食味为先 智能解析│岛津特色风味分析方案赋能科研前沿创新
【前言】
"食以味为先"，风味是食品品质的核心特征，食品风味科学正是聚焦这一课题的交叉学科，风味科学融合化学、生物学、脑科学、工程学等多领域知识，系统研究食品风味的物质本质、形成机制、感官感知与精准调控。
作为风味的核心组成部分，气味是食品的关键感官特征，与产品品质高度关联，包括原料属性、加工工艺乃至贮藏条件的差异，都会通过改变风味物质的组成与含量，显著影响食品的气味表现。愉悦的风味不仅能为消费者带来美好的感官体验，更能赋予产品更高的附加值。
近年来，随着感官科学、多组学整合、人工智能等前沿技术的交叉融合，食品风味科学正经历深刻的范式转变，从传统依赖感官评鉴的经验性描述，转向基于分子层面的机制解析，并进一步向智能预测发展。
岛津具有多年气味分析研发和使用经验，提供全面的特色风味分析解决方案，包括高灵敏度分析系统结合专业的气味数据库，涵盖常见的气味化合物分析信息且支持扩展，同时，岛津一直保持同国内科研单位合作，共同开发特色领域针对性更强的气味数据库，并不断取得创新科研成果。
【岛津特色风味分析解决方案】
灵活配置：该系统支持配备多种GCMS主机（GCMS-QP/TQ系列），加配全自动前处理单元（AOC-6000 plus），支持液体进样/顶空进样/SPME等不同前处理模式；系统还可联用嗅探仪等，满足不同气味分析需求。
完整方案：提供包含样品前处理方案，专用耗材，专业数据库和分析指导手册等全套资料，为食品风味中的异味污染防控和检测相关研发课题提供专业解决方案。
专业的气味数据库+高灵敏度分析系统，实现泛靶向气味化合物分析及关键气味成分高灵敏度检测。
Scan模式下准确、自动检测香味化合物
包含超过500种重要香味化合物分析所需的信息
通过保留时间、质谱色谱图和质谱图3种鉴定因素对香味化合物进行高精度检测
气味特征和半定量功能快速分析引发香味的化合物
所包含化合物的气味信息和半定量功能有助于对形成香气的化合物进行分析
支持MRM或SIM高灵敏度目标物分析
无需标准品即可快速创建MRM或SIM模式的高灵敏度分析方法
3种不同规格色谱柱数据信息，轻松应对不同检测需求
不同极性、规格色谱柱可选，推荐适合分析条件
支持多种GC-MS外围设备
兼容各种用于GC-MS香味分析的采样器和嗅探器
【前沿研究成果一】
2026年1月，由北京工商大学食品与健康学院王彦波教授、曾黉副教授担任通讯作者，在《foods》期刊上发表了题为《Multi-Omics Analysis Elucidates Flavor Evolution and Bioformation Mechanisms of Key Aroma Compounds in Malty-Aroma Yogurt》的文章。
该研究利用岛津气相色谱质谱联用仪GCMS-TQ8050NX和Smart Aroma Database特色风味数据库，成功解析了一款麦芽风味酸奶在发酵过程中风味物质的动态变化规律，这一发现为发酵乳制品的精准风味调控提供了全新的科学视角与解决方案。
这项研究不仅成功开发了一款具有独特麦芽香味的酸奶，更揭示了一套从风味解析到机制探索的完整研究范式，"时间序列风味组学+代谢组学+关联网络分析"工作流程为科研人员探究复杂食品发酵过程中的风味形成机制提供了可复制的方法学参考。
【前沿研究成果二】
2026年2月，由岛津中国创新中心与北京工商大学食品与健康学院王蓓教授团队合作，在《Food Chemistry: X》期刊上发表了题为《Elucidation of key aroma-active compounds and sensory profiles in raw and thermally sterilized milks: Perspective from molecular sensory science》的研究成果，本研究采用分子感官科学策略，系统解析了原料乳及四种热处理牛奶的香气特征与关键香气活性化合物，研究中使用的自建牛奶风味数据库为挥发性化合物的快速、准确鉴定提供了重要支撑。
本研究基于自建牛奶风味数据库，研究共鉴定出80种挥发性化合物，结合GC-O-MS（岛津GCMS-TQ8040 NX搭配ODP3）、ADA、SIDA精准定量及重组遗漏实验，最终确认了16种关键香气活性化合物。研究结果系统揭示了不同热处理工艺对牛奶香气特征的影响机制，为乳制品风味精准调控和加工工艺优化提供了科学依据，深化了对牛奶风味的化学与感官理解。
【前沿研究成果三】
2026年1月，由岛津中国创新中心和杨永坛、郭瑞研究员团队合作，在《Talanta》期刊上发表了题为《Flavoromics of maize from major maize production regions of northern China during storage》的研究成果，本研究采用固相微萃取-气相色谱-三重四极杆质谱联用技术（SPME-GC-MS/MS）分析玉米中挥发性风味物质的种类与含量，发现玉米挥发性风味物质与储藏时间存在显著相关性，并通过风味组学成功区分了不同储存年份的玉米，建立了一种能够准确区分新陈玉米的机器学习预测模型，为玉米品质的动态监测提供了有效技术支撑。
本研究基于GC-MS的风味组学研究策略，对2019至2023年收获北方地区玉米样品中挥发性风味物质进行检测，采用PLS-DA方法成功实现了不同储藏年份玉米的鉴别，并筛选出在不同年份的玉米间具有显著性差异的化合物。以风味物质为特征，采用python开源API建立了玉米不同存储年份的机器学习预测模型。并在此基础上，优化开发了深度神经网络模型，预测准确率可以达到95.6%，为玉米储藏品质的动态监测提供技术手段，更好地指导储备玉米科学储存与适时更新轮换。
【结语】
岛津以气相色谱质谱联用和特色风味数据库为核心技术，联合国内顶尖科研团队开展了各类食品风味机理研究，同时发掘了质谱结合多组学、人工智能在食品风味领域的应用潜力，未来随着深度机器学习的兴起，可通过高效的算法优化处理风味组学数据，挖掘复杂痕量风味成分与样品和感官特性的关联，通过质谱技术与深度学习模型实现痕量风味物质的精准预测，推动食品风味研究从"解释现象"迈向"预测品质"，逐步形成"风味解析—机制揭示—智能预测"的完整体系。
岛津GCMS系列高灵敏度气相色谱质谱联用系统
【文献引用】
[1] Liu Z H, Wang Q H, Luo S H, et al. Multi-omics analysis elucidates flavor evolution and bioformation mechanisms of key aroma compounds in malty-aroma yogurt[J]. Foods, 2026, 15(2): 272.
[2] Xu K L, Han H Y, Wang X R, et al. Elucidation of key aroma-active compounds and sensory profiles in raw and thermally sterilized milks: Perspective from molecular sensory science[J]. Food Chemistry: X, 2026, 34: 103696.
[3] Li, P., Guo, R., Zhang, X., et al. Flavoromics of maize from major maize production regions of northern China during storage. Talanta, 2026, 296, 128374.