陳皮產(chǎn)地溯源及鑒偽技術(shù)研究進展

劉雯雯，韋 婉,2，陳 巖，趙 潔，傅曼琴，王 旭,*

（1.廣東省農(nóng)業(yè)科學院農(nóng)業(yè)質(zhì)量標準與監(jiān)測技術(shù)研究所，廣東 廣州 510640；2.廣東海洋大學食品科技學院，廣東 湛江 524088；3.廣東省農(nóng)業(yè)科學院蠶業(yè)與農(nóng)產(chǎn)品加工研究所，廣東 廣州 510610）

陳皮為蕓香科植物橘（Citrus reticulataBlanco）及其栽培變種的干燥成熟果皮[1]，根據(jù)品種和產(chǎn)地不同主要可分為陳皮和廣陳皮。其中陳皮一般指大紅袍（Citrus reticulataDahongpao）、溫州蜜柑（Citrus reticulataUnshiu）、福橘（Citrus reticulataTangerina）等的干燥成熟果皮，產(chǎn)地為四川、浙江、福建、廣西等；廣陳皮一般指茶枝柑（Citrus reticulataChachi）的干燥成熟果皮，產(chǎn)地為廣東[2]。陳皮含有豐富的黃酮類化合物如橙皮苷、柚皮苷等，萜類化合物與揮發(fā)油如檸檬烯、β-蒎烯、檸檬苦素等，以及生物堿類如辛弗林等[3]?，F(xiàn)代藥理學研究表明，陳皮具抗菌抗炎、理氣健脾、燥濕化痰等多種藥理作用[4-5]。

目前，市場對陳皮的需求不斷增加，陳皮的品質(zhì)和價格主要受產(chǎn)地、品種、采收期和陳化時間等因素影響。普遍認為廣東陳皮與其他產(chǎn)地陳皮相比具有更優(yōu)越的品質(zhì)，以新會陳皮最為道地?！瓣惥谜吡肌钡睦碚撌沟酶吣攴蓐惼r值高于低年份陳皮，陳化時間長短引起價格的差異可高達20 倍[6]。個別不法商販為獲取更大的利益，用外地柑皮冒充新會陳皮、將低年份的陳皮浸泡上色當作高年份陳皮出售的亂象時有發(fā)生。傳統(tǒng)的陳皮鑒別主要是通過感官分析比較果皮厚度和顏色以及對光透視時油室大小和密集程度等方面的差異，根據(jù)經(jīng)驗判斷陳皮的真假優(yōu)劣或大致產(chǎn)地、品種及陳化時間[7]。然而，經(jīng)驗鑒別法易受主觀因素的影響，并且采收期、干燥方式的差異等因素也會使陳皮的性狀發(fā)生較大變化[8]。因此，為準確評估陳皮質(zhì)量和價值，亟需建立有效的陳皮溯源技術(shù)，確定其地理來源、品種、采收期和陳化時間。本文分析總結(jié)了代謝組學、光譜、DNA分析、元素分析、智能感官技術(shù)在陳皮產(chǎn)地溯源與鑒偽研究的發(fā)展現(xiàn)狀和存在的主要問題，并以此為基礎(chǔ)展望未來研究的發(fā)展重點。

1 代謝組學技術(shù)

代謝組學通過分析和比較生物體中的代謝物描述生物樣本之間的異同[9]，按照研究策略的不同可以分為靶向代謝組學和非靶向代謝組學。常用的儀器平臺包括色譜儀、質(zhì)譜儀、色譜-質(zhì)譜聯(lián)用儀等。通過分析比較陳皮指紋圖譜、化學成分等差異并結(jié)合化學計量學方法可實現(xiàn)陳皮產(chǎn)地溯源和鑒偽，相關(guān)研究成果見表1和表2。

表1 代謝組學技術(shù)應用于陳皮產(chǎn)地溯源研究總結(jié)Table 1 Summary of metabolomic technologies applied to trace the geographical origin of CRP

表2 代謝組學技術(shù)應用于陳皮品種、采收期和陳化時間鑒偽研究總結(jié)Table 2 Summary of metabolomic technologies to identify the variety,harvest period and aging time of CRP

1.1 指紋圖譜

指紋圖譜作為一種綜合的、可量化的色譜鑒定手段，通過分析指紋圖譜之間的規(guī)律性，可確認陳皮化學成分信息[10]。陳彤等[10]利用氣相色譜-質(zhì)譜（gas chromatography-mass spectrometry，GC-MS）聯(lián)用儀建立8 個產(chǎn)地陳皮的揮發(fā)油指紋圖譜，采用主成分分析（principal component analysis，PCA）方法研究圖譜中左旋-α-蒎烯、β-蒎烯等7 個共有特征峰，PCA圖顯示新會、四會、四川、南豐和桂林這5 個產(chǎn)地的樣品各自聚類，得到較好的區(qū)分。楊雪燕等[11]也建立了具有16 個共有特征峰的新會陳皮揮發(fā)油指紋圖譜，PCA和層次聚類分析（hierarchical cluster analysis，HCA）結(jié)果表明新會陳皮與其他產(chǎn)地陳皮區(qū)分效果良好。為進一步提高產(chǎn)地鑒別準確率，胡繼藤等[12]采用人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）解析5 個不同產(chǎn)地陳皮的高效液相色譜（high performance liquid chromatography，HPLC）指紋圖譜中6 個共有成分峰數(shù)據(jù)，可實現(xiàn)100%識別新會陳皮。指紋圖譜也可用于鑒別陳皮品種，郭念欣等[13]分別建立廣陳皮和陳皮的HLPC指紋圖譜，通過比較特征峰的保留時間、峰面積等以及軟件計算各樣品間的相似度，初步區(qū)分了廣陳皮與陳皮。徐展翅等[14]研究也指出廣陳皮的HPLC指紋圖譜與其他5 個品種（大紅袍、溫州蜜柑、年橘、貢柑、蕉柑）陳皮的指紋圖譜具有特征性差異，可用于區(qū)分廣陳皮與普通陳皮。在差異分析的基礎(chǔ)上，采用化學計量學方法解析圖譜數(shù)據(jù)能提高鑒別準確率和挖掘特征成分。胡繼藤等[12]采用ANN方法分析陳皮HPLC指紋圖譜，實現(xiàn)了茶枝柑、溫州蜜柑、大紅袍3 個品種陳皮的鑒別，準確率為90%。Tistaert等[15]利用判別偏最小二乘（discriminant partial least squares，DPLS）方法挖掘出陳皮不同于其他柑橘果皮的多個特征成分（如川陳皮素、橘皮素、橙皮苷等），所構(gòu)建的陳皮鑒別模型準確率可達98.3%。另外，Yi Lunzhao等[16]通過偏最小二乘線性判別分析（partial least squares-linear discriminant analysis，PLS-LDA）方法分析不同采收期陳皮HPLC指紋圖譜中18 個共有特征峰數(shù)據(jù)，鑒別青皮和大紅皮準確率為93%。

1.2 化學成分

黃酮類成分是陳皮的重要功能性化學成分，主要由黃酮苷類和多甲氧基黃酮類組成[17]。其中的橙皮苷、川陳皮素和橘皮素是陳皮質(zhì)量評估的重要指標，通過比較這3 個成分的含量比值并結(jié)合HCA和PCA方法可初步區(qū)分廣陳皮與其他陳皮[18]。Liu Ehu等[19]在橙皮苷、川陳皮素和橘皮素的基礎(chǔ)上進一步測定了柚皮苷、七甲氧基黃酮和五甲氧基黃酮的含量，通過對陳皮中這6 種特征黃酮類成分含量進行HCA可明顯區(qū)分茶枝柑品種陳皮與九月黃、溫州蜜柑、早橘品種的陳皮。在常見黃酮類成分之外，高分辨質(zhì)譜法結(jié)合化學計量學方法能挖掘出新的特征成分并構(gòu)建鑒別模型。如在品種鑒別方面，基于液相色譜-高分辨質(zhì)譜的非靶向代謝組學方法結(jié)合正交偏最小二乘判別分析（orthogonal partial least squares-discriminant analysis，OPLS-DA）等篩選出了茶枝柑品種陳皮不同于其他品種陳皮的特征成分[20-22]，主要包括六甲氧基黃酮、甜橙黃酮、野漆樹苷、蘆丁、香葉木素-6-8-C-葡萄糖苷、木犀草素-6-8二-C-葡萄糖苷、2,3,4,5,7-五甲氧基黃酮、4’-羥基-5,6,7,8-四甲氧基黃酮等，構(gòu)建的OPLS-DA模型能鑒別出茶枝柑品種陳皮。同樣的方法也被用于鑒別陳皮和橘紅，篩選出咖啡?？鼘幩?、柚皮苷、柚皮黃素等12 個特征成分[23]。而在產(chǎn)地、采收期和陳化時間鑒別方面，黃芳等[24]研究表明甜橙黃酮、辛弗林、羥基四甲氧基黃酮、柚皮苷、枸橘苷等9 個特征成分在區(qū)分不同產(chǎn)地陳皮間起到重要作用，LDA模型鑒別新會陳皮的準確率為94.4%；汪鵬[20]研究結(jié)果顯示以多甲氧基黃酮類、檸檬苦素類為主的27 個特征成分可用于鑒別青皮和大紅皮；Luo Yan等[22]發(fā)現(xiàn)陳皮中柚皮苷、5-羥基-7,8,2’-三甲氧基黃酮、去甲基川陳皮素等31 個成分含量與陳化時間相關(guān)，結(jié)合OPLS-DA構(gòu)建模型可區(qū)分3、5、10 a以及15 a以上的廣陳皮。

陳皮中含有豐富的揮發(fā)性成分，主要包括單萜烯、倍半帖烯、含氧化合物等[25]。陳明權(quán)等[26]通過比較陳皮揮發(fā)油中α-蒎烯與β-蒎烯的比值差異可簡單快速區(qū)分新會陳皮，并且α-蒎烯與β-蒎烯的比值受采收期、陳化時間等因素影響較小。曹烙文[27]利用全二維GC-MS法全面分析陳皮揮發(fā)性成分，研究發(fā)現(xiàn)薄荷烯酮、二氫香芹醇、反式-2-十二烯醛等13 個成分在新會陳皮與其他產(chǎn)地陳皮間存在差異，且薄荷烯酮只在新會陳皮中被檢出。部分揮發(fā)性成分被視為潛在的品種特征成分，如Duan Li等[28]研究顯示廣陳皮中2-甲氨基苯甲酸甲酯、α-甜橙醛、莰烯含量明顯高于陳皮，而乙酸香葉酯、β-欖香烯、δ-欖香烯僅在陳皮中檢出；Zheng Yuying等[29]篩選出2-甲氨基苯甲酸甲酯、對傘花烴-8-醇、D-檸檬烯、4-萜醇等特征成分用于區(qū)分廣陳皮與其他陳皮；Lv Weisheng等[30]建立的以2-甲氨基苯甲酸甲酯、檸檬烯、松油醇、蒎烯等為特征成分的揮發(fā)性有機物指紋圖譜能實現(xiàn)廣陳皮鑒別。據(jù)此認為2-甲氨基苯甲酸甲酯可能是區(qū)分廣陳皮與其他陳皮的一個關(guān)鍵特征成分[31-32]。利用揮發(fā)性成分差異還可能鑒別采收期和陳化時間，Zheng Guodong等[33]評估了不同采收期廣陳皮中主要活性成分的動態(tài)變化情況，其中側(cè)柏烯、蒎烯、D-香茅醇、芳樟醇、香葉醇、D-檸檬烯等22 種揮發(fā)性成分含量與采收期相關(guān)，結(jié)合PCA方法可初步區(qū)分青皮、微紅皮和大紅皮。梁天一等[34]利用氣相色譜-離子遷移譜（gas chromatography-ion mobility spectrometry，GC-IMS）研究發(fā)現(xiàn)不同陳化時間陳皮中左旋玫瑰醚、2-庚酮、松油醇、2-十一碳烯醛等成分含量差異較明顯，陳化1 a和12 a的陳皮在PCA圖中容易區(qū)分。市場普遍認為陳化3 a以上的柑皮才能稱作陳皮，Ou Xiaoqun等[35]比較分析了新皮（＜3 a）和陳皮（＞4 a）中月桂烯、4-蒈烯、松油烯等31 個揮發(fā)性成分含量差異，并利用ANN算法建立了新皮和陳皮的鑒別模型，準確率達到96%。

2 光譜技術(shù)

光譜信息可反映樣品中化學成分結(jié)構(gòu)和含量，產(chǎn)地、品種、采收、陳化等因素均會引起陳皮的化學成分組成發(fā)生變化，因而不同產(chǎn)地、品種、采收期或陳化時間的陳皮的光譜特征存在差異，通過化學計量學方法解析光譜信息可以實現(xiàn)陳皮產(chǎn)地溯源和鑒偽。近紅外光譜、拉曼光譜、太赫茲時域光譜、高光譜成像和熒光光譜技術(shù)已應用于陳皮的產(chǎn)地溯源以及品種、陳化時間鑒別，相關(guān)研究成果見表3和表4。

表3 光譜技術(shù)應用于陳皮產(chǎn)地溯源研究總結(jié)Table 3 Summary of spectroscopic technologies applied to trace the geographical origin of CRP

表4 光譜技術(shù)應用于陳皮品種和陳化時間鑒偽研究總結(jié)Table 4 Summary of spectroscopic technologies applied to identify the variety and aging time of CRP

2.1 近紅外光譜技術(shù)

近紅外光譜技術(shù)常用波長范圍在750～2 500 nm之間，波數(shù)為4 000～12 000 cm-1，光譜圖中的譜峰吸收強度與化合物中共價鍵的數(shù)量和化學環(huán)境密切相關(guān)，因此通過分析近紅外光譜能夠獲得化合物結(jié)構(gòu)和組成信息[36]。郭念欣等[37]采用PCA、判別分析（discriminant analysis，DA）方法直接分析陳皮近紅外光譜的原始光譜數(shù)據(jù)，能準確鑒別產(chǎn)自廣東的陳皮。但原始光譜中易存在譜峰重疊、基線漂移等干擾，選用合適的化學計量學方法對光譜進行預處理，可以消除干擾，提高模型的穩(wěn)健性和預測性能。余梅等[38]比較了一階導數(shù)（firstorder derivative，1st der)、標準正態(tài)變量變換（standard normal variate，SNV）等8 種單一預處理及預處理組合的形式對陳皮內(nèi)側(cè)和外側(cè)近紅外光譜數(shù)據(jù)進行處理的效果，結(jié)果表明陳皮外側(cè)光譜數(shù)據(jù)經(jīng)2 個預處理組合優(yōu)化后，結(jié)合PCA建立的模型可區(qū)分四川、福建、廣東3 個產(chǎn)地的陳皮，準確率為100%。建模算法的優(yōu)化也是提高模型分類性能的關(guān)鍵，Pan Shaowei等[39]分別采用SNV和Savitzky-Golay濾波（SG）預處理陳皮外側(cè)近紅外光譜數(shù)據(jù)，并比較了隨機森林（random forest，RF）、K近鄰（K nearest neighbor，KNN）、LDA 3 種建模算法的鑒別效果，其中SG-LDA模型性能較優(yōu)，新會陳皮鑒別準確率為96.99%。近紅外光譜技術(shù)在陳皮品種鑒別方面也具有應用潛力，楊桂玲等[40]基于陳皮10 360～9 681 cm-1波段的近紅外漫反射光譜，結(jié)合1st der和矢量歸一法（vector normalization，VN）預處理光譜數(shù)據(jù)和聚類分析（cluster analysis，CA）可將22 個品種的陳皮分成4 類。閆珂巍等[41]通過SNV預處理陳皮近紅外光譜數(shù)據(jù)后采用PCA建立廣陳皮與川陳皮鑒別模型，準確率達到90.91%。董怡青等[42]對陳皮外側(cè)11 190～5 800 cm-1波段的近紅外漫反射光譜數(shù)據(jù)進行預處理后，結(jié)合PCA方法可實現(xiàn)假冒陳皮（砂糖橘皮、沃柑果皮等）100%鑒別。近紅外光譜技術(shù)還能實現(xiàn)快速、無損檢測陳皮陳化年份，并展現(xiàn)出較好的鑒別效果。在進行無損檢測時，由于陳皮的內(nèi)側(cè)和外側(cè)結(jié)構(gòu)和化學成分組成有差異，光譜采集到的信號和受到的干擾也有所不同。Pan Shaowei等[39]采集廣陳皮外側(cè)900～1 700 nm光譜數(shù)據(jù)，通過SG預處理和LDA建模，可準確區(qū)分3、5、8、10 a的廣陳皮，準確率為100%。余梅等[43]研究結(jié)果表明基于陳皮內(nèi)側(cè)近紅外光譜數(shù)據(jù)構(gòu)建陳化年份鑒別模型的分類精度優(yōu)于陳皮外側(cè)數(shù)據(jù)，能實現(xiàn)100%鑒別5、10、15、20、25 a的陳皮。Li Pao等[44-45]研究也指出基于陳皮內(nèi)側(cè)近紅外數(shù)據(jù)建模的分類精度更高，構(gòu)建的LDA模型在鑒別4 個陳化時間陳皮時的準確率大于96%，融合分析陳皮內(nèi)外側(cè)光譜數(shù)據(jù)可提高鑒別準確率至100%。除了應用LDA建模外，陳皮紅外光譜數(shù)據(jù)結(jié)合支持向量機（support vector machine，SVM）和KNN構(gòu)建鑒別模型能區(qū)分1、3、5、7、10 a的廣陳皮，準確率為96.50%[46]。

2.2 拉曼光譜技術(shù)

拉曼光譜技術(shù)是基于拉曼散射效應分析與入射光頻率不同的散射光譜，得到相應分子振動、轉(zhuǎn)動方面的信息，進而獲得結(jié)構(gòu)、對稱性、化學鍵等相應分子信息。不同化合物具有不一樣的拉曼光譜特征，通過分析其拉曼峰位、峰強、線型、線寬及譜線數(shù)目可以從分子水平上進行定性和定量分析[47]。楊方等[48]采用表面增強拉曼光譜技術(shù)對8 個不同陳化時間的陳皮進行分析，研究發(fā)現(xiàn)與金膜-銀納米顆粒基底相比，金膜或銀納米顆粒基底可獲得增強的拉曼光譜信息，基于峰值變化信息推測7 a及以上的陳皮相比5 a及以下的陳皮產(chǎn)生了某些新成分，展示了拉曼光譜技術(shù)應用于陳皮陳化時間鑒別的可能性。李靜敏等[49]研究顯示廣陳皮外側(cè)拉曼光譜中768、869、1 598、2 124 cm-1特征峰隨年份單調(diào)變化，利用這4 個拉曼特征峰和PCA回歸法建立廣陳皮年份鑒別預測模型，初步實現(xiàn)了3、7、10 a廣陳皮的鑒別，但預測準確率僅為76.92%。

2.3 太赫茲時域光譜技術(shù)

太赫茲波是指頻率在0.1～10 THz的電磁波，波長在0.03～3 mm之間。太赫茲時域光譜技術(shù)是利用透射式或反射式方法得到攜帶樣品信息的時域譜，時域譜經(jīng)過傅里葉變換后獲得樣品相關(guān)光學參數(shù)[50]。余靜孝等[51]分析不同產(chǎn)地陳皮太赫茲時域光譜的吸收系數(shù)譜，比較多種預處理以及3 種建模算法對產(chǎn)地鑒別準確度的影響，結(jié)果表明吸收系數(shù)譜經(jīng)SG預處理后，結(jié)合LDA提取光譜特征和SVM構(gòu)建模型，能準確鑒別產(chǎn)自新會不同區(qū)域的陳皮。在吸收系數(shù)之外，太赫茲時域光譜的其他光學信息參數(shù)亦可用于陳皮鑒別。Liu Yao等[52-53]分別利用吸收系數(shù)譜和折射率譜進行陳化時間鑒別，研究顯示基于吸收系數(shù)譜的鑒別模型性能優(yōu)于基于折射率譜的鑒別模型，比較4 種建模算法，卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）表現(xiàn)出更好的分類效果，區(qū)分1、3、5、10、15、20 a新會陳皮的準確率最高為95.63%。而通過原位法獲取光譜數(shù)據(jù)可實現(xiàn)無損鑒別，但準確度有所下降。楊少壯等[54]研究了吸收系數(shù)、折射率、復介電常數(shù)虛部、介質(zhì)損耗角正切值應用于陳化時間鑒別中的可行性，通過PCA方法對4 種光學參數(shù)進行數(shù)據(jù)降維和SVM構(gòu)建分類模型，區(qū)分3、5、10、15、20 a陳皮的預測準確率為94%。

2.4 高光譜成像技術(shù)

高光譜成像技術(shù)將光譜與圖像相結(jié)合，探測目標的二維幾何空間和光譜信息，結(jié)合空間維和光譜維數(shù)據(jù)共同組成三維觀測數(shù)據(jù)立方體，已逐漸應用于農(nóng)業(yè)、食品等領(lǐng)域[55]。張悅等[56]將高光譜成像技術(shù)應用于陳皮產(chǎn)地溯源，采集不同產(chǎn)地陳皮的可見-近紅外和短波紅外波段范圍內(nèi)高光譜數(shù)據(jù)，利用圖分割算法提取數(shù)據(jù)以及1st der方法預處理和PLS-DA建模，可實現(xiàn)快速無損鑒別6 個產(chǎn)地的陳皮，其中省級產(chǎn)地鑒別準確率為98.41%，新會不同區(qū)域鑒別準確率為99.05%。鮑一丹等[57]利用高光譜成像技術(shù)進行陳化時間鑒別，采集4 個年份的陳皮在380～1 023 nm及874～1 734 nm的內(nèi)、外側(cè)高光譜圖像，通過偏最小二乘回歸（partial least squares regression，PLSR）系數(shù)法提陳皮年份相關(guān)的特征波段，并基于特征波段和非線性極限學習機（extreme learning machine，ELM）方法建立陳皮年份鑒別模型，準確率可達98.33%。

2.5 熒光光譜技術(shù)

熒光光譜技術(shù)利用化合物的光致發(fā)光現(xiàn)象產(chǎn)生的熒光特性和強度，進行化合物的定性和定量分析，在藥材產(chǎn)地溯源方面已有相關(guān)應用[58]。Lan Wei等[59]開發(fā)了一種基于納米顆粒、光譜拼接和化學計量學的簡單熒光檢測方法用于陳皮品種和陳化時間鑒別，研究選取納米金顆粒和碲化鎘量子點作為納米傳感器，分別與陳皮水提取物混合產(chǎn)生熒光猝滅光譜后，采用光譜拼接策略獲得包含陳皮樣品自體熒光和熒光猝滅光譜不同組合的拼接光譜。結(jié)合PLS-DA構(gòu)建模型可100%區(qū)分茶枝柑品種陳皮與其他品種陳皮，并且對1、5、10、15、20 a陳皮的區(qū)分準確率為98.04%。

3 DNA分析技術(shù)

不同品種來源植物的DNA序列會存在差異，通過測定分析特征DNA片段可實現(xiàn)植物品種鑒別[60]，DNA分析技術(shù)應用于陳皮品種鑒偽的研究總結(jié)見表5。單核苷酸多態(tài)性（simple nucleotide polymorphish，SNP）是指基因組上的單個核苷酸發(fā)生變異（包括轉(zhuǎn)換、顛換、缺失和插入）形成的遺傳標記，是品種鑒別的常用技術(shù)。Wang Hongtao等[61]通過對陳皮與柑橘果皮的DNA的內(nèi)源轉(zhuǎn)錄間隔區(qū)（internal transcribed spacer，ITS）序列進行擴增、測序和SNP分析，發(fā)現(xiàn)了陳皮共有的2 個特異性SNP位點，并以此為基礎(chǔ)利用多重等位基因特異性PCR區(qū)分陳皮與其他柑橘果皮。Li Shangzhen等[62]研究也發(fā)現(xiàn)了陳皮DNA的ITS2區(qū)域的3 個特異性SNP位點可以應用于區(qū)分4 個品種的陳皮。不同于SNP技術(shù)以核苷酸變異作為標記，DNA條形碼技術(shù)是利用生物體內(nèi)一段某個品種特有的、且在種內(nèi)穩(wěn)定遺傳DNA序列對品種進行快速鑒別，ITS2序列是陳皮品種鑒別常用的DNA序列，成樹森等[63]通過PCR擴增和測序分析陳皮DNA的ITS2序列，對廣陳皮基原植物、廣陳皮藥材以及橘、檸檬、柚、黃皮4 種近緣種植物進行鑒定，結(jié)果表明ITS2序列作為DNA條形碼可識別廣陳皮基原植物、藥材及其他近緣種植物。Yu Xiaoxue等[64]在ITS2序列分析的基礎(chǔ)上，結(jié)合二級結(jié)構(gòu)比對區(qū)分茶枝柑、大紅袍、溫州蜜柑品種的陳皮。Wang Peng等[65]研究結(jié)果也顯示茶枝柑品種陳皮DNA的ITS2序列及二級結(jié)構(gòu)與其他3 個品種的陳皮存在明顯差異。

表5 DNA分析技術(shù)應用于陳皮品種鑒偽總結(jié)Table 5 Summary of DNA-based technologies applied to identify the variety of CRP

4 元素分析技術(shù)

礦質(zhì)元素是參與植物代謝的重要物質(zhì)，植物體內(nèi)的礦質(zhì)元素主要來源于周圍環(huán)境，并且其組成與環(huán)境中的礦質(zhì)元素有較強的相關(guān)性[66]。由于不同生長地域環(huán)境中的土壤、水及空氣中礦質(zhì)元素組成及含量都有其各自的特征，因此植源性食品中的礦質(zhì)元素組成可以反映出生長地域的特殊性，進而用于產(chǎn)地溯源研究[67]。目前，利用元素分析進行陳皮產(chǎn)地溯源的研究較少，李富榮等[68]通過分析廣東、福建、重慶3 個產(chǎn)地陳皮的礦質(zhì)元素組成特征，明確了26 種礦質(zhì)元素含量在廣東與福建、重慶之間存在著顯著差異，基于差異元素含量構(gòu)建的LDA和OPLS-DA模型產(chǎn)地鑒別準確率最高可達100%，并確認了Sc、B、Y、Co、Nd、La、Pr、Be、Gd、Dy、Sm、Mo、Fe等礦質(zhì)元素含量在陳皮產(chǎn)地溯源中發(fā)揮了重要作用。

5 智能感官技術(shù)

智能感官技術(shù)作為新興的快速分析技術(shù)，采用電子傳感器模擬生物的嗅覺及味覺系統(tǒng)，從而使樣品的檢測客觀化、智能化[69]。其中的電子鼻和電子舌技術(shù)應用于陳皮品種和陳化時間鑒偽的研究總結(jié)見表6。電子鼻主要由一組交叉敏感的氣體傳感陣列和適當?shù)哪Ｊ阶R別系統(tǒng)組成，利用多個氣敏傳感器模擬人類的嗅覺系統(tǒng)，將氣味分子轉(zhuǎn)化為不同的電信號識別混合氣體[70]。Li Shangzhen等[62]采用可響應酚類和醛類揮發(fā)性成分的電子鼻，分析其對茶枝柑、大紅袍、溫州蜜柑、福橘4 個不同品種陳皮的信號變化，結(jié)合PCA方法可將茶枝柑品種陳皮與其他品種的陳皮區(qū)分開。類似地，陳林等[71]使用電子鼻表征陳皮揮發(fā)性成分的整體信息，研究結(jié)果表明不同品種陳皮的揮發(fā)性成分存在相似性和差異性，通過判別因子分析（discriminant factor analysis，DFA）方法可初步鑒別出茶枝柑品種的陳皮。電子鼻技術(shù)結(jié)合ANN模型還能快速鑒別不同品種和不同陳化時間的陳皮，對茶枝柑品種的鑒別準確率為94.67%，對3 個陳化時間的鑒別準確率為96%[72]。電子舌主要由交互敏感傳感器陣列、信號調(diào)理電路以及模式識別算法構(gòu)成，通過模擬人類的味覺感受機制分辨和定量溶液中不同的味覺或化學成分，結(jié)合化學計量學分析數(shù)據(jù)可反映樣品整體質(zhì)量信息[73]。Shi Qingrui等[74]采用電子舌分析陳皮提取液化學成分，通過離散小波變換對原始信號進行特征值提取和數(shù)據(jù)壓縮，對比了7 種建模方法對4 個陳化時間陳皮的鑒別效果，結(jié)果表明ELM模型性能最優(yōu)，鑒別準確率可達95%。此外，通過電子鼻和電子舌技術(shù)分析圈枝柑陳皮和駁枝柑陳皮氣味和滋味成分的差異，結(jié)合化學計量學方法能區(qū)分2 種栽培方式的陳皮，并篩選出β-月桂烯、檸檬烯、β-反式辛烯、γ-松油烯等主要揮發(fā)性風味化合物，以及羥甲基糠醛、橙皮素、橙皮素等關(guān)鍵風味化合物[75]。

表6 智能感官技術(shù)應用于陳皮品種和陳化時間鑒偽研究總結(jié)Table 6 Summary of intelligent sensory technologies applied to identify the variety and aging time of CRP

6 化學計量學方法

產(chǎn)地溯源和鑒偽的化學計量學本質(zhì)上是應用數(shù)學、統(tǒng)計學、計算機及其他相關(guān)學科的理論和方法，從化學測量數(shù)據(jù)出發(fā)，通過信息提取和分析研究對象的化學特征，進一步將數(shù)據(jù)與產(chǎn)地、真?zhèn)涡畔⑦M行關(guān)聯(lián)分析[76]。在陳皮產(chǎn)地溯源和鑒偽研究中，常用的化學計量學方法包括PCA、HCA、LDA、OPLS-DA等，根據(jù)是否需要樣本的先驗知識，可分為無監(jiān)督算法和有監(jiān)督算法。PCA和HCA屬于無監(jiān)督算法，該類算法在分類前無需知道樣本的類別屬性，直接訓練樣本來獲得分類信息，可用于初步概括各組樣本間的總體分布情況、自然聚集狀態(tài)和發(fā)現(xiàn)異常樣本等。有監(jiān)督算法是在給定樣本分類信息的情況下，通過對樣本進行訓練或?qū)W習構(gòu)建一個最優(yōu)的分類模型，隨后再利用這個模型完成對未知樣本的判別，如LDA、OPLS-DA等。近年來，SVM、ANN等有監(jiān)督的機器學習算法也逐漸被應用于產(chǎn)地溯源和鑒偽研究，SVM是通過建立一個最優(yōu)決策超平面，使得該平面兩側(cè)距平面最近的兩類樣本之間的距離最大化，從而對分類問題提供良好的泛化能力。ANN是通過模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的，由大量的節(jié)點之間相互聯(lián)接構(gòu)成，可用來對數(shù)據(jù)之間的復雜關(guān)系進行建模。ANN依靠訓練數(shù)據(jù)來學習，并隨時間推移提高自身準確性。對陳皮產(chǎn)地溯源和鑒偽研究而言，如何選擇合適的算法以達到最優(yōu)的分類效果是其中的關(guān)鍵問題。即使是分析同一數(shù)據(jù)，不同算法的分類效果也各有差異，如Pan Shaowei等[39]采用LDA、RF、KNN分析陳皮的近紅外光譜數(shù)據(jù)以進行產(chǎn)地鑒別，結(jié)果顯示，LDA分類效果優(yōu)于RF和KNN。因此，建議在研究中采用多種算法分析數(shù)據(jù)，比較評估不同算法的分類性能，以確定合適的算法保證產(chǎn)地溯源和鑒偽的準確性。

7 陳皮產(chǎn)地溯源與鑒偽技術(shù)對比分析

近年來，國內(nèi)外學者對陳皮產(chǎn)地溯源與鑒偽技術(shù)進行了大量研究，這些技術(shù)具有不同的優(yōu)缺點和應用場景，為了未來更有效地開展相關(guān)領(lǐng)域的研究，表7對不同技術(shù)的優(yōu)缺點和應用場景進行了匯總對比。

表7 不同陳皮產(chǎn)地溯源與真實性鑒別技術(shù)比較Table 7 Comparison of different techniques for geographical origin traceability and authenticity of CRP

代謝組學技術(shù)應用范圍廣，在產(chǎn)地、品種、采收期、陳化時間鑒別中都具有良好的表現(xiàn)。其中的指紋圖譜技術(shù)通過分析比較圖譜的整體特征能初步區(qū)分新會陳皮、廣陳皮等，但在多產(chǎn)地、多品種鑒別方面效果欠佳[10,14]。通過定性/定量分析不同陳皮的化學成分，能找出鑒別的關(guān)鍵特征成分和研究其變化規(guī)律，但不同的樣品前處理方法能獲得化學成分組成可能不一樣[77]，一定程度上會影響分析的重現(xiàn)性和準確性。非靶向代謝組學技術(shù)能獲取全面、豐富的信息，可是海量的信息對數(shù)據(jù)處理要求高，而且分析設(shè)備昂貴、儀器操作復雜。光譜技術(shù)可實現(xiàn)快速、無損檢測，其中近紅外光譜技術(shù)應用較廣，檢測成本低，結(jié)果重現(xiàn)性較好，但其靈敏度不高，可能檢測不到某些含量很低的關(guān)鍵溯源和鑒偽成分；拉曼光譜技術(shù)可與近紅外光譜技術(shù)互補，但熒光背景對其有干擾；太赫茲光譜技術(shù)具有高穿透性、信噪比高等優(yōu)勢，然而測量頻率范圍較窄；高光譜成像技術(shù)分辨率高，但圖像數(shù)據(jù)冗雜不便于實時分析；熒光光譜技術(shù)靈敏度高，只是目前研究仍較少。并且由于光譜數(shù)據(jù)量大且復雜，數(shù)據(jù)預處理和模型構(gòu)建算法的選擇對鑒別結(jié)果準確性的影響較大[53,56,78]。DNA分析技術(shù)不受環(huán)境、栽培、陳化等因素的影響，在品種鑒別方面具有獨特優(yōu)勢，同時具有重復性和穩(wěn)定性高、實驗操作標準化等特點，可是當前可供選擇的分子標記較少，多用于種屬水平鑒定，種下品種鑒定準確性略差[20]。元素分析技術(shù)檢出限低、準確度高，能夠綜合分析多個元素，但實驗操作要求較高，在陳皮鑒別方面應用較少。智能感官技術(shù)具有操作簡單、響應速度快等優(yōu)點，然而專屬傳感器的種類有限、交叉響應特征信號分析較難，傳感器也容易受檢測環(huán)境影響。

8 結(jié)語

綜上所述，在陳皮產(chǎn)地溯源和鑒偽領(lǐng)域，代謝組學、光譜、DNA分析、元素分析和智能感官技術(shù)都發(fā)揮了重要作用。其中代謝組學技術(shù)具有廣泛的適用性，能獲取豐富的信息，并能篩選出多種關(guān)鍵特征成分，有助于研究陳皮的化學成分組成和時空變化規(guī)律，但對新特征成分的鑒定和影響機制分析還需深入探究。光譜技術(shù)以近紅外光譜為主，具有快速檢測和操作方便的優(yōu)勢，但其數(shù)據(jù)冗雜，預處理和建模方法的選擇對鑒別準確率影響較大，且需要大量已知化學值的樣品構(gòu)建模型，模型共享和轉(zhuǎn)移存在難度。DNA分析技術(shù)在陳皮品種鑒別方面具有較大潛力，然而現(xiàn)在已篩選出的分子標記相對單一，多品種鑒別效果需要加強。元素分析技術(shù)利用礦質(zhì)元素相對穩(wěn)定且與產(chǎn)地環(huán)境相關(guān)性強的特點進行溯源，可是現(xiàn)有研究僅分析了不同產(chǎn)地陳皮礦質(zhì)元素組成差異，未明確礦質(zhì)元素從土壤環(huán)境到陳皮的遷移轉(zhuǎn)化規(guī)律。智能感官技術(shù)分析速度快，但現(xiàn)有傳感器僅對部分氣味和滋味敏感，影響其在陳皮鑒別中的進一步應用。

現(xiàn)有研究多集中于陳皮產(chǎn)地溯源和品種鑒別，取得了較好的鑒別效果，但大部分研究仍局限于省級區(qū)域溯源以及茶枝柑和其他陳皮品種的鑒別，缺乏精細的小尺度地域溯源和多品種鑒別。采收期鑒別研究也較少，尚未建立有效的鑒別技術(shù)。陳化時間鑒別一直是研究熱點，多種技術(shù)均有應用，但當前樣本數(shù)量較少、陳化時間各異，所建立的鑒別方法在預測未知陳皮樣品時準確性可能降低。

由于陳皮的自身復雜性和多變性，以及當前產(chǎn)地溯源和鑒偽技術(shù)有效性與準確性的不足，還需對其進行更深入的研究。為此，本文在總結(jié)前人研究的基礎(chǔ)之上，嘗試給出如下可能的研究重點：

1）對于特征化學成分和元素指標，系統(tǒng)研究產(chǎn)地、品種、采收、陳化等多因素對特征指標變化的影響以及主要遷移、轉(zhuǎn)化機制，闡釋特征指標來源和評估其用于陳皮鑒別的有效性和穩(wěn)定性，并結(jié)合功能性成分定量分析，開展陳皮質(zhì)量評價；

2）對于光譜、圖像、傳感信號等數(shù)據(jù)，優(yōu)化識別算法，研究合適的數(shù)據(jù)預處理和模型構(gòu)建方法，提升鑒別模型適用性；

3）對于采收期和陳化時間鑒別，需要合理設(shè)計實驗，控制單一條件，排除產(chǎn)地環(huán)境、栽培方式、加工條件等其他因素的干擾；

4）擴大陳皮樣本范圍，強化樣本代表性，建立和完善陳皮鑒別模型以及形成陳皮相關(guān)數(shù)據(jù)庫；

5）聯(lián)合使用多種技術(shù)和融合多源數(shù)據(jù)，篩選和擴充可代表產(chǎn)地、品種、采收期或陳化時間特征的鑒別指標，結(jié)合多元統(tǒng)計分析，提高鑒別精度。

本文通過對陳皮產(chǎn)地溯源和鑒偽技術(shù)的研究現(xiàn)狀進行分析總結(jié)，討論了各種技術(shù)的優(yōu)缺點和存在問題，展望了未來研究方向，以期為陳皮產(chǎn)地溯源和鑒偽技術(shù)的進一步研究提供理論支持。