从“风味密码”到“产地溯源”：AI + GC–MS/MS如何破解酱香白酒的地域身份？

2026-07-07 10:01:04, 飞飞赛默飞色谱与质谱分析

关注我们，更多干货和惊喜好礼

邢江涛吴春华

近年来酱香白酒市场热度持续攀升，“核心产区”“原产地”“年份酒” 等概念成为消费者选购时的核心关注点。但长期以来，行业鉴别白酒真实产地、核验产区属性高度依赖人工感官品评；传统白酒产地鉴别技术普遍存在地域关联性弱、样品检测通量低、定量精度不足等短板，难以适配产业规模化检测对高效、精准、稳定分析的需求。

近期，中国食品发酵工业研究院、西北农林科技大学等单位联合在《Food Chemistry》刊发最新研究成果：首次依托赛默飞 TSQ 9610 GC-MS/MS 三重四极杆气质联用仪，建立可同步准确定量白酒中 156 种关键微量风味组分的高通量快速检测方法；结合机器学习算法，实现赤水河流域 6 大产区酱香白酒的精准区分，为白酒真伪鉴别、地理标志保护、品质溯源与风味数字化表达提供全新技术方案。

2700种风味物质中，谁才是真正的“产区密码”？

目前已报道的酱香白酒挥发性风味化合物超 2700 种，其风味体系层级丰富、组分构成复杂。醇、醛、酸、酯类为常量风味组分，含量可达上千毫克每升，构成酱香型白酒酒体风味核心骨架，奠定酒体基础风味特征；而吡嗪、萜烯、酚、呋喃类等种类繁多的微量、痕量风味化合物，含量远低于常量组分，却具备典型的“量微效著”特点，对不同酱香白酒的香气层次、独特感官风格起到关键调控作用。

如何从海量风味信息中找到能够代表产区特征的“风味密码”，是白酒产地溯源领域的核心挑战。针对该痛点，研究团队构建了覆盖156种痕量挥发性香气化合物（TVACs）的GC-MS/MS靶向定量体系，并结合机器学习建立产区识别模型，构建“风味物质解析 — 智能产地判别”完整创新技术链路。

告别繁琐前处理：GC-MS/MS直接捕获风味密码

传统白酒风味分析多采用顶空固相微萃取气相色谱质谱法（HS-SPME-GC-MS），整套流程需要经历平衡、萃取和解吸等多个步骤，耗时冗长；同时检测结果易受萃取效率、纤维吸附偏差及基质效应干扰。

本研究充分利用TSQ 9610 GC-MS/MS在复杂基质条件下的高灵敏度和高选择性的检测优势，落地直接进样方案，采用：1 mL酒样 + 10μL内标 → 1μL样品直接进样分析；无需萃取、浓缩富集等前处理步骤。对于实验室检测工作而言，该方案具备多重优势：更简化的前处理流程；更高的样品通量；更低的人为操作误差；更强的数据一致性。

研究首次建立可同步定量白酒中 156 种微量关键风味组分的分析平台，覆盖酯、萜烯、吡嗪、酚、醛、呋喃、酮、醇和内酯等10大类微量/痕量风味化合物，其中含量极低、但风味阈值更低的“隐形核心风味组分”，可以被准确捕捉和量化。这对于理解复杂风味的细微差异至关重要，大幅提升了白酒风味组学的分析深度与覆盖范围。

图 2 1 mg/L 混合标准溶液 156 种痕量挥发性香气物质选择离子监测（SRM）模式总离子流色谱图；(A) 定性定量总离子流色谱图；(B) 定量离子提取色谱图（点击查看大图）

从数周到数小时：AutoSRM让方法开发更简单

对于三重四极杆质谱使用者而言，方法开发耗时最长。传统流程需要人工逐一筛选母离子、子离子，并优化碰撞能。当目标物数量达上百种时，方法开发周期往往以周甚至月计算。

本研究借助赛默飞AutoSRM自动化软件平台，实现了156种目标化合物SRM方法的自动开发和参数优化，极大缩短方法开发周期。整套方法分析性能优异：

✅ 标准曲线相关系数 R²＞0.99

✅ 目标物加标回收率 82%–118%

✅ 方法精密度 RSD＜3.96%

✅ 基质效应控制在 ±15% 以内

高质量数据为后续机器学习建模筑牢数据基础。

即使针对保留时间高度重叠的化合物，也能利用SRM模式实现精准区分和准确定量。AutoSRM 有效降低风味组学、食品安全、多残留检测、靶向代谢组学领域的质谱方法开发门槛，加速从实验设计到数据产出的全流程。

图1. 以四甲基吡嗪为例的 SRM-GC–MS/MS 方法开发流程。A：基于 NIST 标准质谱数据库筛选前体离子；B：默认碰撞能量（10、20 和 30 eV）下产物离子的 m/z 分布及响应强度谱；C：SRM 扫描模式下单个离子对的提取离子色谱图；D：不同碰撞能量下离子对峰响应强度的变化；E：优化后的定量离子对和定性离子对的提取离子色谱图。（点击查看大图）

机器学习实现产区精准溯源

为了从海量风味定量数据中挖掘地域专属特征，研究团队引入正交偏最小二乘判别分析（OPLS-DA）、随机森林（Random Forest）和SHAP可解释性分析算法开展建模研究。研究基于TSQ 9610 高通量定量平台；在46份酱香型轮次基酒样品中稳定检出69种风味物质；结合OPLS-DA和统计学筛选，最终锁定40种关键地域差异标志物，搭建 AI 产地识别模型，分类准确率达 90%。不同产区样品在模型中聚类边界清晰，展现出明显的地域风味特征。

更关键的是，SHAP分析进一步揭示了不同产区最具代表性的风味贡献物质，使模型不仅能够“判断”，还能解释“为什么这样判断”，让AI从黑盒判定走向可解释分析。该技术体系意味着未来白酒产区鉴别有望逐步走向客观、可验证、可追溯的数据化判定模式。

图4. 来自 6 个产地的 46 份 SRBB 样品的 OPLS-DA 判别模型。A：基于 69 种 TVACs 构建的全特征 OPLS-DA 产地判别模型。B：基于 69 种 TVACs 全特征 OPLS-DA 产地判别模型的置换检验图（n = 200）。C：基于 VIP > 1 筛选得到的 40 种差异 TVACs 构建的 OPLS-DA 产地判别模型。D：基于 VIP > 1 的 40 种差异 TVACs 构建的 OPLS-DA 产地判别模型的置换检验图。E： VIP > 1 的 40 种差异 TVACs 及其对应的 VIP 值。（点击查看大图）

图6. 基于随机森林模型和SHAP分析筛选不同产区差异性TVACs。

A–F： SHAP分析得到的不同产区（A–F）的特征重要性排序；

G：随机森林模型用于产区分类的混淆矩阵；

H：随机森林模型用于产区判别的多分类ROC曲线。（点击查看大图）

向上滑动查看更多

从风味分子到数字指纹：TSQ 9610如何提供关键数据？

本研究核心检测平台为TSQ 9610 GC–MS/MS，研究成果充分印证了其在复杂基质分析中的优势：

操作更简单：

支持复杂样品直接进样，减少繁琐前处理流程。

定量更精准：

SRM模式显著提升检测灵敏度与选择性，实现痕量风味物质精准定量。

开发更智能：

AutoSRM自动化完成质谱方法开发，高质量数据无缝支撑AI模型构建。

依托上述优势，研究团队借助该仪器完成 156 种痕量风味物质高通量同步定量，完整覆盖酱酒核心风味维度；为白酒中上百种风味阈值更低的“隐形核心风味组分” 提供快速、精准的定量手段，是90%准确率的AI产区溯源模型可靠数据基础，成为连接风味组学与人工智能分析的重要数据引擎。

下一代食品真实性研究，正在发生

一瓶酱香白酒中，蕴藏着数千种风味分子的复杂信息。借助赛默飞TSQ 9610 GC–MS/MS与人工智能技术，科研人员不仅可精准检测各类微量风味分子，更能依托分子特征还原白酒产地来源、解析专属风味风格。

从“检测单个指标”到“解析风味网络”，从“特征识别”到“数据驱动决策”，分析科学与人工智能的融合正在重新定义食品真实性研究的未来。

当一瓶酒中的风味分子都完成数字化表征，“产地” 将不再是酒瓶标签上的文字，而是一套可检测、可验证、可溯源、可解释的数据资产。

参考文献：

Geographic discrimination of Sauce-flavor rounded-base Baijiu using GC-MS/MS combined with multivariate analysis and machine learning

期刊：Food Chemistry

发表时间：2026 年 3 月

DOI：10.1016/j.foodchem.2026.148901

作者简介

一、核心研究人员

第一作者：罗森（Sen Luo）；中国食品发酵工业研究院和西北农林科技大学联合培养工程博士，博士课题研究方向：不同产地酱香型白酒多维品质表达体系研究。

主要通讯作者：高红波（Hongbo Gao）；中国食品发酵工业研究院数字化部食品安全与风味研究中心主任，西北农林科技大学校外博士导师。

长期从事：酒类食品检测方法标准研究制定，酒类食品风味组学、风味感官数字化及快速分析仪器应用研究。“十四五国家重点研发项目：地理标志产品多组学特征分析与区块链产地溯源”课题负责人；完成国家级、省级科研课题10余项，获得中国轻工业联合会、酒业协会、中国食品学会等科技进步奖共10余项，累计承担或参与国家标准、行业检测方法标准等30余项，发表论文30余篇。

二、研究单位：本研究由中国食品发酵工业研究院联合西北农林科技大学等酒类风味组学研究领域多家权威机构联合完成。

中国食品发酵工业研究院（CNRIFFI）

我国食品发酵行业国家级科研机构。长期承担：食品类国家重点研发计划、食品真实性研究、酒类风味品质评价和表达技术等国家和行业科研项目。

三、国家重点研发计划支持

本研究获得：十四五国家重点研发项目 “地理标志产品多组学特征分析与区块链产地溯源”2022YFF0606800；2022YFF0606803等相关国家项目的支持。

如需合作转载本文，请文末留言。