一方風土，成就一方佳釀。
一杯完美葡萄酒的誕生，敘說著那片陽光、河谷、田野和色顏醞釀的柔美故事。釀酒葡萄的種植地環境和位置影響著葡萄酒的風格、品質和商業價值。
在歐盟，消費者可通過原產地名稱保護（PDO）和地理標志保護（PGI）等質量標簽識別葡萄酒產地。
為確保酒體質量、鑒別等級和溯源打假，需開發可靠的產地甄別技術。因葡萄酒開瓶后其活性物質快速轉化，故時效性非常重要。
相比傳統的液質 LC-MS 或氣質 GC-MS，DART-MS 多快好省，無需冗繁的制樣即可秒級獲取豐富的非靶信息，已廣泛應用于食品外源性污染物的分析和內源性成分鑒定，從而快速識別諸如牛奶、山羊奶、和羊奶，或鮮榨和勾兌果汁，及牛肉產地等。
北京化工大學董益陽教授課題組采用 DART-HRMS 結合化學計量學，實現對赤霞珠葡萄酒產地的快速鑒別。通過相關性分析和信息增益法篩選出18個特征標記物，并使用3種不同的計量學方法——線性判別分析（LDA）、支持向量機（SVM）、人工神經網絡（KohNN）,對葡萄酒樣本的地理特征（海拔和省份）建立分類模型。其中，KohNN 分類模型的結果最佳。
對海拔范圍的區分，訓練集和測試集的預測正確率分別為 96.26% 和 93.33%。對省份的區分，訓練集和測試集的預測正確率分別為 95.04% 和 91.49%。
圖1、45種赤霞珠葡萄酒的產地、海拔和經緯度信息（X-新疆、G-甘肅、N-寧夏、S-山西、H-河北、Y-云南）。
材料和方法
樣品
共47瓶赤霞珠葡萄酒，其酒精含量在11%-13.5%之間。其中45瓶來自中國，產地包括新疆、甘肅、寧夏、山西、河北、云南（圖1）；2瓶購自法國。
制樣
紅酒經甲醇簡單稀釋后直接以 DART 金屬篩網模塊自動進樣。
儀器
DART-HRMS 原位高分辨質譜掃描范圍 m/z 50-600，DART 源溫度 300℃，氦氣流量 2.7 L/min，對進樣量和進樣速度簡單優化。原位質譜數據分別以 LDA 、SVM 和 KohNN 方法處理，構建分類模型。
圖2、赤霞珠葡萄酒在（a）正模式和（b）負模式的質譜圖。
海拔范圍分類模型
根據中國葡萄產區的海拔高度，將45個紅酒樣品分為三組。第一組：海拔低于海平面的新疆盆地的樣本。第二組：平均海拔1000-2000米的高原，包括甘肅、寧夏、山西和云南的樣本。第三組：平均海拔0-500米的平原，北京和河北的樣本。
選擇18個特征標記物作為輸入變量，構建海拔范圍的分類模型。人工神經網絡（KohNN）的分類模型結果最佳，訓練集和測試集的預測正確率分別為 96.26% 和 93.33%。
圖3、來自不同海拔范圍的紅酒樣本的矩形 KohNN 圖。Set 1 是海拔低于海平面的盆地，Set 2 是海拔1000～2000米的高原，Set 3 是海拔0～500米的平原（空白處無樣品）。
不同省份分類模型
在海拔分類模型的基礎上，進一步建立了基于省份的分類模型。除來自國內6個省份的樣本外，還加入了2個法國酒樣，以探索中外紅酒差異。
KohNN 的省份分類模型，訓練集和測試集的預測準確率達到了 95.04% 和 91.49%。
圖4、來自新疆、甘肅、寧夏、山西、河北、云南和法國樣本的矩形 KohNN 圖（空白處無樣品 ）。
表1、DART-MS/MS 正模式下13個特征標記物、負模式下5個特征標記物的詳細信息。
結論表明
