一种基于S曲线法分析菊花精油中醇类与萜烯类物质香气协同作用的方法与流程

本发明属于食品领域，涉及一种食品风味的分析技术，尤其涉及一种分析精油香气协同作用的方法，特别是一种基于s曲线法分析菊花精油中醇类与萜烯类物质香气协同作用的方法。

背景技术

菊花是我国十大传统名花之一,具有观赏、食用和药用价值。我国是菊花的起源中心和菊属种质资源的分布中心,拥有3000余个菊花品种,在明末清初开始传入欧洲等地。我国中部、东部和西南部分地方栽种的菊花非常多。

菊花精油的特征香气是消费者衡量菊花精油品质的重要指标，决定菊花精油的典型性。但是针对菊花精油中香气物质之间的相互作用，查阅了大量文献，国内外目前没有学者对这一块进行研究。香气的形成不是各个化合物简单的加和而来，而是这些化合物之间通过各种各样的相互作用最终形成。

技术实现要素：

针对现有技术中的上述技术问题，本发明提供了一种基于s曲线法分析菊花精油中醇类与萜烯类物质香气协同作用的方法，所述的这种基于s曲线法分析菊花精油中醇类与萜烯类物质香气协同作用的方法要解决现有技术中对香气物质协同作用方法研究空缺的技术问题。

本发明提供了一种基于s曲线法分析菊花精油中醇类与萜烯类物质香气协同作用的方法，包括下列步骤：

1)一个判断物质浓度c和检测概率p关系的步骤，以角鲨烷为基质，将菊花精油中萜烯类物质的实际浓度配制萜烯重组样品，将醇类物质a、萜烯重组样品b及ab混合物以2为稀释因子稀释10个梯度，分别测定10个梯度下，物质a、b及ab混合物的检测概率p(a)、p(b)、p(ab)；p＝正确人数/嗅闻人数；2)利用sigmaplot12.0软件，对上述步骤得出的10个数据点绘制浓度c-检测概率p的关系模型，其中相关系数r应大于0.95)，根据公式y＝1/(1+exp(-(x-x0)/b))进行拟合，得到拟合s曲线，并由此计算出混合后阈值；式中y为检测概率；x为浓度的对数值，logc；x0为阈值的对数值；b^-1为s曲线斜率；

3)根据实际阈值和理论阈值的比值，判断物质之间的协同作用效果；混合物ab的实测阈值，通过物质浓度c-检测概率p绘制实测曲线，并根据公式y＝1/(1+exp(-(x-x0)/b))得出拟合实测s曲线，校正检测概率p＝0.5时，对应的浓度为实测阈值；

混合物ab的理论阈值，通过加合公式p(ab)＝p(a)+p(b)-p(a)*p(b)计算p(ab)，绘制浓度c-检测概率p的理论曲线，并根据y＝1/(1+exp(-(x-x0)/b))进行拟合，得到理论拟合s曲线，校正检测概率p＝0.5时，对应的浓度为理论阈值；

香气物质间协同作用效果判断依据为：d＝实验阈值/理论阈值，当d>2，掩盖；1<d<2，部分掩盖；d＝1，无作用；0.5<d<1，部分加成；d<0.5，协同。

进一步的，利用校正公式p＝(3*p-1)/2校正检测概率，其中p：校正检测概率，p：实验检测概率(大写p代表校正以后的检测概率，小写p代表实验检测概率)，减少实验因随机性导致的误差。

进一步的，测定混合物ab的阈值时，混合物中物质a和物质b的浓度比值取决于物质a和物质b在精油中实际测定的浓度比。

本发明采用s曲线法，通过绘制10个不同浓度-响应概率(c-p)曲线，利用s曲线方程进行拟合，并定义纵坐标p＝0.5时，对应的横坐标为检测阈值，以此考察不同醇类香气物质与萜烯类物质组合前后的阈值变化。本发明采用s曲线法分析菊花精油中醇类与萜烯类香气协同作用的影响，能够更直观的反映出阈值的变化，可以阐明醇类物质与萜烯类物质之间香气的相互作用，操作简单、易行，准确度更高，适用性广泛。

本发明利用sigmaplot12.0软件，考察了浓度c-检测概率p之间的关系，建立s曲线模型，是一种全新的鉴定香气物质间协同作用的方法，操作简单快速，结果直观可靠。

本发明和已有技术相比，其技术进步是显著的。本发明利用s曲线公式进行拟合，考察不同香气成分组合前后的阈值变化，阐明一种基于s型曲线法分析菊花精油中醇类与萜烯类物质香气协同作用的方法。本发明对香气物质的研究取得了突破性进展，弥补了香气物质协同作用方法研究技术方面的空白，为改善菊花精油香气品质提供了理论支持和技术指导。

附图说明

图1为异龙脑加入到萜烯重组样品后的s曲线模型。

具体实施方式

为进一步阐释s曲线法对于菊花精油中醇类与萜烯类香气化合物协同作用的方法，下面结合实例作更详尽的说明。

本方法主要采用s曲线法对菊花精油中醇类与萜烯类香气物质之间的协同作用进行研究，具体步骤如下：

1)绘制浓度c-检测概率p的s曲线

a.以角鲨烷为基质，将菊花精油中萜烯类物质的实际浓度配制萜烯重组样品。

表1本发明菊花精油中萜烯类和醇类物质浓度表

根据表1中的含量配制萜烯重组样品，醇类香气物质样品以及萜烯重组与醇类物质混合后的样品。

b.将醇类物质a、萜烯重组样品b及混合物ab以2为稀释因子稀释10个梯度，分别测定10个梯度下，物质a、b及ab混合物的检测概率p(a)、p(b)、p(ab)，利用校正公式p＝(3*p-1)/2(p：校正后检测概率；p：实测当前浓度下检测概率，p＝正确人数/嗅闻人数)校正检测概率，减少实验因随机性导致的误差。

2)利用sigmaplot12.0软件，根据公式y＝1/(1+exp(-(x-x0)/b))对上述步骤得出的10个数据点绘制浓度c-检测概率p的s曲线(其中相关系数r应大于0.95)，进行拟合，确立物质的浓度与检测概率的模型，并由此计算出香气化合物的阈值。混合物理论阈值是通过加合公式p(ab)＝p(a)+p(b)-p(a)*p(b)计算p(ab)，然后绘制浓度c-检测概率p关系曲线，并根据y＝1/(1+exp(-(x-x0)/b))进行拟合，得到理论拟合s曲线。检测概率p＝0.5时，即下图中参考线与理论拟合s曲线相交的点，对应的浓度为理论阈值。在混合物实测阈值的过程中，异龙脑加入到萜烯重组样品后的混合稀释梯度浓度第一点为150mg/l，以2为稀释因子向下稀释9个梯度，将这10个数据点绘制关系曲线并进行拟合，得到实测拟合s曲线，检测概率p＝0.5时，即下图中参考线与实测拟合s曲线相交的点，对应的浓度为实测阈值。根据实际阈值和理论阈值的比值，判断物质之间的协同作用效果。

表2本发明测定在萜烯重组样品中添加异龙脑的检测概率运算表

表2为s曲线绘制过程中所需p值的计算值，根据表中的数据绘制s曲线，并计算理论阈值和实测阈值，根据两者的比值判断协同作用效果。

图1为异龙脑加入到萜烯重组样品中的s曲线模型图，从图中可以直观的看出异龙脑加入到萜烯类组成的萜烯重组样品中，实验阈值小于理论阈值，d<0.5，说明醇类异龙脑的加入，使萜烯重组样品的阈值变小，证明了醇类中的异龙脑与萜烯重组样品产生了协同效果。