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(fèi)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(huì)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(shí)現(xiàn)不同類型精釀啤酒區(qū)分。

圖1  8 個(gè)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(jì)鑒定出 63個(gè)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(dú)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(huì)影響啤酒總體香氣分布。

為了更直觀地對比8個(gè)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(gè)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(gè)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(huì)有所不同，各個(gè)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(shí)驗(yàn)數(shù)據(jù)，并通過確定幾個(gè)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(qiáng)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(gè)樣品分布較近, 說明3者組分差異較?。辉?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。