苦味、酸味,、水果味,、焦糖味,、花香……啤酒因風(fēng)味多樣得到廣大消費者的喜愛。

精釀啤酒是以麥芽,、啤酒花,、酵母,、某些天然添加物及水為原料,，在釀造過程中,，不添加與調(diào)整風(fēng)味無關(guān)的物質(zhì)，按傳統(tǒng)工藝在小型啤酒生產(chǎn)線內(nèi)經(jīng)低溫發(fā)酵生產(chǎn)的具有各種風(fēng)味與濃郁口感的一類啤酒,。

風(fēng)味是衡量啤酒品質(zhì)的重要因素,，其對啤酒的風(fēng)格、口感起決定性作用,。精釀啤酒經(jīng)過低溫發(fā)酵后會產(chǎn)生醇類,、酯類、羰基類,、有機(jī)酸類,、硫化物等上千種風(fēng)味物質(zhì)。

采用HS-GC-IMS對不同來源及類型的精釀啤酒中揮發(fā)性組分進(jìn)行分析, 通過指紋圖譜比較揮發(fā)性組分差異, 結(jié)合主成分分析可實現(xiàn)不同類型精釀啤酒區(qū)分,。

圖1  8 個精釀啤酒樣品的 GC-IMS 偽色圖

為了更好地了解各精釀啤酒的風(fēng)味差異,，需對譜圖中的特征物質(zhì)進(jìn)行定性分析,。譜圖中共計鑒定出 63個峰,，去除單體,、二聚體重復(fù)，共有 54 種揮發(fā)性香氣成分,，包含酯類24種,、醇類9種、醛類9種,、酮類6種,、萜類3種、酸類2種,、醚類1種等,。

其中，酯類香氣成分最為豐富,，為啤酒提供香甜水果及花香的呈味輪廓,。而酒體中含有的多種高級醇賦予了啤酒獨特的果香和辛辣味，如 4-松油醇,、3-甲基-1-丁醇等,。酯類和醇類是構(gòu)成啤酒香氣風(fēng)格的重要組分，它們之間的濃度平衡會影響啤酒總體香氣分布,。

為了更直觀地對比8個啤酒樣品中揮發(fā)性組分的差異,，選取譜圖中的特征化合物，由儀器配套的VOCal軟件中的Gallery Plot插件制作8個樣品的指紋圖譜,，見圖 2,。

圖2  精釀啤酒樣品中揮發(fā)性組分的指紋圖譜

指紋圖譜清晰地展示了各個啤酒樣品中揮發(fā)性香氣成分的差異。整體來看,，4種德國啤酒中的揮發(fā)性組分差異不大,，且含量偏低，而自制的4種啤酒中的風(fēng)味物質(zhì)差異顯著,，具有各自的特征風(fēng)味物質(zhì)成分,。3-甲基-1-丁醇、2-甲基-1-丙醇,、乙醇,、乙酸乙酯等物質(zhì)在所有樣品中的含量都很高，只有 IPA 啤酒稍低一些,。

德國黃啤酒中乙酸,、乙酸異丁酯等物質(zhì)的含量較高,；德國黑啤酒中乙酸庚酯等物質(zhì)的含量較高,；

自制白啤酒中的 4-松油醇,、香茅醛、2-庚酮,、2,3-戊二酮,、戊醛、癸酸乙酯,、乙酸甲酯,、乙酸丙酯,、丙酸乙酯,、丁酸乙酯、辛酸乙酯等物質(zhì)的含量較高(A 區(qū)域),，這些物質(zhì)可為精釀啤酒提供多重復(fù)合水果及奶油,、焦糖、花香,、酒香,、香草等風(fēng)味；

自制黃啤酒中的丙酸,、己醛,、順式-3-己烯醇等物質(zhì)的含量較高(B 區(qū)域)，可為該產(chǎn)品提供多青草,、濃草及蘋果香等風(fēng)味,；

自制 IPA 啤酒中的丙酮、6-甲基-5-庚烯-2-酮,、丙醛,、1-己醇、2-甲基丙醛,、3-甲基丁醛,、壬醛、檸檬烯,、α-水芹烯,、丁酸戊酯、異丁酸乙酯,、庚酸乙酯,、異丁酸異丁酯、異丁酸-2-甲基丁酯,、反式-2-己烯酸乙酯,、戊酸乙酯等物質(zhì)的含量較高(C 區(qū)域), 為該產(chǎn)品提供柑橘香,、奶油、玫瑰,、黑胡椒,、藹荷等風(fēng)味；

自制玫瑰啤酒中的 1-丙醇,、1 -戊醇,、1 -丁醇、3 -羥基-2-丁酮,、1 -羥基-2-丙酮,、3-甲基丁醛、異松油烯,、辛酸乙酯,、乙酸己酯、己酸乙酯,、乙酸異戊酯,、丁酸乙酯、丁酸異丁酯,、甲酸乙酯,、3-甲基丁酸乙酯、2-甲基丁酸乙酯,、壬酸乙酯等物質(zhì)的含量較高(D 區(qū)域),，可為該產(chǎn)品提供蘋果、梨,、香蕉等水果香氣及酒香,、玫瑰等風(fēng)味。

但需注意的是,，同一物質(zhì)在不同濃度下散發(fā)出的香氣會有所不同,，各個風(fēng)味物質(zhì)協(xié)調(diào)作用才能共同構(gòu)成了該啤酒樣品的香氣類型。

PCA 可以簡化實驗數(shù)據(jù),，并通過確定幾個主成分因子來代表原始樣本中許多復(fù)雜且難以找到的變量,，然后根據(jù)不同樣本中主成分因子的貢獻(xiàn)率來評估樣本之間的規(guī)律性和差異。

利用所檢測的所有揮發(fā)性組分的峰強度進(jìn)行 PCA, 以考察不同類型啤酒樣品的聚類效果,。分析結(jié)果見圖 3,。

圖3  不同類型精釀啤酒啤酒樣品的 PCA 圖

由圖 3 可以看出，PC_1 和PC_2的方差貢獻(xiàn)率分別為50%和 20%,，累積方差貢獻(xiàn)率為 70%,，表明 PCA 結(jié)果能解釋總變異的 70%，具有很好的代表性,。

德國白啤酒 Y,、德國白啤酒,、德國黃啤酒3個樣品分布較近, 說明3者組分差異較小,；在 PC_1 方向上, 德國黑啤酒,、自產(chǎn)黃啤酒、自產(chǎn)白啤酒,、自產(chǎn)玫瑰啤酒之間可以很好地區(qū)分,；在 PC_2方向上可將自產(chǎn) IPA 啤酒區(qū)和自產(chǎn)玫瑰啤酒分開來,。