇含量最高，使得低盐湿腌金鲳鱼在高温蒸煮后具有清淡的油腻风味。D组和E组中的关键风味化合物己醛、壬醛和1-辛烯-3-醇对整体风味有显著影响，使低盐湿腌金鲳鱼在高温烘烤和油炸后具有蘑菇和水果香气。总之，关键挥发性风味物质含量的差异是气味组成差异的一个重要原因。造成这些差异的一个重要原因是金鲳鱼烹饪后的风味特征更加丰富。关键风味化合物之间的相互作用也对样品的整体风味有显著贡献。

表1 不同样品的气味阈值与香气活性化合物 

   总体而言，不同烹饪方式对鱼中某些挥发性风味化合物的形成有显著影响。蒸煮处理产生较高的醛类含量和更多不愉快的气味。烘烤和空气炸制处理促进了样品中更浓烈气味的形成。

04 OPLS-DA结果

   OPLS-DA是一种利用数据间的相关性来可视化数据并量化样品间变异程度的分析方法。从表1中选取OAV>1的物质的相对浓度作为Y变量，用于OPLS-DA建模设计。模型对X和Y矩阵的解释能力分别用R2X和R2Y表示，模型的预测能力用Q2表示，R2和Q2越接近1，表明模型拟合效果越好。图4A显示，R2Y=0.997，Q2=0.994，这表明该模型具有良好的解释程度和预测能力。如图所示，不同烹饪方式处理的样品得到了很好的区分。CK位于第一象限，E位于第二象限，D和A位于第三象限，C位于第四象限。B分布在第二和第三象限。B组和A组距离较近，表明其风味类型相似。

   通过对模型进行200次置换检验来测试OPLS-DA的可靠性，结果如图2B所示。图中的横坐标是样品的保留值，1.0处的点是原始模型的R2和Q2。经过验证，R2（0.101）和Q2（-0.735）小于保留值1，且模型Q2回归线与横坐标的截距为负，这表明该模型不存在过拟合现象，是稳定可靠的。

   变量重要性投影（VIP）常用于OPLS-DA模型中的关键变量分析。VIP大于1表示贡献较大。各关键成分的VIP值如图4C所示。VIP值大于1的成分有己醛、异戊醛、(E)-2-十二碳烯醛、(E)-2-壬烯醛、(E)-2-十二碳烯醛、(E)-2-辛烯醛、(E)-2-癸烯醛、癸醛、月桂酸、右旋松油二烯和松节油，结合关键气味活性物质的OAV值和气味描述，这些成分被确定为特征气味物质。

图4 不同烹饪方式的正交偏最小二乘判别分析（OPLS-DA）得分图（A）、200次置换检验交叉图（B）以及变量投影重要性（VIP）得分图（C）