全 文 ：天然产物研究与开发 Nat Prod Ｒes Dev 2016，28:90-95
文章编号:1001-6880(2016)1-0090-06
收稿日期:2015-10-08 接受日期:2015-12-03
基金项目:四川省教育厅青年基金(13ZB0003)
* 通讯作者 E-mail:leigdnjtc@ 126． com
柠檬皮香气成分结构表征与色谱保留指数预测
廖立敏1，2，李建凤2，雷光东1，2*
1“果类废弃物资源化”四川省高等学校重点实验室;2 内江师范学院化学化工学院，内江 641100
摘 要:通过有机化合物分子顶点及顶点原子之间的关系对柠檬皮香气成分中的 67 个化合物进行了结构表征，
采用多元线性回归(MLＲ)和偏最小二乘回归(PLS)建立了化合物结构与色谱保留指数关系(QSＲＲ)模型，模型
稳定性及预测能力经内部及外部双重检验进行了评价。两模型的建模复相关系数(Ｒ)分别为 0． 951 和 0． 938，
留一法交互检验复相关系数(ＲCV)分别为 0． 925 和 0． 900，外部预测的复相关系数(Ｒtest)分别为 0． 955 和 0． 940。
结果表明所采用的分子结构描述符具有较强的分子结构表达能力，两模型具有良好的估计能力、稳定性和外部
预测能力。
关键词:柠檬皮;香气成分;结构描述符;定量结构保留相关
中图分类号:Ｒ629 文献标识码:A DOI:10． 16333 / j． 1001-6880． 2016． 1． 016
Structural Characterization and Chromatographic Ｒetention
Index Prediction for Aroma Components of Lemon Peels
LIAO Li-min1，2，LI Jian-feng2，LEI Guang-dong1，2*
1Key Laboratory of Fruit Waste Treatment and Ｒesource Ｒecycling of Sichuan Provincial College;
2College of Chemistry and Chemical Engineering，Neijiang Normal University，Neijiang 641100，China
Abstract:Structures of 67 aroma compounds of lemon peel were characterized through the molecular vertexes and rela-
tionships between molecular vertexes． Multiple linear regression (MLＲ)and partial least square regression (PLS)were
adopted to construct two quantitative structure-retention relationship (QSPＲ)models． The estimation stability and pre-
dictability of the two models were strictly analyzed by both internal and external validations． Modeling multiple correla-
tion coefficients (Ｒ)of the two models were 0． 951 and 0． 938，leave-One-Out (LOO)cross-validation(CV)correlation
coefficients (ＲCV)were 0． 925 and 0． 900，external forecasts multiple correlation coefficient (Ｒtest)were 0． 955 and
0. 940，respectively． The results showed that the structural descriptors were superior in molecular structural representa-
tion． The estimated capacity，stability and predictability of the two models were good．
Key words:lemon peel;aroma components;structural descriptor;quantitative structure-retention relationship
柠檬(Citrus limon)原产东南亚，现主要产地为
美国、意大利、西班牙等，目前中国四川安岳也有广
泛种植，安岳被誉为“中国柠檬之乡”，内江也有一
定的分布。尤力克(Eureka)为常见的品种之一，又
称油力克、油利加，安岳及内江等栽培的多为此类。
柠檬具有许多药用价值，可以利尿并缓解风湿和肠
道疾病。从柠檬皮中提取的香精油，可用于生产高
级化妆品及治疗结石病的药物。关于柠檬精油成分
的研究已有一些报道［1-4］，何朝飞等［4］采用顶空固
相微萃取提取了尤力克柠檬、粗柠檬和北京柠檬精
油，结合 GC-MS技术研究了 3 个品种果皮的香气成
分，其中从尤力克柠檬精油中分离并鉴定出 67 种化
合物。
定量结构-色谱保留关系(QSＲＲ)研究成为预测
化合物色谱保留值、解释色谱保留机理、辅助确证化
合物结构的重要手段之一，研究者们在 QSAＲ /QS-
ＲＲ方面已经做过许多有意义的工作［5-7］。本文采
用简易方法对尤力克柠檬皮精油中分离出的 67 种
化合物进行结构表征，借助多元线性回归(MLＲ)、
偏最小二乘回归(PLS)构建化合物分子结构和气相
色谱保留指数之间的(QSＲＲ)相关模型，以期为研
究天然产物中的挥发性化合物的色谱行为提供有益
参考。
1 实验方法
1． 1 数据集的选取
本研究选用柠檬皮香气成分中的 67 个化合物
为研究样本(列于表 1)，其保留指数的实验值来自
于文献［4］，保留指数是以 DB-5MS 石英毛细管柱为
色谱柱分离测得。顶空固相微萃取条件:40 ℃平衡
15 min;顶空吸附 40 min;解吸 5 min;色谱条件:色
谱柱为 DB-5MS 石英毛细管柱(30 m × 0． 25 mm，
0. 25 μm);程序升温，35 ℃保持 5 min，以 3 ℃ /min
升至 180 ℃保持 2 min，再以 5 ℃ /min升至 240 ℃，
保持 2 min;进样口温度 250 ℃，不分流进样;载气为
氦气，1 mL /min;质谱条件:离子化方式离子电离(e-
lectron ionization，EI)，电子能量 70 eV;传输线温度
280 ℃;离子源温度 230 ℃;四极杆温度 150 ℃;质
量扫描范围 m/z 35 ～ 400，检索图谱库(NIST 2008
和 Flavour 2． 0)得各化合物结构及名称。选取尾号
为“0”、“5”的共计 13 个样本(标注“* ”)作为测试
集，用于评价模型预测能力，剩余 54 个样本作为训
练集，用于构建模型。
表 1 67 个化合物色谱保留指数(ＲI)实验值(Exp．)及计算值(Cal．)
Table 1 67 compounds and their chromatographic retention index (ＲI)
序号
No．
化合物
Compound ＲI (Exp) ＲI (Cal． MLＲ) ＲI (Cal． PLS)
1 己醛 733 842 829
2 反式-2-己烯醛 804 873 882
3 顺式-3-己烯醇 826 842 836
4 庚醛 857 911 900
5* 2，4-己二烯醛 863 904 931
6 α-水芹烯 876 1002 1030
7 α-蒎烯 881 990 985
8 莰烯 896 963 983
9 4-己烯-1-醇 912 842 833
10* β-蒎烯 923 968 977
11 庚醇 927 879 856
12 月桂烯 947 999 1004
13 1-侧柏烯 953 980 1035
14 辛醛 957 948 926
15* α-松油烯 966 1000 1025
16 柠檬烯 986 974 1011
17 顺式-罗勒烯 991 1004 1008
18 δ-3-蒈烯 1004 989 980
19 γ-松油烯 1014 1003 1022
20* 3-异丙烯基-5-甲基-1-环己烯 1021 942 977
21 甲酸辛酯 1024 1168 1197
22 异松油烯 1037 997 1012
23 反式-4-癸烯 1040 953 993
24 5-甲基-1-癸烯 1042 1040 1023
25* 芳樟醇 1052 1108 1107
26 壬醛 1055 1049 1041
27 邻异丙基甲苯 1057 1066 1094
28 exo-异莰酮 1086 1078 1084
29 水合樟烯 1088 963 983
30* 香茅醛 1100 1112 1093
19Vol. 28 廖立敏等:柠檬皮香气成分结构表征与色谱保留指数预测
31 异龙脑 1107 1090 1118
32 反式-对-2，8-孟二烯-1-醇 1111 1121 1124
33 4-松油醇 1120 1125 1116
34 (S)-顺式-马鞭草烯醇 1130 1119 1085
35* α-松油醇 1136 1071 1078
36 萜品醇 1140 1178 1173
37 癸醛 1151 1118 1112
38 顺式-香芹醇 1160 1112 1117
39 橙花醇 1174 1124 1098
40* 香茅醇 1176 1079 1048
41 橙花醛 1185 1151 1143
42 d-薄荷酮 1193 1119 1118
43 香叶醇 1201 1124 1098
44 香叶醛 1215 1151 1143
45* 麝香草酚 1237 1228 1204
46 薄荷酮氧化物 1245 1266 1297
47 十一醛 1249 1187 1183
48 甘香烯 1272 1402 1378
49 乙酸香茅酯 1293 1325 1365
50* 乙酸橙花酯 1303 1373 1417
51 乙酸香叶酯 1322 1373 1417
52 β-石竹烯 1348 1426 1390
53 红花醛 1354 1235 1216
54 α-柏木萜烯 1367 1440 1443
55* α-石竹烯 1381 1434 1475
56 (-)-异丁香烯 1389 1426 1390
57 丙酸橙花酯 1407 1483 1496
58 β-金合欢烯 1412 1401 1381
59 巴伦西亚橘烯 1419 1388 1414
60* γ-绿叶烯 1422 1467 1433
61 β-雪松烯 1433 1393 1418
62 β-红没药烯 1439 1391 1391
63 香橙烯 1445 1363 1293
64 α-依兰油烯 1450 1477 1384
65* α-绿叶烯 1459 1420 1448
66 γ-红没药烯 1470 1419 1394
67 红没药醇 1605 1515 1559
1． 2 原理与方法
1． 2． 1 分子结构描述符的产生
有机化合物的色谱保留行为与分子结构直接相
关，分子母体结构、所含基团的大小、种类、数目等都
会影响其与固定相之间的作用，从而影响其在色谱
柱中的保留指数。在有机化合物分子的骨架结构图
中，将每一个非氢原子视为分子顶点。认为分子顶
点自身及分子顶点之间的关系对化合物色谱保留指
数产生重要影响，处在不同微环境中的分子顶点及
不同类型分子顶点间的关系对分子性质的贡献不
同，处在相同微环境中的分子顶点及相同类型分子
顶点的关系对分子性质的贡献具有加和性。借鉴文
献［7-9］中的分类方法将分子内的顶点原子依据其所
连接的其它顶点原子数分为 A1、A2、A3、A4 四种类
29 天然产物研究与开发 Vol. 28
型，如仅与 1 个分子顶点相连的伯碳原子属于 A1。
然后根据顶点原子在元素周期表所处位置及该原子
在分子中的链接情况，通过考察文献［10-12］方法，采
用式(1)计算分子顶点特征值 Zi。
Zi =［(ni － 1)mi － hi］
1 /2 (1)
式中 ni 为顶点原子 i的电子层数，mi 为最外层
电子数，hi 为与其直接相连的氢原子数。
对于不同类型分子顶点自身对色谱保留指数的
贡献，按式(2)计算:
xk = Σik Zi(k = 1，2，3，4) (2)
式中 k为顶点原子 i 所属类型，Zi 为顶点特征
值［按式(1)计算］。分子中最多含 4 种原子类型，
每个分子最终可得到 4 个顶点项，分别用 x1、x2、x3
和 x4 表示。
对于分子顶点间的关系对色谱保留指数的贡
献。这里所说分子顶点间的关系并不是原子间某种
具体的作用，而是要反映其密切程度与分子顶点特
征值的改变趋势一致及与两者距离的改变趋势相反
的两方面情况。通常倒数形函数可满足这一要求，
采用式(3)表达。
xr =mnl = Σin，jl
Zi·Zj
r2rj
(n = 1，2，3，4;n≤l≤4)(3)
Z为分子顶点特征值，按式(1)计算;rij是分子
顶点 i、j的相对距离(即所经最短途径相对键长和，
相对键长以键长值与碳碳单键键长值之比表示);n
和 l为分子顶点所属类型。化合物分子中 4 类分子
顶点可以产生出 10 种不同相关项:m11、m12、m13、
m14、m22、m23、m24、m33、m34、m44，其中 m11表示分子中
第一类顶点与第一类顶点之间的相关值，同理 m12
表示分子中第一类顶点与第二类顶点之间的相关
值。10 种不同相关项分别记为 x5、x6、x7、x8、x9、x10、
x11、x12、x13和 x14，这样对于所有的样本最多将产生
14 个变量(结构描述符)来描述分子结构信息，依据
以上原理可得本研究样本的结构描述符值(如读者
需要可向作者索取)。
1． 2． 2 模型评价
通常采用“留一法”对模型进行交叉检验以评
价模型的稳定性及预测能力，其过程参阅文献［13］，
计算出交互检验预测值与实验值的复相关系数
(ＲCV)及标准偏差(SDCV)等统计量，ＲCV愈接近 1、
SDCV愈小，表明模型稳定性及预测能力愈好。但一
些研究［14，15］认为仅使用训练集的 ＲCV及 SDCV评估
模型实际预测能力是不够的，还需要使用外部样本
进行验证。模型对外部数据集的预测能力，采用
Ｒ test和 SDtest表示:
Ｒ test = 1 －
Σ testi = 1(yi － yi)
2
Σ testi = 1(yi － yi)槡 2 (4)
SDtest =
1
n － 1 Σ
test
i = 1(yi － yi)槡
2 (5)
式(4)和(5)中，yi和表示预测集的实验值和预
测值，表示预测集实验值的平均值。
2 结果与讨论
2． 1 多元线性回归模型
在建模之前对变量进行筛选，减少变量数以寻
找最佳变量组合是有必要的。首先采用逐步回归
(SMＲ)分析进行筛选变量，以偏 F 检验值对应的显
著水平依次将变量引入模型，模型采用“留一法”进
行交互检验。为控制模型变量之间的共线性，采用
方差膨胀因子(VIF)［10］对模型进行诊断，VIF =(1-
r2)-1，其中 r 为某自变量与其它自变量相关系数。
一般认为 VIF 值小于 10，表示变量间共线性不明
显，所建模型可接受;VIF 值大于 10，表示变量间共
线性明显，所得模型不可靠。逐步回归的复相关系
数(Ｒ /ＲCV)及标准偏差(SD /SDCV)随变量引入的变
化情况见图 1 及图 2。
1.00
0.95
0.90
0.85
0.80
0.75
0.70
0.65
0.60
0% 2% 4% 6% 8 10%12%14%16
Step
R/
R C
V
R
RCV
图 1 Ｒ及 ＲCV随逐步回归的变化情况
Fig. 1 Changes of Ｒ and ＲCV in SMＲ
160
140
120
100
80
60
0% 2% 4% 6% 8 10%12%14%16
Step
SD
/S
D C
V
SD
SDCV
图 2 SD及 SDCV随逐步回归的变化情况
Fig. 2 Changes of SD and SDCV in SMＲ
图 1、图 2 显示逐步回归到第 7 步所得模型(n
39Vol. 28 廖立敏等:柠檬皮香气成分结构表征与色谱保留指数预测
= 7)各项指标较为理想。此时，Ｒ 接近最大值，且
ＲCV达到最大值;而 SD 接近最小值，且 SDCV达到最
小值。7 变量模型如下:
ＲI = 217． 931 + 76． 733 × x1 + 48． 697 × x2 +
88． 957 × x4-5． 605 × x7-17． 487 × x8 + 10． 697 × x10 +
16． 849 × x12 (6)
模型拟合:N = 54，Ｒ = 0． 951，SD = 68． 298，F =
61． 711;交互检验:ＲCV = 0． 925，SDCV = 83． 544，FCV
= 39． 063;外部预测:Ｒ test = 0． 955，SDtest = 57． 266。
N为回归点数，Ｒ 为复相关系数，SD 为估计标准偏
差，F为 Fischer检验值;CV为交互检验、test为外部
预测。对模型进行变量共线性诊断，发现变量的
VIF值中最大的为 9． 426，说明变量间无明显共线
性，模型质量良好。
2． 2 偏最小二乘回归模型
将训练集样本结构描述符值作为 X 值，色谱保
留指数作为 Y 值，采用 Simca-P 11． 5 进行建模，同
时对所得 PLS 模型进行检验。综合考虑复相关系
数及标准偏差，最后得到由 3 个主成分(A)构建的
PLS模型，模型的 Ｒ、ＲCV和 Ｒ test分别为 0． 938、0． 900
和 0． 940;SD、SDCV和 SDtest分别为 71． 436、86． 642
和 70． 084。训练集样本在 PLS 前两个主成分得分
散点绘于图 3，样本点全部落在 95%置信圈内，统计
结果表明结构描述符能够恰当表现分子结构特征，
并在统计模型中作出正确反映。
2
0
-2
t[2
]
-5%-4%-3%-2%-1 0% 1% 2% 3% 4% 5
t[1]
图 3 样本在前两个主成分的得分散点图
Fig. 3 The front two principal components’score distribu-
tion plots
2.0
1.5
1.0
0.5
0
VI
P[
3]
x 2 x 10 x 9 x 3 x 2 x 1 x 11 x 6 x 5 x 12 x 4 x 13 x 8 x 14
图 4 变量重要性投影
Fig. 4 Importance of variables
变量重要性投影(VIP，图 4)反映变量对 Y 的
解释能力，VIP 值大于 1 的变量对 Y 的贡献较大。
对于该样本集变量 x2、x10、x9、x3 和 x7 的 VIP值大于
1，表明它们对 Y 的解释能力较大。排在前面的 x2
对应的是第二类分子顶点自身的贡献、x10对应的是
第二类和第三类分子顶点相关项的贡献、x9 为第二
类和第二类分子顶点相关项的贡献、x3 对应的是第
三类分子顶点自身的贡献，说明链越长、取代基越
多，化合物的色谱保留指数就越大。
2． 3 模型比较
上述模型的复相关系数 Ｒ、ＲCV和 Ｒ test均较为理
想(≥0． 9)，说明两模型具有良好的估计能力、稳定
性和外部预测能力。两模型对训练集样本色谱保留
指数的估计值和对测试集样本的预测值分别列于表
1 的 MLＲ 栏及 PLS 栏，以模型计算值为纵坐标、实
验值为横坐标绘图于图 5，可以看出绝大多数样本
点落在斜率为 1 的对角线附近，说明模型的预测值
较为准确;并且两模型样本点分布情况相似，说明两
模型的预测准确性大体相当。误差分布见图 6，以 2
倍 MLＲ模型标准偏差(SD)为限，大多数样本的计
算误差都未超出此范围，对于 MLＲ模型只有 1 个样
本(21 号，不足 2%)的计算误差超出 ± 2SD，对于
PLS 模型共有 4 个样本(6、21、53 和 63 号，不足
6%)的计算误差超出 ± 2SD。个别样本预测值误差
MLR
PLS
1700
1500
1300
1100
900
700C
al
.(M
L%
R/
PL
S)
600% 800 1000%1200%1400%1600
Exp.
图 5 ＲI实验值与计算值相关图
Fig. 5 Calculated vs． experimental values
MLR
PLS
Er
r.
0 10% 20% 30% 40% 50% 60% 70
No.
500
400
300
200
100
0
-100
-200
-300
-400
-500
图 6 计算值残差分布
Fig. 6 Comparative residuals vs． compounds No．
49 天然产物研究与开发 Vol. 28
稍大，可能是分子结构描述符不够完善，某些对色谱
保留行为有影响的特殊结构信息未表达或表达不完
全所致。
PLS 模型与 MLＲ 模型相比，PLS 模型计算误差
超出 ± 2SD范围的样本数更多，从这点上讲 MLＲ模
型要略优于 PLS 模型。从复相关系数和标准偏差
来看，MLＲ模型的 Ｒ、ＲCV、Ｒ test均大于 PLS 模型的相
应值，MLＲ 模型的 SD、SDCV、SDtest均小于 PLS 模型
的相应值，也说明 MLＲ模型要略优于 PLS模型。需
特别说明的是，本文研究的样本体系中含烷烃、烯
烃、醇、酚、醛、酮、酯等化合物，包含直链、苯环、五元
环、六元环、七元环等结构，化合物种类多、分子结构
跨度大，对于这样一个复杂的样本体系，两模型的结
果应该是满意的。
3 结论
本文通过分子顶点自身和顶点之间的关系对柠
檬皮香气成分中的 67 个化合物结构进行了参数化
表达，采用多元线性回归和偏最小二乘回归建立了
该类化合物结构与色谱保留指数之间的关系模型。
分子结构描述符完全来自分子本身的计算，计算过
程相对简单。构建的分子结构描述符能够恰当表现
该类化合物的结构特征，所建模型能较准确地预测
该类化合物在文献所述条件下的色谱保留指数，在
一定程度上阐明化合物的色谱保留行为与其分子结
构之间的关系。本文对于天然产物中的挥发性化合
物的 QSＲＲ研究具有一定的参考价值。
参考文献
1 Lin H(林洪斌)，Cao D (曹东)，Chen Y(陈燕)，et al． Mi-
crowave-assisted steam extraction process of lemon essential
oil． China Brew (中国酿造)，2015，34:76-79．
2 Zhang B(章斌)，Hou XZ (侯小桢)，Qin Y (秦轶)，et al．
Study on chemical composition，antioxidant and antibacterial
activities of lemon peel essential oil． Sci Technol Food Ind
(食品工业科技)，2015，36:126-131．
3 Dugo P，Ｒagonese C，Ｒusso M，et al． Sicilian lemon oil:com-
position of volatile and oxygen heterocyclic fractions and en-
antiomeric distribution of volatile components． J Sep Sci，
2010，33:3374-3385．
4 He CF(何朝飞)，Ｒan Y(冉玥)，Zeng LF(曾林芳)，et al．
Analysis of aroma components from peels of different lemon
varieties by GC-MS． Food Sci (食品科学)，2013，34:175-
179．
5 Qiu SS(邱松山)，Jiang CC(姜翠翠)，Zhou ＲJ(周如金)，
et al． A QSAＲ study on antibacterial activity of p-hydroxy-
benzoate esters． Mod Food Sci Technol (现代食品科技)，
2014，30:98-102．
6 Li H(李焕)，Li MP(李美萍)，Zhang SW(张生万)． Study
on chromatographic separation and quantitative structure-re-
tention relationship of 37 fatty acid methyl esters． Sci Techn-
ol Food Ind (食品工业科技)，2013，34:49-53．
7 Lan ZP(兰作平)，Liao LM(廖立敏)，Liu Y(刘宇)，et al．
Quantitative structure-retention relationship (QSＲＲ)of vola-
tile constituents of Meconopsis integrifolia Franch． Nat Prod
Ｒes Dev (天然产物研究与开发) ，2011，23:1091-1094．
8 Li JF，Liao LM． Structural characterization and acute toxicity
prediction of substituted aromatic compounds by using molec-
ular vertexes correlative index． Chinese J Struct Chem，2013，
32:557-563．
9 Liao LM，Zhu J，Li JF，et al． QSＲＲ study on components of
Styrax japonicus sieb flowers using improved molecular elec-
tronegativity-distance vector (I-MEDV)． Chinese J Struct
Chem，2011，30:105-110．
10 Du XH (堵锡华)． Study on a modified molecular connec-
tivity index for QSAＲ /QSＲＲ of chlorobenzenes，alcohols and
esters． J Instru Anal (分析测试学报)，2003，22:18-22．
11 Tang ZQ(唐自强)，Du XH (堵锡华)，Feng CJ (冯长君)，
et al． QSPＲ study on solubility and octanol-water partition
coefficients of benzene halides and esters by molecular con-
nectivity index． J Shanghai Univ，Nat Sci (上海大学学报，
自科版)，2003，9:266-270．
12 Qin S(覃松)，Liao L M(廖立敏)． Study on boiling point of
aldehydes and ketones using a new structural descriptor．
Comput Appl Chem (计算机与应用化学)，2012，29:973-
976．
13 Li B (李波)，Zeng H (曾晖)，Zhou P(周鹏)，et al． QSAＲ
studies of 7-substituted 20(S)-camptothec in analogues with
antitumor activity using three-dimensional holographic vector
of atomic interaction field (3D-HoVA IF)． Fine Chem (精
细化工)，2006，23:41-46．
14 Tropsha A，Gramatica P，Gombar VK． The importance of be-
ing earnest:validation is the absolute essential for successful
application and interpretation of QSPＲ models． QSAＲ Comb
Sci，2003，22:69-77．
15 Gramatica P，Pilutti P，Papa E． A tool for the assessment of
VOC degradability by tropospheric oxidants starting from
chemical structure． J Chem Inf Comput Sci，2004，38:6167-
6175．
59Vol. 28 廖立敏等:柠檬皮香气成分结构表征与色谱保留指数预测