在香蕉冷藏过程中，通过相位分辨技术可以明确挥发性有机化合物（VOC）的命运。这一技术基于量子和物理化学描述符，实现了针对不同阶段的特异性标记规则

《Food and Bioprocess Technology》：Phase-Resolved VOC Fate During Banana Cold Storage Enables Stage-Specific Marker Rules Guided by Quantum and Physicochemical Descriptors

　　

摘要

背景

香蕉在冷链储存过程中，其顶空挥发性有机化合物（VOC）的动态变化显著且非线性，这使得基于顶空信号的无损监测中的阶段分类和标记选择变得复杂。

方法

卡文迪许香蕉在15 ± 0.5°C和85 ± 3%的相对湿度下进行储存。在五个密封容器中，每天监测顶空VOC的变化，持续20天。根据VOC变化的协同性，将储存过程划分为三个由VOC定义的阶段。从密度泛函理论计算中得到的量子化学描述符，结合物理化学性质和时间特征，被整合到一个可解释的机器学习框架中，用于分析22种VOC。评估了十一种回归算法。

结果

优化的梯度提升模型在独立测试集上的表现优异（R2 = 0.936，RMSE = 0.247，MAE = 0.092），并且在训练容器上的留一法分组验证中也表现出稳定性（CVR2 = 0.958 ± 0.009）。Y随机化验证表明，模型性能并非由描述符与响应之间的随机关联所驱动。SHAP分析确定LUMO、总能量、Bertz复杂性指数、储存时间和TPSA是影响模型预测VOC动态的重要因素。量子化学描述符占当前数据集中全局特征重要性的53.6%。

结论

本研究提供了一种基于描述符辅助的策略，用于在受控冷链储存条件下进行VOC标记的优先级排序和验证设计，以实现无损顶空监测。研究结果还强调了需要在不同品种和储存环境下进行外部验证的必要性。