利用GC–MS和MOX传感器区分传统饲料与昆虫饲料喂养的鳟鱼：烹饪对挥发性特征的影响

《Chemosensors》：Discrimination of Trout Fed with Traditional and Insect-Based Diets by GC–MS and MOX Sensors: Influence of Cooking on Volatile Profiles

　　

在养殖业中，昆虫基蛋白质来源的使用正获得越来越多的关注，其中黑水虻（Hermetia illucens，BSF）幼虫粉被认为是鱼粉（FM）的一种有前景的替代品。本研究评估了日粮中部分添加BSF粉（BSF0、BSF2.5、BSF5、BSF10%）对虹鳟（Oncorhynchus mykiss）鱼片在烹饪前后挥发性风味物质（volatilome）的影响，采用了气相色谱-质谱联用（GC–MS）和基于金属氧化物传感器（MOX）的设备。研究人员给鱼投喂含递增BSF含量的日粮，并对生鱼片和熟鱼片进行分析，以评估挥发性有机化合物（VOCs）的变化。GC–MS能够对VOC类别进行鉴定和半定量分析，而MOX传感器响应则通过线性判别分析（LDA）进行处理，以评估不同日粮处理之间的区分能力。结果表明，BSF的添加影响了挥发性特征，在较高添加水平（BSF5–BSF10%）下，尤其是熟鱼片中，分离更为明显。热处理增强了这些差异。GC–MS分析显示，随着BSF添加量的增加，醛类和酮类化合物减少，而羧酸类化合物增加。关键化合物如己醛和庚醛的含量下降，表明脂质衍生的挥发性代谢途径发生了变化。总体而言，GC–MS与MOX传感器的整合被证明能有效检测日粮诱导的变化，支持它们作为水产养殖产品质量评估的有效且可靠工具的应用，这对其感官质量的潜在影响应通过专门的感官研究进一步确认。

**论文解读：利用GC–MS与MOX传感器区分传统与昆虫饲料喂养的鳟鱼——烹饪对挥发性特征的影响**

**一、研究背景与问题提出**

现代食品质量是一个多维度的概念，涵盖理化性质、消费者感知（如香气、质地）以及安全性、可追溯性和可持续性。在水产养殖业快速扩张的背景下，确保高质量产品与采用更可持续的生产策略紧密相关。虹鳟（Oncorhynchus mykiss）等肉食性鱼类传统上依赖鱼粉（FM）作为主要蛋白质来源，这引发了对其环境和经济可持续性的担忧。因此，寻找可替代蛋白源以降低对海洋资源的依赖成为研究热点。黑水虻（Hermetia illucens，BSF）幼虫粉因其良好的营养组成和可通过有机副产物进行大规模生产而脱颖而出，符合循环经济理念。尽管大量研究表明昆虫粉可有效替代鱼粉且不影响鱼类生长性能，但其对最终产品品质（尤其香气和挥发性组成）的影响仍缺乏关注。香气是决定食品质量和消费者接受度的关键因素，挥发性有机化合物（VOCs）的分析能提供食品生化过程及饮食、加工条件诱导变化的深入信息。气相色谱-质谱联用（GC–MS）是挥发性化合物鉴定的参考技术，但耗时且样品处理复杂。基于金属氧化物（MOX）传感器的传感器技术则作为快速、无损的质量评估工具受到关注。然而，将传统分析与传感技术整合以研究替代饲料对水产养殖产品挥发性风味物质（volatilome）影响的综合研究仍有限。特别是，生熟产品的联合评估至关重要，因为热处理可能显著影响挥发性化合物的形成与释放，放大饮食诱导的差异。因此，本研究旨在利用GC–MS和MOX传感器技术，评估在虹鳟日粮中添加不同水平BSF幼虫粉对生熟鱼片挥发性风味物质的影响，重点考察传感器技术在区分不同处理组样品方面的能力，以及烹饪在调节挥发性特征中的作用。论文发表在《Chemosensors》。

**二、主要技术方法**

研究人员采用了两种关键技术方法：① 气相色谱-质谱联用（GC–MS）与固相微萃取（SPME）技术，用于对生熟鱼片中的挥发性有机化合物（VOCs）进行鉴定和半定量分析（以% GC峰面积表示）；② 基于金属氧化物（MOX）传感器阵列的Small Sensor System S3+设备（含SnO₂、SnO₂–Pd和SnO₂–Au传感元件），用于获取样品整体挥发性指纹，并通过线性判别分析（LDA）评估不同饲料处理的区分能力。样本来自商业养殖场（意大利Azienda Agricola Canali Cavour），共分析96个样品（72个用于GC–MS，24个用于S3+分析），每个样品来自不同饲料处理组（BSF0、BSF2.5、BSF5、BSF10%）的独立养殖缸。

**三、研究结果**

**3.1 S3+传感器分析（Small Sensor System S3+ Analysis）**

通过LDA分析生鱼片数据，发现即使未经热处理，不同饲料处理也诱导了可检测的挥发性指纹变化。对照组（BSF0）与最低添加水平（BSF2.5）样品部分重叠，而较高添加水平（BSF5和BSF10）逐渐与对照组分离，表明剂量依赖性效应。模型表观分类准确率为100%，留一法交叉验证（LOOCV）准确率为68.75%。对于熟鱼片，LDA图中处理组间分离更为明显，BSF0与BSF2.5样品重叠最小，BSF10形成最独特聚类，表明烹饪放大了饮食诱导的差异。表观分类准确率为88.24%，LOOCV准确率为58.82%。研究结果表明，热处理不仅改变挥发性特征，还增强了饮食相关差异的表达，且S3+传感器能捕捉这些差异，但需更大样本验证。

**3.2 GC–MS分析**

对生鱼片的SPME–GC–MS分析鉴定出醛类、醇类、酯类、烷烃、羧酸、酮类、酚类、烯烃、醚、炔和萜类等化学类别。随着BSF添加量增加，醛类（从36%降至24%）、酮类和烷烃呈递减趋势，尤其己醛（hexanal）从31%降至10%，庚醛（heptanal）和辛醛（octanal）也减少；而羧酸类增加，在BSF10中达26%，其中十六烷酸（hexadecanoic acid）在BSF10中检出但其他组未检出。对熟鱼片的分析显示，BSF0与BSF2.5的挥发性特征相似，醛类主导（分别为53%和47%）。己醛在BSF0中占28%，在BSF10中降至8%；庚醛在BSF0中占6%，在BSF10中未检出。BSF5和BSF10组呈现醛类减少、羧酸增加的特征。1-辛烯-3-醇仅在熟样品中检出，在BSF0和BSF2.5中约占5%，在BSF5和BSF10中分别降至1.1%和未检出。这些结果与S3+结果一致，进一步证实了昆虫饲料对虹鳟挥发性特征的显著影响，尤其在较高添加水平下，烹饪放大了差异。

**四、讨论与结论**

研究结果表明，基于昆虫的饲料在虹鳟中诱导了可测量的、剂量依赖的挥发性特征变化，SPME–GC–MS与S3+系统均一致证实了这一点。传统分析与传感技术的结合能有效捕捉组成细节和整体挥发性指纹。热处理放大了饮食相关差异，强调了在评估饲料相关品质变化时评估熟制品的重要性。观察到的从醛类向羧酸的转变提示脂质氧化途径的调节，反映了昆虫粉添加的更广泛代谢效应。尽管这些变化在分析上显著，但其感官相关性尚待明确。未来需整合感官和营养评估，以全面评估昆虫饲料对产品品质的影响。总体而言，这些发现支持昆虫粉作为可持续替代蛋白源的潜力，并强调了整合性挥发性组学方法在监测水产养殖产品中饲料诱导变化的价值。

**研究结论部分翻译：** 本研究证明，基于昆虫的饲料在虹鳟中诱导了可测量的、剂量依赖的挥发性特征变化，SPME–GC–MS与Small Sensor System S3+均一致证实了这一点。传统分析与传感技术的结合使用在捕捉组成细节和整体挥发性指纹方面被证明是有效的。值得注意的是，热处理放大了饮食相关差异，导致样品间更清晰的区分，并突出了在评估饲料相关品质变化时评估熟制品的重要性。观察到的从醛类向羧酸的转变提示脂质氧化途径的调节，反映了昆虫粉添加的更广泛代谢效应。尽管这些变化在分析上显著，但其感官相关性仍待阐明。未来整合感官和营养评估的研究将对全面评估昆虫饲料对产品品质的影响至关重要。总体而言，这些发现支持昆虫粉作为可持续替代蛋白源的潜力，并强调了整合性挥发性组学方法在监测水产养殖产品中饲料诱导变化的价值。