基于多组学和机器学习的家禽蛋中挥发性风味化合物和特征性风味前体的表征

科学领域:

• 食品科学 食品科学 食品科学
• 分析化学 分析化学
• 代谢学 代谢学 代谢学

背景情况:

• 蛋的味道显著影响消费者的选择,但潜在的化学特征仍未得到充分探索.
• 了解蛋黄的成分对于增强感官品质和产品开发至关重要.

研究的目的:

• 为了研究各种家禽蛋黄 (,,,,,,) 的挥发性和脂质特征.
• 为了识别卵黄中的关键风味化合物及其前体.
• 开发机器学习模型来分类蛋类型和识别歧视性生物标志物.

主要方法:

• 使用电子鼻子 (E-nose),挥发性代谢学和非向性脂管学进行综合分析.
• 采用各种机器学习算法 (高斯的天真贝叶斯,物流回归,随机森林,SVM,XGBoost) 来进行分类和生物标志物发现.
• 相关的挥发性化合物和脂质资料,以了解味道前体的起源.

主要成果:

• 确定了11个关键的挥发性化合物,这些化合物对家禽蛋的味道有着显著的贡献.
• 确定不和脂肪酸 (UFA) 和特定脂质 (酸乙烯胺 - PE,酸胆 - PC,三糖醇 - TAG,酸 - ACAr) 是主要的风味前体.
• 开发了机器学习模型,在区分不同类型的家禽蛋方面取得了很高的准确性,识别了9个关键标记物 (4个挥发性,5个脂质).

结论:

• 建立了特定挥发性化合物,脂质概况和各种家禽蛋的独特风味之间的联系.
• 展示了综合分析技术和机器学习在鉴定蛋质量和真实性的潜力.
• 提供了关于蛋味的化学基础的宝贵见解,有助于未来的食品产品开发和质量控制.