藜麦属非禾木科植物,具有较好的加工品质,又被称作假谷[1]。藜麦含有丰富的淀粉、蛋白质、脂肪、膳食纤维等营养元素,可满足人体每日营养摄入需求,在2013年已被联合国粮食及农业组织(Food and Agriculture Organization of the United Nations,FAO)官方认定为“全营养食品”[2]。除此之外,藜麦无麸质,还含有黄酮类化合物、酚酸类化合物、生物活性肽、植物甾醇及皂苷类等功能活性成分,因此又有超级食物、黄金粮食的美誉[3]。藜麦有黑、白、红、灰四色,目前在我国的云南、青海、内蒙等地均已实现规模化种植。刘建垒等[4]对不同颜色的藜麦展开了营养价值的比较分析,发现白藜中的B族维生素、可溶性膳食纤维、硒以及粗蛋白含量高于其他颜色藜麦,而总黄酮、粗脂肪在灰、红藜中又较多,表明多色藜麦之间具有营养互补性。国内外已具有较多的对藜麦营养评价的研究,但对藜麦的挥发性成分分析较少,而加工工艺(如膨化、炒制、焙烤、蒸煮、微波等)会显著改变其挥发性物质的组成与含量,从而影响其香气品质[5],因此本次试验选择丽江白藜,采用顶空固相微萃取-气质联用(headspace solid-phase microextraction-gas chromatography-mass spectrometry,HS-SPME-GC-MS/MS)的分析技术,对不同加工方式下白藜麦中挥发性成分进行提取、分离和鉴定并识别差异挥发性成分,初步探讨其差异性,为后期的加工工艺优化及产品开发提供数据支撑。
1 材料与方法
1.1 材料与试剂
白藜麦粒,玉龙县润丰园农业发展有限公司;18.9 L桶装纯净水,丽江尚源水业有限公司。
NaCl(分析纯),国药集团化学试剂有限公司;正己烷(色谱纯),德国默克集团;色谱纯标准品,BioBioPha/Sigma-Aldrich。
1.2 仪器与设备
C21-RT2103多功能电磁炉,广东美的生活电器制造有限公司;DFB-B16C1微电脑智能电饭煲,小熊电器股份有限公司;CRWF42NE长帝电烤箱,广东伟仕达电器科技有限公司;8890-7000D GC-MS/MS、DB-5MS(30 m×0.25 mm×0.25 μm)、120 μm DVB/CWR/PDMS,美国Agilent公司;MM400球磨仪、Retsch公司;MS105DU电子天平,METTLER TOLEDO公司;SPME Arrow固相微萃取装置、Fiber conditioning Station老化装置,CTC Analytics AG;Agitator 样品加热箱,CTC Analytics AG。
1.3 实验方法
1.3.1 样品预处理
白藜麦粒被随机分为3组:蒸煮组(Z)、烤制组(K)、炒制组(C)。
蒸煮组(Z):取500 g白藜麦粒放于电饭煲,清水洗净沥干后,加入800 g纯净水于电饭煲中,点击精煮饭模式,制得的蒸藜麦随即进行感官评分。冷却后取10 g样品置于50 mL旋盖离心管中,放-80 ℃冰箱冷冻备用。
烤制组(K):基于周洋等[6]与PENG等[7]的研究做适当调整,电烤箱上下火160 ℃提前预热10 min,取500 g白藜麦粒放于28.5 cm×28.5 cm×3.5 cm的烤盘中铺平,放入电烤箱中烤制5 min取出,摇晃翻面后继续烤5 min后取出,制得的烤藜麦随即进行感官评分。冷却后取10 g样品置于50 mL旋盖离心管中,于-80 ℃冰箱冷冻备用。
炒制组(C):基于李丽霞等[8]与王红等[9]的研究做适当调整,取500 g白藜麦粒放于平底不粘锅中置于电磁炉上,调至炒菜模式,1 300 W功率(180 ℃)翻炒5 min,制得的炒藜麦随即进行感官评分。冷却后取10 g样品置于50 mL旋盖离心管中,于-80 ℃冰箱冷冻备用。
1.3.2 不同加工方式的藜麦风味感官评价
感官评价人员由15名经过培训的食品专业学生组成,在正式实验前进行简单培训,熟悉各种风味词汇。使用0～5点数字标度,0为不存在,1为刚好可识别,2为弱,3为中等,4为强,5为很强。评价标准见表1。
表1 不同加工方式白藜麦风味感官评价标准
Table 1 Critrtia for sensory evaluation of flavor of white quinoa with different processing methods
评定指标[6,10]定义数字标度焦糖味糖类(如蔗糖、果糖)在高温(通常150～200 ℃)下发生脱水、降解和聚合反应后生成的香气,带有类似烤面包、烤饼干的甜香0～5烤坚果香通过烘烤坚果类食材(如腰果、花生、碧根果等)产生的香气,主要由坚果中的植物蛋白在高温下转化形成,常带有焦糖香、烤瓜子香等复合风味0～5烤焦味食物在高温下过度加热时产生的焦糊气味,通常伴随焦糊、苦味和烟熏感的气味,是美拉德反应和焦糖化反应失控的结果0～5
续表1
评定指标[6,10]定义数字标度青草香一种清新、自然的香气,带有湿润、泥土和植物的气息0～5烤谷物味谷物在高温烘烤时发生美拉德反应和焦糖化反应后产生的香气,常见于面包、饼干、咖啡等食品中,带有焦糖、坚果和麦芽的复合风味0～5
1.3.3 挥发物提取流程
从-80 ℃中取出样品后进行液氮研磨,涡旋混合均匀,每个样本取约500 mg置于顶空瓶中,分别加入2 mL饱和NaCl溶液,20 μL(10 μg/mL)内标溶液,全自动顶空固相微萃取(headspace solid-phase microextraction,HS-SPME)进行样本萃取,以供GC-MS分析。
1.3.4 色谱质谱采集条件
HS-SPME萃取条件:将顶空瓶在60 ℃条件下振荡5 min,120 μm DVB/CWR/PDMS 萃取头插入顶空瓶,顶空萃取15 min,于250 ℃下解析5 min,然后进行GC-MS分离鉴定。采样前萃取头在Fiber Conditioning Station中250 ℃下老化5 min。(新萃取头在萃取前在Fiber Conditioning Station中老化2 h。)
色谱条件:DB-5MS毛细管柱(30 m×0.25 mm×0.25 μm,Agilent J&W Scientific,Folsom,CA,USA),载气为高纯氦气,恒流流速1.2 mL/min,进样口温度250 ℃,不分流进样,溶剂延迟3.5 min。程序升温:40 ℃保持3.5 min,以10 ℃/min升至100 ℃,再以7 ℃/min升至180 ℃,最后以25 ℃/min升至280 ℃,保持5 min。
质谱条件:电子轰击离子源(electron bombardment ion source, EI),离子源温度230 ℃,四极杆温度150 ℃,质谱接口温度280 ℃,电子能量70 eV,扫描方式为选择离子检测模式(selected ion monitoring,SIM),定性定量离子精准扫描(GB 23200.8—2016 《食品安全国家标准 水果和蔬菜中500种农药及相关化学品残留量的测定 气相色谱-质谱法》)。
1.3.5 挥发性成分rOAV分析
1.3.5.1 挥发性成分相对含量分析
采用同位素内标半定量法,依据文献[11-12]计算方法,按下列公式计算样品中挥发性成分的相对含量。
(1)
式中:Ci,待测样品中化合物i的含量,μg/g;Vs,加入内标物的体积,μL;Cs,内标物的浓度,μg/mL;M,待测样品的量,g;Is,内标物的峰面积;Ii,待测样品中化合物i的峰面积。
1.3.5.2 挥发性成分相对气味活度值(relative odor activity value,rOAV)计算
rOAV是结合化合物的感觉阈值建立的确定食品关键风味化合物的方法,用于阐明每种香气化合物对样品整体香气特征的贡献,近几年rOAV被越来越多的学者应用于确定各类食品中的关键风味化合物。通常认为rOAV>1的香气化合物对整体香气的主要贡献者,当rOAV>10,被认为是重要的香气化合物。参考相关文献[11-12]进行rOAV分析,rOAV按公式(2)计算:
(2)
式中:rOAVi,化合物i的相对气味活度值;Ci,化合物的相对含量,μg/g;Ti,化合物的阈值,μg/g。
1.3.6 质控样本
质控样本由3种不同加工方式的藜麦等量混合制备而成。每种加工方式的藜麦都设置3组重复试验。
1.4 数据处理
借助云南普利斯生物科技有限公司对样本进行GC-MS分析,基于多物种、文献、部分标品以及保留指数,公司自主建立数据库,包含确定的保留时间(retention time,RT)以及定性定量离子进行选择离子检测模式进行精准扫描,每种化合物分别选择1个定量离子,2～3个定性离子,每组所有需要检测的离子按照出峰顺序,分时段分别检测,如果检出的保留时间与标准参考相一致,并且在扣除背景后的样品质谱图中,所选择的离子均出现,判定为该物质[13];选择定量离子进行积分和校正工作,增强定量的准确性。
2 结果与分析
2.1 三种不同加工方式白藜麦挥发性成分综合特征分析
借助云南普利斯生物科技有限公司自建数据库,通过MassHunter软件处理质谱分析后的下机原始数据用于定性定量分析。针对所有样品进行质控分析,得到质控样本(quality control sample,QC)质谱检测总离子图(total ion chromatogram,TIC),分析结果如图1所示。测定过程中总离子图曲线重叠性好,信号稳定,为后续数据的精密度,准确度提供保障。
图1 质控样本质谱检测总离子图
Fig.1 TIC of mass spectrometry detection for quality control samples
2.2 样品相关性分析
使用皮尔逊相关系数r对组间和组内数据的相关性进行分析(图2),结果表明烤制组K与炒制组C样品间相关系数均大于0.79,说明2种加工方式的相关性较高;而烤制组K与蒸制组Z、炒制组C与蒸制组Z样品间相关系数均小于0.50,说明K与Z、C与Z之间的相关性较低;同一组内的相关性系数均大于0.98,显示出良好的重复性,说明数据可靠,且不同样本间具有显著相关性。
图2 不同加工方式白藜麦样本间相关性图
Fig.2 Correlation plot among samples of white quinoa under different processing methods
从不同加工方式下白藜麦中共检测出265种挥发性风味物质,依据其化学结构特征,可进一步细分为15类(图3-a),其中酸类5个(1.89%),醇类18个(6.79%),醛类16个(6.04%),含氮化合物为8个(3.02%),芳烃类13个(4.91%),酯类化合物46个(17.36%),含硫化合物、卤代烃、醚类化合物均为2个(0.75%),杂环化合物40个(15.09%),烃类43个(16.23%),酮类22个(8.3%),酚类7个(2.64%),萜类化合物36个(13.58%),所有芳香性化合物均在3种加工方式下均被检测到,但含量不同。蒸煮以蒸汽为热介质,通过蒸汽潜热的高效传递保留食品的自然质地、颜色、风味及营养[14],图3-b中可看出,Z蒸煮组的挥发性成分类别相对平均,其中杂环类化合物、酚类及萜类化合物的含量较多;焙烤为干热加工方式,主要通过热化学反应显著提升食品香气的丰富度[15],K烤制组能明显发现大于60%的挥发性成分均为杂环类化合物,这与其高温烤制有着密不可分的联系;炒制是在受控热源条件下,通过传导、对流或辐射方式对食材进行快速干热处理的过程,可调控谷物的香气[16],C炒制组同样含有超40%的杂环类化合物,其次为烃类化合物。烤制与炒制均属高温烹饪方式,而美拉德反应是含氨基和羰基的化合物在高温条件下的复杂反应从而生成含氮、含硫杂环化合物、醛类及酮类物质等[17]。在烤与炒的过程中,白藜麦自身含有的蛋白质、氨基酸[4]以及糖类物质发生美拉德反应,生成呋喃、吡嗪、吡咯等挥发性香气成分[18],这是导致杂环类化合物显著高于蒸煮组的重要原因。白藜麦中的粗脂肪含量约为4.3 g/100 g[4],而挥发性醛类物质主要来自脂肪,特别是不饱和脂肪酸的高温氧化与降解反应[19],从图3-b中发现,3种加热处理均产生了不同含量的醛类物质。
a-挥发性成分分类;b-不同加工方式白藜麦挥发性成分差异
图3 不同加工方式白藜麦挥发性成分类别分类及差异
Fig.3 Classification and differences of volatile compounds in white quinoa under different processing methods
a-PCA图;b-HCA图
图4 不同加工方式白藜麦挥发性成分PCA及HCA图
Fig.4 PCA and HCA diagrams of volatile components in white quinoa under different processing methods
2.3 主成分分析(principal component analysis,PCA)与层次聚类分析(hierarchical cluster analysis,HCA)
为进一步探究3种不同加工方式对白藜麦挥发性成分的影响,对样品进行了主成分分析,结果见图4-a,Z组和K组的生物重复性集中在左侧,C组集中在右侧,表明3种加工方式对应的样品在第一主成分轴上分离明显,且3种加工方式对应的生物学重复混合样品数据点在椭圆内较为集中,表明组内差异小,第一主成分可解释59.34%的变异,第二主成分可解释26.42%的变异,累计贡献率为85.76%(>85%),可保留原始数据的大部分信息。在此基础上运用聚类层次分析研究,结果如图4-b所示。不同加工方式下的白藜麦明显被分为两大簇,其中Z和K为一簇,C单独一簇,表明蒸制与烤制的芳香性化合物呈相似变化趋势,炒制与其他2种呈不同的趋势,进一步说明Z组和K组,与C组间的挥发性成分存在显著性差异。此外,不同生物重复样品被聚成一簇,表明具有良好的一致性,进一步证实数据的可靠性和分析方法的准确性。
2.4 正交偏最小二乘判别分析筛选差异挥发性成分(orthogonal partial least squares discriminant analysis,OPLS-DA)
为了弥补PCA对相关性较弱的信息不够敏感的不足,进一步引入OPLS-DA对所得数据进行分析验证,结果如图5所示。3种加工方式的白藜麦样品两两比较,均在第一主成分轴上明显分离(图5-a、5-c、5-e),表明两两间挥发性成分有显著差异,用R2X、R2Y、Q2作为模型预测参数(R2X-模型对X矩阵的解释程度,R2Y-模型对Y矩阵的解释程度,Q2-模型预测效能),可直观呈现该模型预测未知样的准确程度,若三指标越趋近于1,则说明该模型性能越好,其稳定性和可靠性也就越高。从图中(图5-b、5-d、5-f)可得,3组样本的Q2数值分别为0.991、0.989、0.96均大于0.9,表明此模型为出色模型,呈现出良好的稳定性,可进一步筛选不同的挥发性成分,也再次表明不同加工方式的样品间存在明显差异,印证了PCA和HCA结果,可进一步筛选差异挥发性成分。
a-C与Z得分图;b-C与Z验证图;c-K与C得分图;d-K与C验证图;e-K与Z得分图;f-K与Z验证图
图5 OPLS-DA得分图及验证图
Fig.5 OPLS-DA score chart and verification chart
2.5 关键差异挥发性成分识别
2.5.1 差异挥发性成分筛选
基于自建数据库,针对所检测出的265个挥发性成分进行定量定性分析,火山图(图6-a～图6-c)能够直观展示不同组别下两两样品挥发性成分的积累程度差异。通过OPLS-DA模型的变量重要性投影值(variable importance in the projection, VIP)(VIP≥1)和倍变化值(fold change,FC)(Fold Change≥2或Fold Change≤0.5)的筛选方法对差异挥发性成分进行筛选。经过筛选得到前20位差异显著的挥发性成分(图6-b、图6-d、图6-f),如图6-a、图6-c、图6-e所示,K与Z之间有76个差异显著成分,其中上调成分有55个,占比29.10%,K中迈维ID(index,ID)为XMW1314*101的2,3,5-三甲基-6-乙基吡嗪是上调差异倍数最大的挥发性成分,属杂环化合物,有研究表明,焙烤过程中的风味形成主要基于脂肪氧化分解、美拉德反应及焦糖化反应的协同作用[20],且随着烤制时间和温度的升高,藜麦中的美拉德和焦糖化反应占主导,随之导致吡嗪类物质含量上升[21];下调成分有21个,占比11.11%,Z中ID为KMW0150的1,2,4-三甲基苯是差异倍数最大的下调成分,属芳烃类物质。K与C之间有194个差异显著成分,上调成分有183个,K中ID为XMW1314*101的2,3,5-三甲基-6-乙基吡嗪以及KMW0348*101的3,5-二乙基-2-甲基-吡嗪上调差异倍数最大,均属杂环化合物;下调成分有11个。C与Z之间有169个差异显著成分,上调成分有7个,C中ID为XMW1309的2,3,5,6-四甲基吡嗪上调差异倍数最大,属杂环化合物,推测与炒制促进脂肪酸和氨基酸代谢、美拉德和焦糖化反应,从而导致吡嗪类物质含量上升有关[22];下调成分有162个,Z中ID为W31的(Z)-丁酸-4-己烯基酯下调差异倍数最大,属酯类化合物,有研究表明,蒸煮会导致醛类、醇类及酯类化合物含量上升[23]。针对以上推测与分析,具体机理需对其前体物质的含量变化以及反应中间产物进行进一步研究分析。
a-K与Z火山图;b-K与Z差异倍数柱状图;c-K与C火山图;d-K与C差异倍数柱状图;e-C与Z火山图;f-C与Z差异倍数柱状图
图6 不同加工方式白藜麦差异挥发性成分动态分析
Fig.6 Dynamic analysis of differential volatile components in white quinoa under different processing methods
2.5.2 核心挥发性成分筛选
韦恩图描述K与Z、K与C及C与Z比较组间的差异及共有差异挥发性成分分布情况,在这些成对的比较组中,筛选出233个差异挥发性成分。如图7-a所示,C与Z特有的差异成分有21个;K与Z特有的差异成分有7个;K与C特有的差异成分有10个。C与Z和K与Z共有差异成分有22个;K与Z和K与C共有差异成分有58个;C与Z和K与C共有差异成分有137个;在3个比较组间共有11个差异成分(表2),这11种物质被认为是不同加工方式影响白藜麦挥发性成分差异的关键挥发性成分,其中杂环化合物、萜类及芳烃各占18.18%,剩余的酯、含硫化合物、醇、酮、烃类各占9.09%(图7-b)。
a-比较组的差异挥发性成分韦恩图;b-共同差异挥发性成分占比图
图7 比较组的差异挥发性成分韦恩图及共同差异挥发性成分占比图
Fig.7 Venn plot of differential volatile components in pairwise groups and percentage of common differential volatile components
表2 不同加工方式白藜麦核心差异挥发性成分
Table 2 Core differential volatile components among different comparison groups of white quinoa
序号迈维ID物质分类分子式化学物质登录号1XMW0780E,E-1,6-二甲基-1,3,5,7-辛烯烃类C10H14460-01-52XMW06633,5-二甲基-1-丁基吡唑杂环化合物C9H16N22655-37-03XMW12173-甲基-1-(3-甲基-2-呋喃基)-1-丁酮杂环化合物C10H14O2488-05-14D197α-氧化蒎烯萜类C10H16O1686-14-25D4134-甲基-5-壬酮酮C10H20O35900-26-66KMW01501,2,4-三甲基苯芳烃C9H1295-63-67XMW05401-甲氧基-4-甲基-2-(1-甲基乙基)-苯芳烃C11H16O31574-44-48WMW0104环辛烷甲醇醇C9H18O3637-63-69KMW0162二甲基三硫含硫化合物C2H6S33658-80-810w36正己酸乙烯酯酯C8H14O23050-69-911XMW07302-异丙烯基-3-亚甲基环己醇萜类C10H16O15358-81-3
2.6 rOAV分析
为进一步确认不同加工方式下白藜麦的关键挥发性风味化合物,采用rOAV法表征各香气化合物对主体香气成分的贡献,共检出49种rOAV>1的关键香气成分(具体数值见电子版增强出版附表1,https://doi.org/10.13995/j.cnki.11-1802/ts.045286)。其中3种加工方式对应的重要香气成分均为醛类物质、含硫含氮化合物、酯类、醇类、杂环化合物等,这与张禧燕[5]及LI[24]的研究结论一致,2-乙基-3,5-二甲基吡嗪,表现出杏仁味、烧烤味及坚果味,rOAV K>C>Z;二甲基三硫,表现出硫味、煮过的洋葱香、肉香,rOAV K>Z>C;2-噻吩甲基硫醇,表现出烧烤味、咖啡味、鱼腥味,rOAV K>Z>C,研究表明,含硫化合物在过度焙烤的情况下易产生焦糊、烟熏味,因此需精确控制烤制的时间与温度以展现最佳的风味[6]。从图8-a可知,K组的散点分布更加活跃,rOAV相对高于C与Z组,与上述数据相一致,说明烤制藜麦比蒸制及炒制藜麦表现出更强的挥发物活跃性;图8-b可知,3种加工方式共享的主要香气成分为31种,而图8-c可知,不同加工方式下同一香气成分的表达量不尽相同,K组表达量总体高于Z组和C组。总之,不同加工方式的白藜麦,主要风味物质差异较大。
a-散点图;b-upset图;c-热图
图8 不同加工方式白藜麦挥发性成分相对嗅觉活性值散点图、upset图及热图
Fig.8 Scatter plot, upset and heatmap of relative olfactory activity values of volatile components in white quinoa under different processing methods
2.7 感官评价分析
图9的感官评分可知,K组烤坚果香及焦糖味要高于Z和C组,这与rOAV分析趋势一致,C组表现出较高的烤谷物味,而Z组最能保留藜麦原有清香味。说明不同的加工方式对感官体验产生明显的影响。
图9 不同加工方式白藜麦风味感官评价
Fig.9 Sensory evaluation of the flavor of quinoa processed by different methods
3 结论
本研究通过HS-SPME-GC-MS/MS技术,深入分析了3种不同加工方式下(蒸煮Z、烤制K、炒制C)白藜麦挥发性成分组成特征及差异性。研究共检测到15类265个挥发性成分,借助主成分分析和层次聚类分析,清晰地揭示出不同加工方式间存在显著的差异特性,各组样品在得分图中呈现明显分离态势,为不同加工方式对藜麦挥发性成分差异提供了直观依据。进一步分析表明,从265个成分中筛选出233个差异挥发性成分(87.92%);且因加工工艺的不同,3种组别均展现出显著的挥发性成分代谢特征,其中前20个显著差异挥发性成分可作为区分不同加工方式白藜麦的关键标志物。与此同时,韦恩图分析共同筛选出11个核心差异挥发性成分,rOAV法筛选出49种关键香气成分,这些研究赋予不同加工方式白藜麦独特的品质属性与产品研发价值,例如,蒸煮组可较大程度保留其藜麦清香,可运用于粥类、沙拉、混合米饭等产品开发,烤制组表现出最强的香气活跃性,其烤坚果香等特性可运用于烘焙食品加工,炒制组表现出较好的烤谷物香气,可运用于藜麦茶等产品的开发。
综上,本研究为藜麦产品开发提供了更多理论支撑,后续可进一步结合气相色谱-嗅闻技、电子鼻、电子舌等技术,为藜麦加工产品的品控提供客观依据,为藜麦相关食品的开发和销售等提供参考。
[1] 和丽媛, 王玲, 吕俊梅.藜麦营养组成及生物学功能研究进展[J].粮食与油脂, 2022, 35(4):11-15.HE L Y, WANG L, LYU J M.Research progress on nutritional composition and biological function of quinoa[J].Cereals &Oils, 2022, 35(4):11-15.
[2] GUO S Y, ZHAO C F, ZHOU J K, et al.Influence of the nutritional composition of quinoa (Chenopodium quinoa Willd.) on the sensory quality of cooked quinoa[J].Foods, 2025, 14(6):988.
[3] PATHAN S, NDUNGURU G, AYELE A G.Comparison of the nutritional composition of quinoa (Chenopodium quinoa Willd.) inflorescences, green leaves, and grains[J].Crops, 2024, 4(1):72-81.
[4] 刘建垒, 张东, 王文娟, 等.4种颜色藜麦的营养价值比较[J].粮油食品科技, 2024, 32(6):134-142.LIU J L, ZHANG D, WANG W J, et al.Comparison of the nutritional values of quinoa in four different colors[J].Science and Technology of Cereals, Oils and Foods, 2024, 32(6):134-142.
[5] 张禧燕, 杨润琦, 司建乐, 等.藜麦特征香气的研究进展[J].食品科学, 2025, 46(20):421-431.ZHANG X Y, YANG R Q, SI J L, et al.Research progress on the characteristic aroma of quinoa[J].Food Science, 2025, 46(20):421-431.
[6] 周洋, 李璐, 吕莹.烘烤、蒸汽热处理和挤压膨化对藜麦风味和苦味的影响[J].食品科学, 2020, 41(20):263-269.ZHOU Y, LI L, LYU Y.Effects of roasting, steaming and extrusion on the flavor and bitterness of quinoa[J].Food Science, 2020, 41(20):263-269.
[7] PENG S W, LI Y J, LIU H, et al.Influence of germination and roasting on the characteristic volatile organic compounds of quinoa using sensory evaluation, E-nose, HS-GC-IMS, and HS-SPME-GC-MS[J].Food Chemistry:X, 2024, 22:101441.
[8] 李丽霞, 王宝怡, 李晓晗, 等.藜麦茶研发及香气电子鼻分析[J].食品研究与开发, 2021, 42(22):110-116.LI L X, WANG B Y, LI X H, et al.Analysis of quinoa tea aroma at different baking temperatures using electronic nose technology[J].Food Research and Development, 2021, 42(22):110-116.
[9] 王红, 叶英, 韦唯, 等.不同萌发条件及加工方法对藜麦品质的影响[J].中国粮油学报, 2023, 38(9):72-79.WANG H, YE Y, WEI W, et al.Effects of different germination conditions and processing methods on the quality of quinoa[J].Journal of the Chinese Cereals and Oils Association, 2023, 38(9):72-79.
[10] 彭思旺. 发芽和烘焙对藜麦挥发性成分的影响及发芽藜麦碱水面包的工艺优化[D].杨凌:西北农林科技大学, 2025.PENG S W.Effect of germination and roasting on the volatile components of quinoa and Process optimisation in germinated quinoa pretzels[D].Yangling:Northwest A&F University, 2025.
[11] HUANG W J, FANG S M, WANG J, et al.Sensomics analysis of the effect of the withering method on the aroma components of Keemun black tea[J].Food Chemistry, 2022, 395:133549.
[12] XUE J J, LIU P P, YIN J F, et al.Dynamic changes in volatile compounds of Shaken black tea during its manufacture by GC×GC-TOFMS and multivariate data analysis[J].Foods, 2022, 11(9):1228.
[13] YUAN H L, CAO G P, HOU X D, et al.Development of a widely targeted volatilomics method for profiling volatilomes in plants[J].Molecular Plant, 2022, 15(1):189-202.
[14] LIU X X, GU Y P, ZHOU Y H, et al.Effect of a steaming treatment on the alpha-glucosidase inhibitory components in the brown alga Sargassum fusiforme[J].Molecules, 2024, 29(24):6000.
[15] ALU’DATT M H, AL-RABADI G J, ALLI I, et al.Protein co-precipitates:A review of their preparation and functional properties[J].Food and Bioproducts Processing, 2013, 91(4):327-335.
[16] 柏霜, 王永瑞, 罗瑞明.传统工业大锅与小锅炒制羊肉臊子挥发性风味物质差异分析[J].食品科学, 2021, 42(14):180-186.BAI S, WANG Y R, LUO R M.Analysis of differences in volatile flavor compounds between traditional industrial large wok and small wok stir-fried diced mutton[J].Food Science, 2021, 42(14):180-186.
[17] 王双节, 严林, 孟令邦, 等.顶空-气相色谱-离子迁移谱结合化学计量学分析酒大黄炮制过程中挥发性成分的变化[J].中国中药杂志, 2026, 51(4):973-985.WANG S J, YAN L, MENG L B, et al.Analysis of volatile component changes in wine-processing of Rhei Radix et Rhizoma based on headspace-gas chromatography-ion mobility spectrometry combined with chemometrics[J].China Journal of Chinese Materia Medica, 2026, 51(4):973-985.
[18] YAYLAYAN V A.Recent advances in the chemistry of strecker degradation and amadori rearrangement:implications to aroma and color formation[J].Food Science Technology Research, 2003, 9(1):1-6.
[19] 高以丹, 胡娜, 王洪伦.基于GC-IMS比较不同干燥方式对柴达木枸杞中挥发性物质的影响[J].天然产物研究与开发, 2022, 34(12):1989-1998;2033.GAO Y D, HU N, WANG H L.Effect of different drying methods on volatile components in Lycium barbarum fruits from Qaidam based on GC-IMS[J].Natural Product Research and Development, 2022, 34(12):1989-1998;2033.
[20] SRIVASTAVA R, BOUSQUI
RES J, CEPEDA-V
ZQUEZ M, et al.Kinetic study of furan and furfural generation during baking of cake models[J].Food Chemistry, 2018, 267:329-336.
[21] 聂攀, 曾辉, 陆军, 等.焙烤温度对藜麦理化特性的影响[J].食品研究与开发, 2022, 43(14):105-111.NIE P, ZENG H, LU J, et al.Effects of baking temperature on the physicochemical properties of quinoa[J].Food Research and Development, 2022, 43(14):105-111.
[22] 张文刚, 兰永丽, 党斌.不同加工方式对藜麦挥发性风味物质的影响[J].中国粮油学报, 2022, 37(12):51-58.ZHANG W G, LAN Y L, DANG B.Effects of different processing methods on volatile flavor substances of quinoa[J].Journal of the Chinese Cereals and Oils Association, 2022, 37(12):51-58.
[23] 延莎, 毛晓慧, 杨莉榕, 等.不同蒸煮方式对藜麦营养特性及风味的影响[J].中国粮油学报, 2018, 33(4):20-26.YAN S, MAO X H, YANG L R, et al.Effects of different cooking methods on nutritional properties and flavor of quinoa[J].Journal of the Chinese Cereals and Oils Association, 2018, 33(4):20-26.
[24] LI S L, CHEN C, JI Y X, et al.Improvement of nutritional value, bioactivity and volatile constituents of quinoa seeds by fermentation with Lactobacillus casei[J].Journal of Cereal Science, 2018, 84:83-89.