小麦显性矮秆基因复等位多态特性研究

1、基于化学指纹图谱的绿茶原料品种判别分析成 浩，王丽鸳，周 健，刘 栩，叶 阳，陆文渊（中国农业科学院茶叶研究所/中国茶树改良中心，杭州 310008）摘要：【目的】探索化学指纹图谱在建立绿茶原料品种属性鉴别验证技术方面应用的可行性与潜力。【方法】利用HPLC和信息融合原理，按单一产地和混合产地两种原则，建立根据不同原料品种分组的绿茶样本的多元数字化化学指纹图谱，并采用逐步判别分析技术进行样本的分类判别研究和验证。【结果】采用杭州西湖区、绍兴新昌县和丽水莲都区共3个产地的样本各自建立的单一产地判别函数，其回判正确率、交叉验证正确率和外部验证正确率均为100%；采用8市（县）混合样本建立的判别函数

2、，其回判正确率为99.2%，交叉验证成功率为97.7%，外部验证正确率为100%。【结论】HPLC建立的绿茶多元化学指纹图谱能够较好地表征茶叶样本的品种属性，在此基础上有望建立一种对茶产品原料品种的判别验证技术。关键词：绿茶；化学指纹图谱；判别分析；品种Discriminant Classification of Green Teas Raw Material Cultivar Based on Multiple Chemical FingerprintCHENG Hao, WANG Li-yuan, ZHOU Jian, LIU Xu, YE Yang, LU Wen-yuan(Tea Re

3、search Institute, Chinese Academy of Agricultural Sciences/National Center for Tea Improvement, Hangzhou 310008)Abstract: 【Objective】The present study was set to develop a method for validating raw material cultivar using multiple chemical fingerprint.【Method】The multiple digital chemical fingerprin

4、ts of green tea samples were established by jointing two HPLC chromatograms. Stepwise discriminant analysis was done using SPSS software in two ways of using samples from single producing area and from mixed areas respectively.【Result】When discriminant functions were established using samples from s

5、ingle producing area, the recognition accuracies of training, testing and cross-validating were all 100%. When using mixed area samples, the recognition accuracy of training was 99.2%, that of cross-validating was 97.7% and that of testing was 100%.【Conclusion】The multiple chemical fingerprints esta

6、blished could figured the raw material cultivar attributes of green tea samples properly. So it is promising to develop a kind of raw material cultivar validation method of green teas by applying this method.Key words: Green tea; Chemical fingerprint; Discriminant analysis; Cultivar0 引言【研究意义】目前，龙井茶一

7、类的历史传统名茶大多已申请了原产地保护，但由于缺少足够的技术支撑，目前的保护措施还只停留在发证、发标签等行政式的管理手段上。由于品种适制性等原因，这类传统名茶的品质往往与其原料的品种关系密切，不同品种制作的产品往往会有较大的品质差异，从而对其经济价值也产生较大的影响。因此，对名茶制作原料提出品种要求必将成为今后产品控制的发展方向，但目前缺乏对产品原料品种的验证鉴别技术。化学指纹图谱技术是一种在其它学科领域已有成功应用范例的新技 术1,2，如在中药现代化研究中用于评价药材的道地性和品质等。判别分析技术近来也在许多经济作物的品质与类别鉴定研究中取得了较好效果3,4。因此，在茶学研究中引入这些技术对

8、于绿茶产品的鉴别验证研究具有重要意义。【前人研究进展】在茶叶研究方面，早期的研究主要集中在茶叶内含品质成分的同步测定技术上5,6，在此基础上，之后的一些研究开始试图分析不同茶产品中内含成分随产品种类的变化7,8，但由于其复杂性，均只能得到一些定性的描述。其后，化学指纹图谱在茶叶上的应用研究进入起步阶段。如罗一帆等9采用近红外光谱进行了茶叶中茶多酚和茶多糖的预测模型建立研究。何昱等10对33批茶多酚进行了高效液相色谱指纹图谱分析，制作了数字化的特征指纹谱，认为其可以应用于茶多酚产品的质量控制方面。陈全胜等11采用近红外光谱进行了龙井、碧螺春、祁红和铁观音4类茶叶产品的识别与分类研究。陈波等12进

9、行了茶叶的1HNMR指纹图谱研究，对不同产区的铁观音进行了初步区分。Li等13对茶软饮料进行了近红外化学指纹图谱分析。Pedro等14采用HPLC分析法对肯尼亚、印度、日本等国家以及中国云南的普洱茶、福建的乌龙茶等进行了产地区分的判别研究。Borse等15研究了印度不同地区所产红茶的指纹图谱，分析了不同产区产品在成分组成上的差异。【本研究切入点】本文利用HPLC建立不同茶样的多元数字化化学指纹图谱，按单一产地与混合产地两种原则，根据原料品种对样本分组建立模式图谱，采用判别分析方法进行样本的分类研究。【拟解决的关键问题】以此探索化学指纹图谱在绿茶原料品种验证判别等方面应用的可行性与途径。1 材料

10、与方法1.1 材料试验采用样本材料146个，取样时间为2006年春茶季节和2007年春茶季节，取样地点为杭州市西湖区、建德市、金华市武义县、绍兴市新昌县、丽水市莲都区、松阳县、遂昌县、缙云县，样本的原料品种来源为龙井43、迎霜和群体种。单一产地样本的品种判别试验共分3组，分别采用杭州市西湖区、绍兴市新昌县和丽水市莲都区的样本，每组每品种样本随机留出23个样本作为验证 样本。混合产地样本的品种判别试验采用以上所有样本，采用的验证样本与单一产地样本品种判别试验相同。1.2 方法1.2.1 样本制备与分析 干茶样粉碎后，每样本称取3.000 g，50%乙醇室温浸提15 min，过滤，滤渣洗涤3次后合

11、并滤液，冷却并定容至100 ml。0.22 m滤膜过滤后，Agilent 1100系列高效液相色谱（Phenomenex RP-MAX 4 m，250 mm4.6 mm，C12 反相柱，柱温40 ）分别按以下两色谱条件分离分析：（1）色谱条件1：A相为1%甲酸；B相为乙腈；梯度从4% B到25% B，流速1 mlmin-1，60 min，检测波长 280 nm；（2）色谱条件2：A相为1%甲酸；B相为乙腈；梯度从10% B到30%B，流速1 mlmin-1，60 min，检测波长365 nm16。1.2.2 指纹图谱建立的方法学考察 用同一份样本，进续进样5次，进行精密度考查。用同一样本，分别

12、在制备后1、2、4、12和24 h进样（室温放置），进行稳定性考查。用同一份茶样平行制备5个样本，分别进样分析，进行重复性考查。1.2.3 数字化多元化学指纹图谱建立 每样本的两色谱图分别以峰面积相对最大之主峰为参照，计算相对保留时间和相对峰面积；各峰按相对保留时间一一匹配后，选择90%以上样品中存在的峰为样本集的共有峰，以多元信息融合原理将两色谱图以串行方式进行象素级融合1719，最终选择采用41个色谱峰数据建立起各样本的数字化多元化学指纹图谱20。1.2.4 判别分析 采用SPSS软件，按统计量Wilks 最小值原则选择变量，进行逐步判别分析，建立判别方程。然后进行训练样本的回代判别，计算

13、回代错判率，并将每一样本逐一从训练集中去掉，再按同样方法判别分析，进行内部交叉验证分析，验证所建立方程的稳定性。最后采用外部验证样本验证判别方程的判别效果。2 结果与分析2.1 化学指纹图谱建立的色谱分析精密度考查结果表明，色谱方法1的保留时间RDS在0.436%0.896%，峰面积RSD在0.695%5.218%；色谱方法2的保留时间RDS在0.014%0.033%，峰面积RSD在1.062%4.859%。稳定性考查的结果表明，色谱方法1的保留时间RSD在0.836%1.753%，峰面积RSD在0.445%7.985%；色谱方法2的保留时间RSD在0.289%0.446%，峰面积RSD在0.

14、698%6.582%。重复性考查的结果表明，色谱方法1的保留时间RSD在0.236%0.813%，峰面积RSD在2.347%3.345%；色谱方法2的保留时间RSD在0.163%0.224%，峰面积RSD在1.520%2.829%。两种色谱方法的方法学考察表明，采用的色谱方法均有较好的精密性、稳定性和重复性，可保证后继研究工作能够得到精密和稳定的数据。2.2 同一产地样本的品种来源判别采用1.2.3方法建立的化学指纹图谱数据，首先分杭州西湖区（HZ）、绍兴新昌县（XC）和丽水莲都区（LS）3个组进行了同一产地样本的品种判别分析试验。2.2.1 杭州西湖区样本判别结果 根据SPSS计算的非标准化

15、判别方程系数，得到判别方程组为：F12.75760.0032GA+0.0014X17+0.0009 X270.0090X36+0.0139X390.0018X400.0290X41F212.7870+0.0065GA+0.0016X170.0163 X27+0.0231X36+0.0105X390.0253X400.0796X41式中，GA、X17、X27、X36X41分别代表不同相对保留时间色谱峰的相对峰面积20。判别函数F1、F2的特征值分别为25.2732和12.5539，典型相关系数分别为0.9808和0.9624，对判别结果的方差分析表明，类间差异明显（P0.0001），即判别结果有

16、效。对训练集各样本的回判成功率为100%，交叉验证的正确率同样是100%，5个外部验证样本的正确判别率也是100%。各样本判别函数得分值作图（图1），从图1也可以看出，判别分类的效果很好。LJ：龙井43样本；QT：群体种样本；YS：迎霜样本；（V）：验证样本。下同LJ: Longjing 43 sample; QT: Jat sample; YS: Yingshuang sample; V: Validating sample. The same as below图1 杭州地区3个品种样本的判别分析Fig. 1 Discriminant classification of tea sample

17、s made from 3 raw material cultivars of Hangzhou region2.2.2 丽水莲都区样本判别结果 计算得到的判别方程组公式为：F13.2465+0.0111C0.0008EGCG0.0644 X30+0.0217X33+0.0408X370.0920X38F20.7777+0.0085C0.0007EGCG0.1363 X300.0015X33+0.0040X37+0.0999X38 式中，C、EGCG、X30、X33、X37、X38分别代表不同相对保留时间色谱峰的相对峰面积20。判别函数的特征值为33.4303和13.5791，典型相关系数为0

18、.985和0.965。方差分析表明，类间差异 明显（P0.0001），判别结果有效。对训练集各样 本回判成功率、交叉验证正确率和外部验证样本的 正确判别率均为100%。各样本判别函数得分值作图（图2）。图2 丽水地区3个品种样本的判别分析Fig. 2 Discriminant classification of tea samples made from 3 raw material cultivars of Lishui region2.2.3 绍兴新昌县样本判别结果 计算得到的判别方程组为：F163.77750.0199X40.6352X6+0.1385 C+0.0656X11+0.042

19、9X12+0.0024EGCG0.1976X15+0.0799GCG0.0143X21 +0.0121ECG+0.6311X26+0.0265X27F223.5950+0.0081X4+0.3999X60.1861 C+0.0190X11+0.0436X120.0015EGCG0.0269X150.0340GCG0.0218X21 +0.0111ECG0.1125X26+0.0456X27式中，C、GCG、ECG、X4、X6、X11X27分别代表不同相对保留时间色谱峰的相对峰面积20。判别函数的特征值为380.9439和69.8490，典型相关系数为0.998和0.992。经方差分析同样类间差

20、异明显（P0.0001），判别结果有效。对训练集各样本回判成功率、交叉验证正确率和外部验证样本的正确判别率也均为100%。各样本判别函数得分值作图（图3）。图3 新昌地区3个品种样本的判别分析Fig. 3 Discriminant classification of tea samples made from 3 raw material cultivars of Xinchang region2.3 不同产地样本的品种来源判别为试验在不明确产地的情况下是否能够对样品的原料品种来源进行判别，将来自8个市县的100多个样本一起进行判别分析研究，获得判别函数方程组如下：F11.3343+0.000

21、04X6+0.0125X70.0082EC +0.0005EGCG0.00003X150.0006X170.0122X19+0.0089X20+0.0055X220.0019ECG+0.0105X270.0012X33+ 0.0195X41F22.35830.0195X6+0.0153X70.0024 EC0.00007EGCG+0.0053X150.0020 X170.0241X19+0.0133X20+0.0163 X220.0016ECG+0.0034X27+0.0146 X330.0109X41式中，EC、EGCG、ECG、X6、X7、X15X41分别代表不同相对保留时间色谱峰的相对峰

22、面积20。计算得到其特征值为12.7452和6.7339，典型相关系数为0.963和0.933。方差分析同样证明其类间差异明显（P0.0001），判别结果有效。对133个训练集样本的回判仅有1个群体种样本被错判为迎霜，正确率为99.2%，交叉验证仅群体种有3个样本发生错误，其余130个样本全部正确，成功率为97.7%，说明得到的判别方程稳定性良好，对13个外部验证样本的判别全部正确，成功率100%。各样本判别函数得分值如图4。图4 不同地区3个品种样本的判别分析Fig. 4 Discriminant classification of tea samples made from 3 raw m

23、aterial cultivars of different regions3 讨论化学指纹图谱技术是采用一定的提取分离程序去除那些存在于植物中的非特征性成分，获取每种植物中具有特征性的化学成分的总提取物，再采用现代分析手段测定这种特征总提物的图谱，来建立对植物特征化学成分的总体描述，具有整体性和模糊性两大特征。植物特征性成分在生长过程中的表达，虽然也受环境条件的影响，但主要是决定于其基因型，所以茶产品原料品种属性能够用化学指纹图谱来判别，较之其它的属性分析更易于被理解和接受。本文的研究结果也表明，茶叶的化学指纹图谱能够很好地表征产品的原料品种属性。采用本文的方法，建立的是一种基于分类的判别验

24、证技术，即将一种茶叶产品的原料来源判定到几种可能的候选类别之一中去。在此基础上，进一步研究需考虑建立的是另外一种形式的鉴别技术，即建立一种判定某一产品的原料是否来自于一特定品种的技术。在目前有关茶叶品质和类别的化学鉴别研究中，应用最多的是红外技术。如采用红外分析技术进行茶产品大类判定的可行性研究21,22。采用红外分析技术对茶产品进行定性定量分析的可行性研究2325等。采用色谱技术进行研究的较少，也未见有采用指纹图谱技术进行茶树原料品种的判别研究。虽然有些研究报道在标题中提到了品种，但实际上研究的还是茶产品的种类，而不是茶树品种26,27。因此，本文对采用化学指纹图谱技术进行茶叶原料品种判别研

25、究的可行性证明对于茶产品的质量追踪具有一定的实践意义和应用前景。4 结论本文研究证明，采用色谱技术建立的绿茶多元化学指纹图谱，能够较好地表征茶叶样本的原料品种属性，在此基础上，有望通过进一步引入更为合适的判别技术，建立一种对茶产品原料品种的鉴别验证技术。致谢：本文研究得到丽水市农业局潘建义先生、新昌县农业局孙利育女士和建德市农业局张友炯先生大力协助。References1石志红, 何建涛, 常文保. 中药指纹图谱技术. 大学化学, 2004, 19(1): 33-39.Shi Z H, He J T, Chang W B. Techniques of Chinese herb fingerpr

26、ints. University Chemistry, 2004, 19(1): 33-39. (in Chinese)2Srivastaw A, Misra H, Verma R K, Gupta M M. Chemical fingerprinting of Andrographis paniculata using- HPLC, HPTLC and densitometry. Phytochemical Analysis, 2004, 15: 280-285.3李晓丽, 胡兴越, 何 勇. 基于主成分和多类判别分析的可见红外光谱水蜜桃品种鉴别新方法. 红外与毫米波学报, 2006, 25

27、(6): 417-420.Li X L, Hu X Y, He Y. New approach of discrimination of varieties of juicy peach by near infrared spetra based on PCA and Mda model. Journal of Infrared Millimeter Waves, 2006, 25(6): 417-420. (in Chinese)4毕淑峰, 朱显灵, 马成泽. 逐步判别分析在中国烤烟香型鉴定中的应用. 热带作物学报, 2006, 27(4): 104-107.Bi S F, Zhu X L,

28、 Ma C Z. Application of stepwise discriminatory analysis in distinguishing aromas of flue-cured tobacco in China. Chinese Journal of Tropical Crops, 2006, 27(4): 104-107. (in Chinese) 5Goto T, Yoshida Y, Kiso M, Nagashima H. Simultaneous analysis of individual catechins and caffeine in green tea. Jo

29、urnal of Chromatography A, 1996, 749: 295-299.6Horie H, Mukai T, Kohata K. Simultaneous determination of qualitatively important components in green tea using capillary electrophoresis. Journal of Chromatography A, 1997, 758: 332-335.7Zuo Y G, Chen H, Deng Y W. Simultaneous determination of catechin

30、s, caffine and gallic acid in green, oolong, black and pu-reh teas using HPLC with a photodiode array detector. Talanta, 2002, 57: 307-316.8Khokhar S, Magnusdotiir S G M. Total phenol, catechin, and caffeine contents of teas commonly consumed in the United Kingdom. Journal of Agricultural and Food C

31、hemistry, 2002, 50: 565-570.9罗一帆, 郭振飞, 朱振宇, 王川丕, 江和源, 韩宝瑜. 近红外光谱测定茶叶中茶多酚和茶多糖的人工神经网络模型研究. 光谱学与光谱分析, 2005, 25(8): 1230-1233.Luo Y F, Guo Z F, Zhu Z Y, Wang C P, Jiang H Y, Han B Y. Studies on ANN models of determination of tea polyphenol and amylose in tea by near infrared spectroscopy. Spectroscopy a

32、nd Spectral Analysis, 2005, 25(8): 1230-1233. (in Chinese)10何 昱, 洪筱坤, 王智华. 33批茶多酚高效液相色谱指纹图谱的质量控制研究. 中国药学杂志, 2006, 41(2): 139-142.He Y, Hong X K, Wang Z H. Study on HPLC-fingerprint quality control of thirty-three batches of tea polyphenols. Chinese Pharmaceutics Journal, 2006, 41(2): 139-142. (in Ch

33、inese)11陈全胜, 赵杰文, 张海东, 刘木华. SIMCA模式识别方法在近红外光谱识别茶叶中的应用. 食品科学, 2006, 27(4): 186-189.Chen Q S, Zhao J W, Zhang H D, Liu M H. Application of near infrared reflectance spectroscopy to the identification of tea using SIMCA pattern recognition method. Food Science, 2006, 27(4): 186-189. (in Chinese)12陈 波,

34、张 巍, 康海宁, 邓志威, 王小如. 茶叶的1H NMR指纹图谱研究. 波谱学杂志, 2006, 23(2): 169-180.Chen B, Zhang W, Kang H N, Deng Z W, Wang X R. Fingerprinting tea by 1H NMR. Chinese Journal of Magnetic Resonance, 2006, 23(2): 169-180. (in Chinese)13Li X L, He Y, Wu C Q, Sun D W. Nondestructive measurement and fingerprint analysis

35、of soluble solid content of tea soft drink based on Vis/NIR spectroscopy. Journal of Food Engineering, 2007, 82: 316-323.14Fernndez P L, Pablos F, Martin M J, Gonzalez A G. Study of catechin and xanthine tea profiles as geographical tracers. Journal of Agricultural and Food Chemistry, 2002, 50: 1833

36、-1839.15Borse B B, Rao L J M, Nagalakshmi S, Krishnamurthy N. Fingerprint of black teas from India: identification of the regio-specific characteristics. Food Chemistry, 2002, 79: 419-424.16Rio D D, Stewart A J, Mullen W, Burns J, Lean M E J, Brighenti F, Crozier A. HPLC-MS Analysis of phenolic comp

37、ounds and purine alkaloids in green and black tea. Journal of Agricultural and Food Chemistry, 2004, 52: 2807-2815.17范骁辉, 叶正良, 程翼宇. 基于信息融合的中药多元色谱指纹图谱相似性计算方法. 高等学校化学学报, 2006, 27(1): 26-29.Fan X H, Ye Z L, Cheng Y Y. A computational method based on information fusion for evaluating the similarity of m

38、ultiple chromatographic fingerprints of TCM. Chemical Journal of Chinese Universities, 2006, 27(1): 26-29. (in Chinese)18王龙星, 肖红斌, 梁鑫淼, 毕开顺. 一种评价中药色谱指纹谱相似性的新方法: 向量夹角法. 药学学报, 2002, 37(9): 713-717.Wang L X, Xiao H B, Liang X M, Bi K S. Vectorial angle method for evaluation the similarity between two c

39、hromatographic fingerprints of Chinese herb. Acta Pharmaceutica Sinica, 2002, 37(9): 713-717. (in Chinese)19程翼宇, 陈闽军, 吴永江. 化学指纹图谱的相似性测度及其评价方法. 化学学报, 2002, 60(110): 2017-2021.Cheng Y Y, Chen M J, Wu Y J. Measures for determining the similarity of chemical fingerprint and a method of evaluating the me

40、asures. Acta Chimica Sinica, 2002, 60(110): 2017-2021. (in Chinese)20王丽鸳, 成 浩, 周 健, 叶 阳, 刘 栩, 陆文渊. 绿茶数字化多元化学指纹图谱建立初探. 茶叶科学, 2007, 27(4): 335-342.Wang L Y, Cheng H, Zhou J, Ye Y, Liu X, Lu W Y. A preliminary attempt to establish the digital multiple chemical fingerprints of green tea. Journal of Tea Science, 2007, 27(4): 335-342. (in Chinese)21Chen Q S, Zhao J W, Fang C H, Wang D W. Feasibility study on identification of green, black and oolong teas using near-infrared reflectance spectroscopy based on support vector machi