Немного о достижениях в области инструментальной оценки чая. Часть 1. Качество и география

Группа учёных Ключевой лаборатории биологии, генетики и разведения животных и растений особого экономического значения при Научно-исследовательском институте чая Китайской академии сельскохозяйственных наук в Ханчжоу изучила возможности интеграции электронного носа, электронного глаза и электронного языка – см. pmc.ncbi.nlm.nih.gov/articles/P… . В последние годы было много публикаций о применении этих устройств для оценки качества чая, но ещё никто не использовал все три прибора вместе.

Объектом исследования были 56 гунфухунов, т.е. современных красных чаёв, из 17 провинций Китая – от Фуцзяни, Аньхоя и Юньнани до Хайнаня, Шаньси и Чунцина (интересно, что два чунцинских чая вошли в десятку образцов, получивших самые высокие оценки). Эти образцы были оценены шестью профессиональными дегустаторами по стобалльной шкале; 25% оценки определялось ароматом, 30% — вкусом, 10% — цветом настоя (по-видимому, остальное приходилось на внешний вид сухого чая и, возможно, «чайное дно»). Разброс полученных оценок – от 80,62 до 95,77 баллов. После этого чаи были поделены на два класса: I класс – с оценками выше 90 баллов и II класс – ниже 90, и ханчжоуские учёные проверили, могут ли электронные анализаторы заменить белковых экспертов, то есть можно ли с помощью E-nose, E-tongue и E-eye отличить чай I класса от чая II класса.

Электронный нос, в данном случае представлявший собой газовый хроматограф (а вообще бывают разные E-noses), «унюхал» 44 летучих вкусоароматических соединения. Электронный язык имел 7 датчиков, 5 из которых были чувствительны к кислому, сладкому, горькому, солёному и умами, а ещё 2 отвечали за комплексные вкусы. Электронный глаз определял L* — яркость в диапазоне от 0 (чистый чёрный) до 100 (чистый белый), a* — показатель положения на шкале зелёный-красный (от −128 до +127) и b* — показатель положения на шкале синий-жёлтый (от −128 до +127); кроме того, были выделены 40 оттенков, характерных для красных чаёв, и их интенсивность также измерялась; итого 43 параметра. Всего получилось 94 переменных: 44 «А» — «обонятельных», 7 «B» — «вкусовых» и 43 «С» — «визуальных».

Сперва учёные попытались разделить чай на классы при помощи каждого из приборов по отдельности. Ортогональный дискриминантный анализ регрессии частичных наименьших квадратов (OPLS-DA) показал, что при использовании электронного носа образцы класса I и образцы класса II сегрегированы, но недостаточно для того, чтобы эффективно их различить; при использовании электронного глаза области двух классов перекрываются; при использовании электронного языка они полностью смешаны (см. рис. 1).

Если же взять для OPLS-DA данные от всех трёх устройств, то образцы класса I и образцы класса II дифференцируются надёжно (см. рис. 2).

Затем из 94 измеряемых параметров были выделены 30 ключевых, которые вносили наибольший вклад в различия между двумя классами. 22 из них оказались «обонятельными», 7 – «визуальными» и лишь 1 – «вкусовым». 11 из 30 показателей – A3 (диметилсульфид), A5 ((4Z)-1,4-гексадиен), A7 (3-этилпентан), A10 (метилпропионат), A20 (метилнонилкетон), A25 (диметилсульфид), A41 (цитронеллаль), C1 (L*), C2 (a*), C3 (b*) и C39 (оттенок 2912 – глубокий оранжевый) – ассоциировались с I классом, то есть с высоким качеством. Другие 19 показателей – A1 (ацетальдегид), A4 (транс-1,4-гексадиен), A9 (бензол), A13 (2-метилбутаналь), A15 (диметилдисульфид), A22 (этиловый спирт), A23 (3-метилбутен-1), A26 (циклопентадиен), A27 (этилацетат), A28 (изовалериановый альдегид), A29 ((2E)-4-метил-2-гексен), A34 (пропионовая кислота), A36 (диметилдисульфид), A38 (3-гексанон), A40 (фурфурол), B6 (ANS – сладкий вкус; неожиданно; возможно, опечатка?..), C19 (оттенок 2113 – насыщенный коричневый), C20 (оттенок 2114 – насыщенный коричневый) и C24 (оттенок 2130 – насыщенный коричневый) – были связаны с II классом.

В заключение учёные проверили, насколько удачно математическая модель, использующая эти параметры, будет предсказывать оценки живых дегустаторов. Для этого образцы чая были случайным образом разделены на обучающий набор (39 образцов) и проверочный набор (17 образцов). Анализируя взаимосвязи между ключевыми параметрами образцов обучающего набора и выставленными этим образцам оценками, программа выводила закономерности, а потом, приложив эти закономерности к параметрам образцов проверочного набора, вычисляла их вероятные оценки.

Как и следовало ожидать, предсказательная сила электронного носа оказалась выше, чем электронного глаза, а электронного глаза – выше, чем электронного языка. Но по-настоящему впечатляющую точность обеспечила их интеграция: при анализе методом частичных наименьших квадратов (PLSR) абсолютная погрешность между реальной оценкой дегустаторов и вычисленным значением находилась в пределах 1,39 балла, а относительная – в пределах 1,62% (см. рис. 3).

Почти столь же точен был и метод пошаговой множественной линейной регрессии (SMLR), суть которого – в сокращении взаимозависимых параметров, с тем чтобы осталось максимально короткое линейное уравнение. В оптимальном уравнении (см. рис. 4) осталось лишь 12 переменных – 10 «обонятельных» и 2 «визуальных»: A41 (цитронеллаль), A7 (3-этилпентан), C2 (a*), A25 (диметилсульфид) и A18 (3-гексанон) коррелировали с оценкой качества чая положительно, а A1 (ацетальдегид), A16 (этилизобутират), C43 ( оттенок 3200 – глубокий оранжево-жёлтый), A40 (фурфурол), A36 (диметилдисульфид), A28 (изовалериановый альдегид) и C20 (оттенок 2114 – насыщенный коричневый) – отрицательно.

Лично меня здесь больше всего впечатляет, что эта модель успешно работает с самыми разными красными чаями из разных регионов. А если натренировать «нос», «глаз», «язык» и соответствующее программное обеспечение на отдельную региональную группу – скажем, на дяньхуны или на цихуны, да ещё взять побольше дегустаторов, то точность наверняка будет ещё выше.

Советую читателям обратить внимание на три момента.

Во-первых, оценка профессиональных дегустаторов рассматривается как основа, как истина («true value»). И задача – сделать так, чтобы программа, анализируя данные приборов, выдавала такие же баллы, как дегустатор-эксперт. Стоит задуматься тем, кто считает оценки китайских экспертов – вкусовщиной, а свой личный вкус – мерилом всех мерил.

Во-вторых, результаты этого исследования подтверждают эмпирический вывод, к которому рано или поздно приходит каждый любитель чая: высококлассный чай отличается от посредственного в первую очередь ароматом, а вкусом – в гораздо меньшей степени (хотя, конечно, летучие соединения вносят большой вклад и в ощущение, которое большинство людей интерпретирует как вкус). Соответственно, чем больше внимания вы будете уделять аромату чая, тем лучше будете разбираться в его качестве.

В-третьих, многие из значимых параметров коррелируют с качеством чая отрицательно. Качество чая проявляется не только и иногда не столько в наличии приятных оттенков вкуса и аромата, сколько в отсутствии нежелательных.

И да, вывод, что при оценке качества чая стоит одновременно использовать глаза, нос и язык – не электронные, а собственные – однозначно будет верным.

Желающим узнать побольше о применении электронных носов, языков и глаз рекомендую обзор pmc.ncbi.nlm.nih.gov/articles/P… .

***

Сотрудники Колледжа садоводства Нанкинского сельскохозяйственного университета проанализировали различия между фудинскими, юньнаньскими и синьянскими белыми чаями с помощью электронного языка, высокоэффективной жидкостной хроматографии, спектрофотометрии и ионообменной хроматографии – см. pmc.ncbi.nlm.nih.gov/articles/P… . Была также оценена их антиоксидантная активность.

Были исследованы 18 образцов белого чая из почек с двумя листьями: 6 фудинских (2 – из культивара Фудин Да Бай Ча и 4 – из Фудин Да Хао Ча), 6 юньнаньских (4 – из округа Линьцан, культивар Мэнку Да Е Чжун и 2 – из округа Пуэр, культивар Цзингу Да Бай Ча) и 6 – из района Шихэ округа Синьян (3 – из культивара Фудин Да Бай Ча и ещё 3 – из местных популяционных разновидностей). Образцы оценивались семью профессиональными экспертами по стобалльной шкале; внешний вид сухого чая составлял 20% оценки, цвет настоя – 10%, аромат – 30%, вкус – 30%, «чайное дно» — 10%. По суммарной оценке на первом месте оказались фудинские чаи (от 83,28 до 84,30), на втором – синьянские (от 81,20 до 82,56), на третьем – юньнаньские (от 78,41 до 80,92); в целом, так же обстояло дело и с элементами оценки по отдельности, за единственным исключением «чайного дна» — в среднем, оно оказалось лучше у синьянских образцов.

Шесть сенсоров электронного языка измеряли умами, солёный, кислый, горький, терпкий и сладкий вкусы. Как анализ главных компонентов (PCA), так и иерархический кластерный анализ (HCA) разделили образцы на три группы, соответствующие регионам происхождения чая (см. рис. 5), однако их области на диаграмме PCA частично перекрывались. Фудинский чай имел самую высокую кислотность, горечь, солёность, сладость и умами, а юньнаньский – максимальную терпкость. Это хорошо соответствовало описаниям чая, которые дали дегустаторы.

Однако статистический анализ на основе 51 химического показателя (7 так называемых основных компонентов качества по данным спектрофотометрии – общие полифенолы, общие флавоноиды, растворимые сахара, свободные аминокислоты, теафлавины, теарубигины и теабраунины, 17 фенольных соединений, 3 пуриновых алкалоида, 4 теафлавина, 19 альфа-аминокислот (18 белковых и L-теанин) и ГАМК) разделил образцы по регионам происхождения эффективнее (см. рис. 6). Юньнаньские чаи отличались высоким содержанием ряда катехинов (эпикатехин, эпигаллокатехин, галлокатехингаллат, эпикатехингаллат), пуриновых алкалоидов (кофеин, теобромин), чайных пигментов (теарубигины, теабраунины) и флавоноидов (рутин, таксифолин, мирицетин, теафлавин-3,3′-дигаллат) и ГАМК. В фудинских чаях было больше галловой кислоты, растворимых сахаров и аминокислот: L-теанина, L-аргинина, L-аспарагиновой кислоты, L-аспарагина, L-аргинина и L-глутаминовой кислоты. У синьянских образцов был другой аминокислотный профиль – в них было обнаружено высокое содержание L-гистидина, L-изолейцина, L-глицина и L-фенилаланина.

Двенадцать компонентов оказались ключевыми для географической идентификации белых чаёв в рамках этой работы. Среди них четыре катехина (эпикатехингаллат, галлокатехингаллат, галлокатехин и катехингаллат), три теафлавина (теафлавин, теафлавин-3-галлат и теафлавин-3,3′-дигаллат), галловая кислота, L-глутаминовая кислота, L-аспарагиновая кислота, ГАМК и кофеин.

Высокое содержание катехинов и кофеина в юньнаньском чае объясняется природными особенностями ассамской разновидности Camellia sinensis; такой уровень катехинов обуславливает значительно более высокую антиоксидантную активность по сравнению с чаями из Фудина и Синьяна. Длительное завяливание фудинских белых чаёв способствует накоплению теарубигинов, теабраунинов, теафлавин-3,3′-дигаллата, растворимых сахаров и многих аминокислот; благодаря этому у них более мягкий, менее терпкий вкус. С чем связано высокое содержание L-гистидина, L-изолейцина, L-глицина и L-фенилаланина в синьянских чаях, однозначно ответить трудно – причина может быть в особенностях местных популяционных сортов, климата Синьяна или же в сравнительно коротком завяливании.

***

Ещё одно, более старое исследование на аналогичную тему, проведённое в Национальном центре совершенствования чая при уже упомянутом Научно-исследовательском институте чая Китайской академии сельскохозяйственных наук в Ханчжоу — pubmed.ncbi.nlm.nih.gov/24176319/ , sci-hub.ru/10.1016/j…. . Но здесь электронные носы и языки не применялись – возможно, в начале 2010-х они были ещё недостаточно совершенны. Ханчжоуские учёные определяли происхождение Лун Цзина при помощи классической высокоэффективной жидкостной хроматографии.

Были взяты 80 образцов из 27 точек в производственной зоне Сиху (XHLJ), 59 образцов из 20 точек в производственной зоне Цяньтан (QTLJ), 80 образцов из 27 точек в производственной зоне Юэчжоу (YZLJ) и 41 образец из 15 точек за пределами области геозащиты Лун Цзина (non-LJ) – см. рис. 7; о географии аутентичного Лун Цзина мы писали здесь — vk.com/wall-47905050_22488 . Из каждой точки брали два-три образца с интервалом в две недели.

Внешне хроматограммы всех групп образцов, не исключая и лишуйские аналоги Лун Цзина, были очень похожи. И анализ главных компонентов по 20 крупнейшим пикам хроматограмм не позволил разделить их области – см. рис. 8.

А вот дискриминантный анализ дал неплохие результаты. При разделении Сиху Лун Цзина и лишуйского не-Лун Цзина средняя точность проверки достигла 97,4% — фактически, только один из 26 экземпляров Сиху Лун Цзина был определён как не-Лун Цзин, а все 13 лишуйских образцов были определены верно – см. рис. 9. Средняя точность разделения Сиху Лун Цзина и Цяньтан Лун Цзина – 88,9%, Сиху Лун Цзина и Юэчжоу Лун Цзина – 90,4%. И наконец, Сиху Лун Цзина от всех других образцов, не относящихся к зоне Сиху (т.е. и цяньтанских, и юэчжоуских, и лишуйских) – 87,6% (см. рис. 10). А ведь это было более десяти лет назад! Сейчас же наверняка доступна ещё более высокая точность.

Как видите, географическая идентификация чая – это не просто попытка защитить более старых производителей того или иного сорта, набить цену чаю из исторического района его производства и т.д. Чаи, даже весьма похожие внешне, по аромату и вкусу, но имеющие разное происхождение, фактически отличаются друг от друга по составу – и с помощью современных методов исследования и многомерного статистического анализа их можно с высокой точностью разделить.

Продолжение следует.

Рис. 1. Распределение образцов красного чая при ортогональном дискриминантном анализе регрессии частичных наименьших квадратов (OPLS-DA). А – электронный нос, В – электронный язык, С – электронный глаз. Жёлтое – I класс (высокое качество), красное – II класс (низкое качество).

Рис. 2. Распределение образцов красного чая при ортогональном дискриминантном анализе регрессии частичных наименьших квадратов (OPLS-DA) при объединении данных электронного носа, языка и глаза. Жёлтое – I класс (высокое качество), красное – II класс (низкое качество).

Рис. 3. Предсказательный потенциал объединения электронного носа, языка и глаза. А – метод частичных наименьших квадратов (PLSR), В – метод пошаговой множественной линейной регрессии (SMLR). По оси абсцисс – оценка дегустаторов, по оси ординат – вычисленная оценка, красное – обучающий набор, зелёное – проверочный набор.

Рис. 4. Оптимальное уравнение качества красного чая, полученное методом пошаговой множественной линейной регрессии (SMLR). SQR – суммарная оценка чая по стобалльной шкале, A41 – цитронеллаль, A7 – 3-этилпентан, C2 – a*, A25 – диметилсульфид, A18 – 3-гексанон, A1 – ацетальдегид, A16 – этилизобутират, C43 – оттенок 3200 (глубокий оранжево-жёлтый), A40 – фурфурол, A36 – диметилдисульфид, A28 – изовалериановый альдегид, C20 – оттенок 2114 (насыщенный коричневый).

Рис. 5. Разделение образцов белого чая из трёх регионов на основе данных электронного языка: a – метод главных компонентов (чёрное – Фудин, красное – Синьян, зелёное – Юньнань), b – иерархический кластерный анализ, c – показатели шести сенсоров прибора.

Рис. 6. Разделение образцов белого чая из трёх регионов на основе 51 химического показателя: a и b – метод главных компонентов (на диаграмме a чёрное – Фудин, красное – Синьян, зелёное – Юньнань), c – иерархический кластерный анализ.

Рис. 7. Зоны производства Лун Цзина и его аналогов на карте провинции Чжэцзян. XHLJ – Сиху, QTLJ – Цяньтан, YZLJ – Юэчжоу, non-LJ – Лишуй.

Рис. 8. Разделение образцов Лун Цзина и его аналогов из четырёх районов Чжэцзяна методом главных компонентов на основе 20 ведущих пиков хроматограмм. XHLJ – Сиху, QTLJ – Цяньтан, YZLJ – Юэчжоу, non-LJ – Лишуй.