霍丹群, 付貝貝, 李俊杰, 楊　眉, 沈才洪, 羅惠波, 侯長(zhǎng)軍

(1. 生物流變科學(xué)與技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室, 重慶大學(xué)生物工程學(xué)院, 重慶 400044;2. 國(guó)家固態(tài)釀造工程技術(shù)研究中心, 瀘州646000; 3. 四川理工學(xué)院生物工程學(xué)院, 自貢 643000)

?

基于液體陣列比色傳感器鑒別不同茶葉的新方法

霍丹群1, 付貝貝1, 李俊杰1, 楊眉1, 沈才洪2, 羅惠波3, 侯長(zhǎng)軍1

(1. 生物流變科學(xué)與技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室, 重慶大學(xué)生物工程學(xué)院, 重慶 400044;2. 國(guó)家固態(tài)釀造工程技術(shù)研究中心, 瀘州646000; 3. 四川理工學(xué)院生物工程學(xué)院, 自貢 643000)

摘要基于茶多酚與三價(jià)鐵的絡(luò)合性以及對(duì)氧化鈰的還原性, 構(gòu)建了交叉響應(yīng)的液體陣列傳感器, 為茶葉種類的區(qū)分提供了一種新方法. 利用水熱法合成了硅酸鋅空心微球和納米棒作為三價(jià)鐵的吸附劑, 同時(shí)合成了可被茶多酚還原的納米氧化鈰, 以硅酸鋅-硫氰酸鐵和氧化鈰共同構(gòu)建3×3陣列. 對(duì)5種茶多酚和14種茶葉進(jìn)行了檢測(cè), 每個(gè)樣本做5次平行實(shí)驗(yàn), 通過聚類分析(HCA)和主成份分析(PCA)方法對(duì)反應(yīng)前后的圖譜進(jìn)行了分析. 結(jié)果表明, 該陣列能夠?qū)⒔Y(jié)構(gòu)類似的茶多酚化合物準(zhǔn)確區(qū)分, 并且平行樣本之間穩(wěn)定性較好; 同時(shí)對(duì)不同品種的茶葉樣本區(qū)分效果良好, 結(jié)合反應(yīng)前后的差譜圖可以實(shí)現(xiàn)對(duì)茶葉的定性分析. 該方法在茶葉品質(zhì)和食品質(zhì)量的快速可視化檢測(cè)方面具有潛在應(yīng)用價(jià)值.

關(guān)鍵詞茶多酚; 比色傳感; 硅酸鋅納米材料; 納米氧化鈰; 硫氰酸鐵

茶葉因富含多種有益人體健康的成分而深受歡迎, 其與咖啡、 可可并稱為世界3大飲料. 通常按照發(fā)酵程度以及加工工藝的不同, 將茶葉分為綠茶、 黃茶、 白茶、 烏龍茶、 紅茶和普洱茶6類基礎(chǔ)茶以及花茶、 方茶和藥茶等再加工茶[1～3]. 茶葉種類[4]、 發(fā)酵條件[5]、 烘干工藝[6]甚至采摘季節(jié)[7]的不同, 都會(huì)導(dǎo)致其活性成分含量的明顯差異. 茶多酚既是茶葉中抗氧化的重要物質(zhì)[8～11], 也是對(duì)茶葉滋味貢獻(xiàn)最大的3大類物質(zhì)之一[12], 在綠茶中含量最豐富, 賦予了綠茶更顯著地清除自由基和抗衰老等保健功效.

茶葉本身營(yíng)養(yǎng)價(jià)值與茶葉的價(jià)格有直接的關(guān)系, 因此對(duì)其進(jìn)行有效區(qū)分是廣大消費(fèi)者普遍關(guān)注的問題. 對(duì)于茶葉的區(qū)分判定, 開始主要依靠主觀性較強(qiáng)的感官評(píng)價(jià), 隨著現(xiàn)代分析技術(shù)的發(fā)展, 高效液相色譜法(HPLC)[13,14]、 氣相色譜-質(zhì)譜(GC-MS)聯(lián)用技術(shù)[15,16]、 傅里葉變換近紅外反射光譜(FT-NIR)[17]和質(zhì)譜法(MS)[18]等依賴大型設(shè)備的方法也得到大量應(yīng)用, 這些分析方法雖然精確度足夠高, 但是樣品前處理耗時(shí)費(fèi)力或需要專業(yè)儀器專業(yè)人員進(jìn)行操作, 過程繁瑣且成本高昂. 在茶葉分析方面, 也有關(guān)于模仿人體感官感知過程的電子鼻及電子舌等的研究報(bào)道[19～22], 但這種技術(shù)目前尚存在對(duì)相似化合物區(qū)分性不好, 靈敏度和重復(fù)性易受外界環(huán)境影響等不足.

近年來(lái), 基于分子識(shí)別的光學(xué)比色傳感方法, 因其簡(jiǎn)單易行、 結(jié)果可視化, 而在揮發(fā)性氣體[23,24]、 白酒[25]、 啤酒[26,27]、 蛋白質(zhì)[28]、 腫瘤細(xì)胞[29]和多巴胺[30]檢測(cè)等領(lǐng)域受到廣泛關(guān)注. 本課題組[31]曾設(shè)計(jì)了對(duì)茶湯和茶葉中揮發(fā)性氣體有特殊響應(yīng)的比色傳感陣列, 該陣列由多孔卟啉、 二聚體金屬卟啉和化學(xué)染料組合而成, 實(shí)現(xiàn)了對(duì)綠茶地理位置和不同等級(jí)的快速識(shí)別區(qū)分. 該研究中使用的卟啉類染料的合成較為復(fù)雜; 并且所檢測(cè)成分復(fù)雜且不明確, 從而增加了結(jié)果的不穩(wěn)定性. 為了解決上述問題, 本文嘗試?yán)貌枞~中茶多酚含量的差異設(shè)計(jì)出對(duì)茶葉進(jìn)行區(qū)分檢測(cè)的比色傳感陣列. 茶多酚能與多種金屬離子絡(luò)合, 同時(shí)又是很強(qiáng)的抗氧化劑, 因此利用硫氰酸鐵與茶多酚的絡(luò)合以及氧化鈰易被茶多酚還原的特性, 構(gòu)建了3×3的交叉陣列. 以往對(duì)茶多酚的研究通常單一利用其絡(luò)合或者還原能力, 所用試劑不穩(wěn)定、 易氧化、 干擾因素較多且所需時(shí)間較長(zhǎng). 本實(shí)驗(yàn)將這2個(gè)特性結(jié)合起來(lái), 利用所選材料與茶多酚的交叉反應(yīng), 避免了傳統(tǒng)檢測(cè)方法存在的問題. 但研究中發(fā)現(xiàn), 由于硫氰酸鐵溶液本身呈現(xiàn)血紅色, 對(duì)最終的絡(luò)合物顏色有強(qiáng)烈干擾. 為此基于硅酸鋅納米材料對(duì)三價(jià)鐵離子強(qiáng)烈的吸附作用, 將其應(yīng)用于陣列中, 從而進(jìn)一步提高了檢測(cè)結(jié)果的準(zhǔn)確性, 操作過程也得以簡(jiǎn)化, 實(shí)現(xiàn)了對(duì)5種茶多酚和14種茶葉, 共95個(gè)樣本的快速準(zhǔn)確區(qū)分識(shí)別.

1實(shí)驗(yàn)部分

1.1試劑與儀器

苦丁茶、 洞庭湖碧螺春、 特級(jí)碧螺春、 一級(jí)碧螺春、 信陽(yáng)碧螺春、 獅峰龍井、 一級(jí)龍井、 金駿眉、 大紅袍、 鐵觀音、 特級(jí)鐵觀音、 一級(jí)鐵觀音和典藏鐵觀音等13種茶葉樣品均購(gòu)自重慶市沃爾瑪超市; 星巴克紅茶購(gòu)自重慶市星巴克咖啡店; 5種茶多酚樣品(單寧酸、 沒食子酸、 沒食子酸甲酯、 咖啡酸和兒茶素水合物)以及化學(xué)試劑(硝酸鋅、 硅酸鈉、 硝酸鈰、 硫氰酸鈉、 三氯化鐵和殼聚糖)均為分析純, 購(gòu)自美國(guó)Sigma-Aldrich公司.

JSM-7800型掃描電子顯微鏡(日本電子株式會(huì)社);TECNALG2F20型透射電子顯微鏡(荷蘭FEI公司);J23/A型采色圖像平板掃描儀(日本精工愛普生株式會(huì)社);AllegraX-22 12型高速離心機(jī)(美國(guó)Beckman公司).

1.2實(shí)驗(yàn)過程

1.2.1納米材料的合成硅酸鋅材料參照文獻(xiàn)[32]報(bào)道的水熱法合成. 將1mL0.2mol/L的硝酸鋅溶液加入到30mL乙醇和3mLPEG200(聚乙二醇)的混合液中, 攪拌下加入1mL0.2mol/L的硅酸鈉溶液; 攪拌10min后, 加入0.1mL4mol/L的氫氧化鈉, 再攪拌15min; 將混合物密封在反應(yīng)釜中, 分別在160, 180, 200, 220和240 ℃下水熱反應(yīng)12h. 反應(yīng)完成后, 離心并用去離子水洗滌沉淀3次, 乙醇洗滌1次即得空心微球; 將其在70 ℃下干燥并用3%(質(zhì)量分?jǐn)?shù))的殼聚糖溶液配成0.1mmol/L的均勻分散液用于后續(xù)實(shí)驗(yàn).

將2mmol/L的硝酸鋅溶解于10mL去離子水中, 攪拌下逐滴加入1.1～1.2mL25%(體積分?jǐn)?shù))的氨溶液和20mL水; 再加入3mL0.5mol/L的硅酸鈉溶液, 攪拌反應(yīng)15min; 最后, 加入2g氯化鈉并攪拌15min. 后續(xù)操作同上節(jié), 得硅酸鋅納米棒.

1.2.2納米材料的篩選取不同溫度下合成的硅酸鋅空心微球和納米棒分散液各10μL, 分別滴加5mmol/L的硫氰酸鐵溶液100μL, 等待10s溶液顏色不再變化時(shí)利用平板掃描儀掃描作為反應(yīng)前圖像; 然后分別滴加20μL100μmol/L的單寧酸溶液, 置于搖床上慢速振蕩5min后, 再次掃描作為反應(yīng)后圖像. 將反應(yīng)前后的圖像導(dǎo)入實(shí)驗(yàn)室自制的傳感系統(tǒng)分析提取紅(R)、 綠(G)、 藍(lán)(B)3種顏色分量強(qiáng)度值(RGB值)并進(jìn)行對(duì)比.

取不同溫度及不同濃度下合成的8種不同規(guī)格的氧化鈰納米材料, 用3%(質(zhì)量分?jǐn)?shù))的殼聚糖溶液配制成0.1mol/L的分散液, 超聲分散10min; 各取100μL于96孔板中利用平板掃描儀掃描作為反應(yīng)前圖像. 然后分別滴加20μL濃度為100μmol/L的單寧酸溶液, 置于搖床上慢速振蕩5min后, 再次掃描作為反應(yīng)后圖像. 對(duì)反應(yīng)前后的圖像提取RGB值并進(jìn)行對(duì)比.

1.2.3陣列構(gòu)建與樣品檢測(cè)取茶葉中含量較多的單寧酸(TA)、 沒食子酸(GA)、 咖啡酸(CA)、 沒食子酸甲酯(MG)和兒茶素水合物(CH)5種茶多酚分別配制成100μmol/L的溶液; 將篩選出的9個(gè)點(diǎn)設(shè)計(jì)成3×3的陣列, 掃描作為反應(yīng)前圖像; 分別添加10μL茶多酚樣品反應(yīng)5min, 掃描得到反應(yīng)后圖像. 將反應(yīng)前后的圖像導(dǎo)入傳感系統(tǒng)進(jìn)行分析, 得到反應(yīng)前后的差譜圖見圖1, 每個(gè)樣品重復(fù)5次實(shí)驗(yàn); 利用主成份分析和聚類分析對(duì)5種茶多酚進(jìn)行檢測(cè)區(qū)分.

Fig.1　Schematic diagram of 3×3 colorimetric cross-responsive array and detection system

實(shí)驗(yàn)所用茶葉在使用前用錫紙包裹放在密封罐中于4 ℃保存. 實(shí)驗(yàn)前先將成品茶置于35 ℃烘箱中干燥2h, 然后粉碎過40目篩, 取1g加入100mL沸騰的蒸餾水, 置于100 ℃恒溫水浴鍋中浸提30min, 將所得茶湯抽濾定容至100mL. 向3×3陣列中分別添加10μL不同的茶葉樣品, 充分反應(yīng)5min, 提取所得差譜圖的RGB值, 每個(gè)樣品重復(fù)5次; 利用主成份分析和聚類分析對(duì)14種茶葉進(jìn)行檢測(cè)區(qū)分.

2結(jié)果與討論

2.1納米材料的表征

利用掃描電子顯微鏡(SEM)和透射電子顯微鏡(TEM)對(duì)合成的納米材料進(jìn)行了表征, 圖2(A)為200 ℃下合成的硅酸鋅空心微球的SEM照片, 可見其直徑分布在50～200nm范圍內(nèi); 圖2(B)為微球的TEM照片, 可見其中空形態(tài). 這種非晶態(tài)的結(jié)構(gòu)帶有大量有效空余的結(jié)合位點(diǎn), 同時(shí)三價(jià)鐵離子價(jià)態(tài)高于二價(jià)鋅離子, 離子半徑小于鋅離子, 致使二者之間很容易發(fā)生離子交換, 實(shí)現(xiàn)對(duì)三價(jià)鐵的吸附. 圖2(C)和(D)分別為200 ℃下合成的硅酸鋅納米棒的SEM和TEM照片, 可見其直徑約為10nm. 由于納米棒上的鋅離子都暴露在晶體表面, 因此對(duì)三價(jià)鐵的吸附能力很強(qiáng). 圖2(E)為180 ℃下由1mmol/L硝酸鈰溶液合成的納米氧化鈰的SEM照片, 呈現(xiàn)中間細(xì)兩邊粗的骨頭結(jié)構(gòu); 圖2(F)為180 ℃下由2.5mmol/L硝酸鈰溶液合成的納米氧化鈰的TEM照片, 呈現(xiàn)規(guī)則的八面體結(jié)構(gòu). 氧化鈰在強(qiáng)還原性物質(zhì)存在時(shí)會(huì)被還原成黃色的三氧化二鈰.

2.2納米材料的篩選

不同形貌、 尺寸的納米材料的性能有所不同, 也會(huì)對(duì)實(shí)驗(yàn)結(jié)果的靈敏度和準(zhǔn)確性造成一定影響. 實(shí)驗(yàn)中共合成了18種不同規(guī)格的納米材料, 為了篩選出對(duì)單寧酸檢測(cè)效果較好的反應(yīng)點(diǎn), 我們將反應(yīng)前后差譜圖的RGB值提取出來(lái)計(jì)算歐氏距離, 其大小與響應(yīng)的強(qiáng)弱成正比, 同時(shí)做5次平行實(shí)驗(yàn)以考察其重復(fù)性. 圖3(A)為10種硅酸鋅納米材料與硫氰酸鐵對(duì)單寧酸的檢測(cè)結(jié)果, 根據(jù)歐氏距離的大小, 選擇響應(yīng)性最強(qiáng)、 穩(wěn)定性最好的5個(gè)點(diǎn)(包括160, 180, 200和220 ℃下合成的空心微球及200 ℃下合成的納米棒). 圖3(B)為8種氧化鈰對(duì)單寧酸的檢測(cè)結(jié)果, 綜合響應(yīng)性和穩(wěn)定性選擇最好的3個(gè)點(diǎn)(包括140, 180和220 ℃下以2.5mmol/L硝酸鈰合成的納米氧化鈰). 然后再加上直接購(gòu)買的納米氧化鈰, 組成了最終的3×3液體比色傳感陣列.

Fig.3　Response of TA with different zinc silicate nano-materials(A) and with different CeO2 nano-materials(B)

最終確定的9個(gè)陣列點(diǎn)分別為5mmol/L硫氰酸鐵100μL+0.1mmol/L硅酸鋅納米材料分散液50μL(包括篩選出來(lái)的160, 180, 200和220 ℃下合成的空心微球及200 ℃下合成的納米棒共計(jì)5個(gè)陣列點(diǎn)); 0.1mol/L的CeO2納米材料分散液100μL(包括實(shí)驗(yàn)室購(gòu)買及在140, 180和220 ℃下以2.5mmol/L硝酸鈰合成的納米氧化鈰共計(jì)4個(gè)陣列點(diǎn)).

2.3比色陣列對(duì)茶多酚樣品的檢測(cè)分析

實(shí)驗(yàn)選擇茶葉中含量較多的5種不同結(jié)構(gòu)的茶多酚(見Scheme1)進(jìn)行檢測(cè), 并利用SPSS軟件對(duì)數(shù)據(jù)進(jìn)行分析.

Scheme 1　Summary of 5 kinds of tea polyphenols

圖4(A)是對(duì)5種相同濃度的茶多酚各進(jìn)行5次平行實(shí)驗(yàn), 利用分層聚類分析(HCA)方法所得數(shù)據(jù). 采用HCA分析對(duì)提取的所有數(shù)據(jù)進(jìn)行處理時(shí), 將相似度高的數(shù)據(jù)聚到一簇, 在聚類分析圖上的距離越接近表明其數(shù)據(jù)相似度越高[34], 從而對(duì)檢測(cè)結(jié)果做出更全面的分析. 由圖4(A)可見, 每5個(gè)平行樣都在相似度很小時(shí)聚在一起, 說(shuō)明該陣列的穩(wěn)定性很好; 5種不同結(jié)構(gòu)的茶多酚各自聚集成簇且未相互交叉, 表明陣列對(duì)結(jié)構(gòu)相似的茶多酚具有良好的區(qū)分能力;MG和GA在相似度很小時(shí)聚在一起, 與兩者相似的化學(xué)結(jié)構(gòu)相關(guān),MG是GA的低級(jí)酯化合物, 兩者結(jié)構(gòu)中都含有3個(gè)能夠與Fe3+絡(luò)合的酚羥基; 相似度繼續(xù)增大時(shí),MG,GA,CA和CH均聚在一起,CA和CH各自含有2個(gè)和4個(gè)酚羥基, 絡(luò)合基團(tuán)的數(shù)目相似, 導(dǎo)致它們化學(xué)性質(zhì)的相似;TA是非單一的化合物, 結(jié)構(gòu)中含有許多酚羥基, 使其更容易與Fe3+發(fā)生反應(yīng), 與其它4種茶多酚有明顯差異.

Fig.4　Hierarchical clustering analysis(A) and principal component analysis(B) for 5 kinds of polyphenols

圖4(B)為根據(jù)5種茶多酚的主成分分析(PCA)作出的二維散點(diǎn)圖.PCA分析可以將多維數(shù)據(jù)通過線性變換達(dá)到降維的目的, 從而簡(jiǎn)化分析過程, 它反映了陣列對(duì)5種茶多酚的準(zhǔn)確識(shí)別能力. 在第一主成分和第二主成分的投影上,MG,GA,CA和CH比較接近, 說(shuō)明了它們結(jié)構(gòu)的相似性;TA在第一主成分的投影明顯大于其它4類, 與其結(jié)構(gòu)中含有多個(gè)活潑的鄰位酚羥基有密切關(guān)系.

2.4比色陣列對(duì)茶葉樣品的檢測(cè)分析

利用該陣列分別對(duì)14種不同品種相同濃度的茶葉樣本進(jìn)行了檢測(cè)(見表1), 每個(gè)樣本做5次平行實(shí)驗(yàn), 對(duì)所得的70個(gè)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行主成分分析.

Table 1　Summary of 14 kinds of teas

Fig.5　Colorimetric array responses for 14 kinds of tea samples

Fig.6　Principal component analysis for 14 kinds of tea samples

圖5為14種茶葉的響應(yīng)差譜圖, 可見不同的茶葉具有不同的響應(yīng)圖譜. 圖6為前7個(gè)主成分的信息量累積圖. 通常陣列傳感器的區(qū)分能力越強(qiáng), 累積到相同信息量所涉及的主成分就會(huì)越多[35]. 由圖6可見, 這7個(gè)主成分累積起來(lái)才達(dá)到全部數(shù)據(jù)95.7%的信息量, 而那些只依靠一種或少數(shù)幾種特定的分子間作用力對(duì)物質(zhì)進(jìn)行檢測(cè)的特異性比色傳感器, 往往前2個(gè)主成分的累積即可達(dá)到總信息量的95%以上. 該陣列綜合了茶多酚的抗氧化性和絡(luò)合性, 能夠利用交叉響應(yīng)對(duì)多組分的樣本實(shí)現(xiàn)有效的區(qū)分.

第一主成分的信息量占總變量信息的47.1%, 第二主成分占總信息量的21%. 圖7(A)為以第一主成分為橫坐標(biāo), 第二主成分為縱坐標(biāo)的茶葉樣本PCA散點(diǎn)分布圖. 可見, 14種茶葉的每5個(gè)平行樣均很好地團(tuán)聚在一起, 相互之間沒有重疊交叉, 表明該陣列良好的穩(wěn)定性和重復(fù)性. 圖7(B)圖為根據(jù)7個(gè)大品種茶葉的主成分分析得出的二維散點(diǎn)圖, 可以看出不同品種的茶葉均能聚集在一起; 由第一主成分的投影可見, 花茶的投影值最小, 綠茶的最大, 烏龍茶和紅茶相差不大, 這與花茶中所含茶多酚相對(duì)較少而綠茶中茶多酚含量普遍較高有關(guān); 在第二主成分上, 烏龍茶的投影值明顯大于紅茶, 反映了茶多酚含量的差異, 烏龍茶屬于半發(fā)酵茶而紅茶是全發(fā)酵茶, 在發(fā)酵過程中部分茶多酚被氧化降解, 導(dǎo)致紅茶中茶多酚含量有所下降. 因此, 該陣列能將不同種類、 品種的茶葉正確的區(qū)分開來(lái), 并且保證了較好的穩(wěn)定性和重復(fù)性.

Fig.7　Scatter diagram(A) and (B) for 14 kinds of tea samples

Fig.8　Hierarchical clustering analysis for different grades(A) and different regions(B) of tea samples

表2和表3分別列出了不同等級(jí)和不同產(chǎn)地的鐵觀音茶葉信息. 圖8(A)為對(duì)同一廠家的3種不同等級(jí)的鐵觀音各進(jìn)行5次平行實(shí)驗(yàn), 對(duì)所得的15個(gè)數(shù)據(jù)進(jìn)行HCA分析的結(jié)果; 圖8(B)為對(duì)同一等級(jí)的3種不同產(chǎn)地的鐵觀音所做的HCA分析結(jié)果. 可以看出, 3個(gè)等級(jí)和3個(gè)產(chǎn)地的鐵觀音被明顯地區(qū)分開, 相同樣本之間的數(shù)據(jù)沒有重疊交錯(cuò). 這說(shuō)明該陣列傳感器對(duì)同一品種茶葉的不同等級(jí)和產(chǎn)地有很好的響應(yīng)性, 能夠準(zhǔn)確地進(jìn)行識(shí)別區(qū)分. 以上結(jié)果表明, 該方法具有一定的拓展空間.

Table 2　Summary of 3 grades of Tieguanyin

Table 3　Summary of 3 regions of Tieguanyin

綜上所述, 利用水熱法合成的硅酸鋅空心微球和納米棒作為三價(jià)鐵的吸附劑, 很好地去除了硫氰酸鐵的血紅色對(duì)實(shí)驗(yàn)結(jié)果的干擾, 同時(shí)結(jié)合易被還原的氧化鈰構(gòu)建了對(duì)茶多酚交叉響應(yīng)的3×3液體傳感器陣列. 通過對(duì)所得數(shù)據(jù)進(jìn)行聚類分析和主成分分析, 該陣列能夠快速準(zhǔn)確地將5種結(jié)構(gòu)類似的茶多酚化合物區(qū)分開, 結(jié)合反應(yīng)前后的差譜圖實(shí)現(xiàn)了對(duì)茶葉的定性分析. 本文方法不僅為茶葉種類的區(qū)分提供了一種低成本、 高準(zhǔn)確度及方便快捷的新方法, 而且在食品質(zhì)量的快速可視化檢測(cè)方面也有一定的潛在應(yīng)用價(jià)值.

參考文獻(xiàn)

[1]WangL.,XuR.J.,HuB.,LiW.,SunY.,TuY.Y.,ZengX.X., Food Chemistry, 2010, 123(4), 1259—1266

[2]ChenY.X.,YuM.G.,XuJ.,ChenX.C.,ShiJ.Y., J. Sci. Food Agric., 2009, 89(14), 2350—2355

[3]AlcazarA.,BallesterosO.,JuradoJ.M.,PablosF.,MartinM.J.,VilchesJ.L.,NavalonA., J. Agric. Food Chem., 2007, 55(15), 5960—5965

[4]AnissiJ.,HassouniM.,OuardaouiA.,SendideK., Food Chemistry, 2014, 150(2), 438—447

[5]SharpeE.,HuaF.,SchuckersS.,AndreescuS.,BradleyR., Food Chemistry, 2016, 192, 380—387

[6]ZhengM.Y.,XiaQ.L.,LuS.M., Food Science and Technology, 2015, 63(1), 14—20

[7]JayasekeraS.,KaurL.,MolanA.,GargM.,MoughanP., Food Chemistry, 2014, 152(2), 546—551

[8]AfzalM.,SaferA.M.,MenonM., Inflammopharmacol, 2015, 23(4), 151—161

[9]YinD.D.,YuanR.Y.,WuQ.,LiS.S.,ShaoS.,XuY.J.,HaoX.H.,WangL.S., Food Chemistry, 2015, 187, 20—28

[10]HamJ.,KimH.,LimS., Industrial Crops and Products, 2015, 73, 99—105

[11]ZhangH.,TangB.K.,RowK., Chem. Res. Chinese Universities, 2014, 30(1), 37—41

[12]HidekiH.,KatsunoriK., J. Chromatogr. A, 2000, 881(1/2), 425—438

[13]WuQ.J.,DongQ.H.,SunW.,ZhouJ.,LongW., J. Agric. Food Chem., 2014, 62, 9336—9344

[14]ChenY.L.,JiangY.M.,DuanJ.,ShiJ.,XueS.,KakudaY., Food Chemistry, 2015, 119(2), 648—652

[15]GongJ.S.,TangC.,PengC.X., Journal of Analytical and Applied Pyrolysis, 2012, 95, 189—197

[16]KatsunoT.,KasugaH.,KusanoY.,YaguchiY.,TomomuraM.,CuiJ.L.,YangZ.Y.,BaldermannS.,NakamuraY.,OhnishiT.,MaseN.,WatanabeN., Food Chemistry, 2014, 148, 388—395

[17]RenG.X.,WangS.P.,NingJ.M.,XuR.R.,WangY.X.,XingZ.Q.,WanX.C.,ZhangZ.Z., Food Research International, 2013, 53(2), 822—826

[18]PilgrimT.S.,WatlingR.J.,GriceK., Food Chemistry, 2010, 118(4), 921—926

[19]BanerjeeR.,RunuT.,BipanS.,LaxmiJ.,ArunB.,NabarunB., Journal of Food Engineering, 2012, 110(3), 356—363

[20]ChenQ.S.,ZhaoJ.W.,ChenZ.,LinH.,ZhaoD.A., Sensors and Actuators B, 2011, 159(1), 294—300

[21]HeW.,HuX.S.,ZhaoL.,LiaoX.J.,ZhangY.,ZhangM.W.,WuJ.H., Food Research International, 2009, 42(10), 1462—1467

[22]QinZ.H.,PangX.L.,ChenD.,ChengH.,HuX.S.,WuJ.H., Food Research International, 2013, 53(2), 864—874

[23]HouC.J.,LiJ.J.,HuoD.Q.,LuoX.G.,DongJ.L.,YangM.,ShiX.J., Sensors and Actuators B, 2012, 161(1), 244—250

[24]WuY.,HuoD.Q.,HouC.J.,FaH.B.,YangM.,LuoX.G., Chem. Res. Chinese Universities, 2014, 30(4), 572—577

[25]QinH.,HuoD.Q.,ZhangL.,ShenC.H.,HouC.J., Food Research International, 2012, 45(1), 45—51

[26]ZhangC.,BaileyD.P.,SuslickK.S., J. Agric. Food Chem., 2006, 54(14), 4925—4931

[27]PatriciaZ.,AnaF.,MaríaR.R.,JoséV.,JoséR.L.,JoséM.B.,RamónM.M., Food Chemistry, 2015, 175, 315—321

[28]HouC.J.,DongJ.L.,ZhangG.P.,LeiY.,YangM.,ZhangY.C.,LiuZ.,ZhangS.Y.,HuoD.Q., Biosensors and Bioelectronics, 2011, 26(10), 3981—3986

[29]HuoD.Q.,FangK.J.,HouC.J.,YangM.,FaH.B.,HuangC.H.,LuoX.G., Chem. J. Chinese Universities, 2013, 34(6), 1327—1332(霍丹群, 方可敬, 侯長(zhǎng)軍, 楊眉, 法煥寶, 黃承洪, 羅小剛. 高等學(xué)?；瘜W(xué)學(xué)報(bào), 2013, 34(6), 1327—1332)

[30]FengJ.J.,ZhaoY.M.,WangH.Y., Chem. J. Chinese Universities, 2015, 36(7), 1269—1274(馮娟娟, 趙祎曼, 王海燕. 高等學(xué)?；瘜W(xué)學(xué)報(bào), 2015, 36(7), 1269—1274)

[31]HuoD.Q.,WuY.,YangM.,FaH.B.,LuoX.G.,HouC.J., Food Chemistry, 2014, 145(7), 639—645

[32]YangY.,ZhuangY.,HeY.H.,BaiB.,WangX., Nano Research, 2010, 3(8), 581—593

[33]YuR.B.,YanL.,ZhengP.,ChenJ.,XingX.R., J. Phys. Chem. C, 2008, 112(50), 19896—19900

[34]HuoD.Q.,LiJ.,DongJ.L.,HouC.J.,HuangC.H.,DaiB.,FaH.B.,ZhangL., Chem. J. Chinese Universities, 2012, 33(11), 2422—2429(霍丹群, 李娟, 董家樂, 侯長(zhǎng)軍, 黃承洪, 戴斌, 法煥寶, 張良. 高等學(xué)校化學(xué)學(xué)報(bào), 2012, 33(11), 2422—2429)

[35]HouC.J.,DaiB.,HuoD.Q.,YangP.,XuY.,LiJ.J.,LuoX.G.,YangM.,FaH.B., Chem. J. Chinese Universities, 2013, 34(7), 1623—1628(侯長(zhǎng)軍, 戴斌, 霍丹群, 楊平, 徐勇, 李俊杰, 羅小剛, 楊眉, 法煥寶. 高等學(xué)?；瘜W(xué)學(xué)報(bào), 2013, 34(7), 1623—1628)

(Ed.:D,K)

?SupportedbytheNationalNaturalScienceFoundationofChina(No.31171684),theChongqingGraduateStudentResearchInnovationProjectofChina(No.CYS15010),theLiquorMakingBiologyTechnologyandApplicationofKeyLaboratoryProgramofSichuanProvinceofChina(No.NJ2014-03)andtheSharingFundofChongqingUniversity’sLargeEquipmentofChina.

doi:10.7503/cjcu20150922

收稿日期:2015-11-30. 網(wǎng)絡(luò)出版日期: 2016-04-07.

基金項(xiàng)目：國(guó)家自然科學(xué)基金(批準(zhǔn)號(hào): 31171684)、 重慶市研究生科研創(chuàng)新項(xiàng)目(批準(zhǔn)號(hào): CYS15010)、 釀酒生物技術(shù)及應(yīng)用四川省重點(diǎn)實(shí)驗(yàn)室項(xiàng)目(批準(zhǔn)號(hào): NJ2014-03)和重慶大學(xué)大型儀器設(shè)備開放基金資助.

中圖分類號(hào)O657

文獻(xiàn)標(biāo)志碼A

NewMethodforIdentifyingDifferentTeasBasedonLiquidColorimetricSensor?

HUODanqun1*,FUBeibei1,LIJunjie1,YANGMei1,SHENCaihong2,LUOHuibo3,HOUChangjun1*

(1. Key Laboratory of Biorheology Science and Technology, Ministry of Education, College of Bioengineering,Chongqing University, Chongqing 400044, China;2.National Engineering Research Center of Solid-State Brewing, Luzhou 646000, China;3. College of Bioengineering, Sichuan University of Science and Engineering, Zigong 643000, China)

AbstractA liquid colorimetric sensor array was presented for cross-reactive discrimination of tea fusions based on complexation reaction and redox reaction of tea polyphenols with ferric ions and ceria nanoparticles, respectively. Hydrothermal reaction was applied to synthesize different kinds of ceria nanoparticles, hollow nanospheres and nanorods of zinc silicate to immobilized ferric thiocyanate[Fe(SCN)3], which were subsequently combined to construct a 3×3 colorimetric sensor array. Performance of the colorimetric sensor array was evaluated using 5 kinds of tea polyphenols and 14 kinds of tea fusions with 5 repeated parallels. Hierarchical clustering analysis(HCA) and principal component analysis(PCA) of the colorimetric profiles suggested that all 5 kinds of tea polyphenols can be easily differentiated with good reproducibility. Correct discrimination of 14 kinds of tea fusions was also realized according to individual quality grade and categories. Our preliminary study provides a potential alternative for fast visible detection and discrimination of teas within different qualities and grades.

KeywordsTea polyphenol; Colorimetric sensor; Zinc silicate nanomaterial; Ceria nanoparticles; Ferric thiocyanate

聯(lián)系人簡(jiǎn)介: 霍丹群, 女, 博士, 教授, 博士生導(dǎo)師, 主要從事卟啉生化傳感器研究.E-mail:huodq@cqu.edu.cn

侯長(zhǎng)軍, 男, 博士, 教授, 博士生導(dǎo)師, 主要從事生化傳感與系統(tǒng)研究.E-mail:houdcj@cqu.edu.cn