近期，百家乐规则 袁春龙教授团队在评估我国葡萄酒产地方面提出数据融合新策略。研究成果以“Inorganic and organic constituent analysis: A data fusion strategy to differentiate between wines of different origins”为题发表在《Food Control》国际期刊。百家乐规则 2021级博士研究生苏颖玥为第一作者，袁春龙教授和秦皇岛海关技术中心张昂高级工程师为共同通讯作者。

葡萄酒的产地来源直接影响着产品价格和生产者声誉，世界各大酿酒国家对此高度重视。许多国家通过原产地控制保护措施，维护葡萄酒的地域特色和品牌价值。近二十年来，我国葡萄栽培面积、葡萄酒产量及消费量稳步增长，已跻身世界前列。然而，目前我国葡萄酒在原产地保护法规方面仍存在不足，消费者难以识别葡萄酒品质，导致人均葡萄酒消费水平远低于全球平均水平。此外，在葡萄酒产地精准判别技术的发展上，仍缺乏产地识别有效参数、测定技术及数据融合技术的系统研究。这不仅制约了我国葡萄酒市场的发展，也影响了国产葡萄酒品牌的声誉和市场竞争力。

    本研究对我国葡萄酒五个产区102个样本中无机成分和有机成分进行测定。采用电感耦合等离子体质谱（ICP-MS）和同位素比质谱（IRMS）分别测定矿质元素和稳定同位素；使用超高效液相色谱 - 离子淌度四极杆飞行时间质谱（UPLC/IM-QTOF-MS）测定代谢物。对三个质谱平台获得的数据集，采用低水平和中水平两种数据融合策略进行处理，从而实现葡萄酒产地精准鉴别。结果表明，在低层数据融合中，基于正离子模式（ESI+）下测定有机成分所建立的偏最小二乘判别分析模型（PLS-DA）达到了的最佳预测准确率为74.4%。在此基础上，进一步提取数据特征进行中水平数据融合，构建了线性和非线性判别模型，最佳判别准确率可提升至98.7%。基于中水平数据融合的多元分析策略显著提高了葡萄酒地理来源识别的准确性，并为其他食品来源识别研究提供了新策略。

    本研究得到河北省重点研发计划（NO.19226824D）和海关总署科技计划项目(NO. 2020HK216)、和硕产区特色葡萄酒技术工艺集成（TG20240330）及和硕产区有机特色葡萄酒关键技术集成与示范（TG20240591）的支持。

    原文链接：//www.sciencedirect.com/science/article/pii/S0956713525000192#da0010