全 文 ： 
基于高效液相-电化学检测指纹图谱鉴别 3 种单花种蜂蜜花源的新方法
贺 琼 1，何亮亮 1，康予馨 1，程 妮 1,2，吕新刚 1,2，曹 炜 1,2,*
（1. 西北大学化工学院食品工程系/蜂产品应用技术研究中心，陕西 西安 710069；2. 陕西省蜂产
品工程技术研究中心，陕西 西安 710065）
摘 要：蜂蜜的花源直接影响蜂蜜的品质和价格，因此建立快速、准确的蜂蜜花源鉴别方法至关重要。
本研究基于高效液相色谱-电化学检测(HPLC-ECD)技术建立一种新的蜂蜜花源鉴别方法。以采自中国不同
地区的 3 种单花种蜂蜜为研究对象，构建了 3 种单花种蜂蜜的 HPLC-ECD 指纹图谱，提取 HPLC-ECD 图
谱共有峰面积信息并应用主成分分析和系统聚类分析进行蜂蜜花源分类，并对完全未参与建模的蜂蜜样品
进行验证。结果表明，45 个蜂蜜样品(枸杞蜜、荆条蜜、荔枝蜜各 15 个)，均可通过主成分分析和系统聚
类分析按照其花源正确分类，正确率达到 100%。该蜂蜜花源鉴别的模型对完全未参与建模的枸杞蜜、荆
条蜜和荔枝蜜样品的正确预判率可达到 100%、80%和 100%。研究表明，HPLC-ECD 指纹图谱技术应用
主成分分析和系统聚类分析可以作为一种快速、准确、绿色的判别蜂蜜花源的方法。
关键词：蜂蜜；高效液相色谱-电化学检测(HPLC-ECD)；指纹图谱；主成分分析；系统聚类分析
A novel mothed for authentication of three monofloral honeys based on high performance
liquid chromatography-electrochemical detection fingerprints
HE Qiong1, HE Liangliang1, KANG Yuxin1, CHENG Ni1,2, LV Xingang1,2, CAO Wei1,2,*
(1. Department of Food Engineering/ Bee Product Research Center, School of Chemical Engineering, Northwest
University, Xi’an, Shaanxi, 710069, China; 2. Bee Product Research Center of Shaanxi Province, Xian, Shaanxi,
710065, China)
Abstract: The qualities and prices of honeys directly depend on their floral origins, therefore, it is very important
to establish safe and efficient methods for the identification of floral origins. In this study, a novel method for
identification of floral origins was established with the high performance liquid chromatography-electrochemical
detection (HPLC-ECD). The HPLC-ECD fingerprints of three monfloral honeys collected from different areas of
China were established. From the HPLC-ECD fingerprints, the common peaks areas information were obtained
                                                              
收稿日期：2016-05-16
基金项目：国家自然科学基金项目(31272510)；西北大学研究生创新教育项目(YZZ14043)；陕西省大学生
创新创业训练计划项目(0687)
作者简介：贺琼 (1990—) ，女，硕士研究生，主要从事农产品质量控制方向研究。 E-mail:
heqiong732@stumail.nwu.edu.cn
*通信作者：曹炜(1965—)，男，教授，博士，主要从事蜂产品深加工及质量控制方向研究。E-mail:
caowei@nwu.edu.cn
2016-08-26
1
网络出版时间：2016-08-28 11:54:46
网络出版地址：http://www.cnki.net/kcms/detail/11.2206.TS.20160828.1154.014.html
 
and principal component analysis and hierarchical cluster analysis were performed to classify 45 honey samples
(15 medlar honey samples, 15 vitex honey samples, 15 litchi honey samples) according to their floral origins. A
correct classification result was shown and the correct classification rates for principal component analysis and
hierarchical cluster analysis both reached 100%. To evaluate the reliability of the model based on 45 honey
samples, some medlar honey、vitex honey and litchi honey samples which were not included in the modeling
sample set were  validated, and the correct classification rates of prediction were 100%, 80% and 100%
respectively. The result indicated that HPLC-ECD fingerprints combined with principal component analysis and
hierarchical cluster analysis may be used as a fast, accurate and safe method to differentiate honeys according to
their floral origins.
Keywords: honey; high performance liquid chromatography-electrochemical detection (HPLC-ECD);
fingerprint; principal component analysis; hierarchical cluster analysis
中图分类号：TS20 文献标志码：A 文章标号：

蜂蜜是一种由蜜蜂采集植物的花蜜或其分泌物后，在体内经自身的酶和特殊物质的加工酿造而
成的天然甜味物质[1]。自古以来，蜂蜜就是一种药食同源的佳品，不仅富含葡萄糖、果糖、氨基酸、
有机酸、维生素、矿物质等营养成分[2-4]、还具有较高的药用价值和保健作用，包括抗氧化、抗衰老、
抑菌消炎、保护心脑血管、增强免疫系统等多种功效[5-7]。
中国是蜂蜜的生产和消费大国，蜂蜜年产量可达 30-40 万吨，国内市场需求量达 20 万吨[8,9]，此
外，中国还是一个蜂蜜出口大国，仅 2012 年，中国对欧盟的蜂蜜出口总量就可达 11 万吨左右[10]。
然而，面对如此大的市场需求量，我国的蜂蜜产品却一直存在质量不稳定，掺假现象严重等现状[10]，
严重影响蜂蜜市场健康有序的发展。因此，建立可靠、高效的蜂蜜质量鉴定方法对促进蜂蜜市场的
稳定发展至关重要。
蜂蜜的质量取决于蜂蜜的色泽、成分、口感、风味及营养价值，而这些因素均受到蜂蜜地理源
和花源的直接影响[11,12]。不同地理源和花源的蜂蜜，不仅口感和营养价值不同，蜂蜜品质和价格也
有所差异。因此，寻求高效的蜂蜜花源或地理源鉴定方法一直是国内外学者研究的热点。Yücel 等[13]
曾通过测定土耳其蜂蜜中 17 种矿物质的含量将 45 个样品正确分为 7 类，Rebane 等[14]则根据不同花
源蜂蜜间氨基酸的差异鉴定了 7 种蜂蜜的花源，但这些方法步骤繁琐、耗时长，且人为带来的误差
影响大，结果可信度较低。于是，为了提高鉴定的可靠性，一些新的技术手段也应用于蜂蜜的花源
鉴定研究中。Wei 等[15]使用电流计成功把不同花源和不同地理源的蜂蜜样品分类。Scandurra 等[16]
利用电化学阻抗谱建立了一种蜂蜜花源的鉴定方法。Escuredo 等[17]和 Chen 等[18]采用近红外光谱进
2016-08-26
2
 
行蜂蜜花源鉴定的研究。Sergiel 等[19]采用 3D 荧光图谱鉴定了 6 种蜂蜜花源。近些年来，一些建立
在紫外光谱检测(UV)[20]、高效液相色谱仪二级阵列管检测(HPLC-DAD)[21]、质谱检测(MS)[22-23]、乃
至核磁检测(NMR)[24-25]鉴定蜂蜜花源的研究更是层出不穷。然而，随着鉴定手段可信度的提高，检
测的成本、时长也随之增加，鉴定结果的处理也更加复杂。因此，建立一种低成本、快速、高效的
蜂蜜花源鉴别方法是亟待解决的问题。
近年来，电化学检测(ECD)技术由于其选择性好、灵敏度高、响应快、造价低等特点，已成为
分析低浓度生物样品的重要手段。高效液相色谱-电化学检测(HPLC-ECD)联用技术结合了二者的优
势，既可通过高效液相色谱仪将化合物分离，又能通过电化学检测快速、高效的测定电活性物质。
蜂蜜成分复杂，其中不乏酚酸、黄酮等多种电活性物质，而不同花源和地理源的蜂蜜，其电活性成
分的种类与含量亦有所不同。因此，HPLC-ECD 有望成为一种鉴定蜂蜜花源的手段。本文通过
HPLC-ECD 测定 3 种单花种蜂蜜样品的图谱，提取样品共有峰面积信息，应用主成分分析和系统聚
类分析，探讨蜂蜜中电活性物质与蜂蜜花源鉴定之间的关系。

1  材料与方法 
 
1.1      材料与试剂 
采集不同产地、不同年份的枸杞蜜、荆条蜜、荔枝蜜样品共 60 份，经花粉形态学鉴定，其中枸
杞蜜样品 18 份，编号为 GQ1-GQ18；荆条蜜样品 20 份，编号为 JT1-JT20；荔枝蜜样品 22 份，编号
为 LZ1-LZ22。具体样品信息见表 1。
表 1 蜂蜜样品的信息
Table 1 Information of honey samples
样品 植物源 产地 时间
GQ1-GQ4 Lycium chinense Mill. 宁夏 2012
GQ5 Lycium chinense Mill. 宁夏 中宁 2012
GQ6 Lycium chinense Mill. 宁夏 2013
GQ7 Lycium chinense Mill. 宁夏 中宁 2014
GQ8 Lycium chinense Mill. 宁夏 同心 2014
GQ9-GQ10 Lycium chinense Mill. 宁夏 2014
GQ11-GQ14 Lycium chinense Mill. 宁夏 同心 2015
GQ15-GQ16 Lycium chinense Mill. 宁夏 中宁 2015
GQ17-GQ18 Lycium chinense Mill. 宁夏 海原 2015
JT1-JT4 Vitex negundo L. 河南 辉县 2013
JT5-JT7 Vitex negundo L. 山西 平定 2013
JT8-JT11 Vitex negundo L. 河北 赞皇 2013
JT12-JT15 Vitex negundo L. 山西 临汾 2014
JT16-JT18 Vitex negundo L. 山西 阳泉 2014
2016-08-26
3
 
JT19-JT20 Vitex negundo L. 陕西 富县 2014
LZ1-LZ7 Litchi chinensis Sonn. 广东 2014
LZ8-LZ11 Litchi chinensis Sonn. 海南 2014
LZ12-LZ17 Litchi chinensis Sonn. 广西 2014
LZ18-LZ22 Litchi chinensis Sonn. 福建 2014
Amberlite XAD-2 树脂 美国 Sigma-Aldrich 公司；超纯水(18.25 MΩ·cm)；甲醇(色谱纯) 德国
Meker 公司；甲酸(色谱纯) 天津科密欧化学试剂有限公司；实验所用其余盐酸、甲醇试剂为国产分
析纯。
1.2 仪器与设备
优普超纯水机 四川优普超纯科技有限公司；UltiMate-3000 高效液相色谱仪 美国 Thermo
Fisher 公司；Coulochem Ⅲ电化学检测器 美国 Thermo Fisher 公司。
1.3 样品制备
根据 Amberlite XAD-2 说明书的方法活化树脂，称取活化后的树脂 50 g 装入层析柱中以供样品
的制备。
分别称取枸杞蜜、荆条蜜、荔枝蜜样品 10 g，溶解于 60 mL 蒸馏水中，充分溶解，滴加盐酸调
节 pH 至 2。然后注入装有 XAD-2 树脂的层析柱中，待溶液充分吸附后，分别用 100 mL pH=2 盐酸
水溶液、150 mL 蒸馏水充分淋洗以去除其中的糖等极性物质，最后用 100 mL 甲醇进行洗脱并收集
洗脱液。在 40℃下，将洗脱液减压真空浓缩至干，复溶于 2 mL 色谱级甲醇并用 0.45 μm 有机系滤
膜过滤，待 HPLC-ECD 分析。
1.4 HPLC-ECD 分析
采用 Zorbax SB−C18 反相色谱柱（250 mm×4.6 mm, 5 μm），流动相为 0.15%甲酸水溶液(A)-甲
醇(B)，流速为 1.0 mL/min；进样量为 10 μL；柱温为 30℃；电化学检测器电压为 900 mV；洗脱梯
度为 0-10min B 5%-15%；10-20 min B 15%；20-25 min B 15%-17%；25-30 min B 17%-30%；30-50 min
B 30%-40%；50-60 min B 40%-55%；60-70 min B 55%-80%; 70-75 min B 80%。

2 结果与分析

2.1 指纹图谱构建及共有峰提取
在 60 个标有编号的样品中，随机选取 45 个样品（枸杞蜜、荆条蜜、荔枝蜜各 15 个样品）建立
3 种蜂蜜的 HPLC-ECD 指纹图谱并提取共有峰信息。记录下随机选取的样品编号，并按编号顺序分
别将 3 种蜂蜜的 HPLC-ECD 图谱数据导入中药色谱指纹图谱相似度评价系统 A 版(2004)软件，各自
2016-08-26
4
 
自动生成的样品标记 S1-S15 则依次对应特定的编号。选定枸杞蜜 S2 样品、荆条蜜 S1 样品、荔枝蜜
S1 样品为参照，多点矫正以消除各图谱之间保留时间的误差，建立了 3 种蜂蜜样品的 HPLC-ECD
指纹图谱，如图 1 所示。从图 1 中可以发现，花源相同的蜂蜜样品，HPLC-ECD 指纹图谱相似度较
高，而花源不同的蜂蜜样品，HPLC-ECD 指纹图谱的差异明显。
以上述 3 个样品为 3 种蜂蜜的参照样品，可得到 3 种蜂蜜样品间的相似度表（表 2）。由表 2 可
知，除枸杞蜜 S15 和 S9 样品相似度较低以外，其余样品间的相似度在 0.664-0.938 之间。荆条蜜样
品的相似度在 0.612-0.926 之间，除 S1 的相似度较低，其余样品相差不大，而荔枝蜜样品的相似度
在 0.778-0.976 之间。采自不同地区，不同年份的同一种蜂蜜，其相似度差别并不显著，可见，经
HPLC-ECD 分析得出的图谱结果并不能从地理源、采集年份上很好的区分样品。但是，考虑到本研
究中涉及的样品地理源较少，且样品的数量有限等因素，应用 HPLC-ECD 指纹图谱技术区分蜂蜜样
品地理源的研究还有待进一步的研究探讨。



























G8G7 G13G10
G6 G5 G3 G1
(B)
G1 G15
G11 G6 G4
G5
G2 G3
(A)
G12
G14
2016-08-26
5
 














图 1 枸杞蜜(A)、荆条蜜(B)、荔枝蜜(C)HPLC-ECD 指纹图谱
Fig. 1 The HPLC-ECD fingerprints of medlar honey (A), vitex honey (B) and litchi honey (C)

表 2 蜂蜜样品指纹图谱相似度
Table 2 Fingerprint similarities of honey samples
枸杞蜜 相似度 荆条蜜 相似度 荔枝蜜 相似度
S1 0.842 S1 0.612 S1 0.904
S2 0.912 S2 0.820 S2 0.973
S3 0.938 S3 0.877 S3 0.957
S4 0.857 S4 0.867 S4 0.876
S5 0.870 S5 0.754 S5 0.817
S6 0.821 S6 0.838 S6 0.923
S7 0.664 S7 0.705 S7 0.943
S8 0.902 S8 0.699 S8 0.962
S9 0.619 S9 0.915 S9 0.923
S10 0.907 S10 0.851 S10 0.969
S11 0.915 S11 0.855 S11 0.778
S12 0.926 S12 0.926 S12 0.782
S13 0.918 S13 0.781 S13 0.976
S14 0.854 S14 0.884 S14 0.852
S15 0.588 S15 0.885 S15 0.901
在中药色谱指纹图谱相似度评价系统 A 版软件中提取 3 种蜂蜜样品色谱峰面积的数据，筛选色
谱峰面积>700 nA·min 的色谱峰作为蜂蜜样品的共有峰，结果见图 1。从枸杞蜜样品中可提取出 10
个共有峰（G1、G2、G3、G4、G5、G6、G11、G12、G14、G15），荆条蜜样品中可提取出 8 个共
有峰（G1、G3、G5、G6、G7、G8、G10、G13），荔枝蜜样品可提取出 6 个共有峰（G2、G4、G9、
G11、G12、G13）。对比所有共有峰的保留时间及紫外吸收，合并具有相同保留时间和紫外吸收的
共有峰，最终在 45 个样品中得到 15 个共有峰（G1-G15）。所有样品的共有峰保留时间及峰面积见
G13
G12
G11 G9 G4 G2 (C)
2016-08-26
6
 
表 3。
表 3 共有峰保留时间 Rt（min）及面积（nA·min）
Table 3 The retention time (min) and area values (nA·min) of common peaks
共有峰
保留时间
（Rt）
枸杞蜜 荆条蜜 荔枝蜜
最大值 最小值 平均值 最大值 最小值 平均值 最大值 最小值 平均值
G1 2.741 31759.47 753.05 5635.53 6297.64 1097.52 2037.93 0.00 0.00 0.00
G2 14.915 10639.32 794.38 3359.58 0.00 0.00 0.00 3960.67 753.62 1364.51
G3 17.672 3781.46 1073.54 2204.71 12332.42 2981.92 8062.61 1789.45 513.17 930.00
G4 21.086 4492.04 964.11 2578.88 4302.43 228.00 1279.42 4401.29 739.97 2673.35
G5 22.160 6159.26 .3120.10 4470.04 13243.05 6346.91 9189.98 3262.83 346.82 1694.75
G6 24.485 5376.62 1613.20 2560.75 8429.35 1936.71 4713.28 1937.63 393.72 696.70
G7 29.838 992.38 263.57 524.86 5147.63 1463.17 2462.02 0.00 0.00 0.00
G8 32.871 1546.37 297.03 875.58 4073.65 864.83 1807.85 2361.76 201.71 1264.80
G9 33.540 0.00 0.00 0.00 0.00 0.00 0.00 4151.27 2073.00 3123.73
G10 34.563 0.00 0.00 0.00 16928.81 919.96 4751.54 4160.25 429.71 1758.96
G11 38.563 2521.98 983.85 1624.79 2187.73 618.71 1383.14 4753.15 1147.49 3032.66
G12 39.556 2572.32 929.44 1732.64 1046.68 606.61 839.89 4021.98 1178.87 2725.27
G13 55.561 0.00 0.00 0.00 3976.17 726.75 1871.01 3458.85 1087.34 2459.17
G14 62.746 2182.17 705.95 1469.15 298.92 27.99 84.30 0.00 0.00 0.00
G15 66.792 13928.41 2445.58 8444.53 3616.82 70.14 1323.69 751.23 247.34 444.43
2.2 主成分分析
主成分分析是一种可将大量的数据信息压缩为少数变量来解释的无监督的模式识别方法。为了
从 15 个共有峰中选择有限的变量指标来代表所有的共有峰信息，对 15 个共有峰进行了主成分分析。
应用统计学软件 SPSS 19.0 对共有峰面积数据进行 Z-scores 标准化后，采用系统默认方式进行主成
分分析，同时进行 KMO 与 Bartlett 球形度检验。分析结果得到 KMO 的值为 0.719，Bartlett 球形度
检验的 Sig 值为 0.000，表明变量之间适合进行主成分分析。表 4 给出了主成分分析解释总变量。前
四个主成分（PC1-PC4）的特征值大于 1，且其方差累计贡献率达到 76.642%。PC1-PC4 的方差贡献
率分别为 36.540%、23.000%、10.151%和 6.950%。其中，PC1 的贡献率主要来自 G5、G12、G7、
G3；PC2 的贡献率主要来自 G14 和 G15；PC3 主要综合了 G13 和 G8 的信息；PC4 则显示与 G4、
G1 相关。图 2.A 给出了 15 个共有峰的 PC1 和 PC2 载荷图。
表 4 主成分分析解释总变量
Table 4 Total variance explained by principal component analysis
主成分数 特征值 方差贡献率/% 方差累计贡献率/%
1 5.481 36.540 36.540
2 3.450 23.000 59.540
3 1.523 10.151 69.692
4 1.042 6.950 76.642
5 0.882 5.881 82.523
2016-08-26
7
 
6 0.733 4.888 87.411
7 0.459 3.060 90.471
8 0.430 2.866 93.336
9 0.329 2.195 95.531
10 0.211 1.409 96.940
11 0.177 1.182 98.122
12 0.116 0.773 98.895
13 0.084 0.557 99.452
14 0.053 0.356 99.808
15 0.029 0.192 100.000



图 2 PC1 和 PC2 的载荷图(A)和得分图(B)
Fig. 2 The loadings plot (A) and scores plot (B) of PC1 and PC2
基于 3 种蜂蜜样品 15 个共有峰面积信息，分析不同花源蜂蜜样品间差异的主成分得分图如图
2.B 所示。3 种不同花源的蜂蜜样品能够按各自的花源明显地分为 3 类，其中荔枝蜜样品和荆条蜜样
2016-08-26
8
 
品可以在 PC1 方向上得到很好的区分，而枸杞蜜样品可以与荔枝蜜、荆条蜜样品在 PC2 方向上得到
区分。无论是采自同一年份、不同地理源的蜂蜜样品，还是不同年份、不同地理源的蜂蜜样品，均
可在花源上得到 100%正确的分类结果。可见，HPLC-ECD 共有峰信息充分反映了不同花源蜂蜜的
特征信息，应用 HPLC-ECD 指纹图谱共有峰技术可排除地理源的干扰，准确判别蜂蜜的花源。
2.3 系统聚类分析
虽然 45 个蜂蜜样品只基于 PC1 和 PC2 数据便可以得到正确的分类，但在解决实际问题过程中，
仅依靠单因素将多样本对象进行分类是不足以全面、系统地描述其类别的，必须更多地考虑多因素
分类。而系统聚类分析则是一种应用多因素对研究对象进行分类的方法。系统聚类分析可通过使具
有相似特征的样品聚集在一起，差异性大的样品分离开，从而直观反映样品之间的性质。为评估不
同花源蜂蜜样品间的关系，聚类分析应用 15 个共有峰面积信息对所有 45 个蜂蜜样品（样品顺序与
主成分分析样品顺序相同）进行聚类。应用统计学软件 SPSS 19.0 对共有峰面积数据进行 Z-scores
标准化，采用离差平方和法和欧式距离平方的方法聚类，系统聚类分析谱系图如图 3 所示，在样品
编号前标注相应的样品花源。
2016-08-26
9
 
图 3 系统聚类分析谱系图
Fig. 3 Dendogram of the hierarchical cluster analysis
从图 3 中可直观发现，当距离为 0 时，每个样品各自成一类，随着距离的增大，具有相似特征
的样品则依次被归为一类，直到距离为 25 时，所有样品归为一类。当距离为 5 时，45 个蜂蜜样品
被归为 3 类，样品分类正确率达 100%。第一类为 15 个枸杞蜜样品，在距离为 5 时分为一类，这一
结果与主成分分析 PC1 和 PC2 的得分图第二象限的结果基本一致。第二类为 15 个荔枝蜜样品，在
距离为 4 时分为一类，这一结果与主成分分析 PC1 和 PC2 的得分图第三象限的结果相吻合。第三类
为 15 个荆条蜜样品，在聚类为 5 时分为一类，这一结果与主成分分析 PC1 和 PC2 的得分图第四象
限的结果部分一致，虽有一个样品归为第一象限，却明显与其余两种蜂蜜样品差异较大。由此可见，
对多样本对象进行多因素分类得到了与主成分分析一致的结果，系统聚类结果表明，应用 HPLC-ECD
指纹图谱共有峰的信息，可对蜂蜜的花源进行鉴定。
2.4 验证实验
2016-08-26
10
 
为了进一步探究实验结果的可靠性，继续采用系统聚类分析的方法进行验证。取随机选样后剩
余的 15 个样品（枸杞蜜样品 3 个，荆条蜜样品 5 个，荔枝蜜样品 7 个），提取共有峰面积信息进行
系统聚类分析，数据 Z-scores 标准化后采用同样的离差平方和法和欧式距离平方的方法聚类，聚类
谱系图如图 4 所示，在样品编号前标注相应的样品花源。
观察图 4 发现，随着距离的增大，特征相同的样品依次归为一类。取相同的参数，距离为 5 时，
样品分为了 4 类，第一类为 7 个荔枝蜜样品，第二类为 3 个枸杞蜜样品，第三类为 4 个荆条蜜样品，
其中一个荆条蜜样品被分为第 4 类。与实验模型组相比，除荆条蜜样品的正确分类率较低外（80%），
其余样品均以 100%正确率分类。分析荆条蜜样品系统聚类谱系图发现，距离为 1 时，仅有两个样品
聚集一类，距离逐渐增大，样品逐个归为一类，导致在距离为 5 时，一个荆条蜜样品未被正确分类，
这可能是因为荆条蜜样品自身的内部差异略大造成的。但随着聚类距离的增加，该样品依然归于荆
条蜜样品集中，并没有误判。验证实验表明，提取蜂蜜样品的共有峰信息并应用系统聚类分析，是
一种鉴别蜂蜜花源的有效手段。

图 4 验证样品系统聚类分析谱系图
Fig. 4 Dendogram of the hierarchical cluster analysis from validated samples

3 结论

蜂蜜的花源不同，其电活性物质的种类和含量亦会有较大的差异，因此为 HPLC-ECD 鉴别蜂蜜
花源提供了可能。本研究建立了一种利用 HPLC-ECD 构建不同蜂蜜样品指纹图谱，提取共有峰面积
信息并应用主成分分析和系统聚类分析鉴别蜂蜜花源的方法。在 60 个蜂蜜样品中，随机选取 3 种蜂
蜜 45 个样品建立模型，提取样品共有峰面积进行主成分分析和系统聚类分析。研究显示，系统聚类
分析的分类结果与主成分 1 和主成分 2 得分图的分类结果一致，3 种蜂蜜均可按照各自的花源正确
2016-08-26
11
 
分类，且正确率达到 100%。相同参数下，45 个样品建立的模型对 15 个完全未参与建模的枸杞蜜、
荆条蜜和荔枝蜜样品预测正确判别率分别为 100%、80%和 100%。研究表明，通过构建不同蜂蜜样
品的 HPLC-ECD 指纹图谱，不仅可以得到单花种蜂蜜样品较为完整的化合物信息，而且可以对比不
同的蜂蜜样品，得到单花种蜂蜜的特征化合物信息，为蜂蜜的花源鉴定提供了技术支持。同时，应
用 HPLC-ECD 指纹图谱共有峰信息并应用主成分分析和系统聚类分析，不仅具有检测快、准确度高、
成本低等优势，还可以作为一种蜂蜜花源鉴别的新方法，有效地运用于实际鉴定中，为蜂蜜的质量
控制提供技术支持。

参考文献
[1] 曹炜, 陈卫军. 蜂产品深加工技术[M]. 北京: 中国轻工业出版社, 2011: 28-29.
[2] BALL D W. The chemical composition of honey[J]. Journal of Chemical Education, 2007, 84(10): 1643-1646. 
DOI:10.1021/ed084p1643.
[3] SILVA L R, VIDEIRA R, MONTEIRO A P, et al. Honey from Luso region (Portugal): Physicochemical characteristics and
mineral contents[J]. Microchemical Journal, 2009, 93(1): 73-77. DOI:10.1016/j.microc.2009.05.005.
[4] 孙 政 , 程 妮 , 曹 炜 . 蜂 蜜 中 氨 基 酸 应 用 研 究 进 展 [J]. 食 品 与 发 酵 工 业 , 2016, 42(1): 260-263.
DOI:10.13995/j.cnki.11-1802/ts.201601046.
[5] GOMES S, DIAS L G, MOREIRA L L, et al. Physicochemical, microbiological and antimicrobial properties of commercial
honeys from Portugal[J]. Food and Chemical Toxicology, 2010, 48(2): 544-548. DOI:10.1016/j.fct.2009.11.029.
[6] ALVAREZ-SUAREZ J M, TULIPANI S, DÍAZ D, et al. Antioxidant and antimicrobial capacity of several monofloral Cuban
honeys and their correlation with color, polyphenol content and other chemical compounds[J]. Food and Chemical Toxicology, 2010,
48(8): 2490-2499. DOI:10.1016/j.fct.2010.06.021.
[7] AHMAD I, JIMENEZ H, YAACOB N S, et al. Tualang Honey Protects Keratinocytes from Ultraviolet Radiation Induced ‐
Inflammation and DNA Damage[J]. Photochemistry and photobiology, 2012, 88(5): 1198-1204.
DOI:10.1111/j.1751-1097.2012.01100.x.
[8] 裴高璞 , 史波林 , 赵镭 , 等 . 蜂蜜质量市场动态及掺假检测方法现状分析 [J]. 食品科学 , 2013, 34(15): 329-336. 
DOI:10.7506/spkx1002-6630-201315068.
[9] 袁玉伟, 张志恒, 叶雪珠, 等. 蜂蜜掺假鉴别技术的研究进展与对策建议[J]. 食品科学, 2010, 31(9): 318-322.
[10] 宋海英. SPS 措施对中国蜂蜜出口欧盟的影响—基于面板数据的实证分析[J]. 国际贸易问题, 2014, (1): 83-91.
[11] FERNÁNDEZ-TORRES R, PEREZ-BERNAL J L, BELLO-LOPEZ M A, et al. Mineral content and botanical origin of Spanish
honeys[J]. Talanta, 2005, 65(3): 686-691. DOI:10.1016/j.talanta.2004.07.030.
[12] MADEJCZYK M, BARALKIEWICZ D. Characterization of Polish rape and honeydew honey according to their mineral
contents using ICP-MS and F-AAS/AES[J]. Analytica Chimica Acta, 2008, 617(1): 11-17. DOI:10.1016/j.aca.2008.01.038.
[13] YÜCEL Y, SULTANOĞLU P. Characterization of Hatay honeys according to their multi-element analysis using ICP-OES
combined with chemometrics[J]. Food chemistry, 2013, 140(1): 231-237. DOI:10.1016/j.foodchem.2013.02.046.
[14] REBANE R, HERODES K. Evaluation of the botanical origin of Estonian uni-and polyfloral honeys by amino acid content[J].
Journal of agricultural and food chemistry, 2008, 56(22): 10716-10720. DOI: 10.1021/jf8018968.
[15] WEI Z, WANG J, WANG Y. Classification of monofloral honeys from different floral origins and geographical origins based on
rheometer[J]. Journal of food engineering, 2010, 96(3): 469-479. DOI:10.1016/j.jfoodeng.2009.08.028.
[16] SCANDURRA G, TRIPODI G, VERZERA A. Impedance spectroscopy for rapid determination of honey floral origin[J]. Journal
of Food Engineering, 2013, 119(4): 738-743. DOI:10.1016/j.jfoodeng.2013.06.042.
2016-08-26
12
 
[17] ESCUREDO O, GONZÁLEZ-MARTÍN M I, RODRÍGUEZ-FLORES M S, et al. Near infrared spectroscopy applied to the
rapid prediction of the floral origin and mineral content of honeys[J]. Food chemistry, 2015, 170(1): 47-54.
DOI:10.1016/j.foodchem.2014.08.061.
[18] CHEN L, WANG J, YE Z, et al. Classification of Chinese honeys according to their floral origin by near infrared spectroscopy[J].
Food chemistry, 2012, 135(2): 338-342. DOI:10.1016/j.foodchem.2012.02.156.
[19] SERGIEL I, POHL P, BIESAGA M, et al. Suitability of three-dimensional synchronous fluorescence spectroscopy for fingerprint
analysis of honey samples with reference to their phenolic profiles[J]. Food chemistry, 2014, 145(15): 319-326.
DOI:10.1016/j.foodchem.2013.08.069.
[20] ROSHAN A R A, GAD H A, EL-AHMADY S H, et al. Authentication of monofloral yemeni sidr honey using ultraviolet
spectroscopy and chemometric analysis[J]. Journal of agricultural and food chemistry, 2013, 61(32): 7722-7729.  DOI:
10.1021/jf402280y.
[21] KARABAGIAS I K, BADEKA A, KONTAKOS S, et al. Characterisation and classification of Greek pine honeys according to
their geographical origin based on volatiles, physicochemical parameters and chemometrics[J]. Food chemistry, 2014, 146(1): 548-557.
DOI:10.1016/j.foodchem.2013.09.105.
[22] MATTONAI M, PARRI E, QUERCI D, et al. Development and validation of an HPLC-DAD and HPLC/ESI-MS 2 method for
the determination of polyphenols in monofloral honeys from Tuscany (Italy)[J]. Microchemical Journal, 2016, 126: 220-229.
DOI:10.1016/j.microc.2015.12.013.
[23] SCHUHFRIED E, DEL PULGAR J S, BOBBA M, et al. Classification of 7 monofloral honey varieties by PTR-ToF-MS direct
headspace analysis and chemometrics[J]. Talanta, 2016, 147(15): 213-219. DOI:10.1016/j.talanta.2015.09.062.
[24] BOFFO E F, TAVARES L A, TOBIAS A C T, et al. Identification of components of Brazilian honey by 1 H NMR and
classification of its botanical origin by chemometric methods[J]. LWT-Food Science and Technology, 2012, 49(1): 55-63.
DOI:10.1016/j.lwt.2012.04.024.
[25] RIBEIRO R O R, MÁRSICO E T, DA SILVA CARNEIRO C, et al. Classification of Brazilian honeys by physical and chemical
analytical methods and low field nuclear magnetic resonance (LF 1 H NMR)[J]. LWT-Food Science and Technology, 2014, 55(1): 90-95.
DOI:10.1016/j.lwt.2013.08.004.


2016-08-26
13