多种甜味剂的电子舌味觉评价

黄嘉丽，黄宝华,，左珊珊，郭成龙，周金林，卢宇靖

（1.广东工业大学轻工化工学院，广东 广州 510006；2.广东金骏康生物技术有限公司，广东 佛山 528225；3.梅州金柚康健康科技有限公司，广东 梅州 514021；4.广东工业大学生物医药学院，广东 广州 510006）

甜味能够刺激食欲，合理使用甜味剂可以制造出可口诱人的食品。近年由于健康意识的提高，低热量、口感好的食品越来越受到人们的青睐，故无热量、低热量的甜味剂在食品领域得到广泛使用。甜味剂甜味强度比高热量的蔗糖高得多，在应用中仅需少量就可达到希望的甜度。但多数甜味剂甜味不纯正，呈现速度和持续时间与蔗糖相比有差异，存在不良“异味”，导致口感不愉快。为了满足消费者对减糖和口感的双重需求，研究者基于不同甜味剂的特性进行复配，克服单一甜味剂的弊端，以期达到协同增效和掩盖不良口味的目的[1]。据报道，甜菊糖与新橙皮苷二氢查尔酮（neohesperidin dihydrochalcone，NHDC）按一定比例复配，后苦味明显降低，复配物的甜感与蔗糖相近[2-3]。不同甜味剂甜度和甜感特征不同，甜味剂的推广应用、复配研发多通过感官品质指标进行分析判断，缺乏甜味的客观评价手段。传统上甜味评价主要采用感官评价法，评价过程费时、费力，结果易受主观和环境因素影响[4]，开发客观高效的新型智能评价技术势在必行。近年发展的电子舌是一种智能味觉分析技术，可模拟人类味觉评估过程，快速鉴定液体样品的“味道”，对产品的感官品质提供量化的技术数据，在客观性、重现性和可比性等方面优于感官评价法[5]。在甜味评价方面，电子舌用于同类甜味物质的区分和鉴别已有报道[6-8]，但对不同类型甜味剂的检测比较研究鲜有报道。

知名食品风味与营养配料公司Kerry（凯爱瑞）在2018年发布的市场调查报告显示，多数消费者选择甜味剂时第一关注的是“甜味剂类型”[9]。按来源，甜味剂可分为天然甜味剂和人工合成甜味剂两类。人工合成甜味剂已应用多年，但最近有研究显示人工甜味剂对人类健康有潜在风险。Suez等[10]报道，10 周龄的C57Bl/6小鼠摄入1 周的0.1 mg/mL糖精钠会改变体内的肠道菌群，并引起葡萄糖耐受不良现象。通过调查381 人的3 个月饮食和他们的体重、腰臀比、空腹血糖、糖基化血红蛋白、葡萄糖耐量等临床数据，发现摄入人工合成甜味剂较多的个体比其他个体更有可能体重超标，更有可能引发葡萄糖耐受不良。此类研究结果并不足以否定目前应用广泛的人工甜味剂，但确实引发消费者的担忧。从柑橘黄酮成分衍生得到的二氢查尔酮糖苷类甜味剂，如NHDC，高甜，低热量，经历漫长的安全性评价之后在1994年获得欧盟批准使用。其虽然被划入人工甜味剂类别，但最新研究发现在多穗柯甜茶和多叶棘豆等植物中有天然的NHDC存在[11]。由于NHDC甜度很高而实际应用中使用量很小，安全性更高[2]。本实验选取了包括天然和人工合成两大类的10 种甜味剂，采用电子舌进行味觉分析测定。以蔗糖作为参比，考察电子舌对不同种类甜味剂进行区分和甜度评价的可行性，建立电子舌测定值和感官评价结果间的预测模型，以期为寻求低热量甜味解决方案的配方研发人员提供一种基于电子舌的甜味快速评价方法。

1 材料与方法

1.1 材料与试剂

蔗糖 天津大茂化学试剂厂；甘草甜素（含95%甘草酸盐） 广东味多美食品配料有限公司；糖精钠（含量99%） 天津长捷化工有限公司；甜菊糖（含97%瑞鲍迪苷A） 山东唐乐生物科技有限公司；安赛蜜（含量99%） 安徽金禾实业股份有限公司；甜蜜素（含量98%） 金城化学（江苏）有限公司；NHDC、柚苷二氢查尔酮（naringin dihydrochalcone，NDHC）（含量均达99%） 广东金骏康生物技术有限公司；三氯蔗糖（含量98%） 珠海市泛海生物技术有限公司；罗汉果提取物（含60%罗汉果甜苷V） 桂林茗兴生物科技有限公司。以上甜味剂均为食品级。

其余试剂均为分析纯。溶液配制用蒸馏水购自广州屈臣氏食品饮料有限公司。

1.2 仪器与设备

SA402B味觉分析系统 日本Insent公司；SK7200B超声波清洗器 上海科导超声仪器有限公司；JJ1000电子天平 常熟市双杰测试仪器厂。

1.3 方法

1.3.1 样品溶液配制

参照GB/T 2760—2014《食品添加剂使用标准》[12]的要求，通过预实验确定甜味剂从“几乎不甜”到“极甜”的浓度值范围，在此浓度范围中设置梯度浓度。

蔗糖溶液：配制质量分数分别为1.6%、2.7%、3.6%、5.0%、6.4%、8.5%、11.3%、15%、20%的蔗糖溶液。

甜味剂溶液：甜蜜素、甘草甜素、罗汉果提取物、甜菊糖和三氯蔗糖分别配制6 个质量浓度值溶液，安赛蜜、糖精钠、NHDC和NDHC配制9 个质量浓度溶液，具体数值见表1。

1.2.1 确定临床病例及问题大纲 根据本科临床护理教学大纲要求，分析急诊科的科室特点，由带教老师在急诊科选定常见临床病例，并取得患者或家属的知情同意。成立急诊科带教老师小组，根据某种常见病例的发病、临床表现、诊断、治疗方案和护理等方面，共同拟定相关问题大纲。每一见习内容由同一位老师带教。

表1 甜味剂溶液的配制Table 1 Preparation of sweetener solutions

6 个质量浓度值的系列溶液用于测定甜味剂的电子舌甜味值与质量浓度关系曲线。安赛蜜、糖精钠、NHDC和NDHC的9 个质量浓度值系列溶液用于构建这些甜味剂的甜味定量预测模型，其中前6 个质量浓度值用于绘制关系曲线。

1.3.2 感官评价

从本学院研究生中招募自愿参与的感官评价志愿者。根据GB/T 12312—2012《感官分析 味觉敏感度的测定方法》[13]和GB/T 12311—2012《感观分析方法 三点检验》[14]方法对志愿者进行口味敏感性培训和筛选后，最终选定15 名感官评定人员（7 名男性，8 名女性），组成感官评定小组。

1.3.2.1 甜味评价和相对甜度测定

参考文献[15]测定甜味剂溶液与5%蔗糖甜度相等时的浓度。要求评价员在3 个不同质量浓度的待测样品中找出与5%蔗糖甜度最相近的样品溶液，并对甜味剂样品的甜味口感和持续时间作出评价。根据所得质量浓度值计算不同甜味剂溶液的相对甜度。

1.3.2.2 预测模型感官评价值测定

参考GB/T 19547—2004《感官分析 方法学 量值估计法》[16]对安赛蜜、糖精钠、NHDC和NDHC等甜味剂不同质量浓度样品溶液的甜味进行评分。将甜味分为5 级，把不同质量浓度蔗糖溶液作为外部参比组。评价员对蔗糖溶液进行评估，给出评分值和甜味描述，结果见表2。参考表2对上述甜味剂的甜度评分，最终得分取所有评价员评分的平均值，简称为感官甜味值，记为T0。

表2 蔗糖的甜味描述和评分值Table 2 Sweetness description and scores of sucrose at different concentrations

1.3.3 电子舌检测

本实验使用的电子舌配置由6 根脂质膜传感器（AAE、CA0、CT0、C00、AE1和GL1）和3 根Ag/AgCl参比电极组成，采用该阵列分别检测样品溶液的6 种先味信号值（鲜味、咸味、酸味、苦味、涩味和甜味）和3 种回味信号值（鲜味的回味、苦味的回味和涩味的回味）。传感器在使用前需要活化。在传感器内部加入200 μL内部液（3.33 mol/L KCl＋0.07 mmol/L AgCl），并浸于参比溶液（0.3 mmol/L酒石酸＋30 mmol/L KCl）中活化至少24 h。活化后的传感器在参比溶液中平衡后依次浸没在参比溶液和待测样品溶液中，分别测得膜电势值Vr和Vs，经参比溶液短暂清洗后（此时膜表面仍有少量待测样品残留）再次浸入新的参比溶液中，测得Vr’。根据所测电势值，按式（1）、（2）计算样品的先味信号值（R）和回味信号值（CPA）：

每个样品溶液重复测定4 次，取后3 次数据的平均值作为测试结果，其中将GL1传感器测得的先味值（即甜味值）简称为电子舌甜味值，记为Te。后续基于T0和Te值建立甜味剂的电子舌甜味值和感官甜味值间的预测模型。

1.3.4 主成分分析（principal component analysis，PCA）和聚类分析

采用SPSS 22进行PCA和聚类分析。PCA选择电子舌测得甜味剂样品的9 个味觉值为分析变量，基于特征值大于1抽取主成分（因子），将因子得分存为变量并作图，得到PCA得分图。聚类分析是选择组间连接的聚类方法，距离测量方式采用平方欧式距离，得到聚类分析谱系图。

1.3.5 预测模型建立与评价

使用OriginPro 8拟合方程并作图。选取蔗糖、安赛蜜、糖精钠、NHDC和NDHC，从每个甜味剂配制的9 个质量浓度水平中选取第1、3、4、6、7、9个作为校正集，其余3 个作为预测集。采用最小二乘拟合法建立以上5 种甜味剂的电子舌甜味值Te和感官甜味值T0间的回归预测模型，并进行交叉验证。基于所建模型对预测集数据的预测效果进行评价，评价指标采用校正相关系数（Rc）、验证相关系数（Rcv）、预测相关系数（Rp）、均方根误差（root mean square error，RMSE）、交互验证均方根误差（root mean square error of cross validation，RMSECV）和预测均方根误差（root mean square error of prediction，RMSEP）[18-19]。

2 结果与分析

2.1 甜味剂的感官评价

表3 感官评价法测定不同甜味剂的相对甜度Table 3 Relative sweetness of various sweeteners by sensory evaluation

如表3所示，实验测得的甜味剂相对甜度与文献值基本一致。由表4可知，天然甜味剂都有甘草味，NHDC和三氯蔗糖的异味较少，而甜菊糖、糖精钠和安赛蜜的苦涩味比较重。各甜味剂的甜味持续时间为10～60 s不等，其中属甜菊糖的甜味持续时间最长。

表4 感官评价法对不同甜味剂的甜味特征评价Table 4 Sweetness characteristics of different sweeteners assessed by sensory evaluation

2.2 甜味剂的电子舌评价

为探讨感官评价法和电子舌法对甜味剂的评价结果是否具有相似性，基于上述感官评价结果，采用电子舌评价等甜度的9 种甜味剂样品和5%蔗糖溶液，得到各甜味剂的味觉指标雷达图，如图1所示。三氯蔗糖、甜菊糖、甘草甜素和罗汉果提取物在6 个传感器上的响应值都很低；糖精钠和安赛蜜的图形轮廓较为相似，都出现了异常高的苦味和涩味值。蔗糖和NHDC拥有相近的甜味值，且在其他味觉传感器都没有响应；甜蜜素的甜味和酸味值皆为负值。

对比表4和图1结果可以发现，电子舌的检测结果与感官评价结果的符合度较高。如在感官评价中，糖精钠、安赛蜜和甜蜜素具有一定的苦涩味（表4），电子舌检测结果也显示三者有较大的苦味和涩味值（图1）。此外，电子舌的雷达图揭示了甜味剂复杂的整体味感特征，把人尝到的难以描述的口感细分并量化成了6 种基本味觉值。因此，可根据甜味剂的电子舌测得的多个味觉指标，有的放矢对甜味剂进行风味修饰或复配研究，使之口感尽可能与蔗糖一致。

图1 甜味剂的电子舌响应雷达图Fig.1 Radar chart of ET responses to sweeteners

然而，电子舌的6 个传感器对三氯蔗糖、甜菊糖、甘草甜素和罗汉果提取物的响应值都很低，这可能与传感膜的组成和甜味剂的分子结构有关。GL1对糖类分子的响应机理主要是基于传感膜的成分之一偏苯三酸的羧基可与糖分子中的2 个邻位羟基产生相互作用[27]，因此，羟基的存在及羟基间的空间距离对该传感器的响应信号有重要的影响作用[28]。三氯蔗糖分子结构跟蔗糖相比，3 个羟基被氯原子所取代，尽管余下两对相邻羟基，羟基间距离和空间构型都发生了改变，是响应信号大大下降的原因。罗汉果提取物、甜菊糖和甘草甜素味觉响应值较低，而三者皆为萜类化合物。

表5 等甜度下甜味剂的电子舌甜味值和相对甜度Table 5 ET sweetness values and relative sweetness of sweeteners with the same sweetness as 5% sucrose

由表5可知，在与5%蔗糖等甜度时，除NHDC在0.05 g/L的甜味值与5%蔗糖甜味值比较接近以外，其他甜味剂的甜味值与蔗糖都有较大差异，即等甜度的不同甜味剂在电子舌甜味传感膜的甜味响应不同，电子舌甜味值不能用于直接比较不同类型甜味剂之间的相对甜度大小。从表5还可以看到，以电子舌测定的甜味值换算为5%蔗糖的相对甜度时，除了甜菊糖、甘草甜素、甜蜜素和罗汉果提取物的电子舌响应值太低或负响应不能换算，所得NHDC、糖精钠、安赛蜜和NDHC的相对甜度值与文献报道值基本符合。

2.3 甜味传感器对不同甜味剂的敏感性

图2 电子舌甜味值与甜味剂的质量浓度关系图Fig.2 Relationship between ET sweetness value and concentration of sweeteners

针对甜味剂的甜味，考察电子舌甜味传感器GL1对10 种甜味剂的敏感性。在实验过程中发现该传感器对不同甜味剂的响应并非都是正值。从图2a～c可知，蔗糖、NHDC、NDHC、安赛蜜和糖精钠的甜味值随质量浓度的增大而明显升高，随着质量浓度继续升高，甜味值逐渐趋于平缓。三氯蔗糖的甜味值随质量浓度的增大而缓慢增大（图2a），响应灵敏度低。从图2d可知，甘草甜素、罗汉果提取物、甜蜜素和甜菊糖的甜味值为负值，随着质量浓度增大甜味值趋向更负。其中，甜菊糖和罗汉果提取物的甜味值变化幅度非常小，甜蜜素的变化幅度较大，呈现明显的负相关关系。可见，GL1可用于蔗糖、NHDC、NDHC、安赛蜜、糖精钠和甜蜜素的甜味检测。

2.4 电子舌对甜味剂甜味定量预测模型的构建及评估

基于上述电子舌对蔗糖、NHDC、NDHC、安赛蜜和糖精钠甜味的良好响应，尝试建立这5 种甜味剂甜味的电子舌定量预测模型。

蔗糖、NHDC、NDHC、安赛蜜和糖精钠等5 种甜味剂的电子舌甜味响应值与质量浓度呈正相关（图2a～c），由于甜蜜素与这5 种甜味剂的响应趋势不同，因此本实验只针对5 种正相关响应的甜味剂构建模型。以不同质量浓度的蔗糖、NHDC、NDHC、安赛蜜和糖精钠的电子舌检测甜味值Te和感官评价甜味值T0进行回归分析，得到Te和T0值的拟合曲线和方程式，结果如图3和表6所示。由图3可知，蔗糖、安赛蜜、NHDC的Te与T0值呈线性关系，决定系数R2为0.903～0.997，均大于0.9，安赛蜜的线性最好，蔗糖次之。NDHC和糖精钠的线性拟合度较低，改用非线性方程拟合，分别得到了R2为0.941和0.997的拟合方程式。

图3 电子舌甜味值和感官甜味值的拟合曲线Fig.3 Fitting curve of ET sweetness value versus sensory sweetness value

表6 甜味剂电子舌甜味值和感官甜味值的拟合结果Table 6 Fitting results of ET sweetness value versus sensory sweetness value of sweeteners

采用交叉验证法得到的验证集，结合预测集数据对模型的优度和预测结果进行评价。从表7可知，5 种甜味剂的甜味预测模型的Rc、Rcv和Rp为0.914～0.999，说明实测值和模型的预测值之间的相关程度较高；5 个拟合模型的效果评价指标RMSE、RMSECV和RMSEP为0.057～0.889，说明预测模型的精度较高，预测能力较好。

表7 甜味剂甜味预测模型的效果评价Table 7 Performance evaluation of sweetness prediction model for sweeteners

2.5 电子舌区分不同类型甜味剂

尝试采用PCA法和聚类分析法评估电子舌方法对不同类型甜味剂的区分能力。由PCA法得到的PCA得分图可反映样品间的差异性，样品间距离越远，说明差异越大[29]。聚类分析法根据样品数据间的相似性进行分类[30]。利用SPSS软件对6 个传感器检测的味觉指标值进行PCA降维处理，得到PCA得分图，如图4所示。PC1、PC2的总贡献率达93.1%，说明前2 个主成分代表了样品的大部分信息，可以反映样品的整体信息。根据图4样品间的距离，6 种甜味剂样品可分为4 类：蔗糖、NHDC为一类，分布在左前侧；安赛蜜和糖精钠为一类，分布在右侧；甜蜜素和NDHC则各自作为一类。说明电子舌检测能够对蔗糖、NDHC、安赛蜜、糖精钠、甜蜜素和NHDC 6 种甜味剂进行有效分类。

图4 6 种甜味剂的PCA得分图Fig.4 PCA score plot of 6 sweeteners

以SPSS对电子舌检测值进行聚类分析，如图5所示。当欧式距离为5时，6 种甜味剂被分为4 类，分类结果与PCA结果一致。PCA和聚类分析结果均表明，6 种甜味剂可分为4 大类，同一类甜味剂具有相似的甜味特性。

图5 6 种甜味剂的聚类分析谱系图Fig.5 Cluster analysis pedigree diagram of 6 sweeteners

3 结 论

采用日本Insent电子舌的味觉传感器阵列可对蔗糖、NHDC、NDHC、糖精钠、安赛蜜和甜蜜素6 种甜味物质的味觉信息进行有效检测和甜味评价，能够测定NHDC、NDHC、糖精钠、安赛蜜的相对甜度，结果与感官评价法基本一致。但电子舌对甜菊糖、三氯蔗糖、罗汉果提取物和甘草甜素的响应微弱，不适用于这些甜味剂的相对甜度测定。电子舌检测结合PCA和聚类分析能够客观地对蔗糖、NHDC、NDHC、糖精钠、甜蜜素和安赛蜜6 种不同种类甜味剂进行有效分类，结果与感官评价结果一致，表明电子舌可以用于6 种甜味剂的区分检测。

电子舌甜味值和感官评价结果间的回归分析结果表明，蔗糖、NHDC、NDHC、糖精钠和安赛蜜5 种甜味剂均具有良好的相关性，其中以安赛蜜和蔗糖的线性为最佳。该5 种甜味剂的校正集、验证集和预测集的相关系数大于0.91，均方根误差小于0.9，表明所建立的5 个定量预测模型具有较高的精度和良好的预测效果，可以通过电子舌测定的甜味值预测感官评价结果，为甜味剂的质量控制和产品研发提供一条有效的途径。