近日,西北农林科技大学葡萄酒学院袁春龙教授团队在国际期刊《Food Control》(中国科学院一区Top期刊,IF=5.6)发表了题为“Inorganic and organic constituent analysis: A data fusion strategy to differentiate between wines of different origins”的研究论文。 成果简介 葡萄酒的真伪在全球市场上是一个重大问题,因为涉及葡萄酒产地的欺诈行为十分普遍。本研究对来自五个不同产区的 102 个葡萄酒样本的无机和有机成分特征进行了分析。采用低、中层数据融合结合多变量分析方法,对电感耦合等离子体质谱(ICP-MS)、同位素比质谱(IRMS)和超高效液相色谱 - 离子淌度四极杆飞行时间质谱(UPLC/IM-QTOF-MS)三个平台的质谱数据集进行了处理,以确定葡萄酒产地的正确分类。从五个产区中选取了有机和无机化合物的显著差异进行低、中层数据融合。在低层数据融合中,正离子模式(ESI+)下的偏最小二乘判别分析(PLS-DA)达到了 74.4%的最佳预测率。通过从低层数据融合中提取特征进行中层数据融合,建立了线性和非线性模型,最终获得了 98.7%的最佳准确率。中层数据融合多元分析策略显著提高了葡萄酒地理来源识别的准确性,并为其他食品来源的识别提供了新的途径。 研究亮点 通过无机和有机成分的数据融合,追溯了葡萄酒的起源。 在正离子模式和负离子模式下分别鉴定出 166 种和 117 种代谢物。 基于数据融合的 LDA 和 ANN 模型分别实现了 98.0% 和 98.7% 的准确率。 化学计量学与数据融合在追溯葡萄酒产地方面展现出巨大潜力。