4
白茶誠異品，氣質玉玲瓏 | 白茶香氣品質分析
白茶屬微發酵茶，是我國 6 大茶類之一，具有香氣清鮮、滋味鮮爽、湯色明亮等品質特點。隨著白茶陳化時間的延長，其內含成分會發生變化，品質能得到提升。而香氣品質，就是新鮮白茶和陳化白茶明顯的區別之一，新鮮白茶以清鮮毫香為主，而陳年白茶則以陳香為主，并伴隨棗香、木香、梅子香等香氣[1]。然而，白茶在自然條件下轉化較慢，陳年白茶的品質風格難以在短時間內形成，因此需要人工快速陳化白茶技術，使其能在相對較短的時間內達到陳年白茶品質 [2]。
那么問題來了：
1
快速陳化白茶與自然陳化白茶和新鮮白茶香氣成分有什么差異？
2
快速陳化技術對白茶香氣品質有什么影響？
帶著問題，讓我們走進科學，使用 3 大工具：
1
安捷倫智能 SPME Arrow ；
2
氣相色譜/三重四極桿質譜 (GC-MS/MS)；
3
Agilent Mass Profiler Professional (MPP)質譜統計學軟件。
結合感官評價的方法判定不同白茶香氣類型，研究快速陳化技術給白茶帶來的品質提升。
特征香氣化合物的鑒定
Agilent GC-MS/MS 具備同步 dMRM 和掃描模式，可實現茶葉香氣非靶向篩查和靶向準確定量同步。對 GC-MS/MS 采集到的數據，使用 MPP 軟件進行過濾，在四組茶葉樣品中篩選出 164 種差異化合物，然后通過 NIST 譜庫匹配和保留指數比較對其進行鑒定。在 4 組茶葉樣品中初步鑒定出 40 種特征化合物（如表 1 所列），其中包括 5 種醇、7 種醛、10 種酮、8 種酯、3 種雜環化合物和 7 種烷烴。另外，采用標準品對其中 16 種化合物進行進一步鑒定。
表 1. 在四組白茶中鑒定出的特征性香氣化合物
a RI-NIST 庫：化合物在 NIST 庫中的保留指數。
b RI-標樣：使用正構烷烴計算標準品的保留指數。
c 鑒定依據：MS：與 NIST 庫進行比對；RI：保留指數與文獻值一致；STD：經過標準品驗證。
采用表 1 的化合物繪制維恩圖，以考察四組白茶樣品中的香氣化合物分布，結果如圖 1 所示。從圖中可以看出，在所有四組白茶中檢測到 5 種共有的香氣化合物，在對照白茶、快速陳化白茶和自然陳化白茶中分別鑒定出 5 種、5 種和 4 種差異香氣化合物。這一結果表明，4 組白茶的香氣成分構成存在顯著差異。
圖 1. 四組白茶中 40 種不同香氣成分的維恩圖
感官分析
感官分析的結果以雷達圖顯示，以說明每種茶葉樣品的主要香氣屬性。結果如圖 2 所示，從圖中可以看出，4 組茶葉的香氣屬性之間存在顯著差異。新鮮白茶和對照白茶主要為清香和青草香，快速陳化白茶主要為甜香和藥草香，而自然陳化白茶主要是藥草香。表明青草香和清香確實會隨著陳化時間的延長而減弱，取而代之的是甜香和藥草香。快速陳化白茶的香氣屬性處于對照白茶和自然陳化白茶之間，說明快速陳化技術在誘導香氣轉化方面是成功的。
圖 2. 四組白茶沖泡香氣屬性的雷達圖
四組茶葉的主成分分析
主成分分析是一種常用的無監督統計方法，用于降低大數據集的維數，從而揭示樣品間的差異。對表 1 中的化合物進行主成分分析，結果如圖 3 所示。前三種主成分（PC1、PC2 和 PC3）的貢獻率為 97.96%，四組茶葉得到清晰區分?；?PC2 和 PC3 的快速陳化白茶和對照白茶的區別表明，快速陳化對白茶香氣成分具有顯著影響。
圖 3. 四組白茶的主成分分析圖
四組茶葉的層次聚類分析
層次聚類分析用于揭示數據集中的子群，能夠將具有相似豐度特征的觀察結果合并成聚類。本研究采用層次聚類分析來考察四組樣品中香氣化合物豐度的差異。使用與主成分分析相同的數據創建層次聚類分析結果的樹狀圖，結果見圖 4。四組白茶分為兩組，第一組為新鮮白茶、對照白茶和快速陳化白茶，第二組則是自然陳化白茶。其中，第一組被進一步細分為兩組，將新鮮白茶和對照白茶與快速陳化白茶分開。由此證明，快速陳化白茶工藝能夠影響香氣成分。白茶樣品在主成分分析中分離清晰，并且與層次聚類分析的聚類結果一致，表明 GC-MS 與化學計量學分析相結合，是一種有效、準確地鑒別不同陳化白茶香氣成分的方法。
圖 4. 四組白茶揮發物層次聚類分析圖
小結
儀器分析和感官分析結果表明，四組白茶的香氣成分和香氣特征存在顯著差異，從中鑒定出 40 種差異性特征香氣化合物。其中，快速陳化白茶的香氣成分和香氣特征與對照白茶存在較大差異，說明快速陳化能在一定程度上加快白茶香氣物質的轉化，在短時間內改善白茶香氣品質。
茶葉香氣分析小 tips
1
茶葉香氣化合物分析應用廣泛的前處理方法——固相微萃取技術 SPME
安捷倫智能 SPME Arrow 模塊具備獨特的智能芯片，包含特定 Arrow 的參數、范圍和使用歷史記錄，并且具備以下優點：
-
實現 SPME 富集的高通量和自動化，提升工作效率；
-
靈敏度可達傳統 SPME 纖維頭的 10 倍，滿足超痕量分析；
-
可對每個獨特
的 SPME Arrow 進行關鍵參數追蹤，實現智能化操作。
2
香氣特征化合物高效的采集模式——Agilent 同步 dMRM 和掃描模式
同步 dMRM 和掃描模式，在非靶向篩查同時對數百種分析物進行可靠定量。dMRM 展現出色的靶向篩查靈敏度和優異的線性。而同步采集全掃描數據，不丟失非靶化合物信息，即使在復雜基質中也能實現可靠的回顧性分析，無需重新進樣。
3
跨質譜平臺最順暢的信息整合分析工具——Agilent MPP 軟件
MPP 軟件是一個化學計量學平臺，用于發掘質譜數據的復雜信息內容，其可用于任何基于質譜的差異分析中，以確定兩個或更多個樣品組和變量之間的關系。它提供了用于 GC/MS、LC/MS、CE/MS 和 ICP-MS 數據的先進的統計分析和可視化工具。
-
在一個項目中，對來自一個或多個質譜分析平臺的兩個或更多樣品組進行差異分析
-
提供了全面的統計工具，包括 ANOVA、PCA、火山圖、層次樹、SOMs 和多種不同的分類預測方法
-
可以使用 LC/MS 個人化合物數據庫（METLIN、農藥和法醫學等）和 GC/MS 數據庫（NIST 和 Agilent Fiehn 代謝組學）實現集成式化合物鑒定和標注
-
可以使用 LC/MS 個人化合物數據庫（METLIN、農藥和法醫學等）和 GC/MS 數據庫（NIST 和 Agilent Fiehn 代謝組學）實現集成式化合物鑒定和標注
-
MPP 15.0 與 GeneSpring GX 結合，可以在一個項目中將質譜（代謝組學、蛋白質組學）與基因組學數據（微陣列芯片和 NGS）之間的通路相關聯，實現真正的整合生物學研究
參考文獻：
[1]劉琳燕, 周子維, 鄧慧莉, 等. 不同年份白茶的香氣成分. 福建農林大學學報(自然科學版), 2015, 44(1): 27-33.
[2]祁丹丹, 陳維, 苗愛清, 王雯雯, 龐式, 馬成英. 氣相色譜-串聯質譜結合化學計量學分析快速陳化對白茶香氣的影響[J]. 浙江大學學報(農業與生命科學版), 2018, 44(6): 704-710