검색
검색 팝업 닫기

Ex) Article Title, Author, Keywords

JKFN Journal of the Korean Society of Food Science and Nutrition



Online ISSN 2288-5978

Article

home All Articles View

Article

Split Viewer

Journal of the Korean Society of Food Science and Nutrition 2024; 53(8): 805-815

Published online August 31, 2024 https://doi.org/10.3746/jkfn.2024.53.8.805

Copyright © The Korean Society of Food Science and Nutrition.

A Study of the Chemosensory Properties of Commercial Processed Foods Using Electronic Sensors

Hyeonjin Park1 , Younglan Ban1 , Sojeong Yoon1 , Hyangyeon Jeong1 , Seong Jun Hong1 , Hee Sung Moon2 , Se Young Yu2 , Hyun-Wook Kim1, Kyeong Soo Kim1, Eun Ju Jeong1, and Eui-Cheol Shin1 ,2

1Department of GreenBio Science and 2Department of Food Science, Gyeongsang National University

Correspondence to:Eui-Cheol Shin, Department of GreenBio Science/Food Science, Gyeongsang National University, 33 Dongjin-ro, Jinju, Gyeongnam 52725, Korea, E-mail: eshin@gnu.ac.kr

Received: May 23, 2024; Revised: June 14, 2024; Accepted: June 20, 2024

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (https://creativecommons.org/licenses/by-nc/4.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

This study analyzed the sensory characteristics of commercially available processed food samples categorized into four main food ingredients: beef, duck, salmon, and sheep. The chemosensory approach used an electronic tongue (e-tongue) for taste component analysis and an electronic nose (e-nose) for analysis of volatile compounds. The patterns of taste and volatile compound intensities were observed, and their correlations were examined through principal component analysis (PCA). The e-tongue analysis indicated higher sweetness and bitterness in sheep#2 and duck#2 samples, while the umami values were lower in both samples. In the e-nose analysis, 79 volatile compounds were detected, with aldehydes showing the highest peak and propenal exhibiting high values across all samples. The key volatile compounds such as hexanal and nonanal were identified, along with compounds formed through the Maillard reaction like furfural and ethylpyrazine. The PCA analysis indicated a low correlation with the same food ingredients. These study results could be used as fundamental data for understanding the sensory characteristics of processed food products.

Keywords: commercially processed food, electronic nose (e-nose), electronic tongue (e-tongue), chemosensory, ingredients

가공식품이란 맛, 기호성, 편의성 및 안전성 등을 고려하여 식품을 가공하는 것을 의미한다(Lee와 Cho, 2024). 가공식품은 식품을 준비하는 데 적은 시간이 들고 간편하게 섭취할 수 있어, 가용성 및 접근성이 좋아 현대인에게 적합한 식품 공급원이다(Shaheen 등, 2024). 최근 1인 가구의 증가, 여성 경제 활동 및 코로나바이러스(COVID-19) 유행으로 인하여 비대면 배달 및 가정 간편식(home meal replacement)과 같은 가공식품이 성장하고 있다(Han 등, 2024; Lee와 Cho, 2024). 실제로 팬데믹 사태 이후 육류 가공식품 등에서 섭취 형태의 변화가 보고되었으며, 가공 육류와 수산 식품의 지출액만 감소하지 않은 결과가 보고되고 있다(Eom 등, 2024).

육류 및 수산 가공식품에는 소고기, 오리고기, 연어, 양고기 등과 같은 많은 원료가 존재한다. 주요 육류인 소고기는 단백질의 필수 아미노산 및 비필수 아미노산을 고루 함유하고 있다(Kwon과 Choi, 2018). 특유한 맛을 가진 아미노산은 소고기의 풍미에 큰 영향을 주어 가공식품의 소재로도 많이 이용된다(Choi 등, 2016; Kwon과 Choi, 2018). 오리고기는 불포화지방산 및 단백질 함량이 높으며, 가공식품의 형태로 많이 소비된다(Kang 등, 2014). 고급 어종 중 하나인 연어는 선홍색인 육색으로 축육과 유사하고 다른 어종에 비해 비린내가 적으며(Heu 등, 2008), 고품질 아미노산과 고도 불포화지방산을 함유하고 있어 맛과 영양이 탁월하다(Jeong 등, 2024). 따라서 연어는 훈제품, 통조림, 밀키트, 동물용 식품처럼 다양한 식품의 형태로 많은 수요가 이뤄지고 있다(Heu 등, 2008; Jeong 등, 2024). 마지막으로 양고기는 목축이 잘되는 건조한 지역에서 많이 생산되며, 종교적으로 돼지고기를 먹지 않는 중동의 이슬람교국에서 많이 수요되는 육류이다(Kim과 Lee, 2005). 특유의 향을 가지고 있는 양고기는 단백질, 지방산, 비타민과 같은 중요한 영양소를 가지고 있다. 따라서 중국, 호주 등의 국가에서 소비량이 많으며, 전 세계적으로 수요가 증가하고 있다(Kim과 Lee, 2005; Suleman 등, 2020).

최근 식품 산업에서 전자혀 및 전자코로 대표되는 전자센서를 통한 식품의 감각적인 특성과 품질을 분석하는 연구들이 증가하고 있다. 전자혀 및 전자코는 서로 다른 민감도를 가진 센서를 배열하여 패턴별 샘플의 비교 분석이 가능하며, 제품의 품질 차이 정도를 확인하는 데 사용된다. 최근 전자센서를 활용한 감각 분석 연구는 소비자 선호도 테스트, 화학 및 질감 분석을 대체할 수 있으며, 소재별 가공식품 제조 공정에 적용될 수 있다고 보고되었다(Cheli 등, 2017; Éles 등, 2013). 또한 관능 평가와 같이 주관적이지 않고 객관적인 정보와 빠른 정보를 얻을 수 있는 장점이 있다(Yoon 등, 2023). 맛과 향은 대표적인 감각적 분석으로 기호성 측면에서 매우 중요한 요소이다. 이에 본 연구는 식품 소재별 상업용 가공식품의 감각적 특성을 전자혀와 전자코를 통해 분석하였으며, 다변량 분석을 통해 상관관계를 확인하였다. 본 연구 결과는 주요 식품 소재별 상업용 가공식품의 감각적 특성인 맛 성분과 휘발성 향기 성분에 대한 기초적인 데이터베이스로써 활용 가능할 것으로 기대된다.

실험 재료

본 실험에서 사용된 소재별 가공식품은 상업적으로 시판되는 일반 제품을 구입하여 사용하였다. 주요한 식품 소재로써 일반적으로 소비가 많은 소재 중 소고기, 오리고기, 연어, 양고기로 만든 제품을 선택하여 실험에 사용하였다. 소재에 따라 서로 다른 국내 가공식품 제조회사(A사, B사, C사, D사)를 통해 총 8개의 샘플로 사용하였다. 소고기를 주원료로 생산한 제품(beef#1, beef#2)은 B와 C사 제품으로 주원료인 소고기 함유량은 각각 14%와 27%가 사용되었으며, 오리고기로 생산한 제품(duck#1, duck#2)은 C사와 A사 제품으로 주원료인 오리고기의 함유량은 각각 10%와 16%가 사용되었다. 연어로 생산한 제품(salmon#1, salmon#2)은 B사와 C사의 제품으로 주원료인 연어는 10%와 29%의 함량이 포함되었고, 양고기로 생산한 제품(sheep#1, sheep#2)은 A사와 D사에서 구입하였으며, 주원료인 양고기의 함량은 각각 16%와 30%로 제시된 상품으로 분류하였다. 맛과 향에 지나치게 영향을 미치는 향미제는 사용되지 않은 샘플을 사용하였고, 사용된 부가 재료는 주로 양배추, 브로콜리, 당근, 파프리카, 들깨가루, 아미씨가루, 난각분, 멸치가루, 함초가루 및 검정깨가루가 사용되었다(세부 비율은 비공개 자료). 샘플의 감각 특성의 품질이 저하되는 것을 방지하기 위해 실험에 사용하기 전까지 냉장 온도(4°C)에서 밀봉하여 보관하였다.

맛 성분 분석을 위한 전자혀 활용

식품 소재별 가공식품의 맛 성분의 패턴을 분석하기 위하여 전자혀 시스템(electronic tongueⅡ, ASTREE, Alpha MOS)을 사용하였다. 전자혀 시스템은 총 7가지 센서를 가지고 있다. 그중 5가지 센서는 인간이 기본적으로 느끼는 맛인 신맛(AHS-sourness), 짠맛(CTS-saltiness), 감칠맛(NMS-umami), 단맛(ANS-sweetness), 쓴맛(SCS-bitterness)이며, 추가 2가지 reference 센서로 구성되어 있다. 각 고형 샘플 5 g을 취하여 분쇄기(CSM-309, Motor Millions Electric Co.)를 이용하여 분쇄 후 샘플을 전자혀 분석용 vial에 담아 정제수 100 mL와 함께 30분간 60°C에서 1,050×g 교반을 통해 맛 성분을 추출하였다. 추출된 시료액은 No. 2 사이즈 여과지(150 mm, Toyo Roshi Kaisha Ltd.)를 이용하여 추출된 시료액 입자를 제거한 후, 전자혀 분석용 vial에 10 mL와 정제수 90 mL로 희석하여 10% 농도로 조정 후 전자혀 분석에 사용하였다. 제조한 시료액이 든 전자혀 분석용 vial을 전자혀 시스템의 sampler에 장착한 후, 2분간 센서에 시료액을 침지하여 개별적인 맛 성분의 강도를 측정하였다. 분석 중 각 샘플 간의 오염과 오차를 줄이기 위해 한 개의 샘플 분석이 끝날 때마다 정제수로 각 센서의 세척 과정을 진행하였고, 샘플당 총 3 반복 분석을 진행하였다(Shi 등, 2022; Yoon 등, 2023).

휘발성 향기 성분 분석을 위한 전자코 활용

식품 소재별 가공식품의 휘발성 향기 성분의 패턴을 분석하기 위하여 전자코 시스템(HERACLES Neo, Alpha MOS)을 사용하였다. 고체 형태의 샘플 3 g을 분쇄기(CSM-309, MotorMillions Electric Co.)로 분쇄하여 분석용 headspace vial에 넣고, 40°C에서 20분간 1,200×g 속도로 교반하여 휘발성 향기 성분을 vial에 포화시킨 후, 전자코 시스템에 부착된 자동 시료 채취기로 휘발성 향기 성분 포집하였다. 주사기를 이용하여 포집된 1,000 µL 휘발성 향기 성분을 전자코에 장착된 gas chromatography injection port에 주입하였다. 분석 조건은 acquisition time 110초, trap absorption temperature 40°C, 그리고 trap desorption temperature 250°C, 1 mL/min의 수소 가스 유량으로 설정하였다. 오븐 온도는 40°C로 5초간 유지한 후 4°C/s의 속도로 270°C까지 승온 후 30초 동안 유지되었다. MXT-5 컬럼(Alpha MOS)이 전자코 분석용 컬럼으로 사용되었다. 각 향기 성분에 대한 물질 동정은 탄소수에 기반을 둔 retention index를 기반으로 진행되었고, Kovat’s index library(Alpha MOS) 정보를 통하여 분리된 각 향기 성분을 동정하였다. 모든 분석은 샘플당 총 3 반복으로 분석을 진행하였다(Yoon 등, 2023).

통계처리

본 연구의 전자센서 결괏값은 3 반복 분석을 통한 평균값(mean)과 표준편차(SD)로 나타내었다. 통계프로그램 XLSTAT software ver. 2021(Addinsoft)을 이용하여 주성분 분석법(principal component analysis)과 군집분석(hierarchical clustering analysis)을 활용하였다. 다변량 분석의 독립변수는 맛 성분과 향기 성분이었으며, 샘플에 따른 맛 성분과 향기 성분의 패턴을 분석하였다. 각 성분 간의 상관관계 확인을 위해 사용된 Pearson 상관 계수는 통계 분석 시스템 소프트웨어(SAS, ver. 15.1, SAS Institute Inc.)(P<0.05)를 사용하여 각각의 성분 간의 상관관계를 확인하였다(Lee 등, 2021).

전자혀를 통한 식품 소재별 가공식품의 맛 성분 분석

전자혀를 통해 식품 소재별 가공식품에 따른 맛 성분 분석 결과를 Fig. 1에 나타내었다. 전자혀 분석 결과는 인간이 느끼는 기본적인 신맛, 짠맛, 감칠맛, 단맛, 쓴맛으로 대표되는 5가지 맛과 관련된 센서를 통해 상대적인 값으로 나타내었다. 신맛을 나타내는 센서인 AHS는 beef#1에서 8.7로 가장 높은 값으로 확인되었으며, sheep#2에서 3.2로 가장 낮은 값을 확인하였다. 짠맛을 나타내는 센서인 CTS는 salmon#2에서 6.6, beef#2와 sheep#1에서 6.0, duck#1에서 5.8, salmon#1과 sheep#2에서 5.6, beef#1과 duck#2에서 5.4로 비교적 다른 맛들에 비해 큰 차이를 보이지 않았다. 감칠맛을 나타내는 센서인 NMS는 beef#1에서 7.9로 가장 높은 값으로 확인되었으며, duck#1에서 4.1로 가장 낮은 값으로 확인되었다. 단맛을 나타내는 센서인 ANS는 sheep#2에서 8.1로 가장 높은 값으로 확인되었으며, beef#1에서 4.4로 가장 낮은 값이 확인되었다. 쓴맛을 나타내는 센서인 SCS는 sheep#2에서 8.0으로 가장 높은 값으로 확인되었으며, beef#1에서 4.4로 가장 낮은 값으로 확인되었다.

Fig. 1. Taste intensities in commercial processed foods using electronic tongue.

소재별 가공식품의 전반적인 단맛은 포도당, 사탕수수 시럽, 단맛이 나는 아미노산같이 기타 향미제로 발생시킨다고 알려져 있다(Koppel 등, 2014). Di Donfrancesco 등(2012)의 연구에서 소재별 가공식품의 향, 맛, 질감, 외관 특성을 감각 어휘로 묘사하였으며, 양고기 및 쇠고기 구이로 제조한 샘플의 맛 특성에서 단맛이 확인되었다. 본 연구에서는 sheep#2가 단맛에서 8.1의 높은 값을 나타냈으며, sheep#1은 단맛의 약 평균값인 5.6을 나타내었다. 하지만 beef#1의 단맛은 4.4, beef#2의 단맛은 4.8의 값으로 다른 샘플에 비해 높은 값을 나타내지 않았다.

문헌에 의하면 전자혀는 객관성 및 재현성이 높아 식품 산업에서 품질 평가를 위해 최근 활용이 증가하였으며, 신속한 분석과 신뢰할 수 있는 분석 결과를 얻을 수 있는 장점을 가지고 있다(Cheli 등, 2017; Jeong 등, 2023). 최근 인간이 섭취하는 식품뿐만 아니라 다양한 생물용 가공식품의 맛 성분 분석에도 많이 활용되며, 다양한 분야에서 사용이 증가하고 있다(Cheli 등, 2017; Jeong 등, 2023). 본 연구에서는 소재별 가공식품 연구에서 다양한 맛을 구별하기 위한 분석 기구로 전자혀 시스템이 활용 가능할 것으로 판단된다.

다변량 분석을 통한 맛 성분의 패턴 분석

5가지 기본 맛 성분 결과를 토대로 다변량 분석을 진행하였고, 이에 대한 결과를 주성분 분석(Fig. 2)과 군집분석(Fig. 3)의 결과로 나타내었다. 주성분 분석은 다변량 데이터에서 가장 중요한 변동 방향을 식별하고 이를 그래픽 플롯으로 나타내는 통계 방법이다(Destefanis 등, 2000). Fig. 2에서 나타낸 주성분 분석 결과,

Fig. 2. Interrelationship between commercial processed foods and taste compounds using principal component analysis.

Fig. 3. Dendrogram of commercial processed foods based on the taste profiles using cluster analysis.

PC1에서 66.63%의 variance와 PC2에서 22.28%의 variance를 나타냈으며, PC1-2의 biplot에서 88.91%의 variance를 나타내었다. Beef#1, salmon#1 샘플과 감칠맛 성분은 PC1의 기준으로 negative 한 패턴에서 위치하였고, PC2를 기준으로 판단 시 negative 한 패턴에 위치하였다. 앞선 전자혀 결과(Fig. 1)에서 beef#1이 나타낸 감칠맛이 샘플 중에서 7.9로 가장 높았고, salmon#1의 감칠맛이 7.4로 두 번째로 높은 결과를 토대로 감칠맛은 beef#1과 salmon#1에 높은 상관성이 있다고 판단된다. 맛 성분에 대한 주성분 분석 결과(Fig. 2)를 보면 sheep#2, duck#2, 맛 성분의 경우 단맛과 쓴맛은 PC1을 기준으로 positive 한 패턴으로 위치하였고 PC2를 기준으로 negative 한 패턴을 나타내었다. 전자혀 결과(Fig. 1)에서 단맛과 쓴맛이 sheep#2에서 각각 8.1과 8.0으로 가장 높은 값을 나타내었으며, 단맛과 쓴맛이 7.3과 7.8로 duck#2에서 두 번째로 높은 값을 확인하였다. 이를 통해 단맛과 쓴맛이 sheep#2와 duck#2의 맛과 높은 상관성이 있다고 판단된다. 군집분석 결과(Fig. 3)에서 8개의 샘플이 3가지의 cluster로 분리된 것을 확인할 수 있었다. Duck#2와 sheep#2는 cluster I으로 분리되었고, salmon#1과 beef#1은 cluster Ⅱ로 분리되었다. 또한 duck#1, salmon#2, sheep#1, beef#2는 cluster Ⅲ로 분리되는 것을 확인할 수 있었다. 본 연구에서 주성분 분석과 군집분석을 통하여 식품소재별 가공식품의 맛 성분의 차이와 유사도를 확인할 수 있었다.

전자코 통한 식품 소재별 가공식품의 휘발성 향기 성분 분석

식품 소재별 가공식품의 휘발성 향기 성분을 전자코 시스템을 이용하여 분석하였으며, 이에 대한 분석 결과를 Table 1에 나타내었다. 8가지 식품 소재별 가공식품에서 11종의 acids and esters, 12종의 alcohols, 9종의 aldehydes, 5종의 furans, 11종의 heterocyclic compounds, 16종의 hydrocarbons, 9종의 ketones, 6종의 sulfur-containing compounds가 검출되어 총 79종의 휘발성 향기 성분을 확인하였다. Beef#1에서 33종, beef#2에서 31종, duck#1에서 31종, duck#2에서 29종, salmon#1에서 30종, salmon#2에서 32종, sheep#1에서 33종, sheep#2에서 31종의 휘발성 향기 성분이 각각 검출되었다. Beef#1과 sheep#1에서 33종으로 가장 많은 휘발성 향기 성분이 검출되었고, duck#2에서 29종으로 가장 적은 양의 휘발성 향기 성분이 검출되었다.

Table 1 . Volatile compounds of commercial processed foods by electronic nose (Peak area×103)

CompoundsRT1)(RI2))Sensory descriptionBeef#1Beef#2Duck#1Duck#2Salmon#1Salmon#2Sheep#1Sheep#2
Acids and Ester (11)
Formic acid21.71 (582)pungentNDNDNDNDNDND1.20±0.16ND
Acetic acid23.78 (614)SourNDNDND1.10±0.36NDND1.48±0.231.55±0.41
Ethyl Acetate23.88 (615)CaramelizedND3.44±0.11NDNDND1.85±0.07ND4.45±0.20
Methyl-2-propenoate25.04 (628)Acid1.58±0.07ND2.32±0.167.83±0.471.44±0.313.40±0.427.43±0.84ND
Methyl propanoate25.35 (631)FreshNDND0.97±0.42NDNDNDNDND
Butanoic acid42.58 (793)Cheese1.06±0.180.77±0.26NDNDND1.02±0.111.42±0.10ND
Propyl propanoate45.16 (817)Fruity, SweetNDNDND1.59±0.13NDNDNDND
Pentanoic acid53.22 (894)BeefyNDNDNDNDNDNDND0.41±0.04
Hexanoic acid62.76 (1,006)Fatty2.78±0.09NDND2.13±0.25NDNDND1.60±0.25
Methylacrylic acid, dodecyl ester101.46 (1,756)-NDNDND0.13±0.01NDNDND0.12±0.01
Butanoic acid, dodecyl ester101.69 (1,761)Fatty0.10±0.02ND0.10±0.03NDNDNDNDND
Alcohols(12)
Methanol15.21 (438)AlcoholicND6.46±0.46NDNDNDNDNDND
Pent-1-en-3-ol28.32 (664)MeatyNDNDNDND5.40±0.77NDNDND
Pentan-2-ol29.91 (681)Green, NuttyNDND0.97±0.15NDNDND0.52±0.241.01±0.18
Propylenglycol35.62 (734)CaramelizedNDNDNDNDNDNDNDND
Pentanol37.94 (754)Sweet1.63±0.241.44±0.180.94±0.121.00±0.061.61±0.231.42±0.220.61±0.091.01±0.02
2,3-Butanediol41.43 (783)OnionND0.19±0.06ND0.24±0.020.27±0.110.22±0.040.14±0.040.14±0.04
2-Hexanol43.56 (801)Fatty3.43±0.473.66±0.534.91±0.61ND3.87±0.543.90±0.562.66±0.45ND
1-Hexanol48.98 (853)FattyNDNDND2.01±0.080.27±0.19NDND1.15±0.05
2-Hexen-1-ol50.95 (872)LeafyNDNDNDNDND0.12±0.01NDND
1-Octanol67.76 (1,078)FattyNDNDNDNDND0.81±0.06NDND
Maltol71.62 (1,139)CaramelizedNDNDNDND0.10±0.020.09±0.010.09±0.03ND
4-Tridecanol89.24 (1,481)-ND1.01±0.09NDND0.95±0.08NDNDND
Aldehydes(9)
Propenal15.26 (439)Almond96.55±29.64188.94±26.22123.86±24.7188.07±5.9598.75±17.6179.89±36.21249.04±45.81100.13±13.24
But-2-enal27.31 (653)Green, Floral16.35±2.7517.04±3.2217.76±2.3913.98±1.1519.61±3.9219.23±3.5410.16±2.2213.81±0.57
Hexanal43.60 (802)FishyNDNDND7.42±0.28NDNDND5.71±0.10
2-Hexenal47.68 (841)Almond0.54±0.19ND0.36±0.140.52±0.100.25±0.030.46±0.11NDND
4-Heptenal53.04 (892)Fishy0.38±0.070.13±0.020.16±0.02NDNDND0.08±0.00ND
2,4-Heptadienal62.70 (1,005)Fried, FattyND1.68±0.331.29±0.28ND2.62±0.951.53±0.28NDND
Nonanal69.92 (1,110)Fatty0.55±0.12NDNDNDNDNDNDND
2-Nonenal71.82 (1,142)Fatty0.07±0.06ND0.13±0.010.11±0.000.14±0.03ND0.13±0.01ND
Cinnamaldehyde78.75 (1,264)CinnamonNDNDNDNDNDND0.03±0.03ND
Furans(5)
2-Ethyl furan33.43 (716)EarthyNDND0.06±0.05NDNDNDNDND
Furfural45.38 (819)Bread, Baked0.44±0.180.26±0.02NDND1.07±0.11ND0.46±0.05ND
2-Butylfuran53.10 (893)SweetNDND0.40±0.05ND0.15±0.020.31±0.03NDND
2-(5H)-Furanone54.16 (903)ButterND0.13±0.02NDND0.27±0.06NDND0.14±0.04
Dihydro-2(3H)-furanone54.27 (905)CaramelizedNDNDNDNDNDND0.30±0.01ND
Heterocyclic compounds(11)
Benzene28.24 (663)Aromatic7.82±1.308.04±1.298.08±1.05ND9.68±2.028.90±1.52ND5.88±0.50
(1-Methylethyl)benzene55.84 (923)Aromatic0.21±0.03NDNDNDNDNDNDND
Ethylpyrazine55.88 (924)Nutty, CocoaNDNDNDNDND0.10±0.020.11±0.01ND
4-Pentanolide57.53 (943)CocoaNDND0.09±0.00ND0.12±0.01ND0.07±0.00ND
1,3,5-Trimethylbenzene62.89 (1,008)AromaticNDNDNDNDNDND1.93±0.12ND
Butylbenzene66.90 (1,066)-NDNDNDND1.07±0.25NDNDND
Hexylcyclopentane71.54 (1,137)-ND0.09±0.01NDNDNDNDNDND
Benzene, pentyl-72.82 (1,159)Green0.14±0.020.13±0.03NDNDND0.12±0.02ND0.11±0.01
Indole79.95 (1,287)EarthyND0.51±0.10NDNDNDNDNDND
Undecylcylcohexane101.73 (1,762)-NDNDNDNDNDND0.11±0.01ND
Ambroxide104.63 (1,827)Amber1.86±0.281.90±0.221.82±0.281.87±0.091.82±0.371.89±0.241.76±0.392.00±0.10
Hydrocarbons(16)
Trimethylamine14.40 (420)Fishy0.22±0.050.13±0.030.11±0.040.20±0.010.21±0.040.21±0.050.12±0.030.14±0.03
Pentane18.80 (517)Alkane1.98±0.201.52±0.321.22±0.211.89±0.181.21±0.321.10±0.031.85±0.111.62±0.27
Acetonitrile20.37 (552)Sweet9.10±1.709.60±1.968.96±1.336.72±0.7911.23±2.4110.50±2.355.62±1.256.63±0.21
Heptane29.98 (683)SweetNDNDNDND5.41±1.045.21±0.65NDND
2,2,4-Trimethylpentane30.74 (691)Gasoline4.50±0.684.30±0.53NDNDND5.36±0.97ND3.69±0.24
Acetoin33.22 (714)Fatty, Butter0.42±0.040.14±0.16ND0.43±0.03NDNDNDND
Methyl 2-methylbutanote42.50 (792)Fatty0.28±0.13NDNDNDNDNDNDND
2,4-Octadiene46.04 (825)GlueNDNDNDNDNDNDND2.30±0.25
1,1,1,2-Tetrachloroethane54.18 (904)-NDNDND0.46±0.040.15±0.03NDNDND
4-Methoxy-2-Methyl-2-Mercaptobutane54.80 (911)BlackcurrantND0.38±0.04NDNDNDNDNDND
1,2,3-Trichloropropane57.90 (947)Chloroform0.12±0.01NDNDNDNDNDNDND
4-Methyldecane66.56 (1,061)-1.16±0.12ND0.65±0.020.85±0.12NDND0.73±0.101.78±0.06
Undecane69.34 (1,101)FaintND0.56±0.010.52±0.010.65±0.03ND0.56±0.030.63±0.071.03±0.02
Tridecane80.54 (1,298)Fruity, CitrusNDND0.51±0.16NDNDNDNDND
3-Methyltetradecane89.29 (1,482)-0.98±0.03NDNDNDND0.95±0.010.93±0.02ND
Terbufos101.58 (1,758)MercaptanNDNDNDNDND0.11±0.01NDND
Ketones(9)
Propan-2-one16.64 (491)Sweet, Fruity26.50±3.4029.12±4.0222.76±2.9931.93±2.7531.69±4.3334.07±6.4911.71±1.4422.97±1.12
1-Penten-3-one29.94 (682)Fishy3.87±0.313.51±0.10NDNDNDNDNDND
2,3-Pentanedione31.56 (700)AlmondNDND3.18±0.414.65±0.39NDND1.24±0.40ND
3-Hexanone42.36 (791)Fresh, SweetNDNDNDNDNDNDNDND
3-Heptanone50.89 (871)Fatty0.17±0.06NDND0.20±0.03NDND1.47±0.060.21±0.01
3-Nonen-2-one71.57 (1,138)FruityNDND0.09±0.010.05±0.04NDNDND0.07±0.01
δ-Octalactone79.89 (1,286)Fatty0.38±0.06NDND0.42±0.050.41±0.030.41±0.010.43±0.050.64±0.10
β- Ionone89.34 (1,483)DryNDND0.99±0.12NDNDNDNDND
δ-Decalactone89.40 (1,484)CoconutNDNDNDNDNDNDND1.07±0.09
Sulfur-containing compounds(6)
2-Methyl-2-propanethiol22.60 (601)heavy11.36±1.1410.21±1.0423.00±2.4338.00±2.5111.90±1.6912.57±1.8818.16±1.778.56±0.26
1-Propanethiol25.15 (629)Cabbage1.66±0.021.33±0.60NDND1.22±0.49NDNDND
2-Methylthiophene40.42 (775)Green3.17±0.372.54±0.292.51±0.1732.15±0.283.02±0.363.24±0.2522.59±1.502.70±0.22
1-Hydroxy-2-(methylthio)-ethane45.33 (818)MeatyNDND0.78±0.03NDND0.27±0.03NDND
1-Pentanethiol45.95 (824)FattyNDNDNDNDNDNDND1.07±0.08
1-Hexanethiol55.76 (922)Meaty, FattyND0.18±0.010.17±0.030.11±0.02ND0.16±0.01NDND

1)RT: Retention time (min)

2)RI: Retention indices



향기 성분 중 acids and esters류의 경우 경화되지 않은 육류의 향에 영향을 미치는 향기 성분으로써, 주로 돼지고기에서 나타나는 냄새 성분과 일부 과일 향과 관련이 있다(Chen 등, 2017). Sensory description에서 fatty로 확인된 hexanoic acid는 소재별 가공식품에서 긍정적 향미 화합물로 알려져 있다(Jeong 등, 2023). 이 화합물 함량의 경우 beef#1에서 2.78±0.09, duck#2에서 2.13±0.25, sheep#2에서 1.60±0.25의 peak area를 나타냈다. Alcohols류의 경우 지방산의 2차 과산화수소의 분해로 인해 형성된다고 알려져 있다(Chen 등, 2017). 본 소재별 가공식품에서는 탄화수소 다음으로 많은 종류의 향기 성분(12종)이 확인되었다.

Aldehydes류는 지질 지방 산화 반응에 의한 일반적인 생성물 중 하나이며, 이 중 propenal은 모든 샘플에서 전체적으로 높은 peak area를 확인하였다. Sheep#1에서는 249.04±45.81로 가장 높은 peak area를 나타내었으며, salmon#2에서는 79.89±36.21로 가장 낮은 peak area를 나타내었다. 생화학 관점에서 propenal은 필수 아미노산인 DL-메티오닌, 글리세린 및 기타 유기 화합물의 합성에서 중간체 역할을 한다(Kim 등, 2022). 향기 특징으로는 주로 아몬드와 같은 특징적인 향기가 난다고 알려져 있다(Kostyra 등, 2021). Hexanal은 ω-6 계열의 불포화지방산에서 유래되며, 동물조직에서 나오는 지방산으로 알려져 있다(Wettasinghe 등, 2001). 또한 동물 소재 식품에서는 햄, 소시지, 칠면조 가슴살 등에 주로 함유되어 있다(Koppel 등, 2013). 이러한 hexanal은 duck#2에서 7.42±0.28, sheep#2에서 5.71±0.10의 peak area를 나타내었으며, 이는 최근 본 연구팀의 연구에서 소재별 가공식품의 향 성분 중 하나로 보고되고 있다(Jeong 등, 2023). 선행 연구(Jeong 등, 2023)에서 소재별 가공식품에 함유된 nonanal을 통해서 구운 향과 쓴(bitter) 향을 확인하였으며, 이것이 향기에 기여하는 일반적인 향이라고 보고하였다. 이러한 nonanal은 beef#1에서 0.55±0.12의 peak area가 확인되었다.

Furfural류는 당과 단백질의 복합 반응인 Maillard 반응에 의해 주로 형성되며, 향기의 특징은 캐러멜 향으로 보고되고 일부 과일 향으로도 확인된다고 알려져 있다(Chen 등, 2017). 또한 본 연구팀의 선행 연구(Jeong 등, 2023)에서 소재별 가공식품을 GC-Olfactometry 분석을 통해 furfural을 확인하였으며, 이는 주요한 향기 성분으로 묘사하였다. 본 연구에서 furfural은 beef#1에서 0.44±0.18, beef#2에서 0.26±0.02, salmon#1에서 1.07±0.11, sheep#1에서 0.46±0.05의 peak area를 나타내었으며, sensory description으로는 주로 구운 향과 빵의 향으로 표현된다고 보고하였다. Pyrazines류는 질소를 함유하는 유기화합물로 furfural류와 같이 Maillard 반응에 의해 주로 형성되며, 특징적인 향은 견과류 향과 구운 향으로 알려져 있다(Koppel 등, 2013). 본 연구에서는 ethylpyrazine을 salmon#2에서 0.10±0.02, sheep#1에서 0.11±0.01의 peak area를 확인하였으며, 향기 이미지인 sensory description의 경우 주로 견과류 향과 코코아 향으로 표현된다는 것을 확인하였다.

다변량 분석을 통한 휘발성 향기 성분의 패턴 분석

전자코 시스템 기반 휘발성 향기 성분의 분석을 통해 다변량 분석으로 휘발성 향기 성분의 패턴을 주성분 분석(Fig. 4) 결과와 군집분석(Fig. 5) 결과로 나타내었다. PC1에서 가장 높은 51.94%의 variance를 보였으며, PC2에서 25.55%의 variance를 나타내었고, PC1-2 biplot에서 77.49%의 variance를 나타내었다. 샘플의 경우 duck#2, acids와 esters 그리고 sulfur-containing compounds는 PC1을 기준으로 negative 한 패턴을 나타내었고, PC2를 기준으로 negative 한 패턴을 나타내었다. Alcohols류는 PC1을 기준으로 positive 한 패턴을 나타내었고, PC2를 기준으로 positive 한 패턴을 나타내었다. 전자코 분석 결과(Table 1)를 통해 duck#2에서 acids와 esters류 그리고 sulfur-containing compounds류의 peak area가 각각 12.78과 70.26으로 모든 샘플 중에서 가장 높은 peak area를 가지고 있는 것을 확인하였다. 반면 alcohols류는 duck#2에서 각 샘플 중에서 가장 낮은 peak area를 보인 것을 확인하였으며, 이를 토대로 duck#2는 acids와 esters류 및 sulfur-containing compounds류와의 상관성이 상대적으로 높으며, alcohols류와는 낮은 상관성이 있다고 판단된다. 휘발성 향기 성분에 대한 주성분 분석 결과(Fig. 4)를 보면, sheep#1 그리고 aldehydes류가 PC1 기준으로 negative 한 패턴을 보이고 있으며, PC2를 기준으로 positive 한 경향을 보이고 있었다. Hydrocarbons류와 ketones류는 PC1을 기준으로 positive 한 경향을 보이고 있으며, PC2를 기준으로 볼 때 negative 한 패턴을 보이고 있었다.

Fig. 4. Interrelationship between commercial processed foods and volatile compounds using principal component analysis.

Fig. 5. Dendrogram of commercial processed foods based on the volatile profiles using cluster analysis.

전자코 분석 결과(Table 1)를 기반으로 판단할 때, sheep#1에서 aldehydes류의 전체 peak area 값이 259.44로 각 휘발성 향기 성분 중에서 가장 높은 값을 가지고 있는 것을 확인하였다. 반면 hydrocarbons류와 ketones류는 sheep#1에서 각각 9.88과 14.85로 모든 샘플 중에서 가장 낮은 peak area를 보인 것을 확인하였으며, 이를 통해 sheep#1은 aldehydes류와 상대적으로 높은 상관성이 있으며, hydrocarbons류와 ketones류는 낮은 상관성을 가진다고 판단된다.

계층적 군집분석은 데이터 간의 관계와 그룹화가 명확하지 않은 샘플 간의 유사성과 숨겨진 패턴을 탐구하는 데 사용된다(Granato 등, 2018). 군집분석 결과(Fig. 5)에서 3가지의 cluster로 분리되는 패턴을 확인할 수 있었다. 샘플 sheep#2, beef#1, salmon#2는 cluster I으로 분리되었고, salmon#1, duck#1, beef#2는 cluster Ⅱ로, 그리고 sheep#1과 duck#2는 cluster Ⅲ로 분리되는 것을 확인할 수 있었다. 본 연구에서 주성분 분석과 군집분석을 통하여 식품 소재별 가공식품의 휘발성 향기 성분의 상대적 차이도와 유사도를 확인할 수 있었다.

다변량 분석을 통한 맛 성분과 향기 성분의 패턴 분석

식품 소재별 가공식품의 샘플을 전자혀와 전자코 시스템을 통해 결과를 분석하였다. 그 후 Pearson 상관 계수를 사용하여 맛 성분과 휘발성 향기 성분 간의 상관관계를 분석하여 Table 2에 나타내었고, 맛 성분과 향기 성분의 패턴을 주성분 분석(Fig. 6)과 군집분석(Fig. 7)으로 각각 나타내었다. 주성분 분석 결과(Fig. 6)를 보면 PC1에서 46.14%의 variance를, PC2에서 20.30%의 variance를 각각 나타내었으며, PC1-2 biplot에서 66.44%의 variance를 확인하였다. 주성분 분석에서는 각 변수 간의 관계를 vector 사이의 각도를 통해 설명할 수 있다. 특히 cosine 각도를 통해 변수 간의 상관관계를 계산할 수 있으며, 각도가 cosine 180°면 -1이므로 음의 상관관계를 나타내고, cosine 90°면 0이므로 상관관계가 없음을 나타내며, 각도가 cosine 0°면 1이므로 양의 상관관계를 나타낸다(Shin 등, 2010). 주성분 분석(Fig. 6)에서 acids와 esters류와 heterocyclics류의 cosine 각도를 보면 음의 상관관계를 나타내고 있는 것을 볼 수 있으며, Table 2를 통해 acids와 esters류는 heterocyclics(r=-0.952)(P<0.05)와 음의 상관관계 값을 확인할 수 있었다. Fig. 6에서 PC1의 기준으로 negative 한 패턴을 보이고, PC2의 기준으로도 negative 한 경향을 보이는 duck#2와 sheep#2는 같은 위치에 있는 쓴맛과 단맛에 높은 상관성이 있으며, PC1과 PC2의 양의 방향에 위치한 신맛과는 비교적 낮은 상관성을 확인하였다. 상관 계수(Table 2)를 통해 쓴맛과 단맛(r=0.981)(P<0.05)과 양의 상관관계로 나타내는 것을 확인하였으며, 신맛은 단맛(r=-0.960)(P<0.05)과 쓴맛(r=-0.981)(P<0.05)이 음의 상관관계로 나타나는 것을 볼 수 있었다. 군집분석 결과(Fig. 7) 3가지의 군집으로 분리된 것을 확인하였으며, cluster I은 salmon#1과 beef#1로 분리된 것을 확인하였다. Cluster Ⅱ는 salmon#2, duck#1, beef#2로 분리되는 것을 확인하였으며, cluster Ⅲ는 sheep#1, duck#2, sheep#2로 분리되는 것을 확인할 수 있었다.

Table 2 . Pearson correlation coefficients between taste and flavor compounds in commercial processed foods.

VariablesAlcoholsAldehydesFuransHeterocyclicsHydrocarbonsKetonesSulfur-compoundsSournessSaltinessUmantiSweetnessBitterness
Acids and esters-0.779*0.214-0.548-0.952*-0.490-0.2440.756*-0.703-0.097-0.1200.5530.629
Alcohols0.1310.6000.710*0.3110.311-0.4790.6030.1980.300-0.614-0.598
Aldehydes0.200-0.268-0.541-0.7040.0890.1870.2300.051-0.308•0.305
Furans0.4660.064-0.211-0.3020.526-0.0190.448-0.565•0.613
Heterocyclics0.713*0.250-0.879*0.6500.2720.191-0.505-0.585
Hydrocarbons0.469-0.6920.2270.4130.331-0.160-0.179
Ketones0.0650.017-0.0810.143-0.0180.084
Sulfur compounds-0.496-0.291-0.1730.3440.443
Sourness0.0610.475-0.960*-0.981*
Saltiness-0.192-0.073-0.129
Umami-0.627-0.530
Sweetness0.981*


Fig. 6. Interrelationship between commercial processed foods and volatile and taste compounds using principal component analysis.

Fig. 7. Dendrogram of commercial processed foods based on the taste and volatile profiles using cluster analysis.

본 연구에서는 주요 식품 소재별(소고기, 오리, 연어, 양) 시판되는 소재별 가공식품의 감각적 특성을 분석하였다. 전자혀 시스템을 활용한 맛 성분 분석에서 sheep#2와 duck#2에서 단맛과 쓴맛이 높게 평가되었으며, 신맛은 두 샘플 모두에서 낮은 값을 보였다. 또한, 감칠맛에서는 beef#1이 가장 높았고, 짠맛은 상대적으로 차이가 확인되지 않았다. 전자코 시스템을 통한 향기 성분의 분석 결과, 총 79종의 향기 성분이 확인되었고, aldehydes류에서 가장 높은 peak area가 검출되었다. 가공식품에 존재하는 향기 성분 중 후각인지에서 긍정적인 향미 화합물인 hexanoic acid는 beef#1, duck#2, sheep#2에서 확인되었으며, propenal은 모든 샘플에서 높은 함량으로 존재하는 것은 확인하였다. 소재별 가공식품의 주요 향기

성분이라 보고된 hexanal과 nonanal은 본 연구에서도 확인되었으며, Maillard 반응에 의해 형성되는 향기 성분인 furfural과 ethylpyrazine도 샘플에서 확인되었다. 맛 성분 분석에 대한 주성분 분석 결과, 향기 성분의 주성분 분석 결과, 그리고 맛 성분과 향기 성분의 복합적인 주성분 분석 결과에서 다양한 상관관계를 확인하였다. 상관관계에서는 acids와 esters류는 heterocyclics류(r=-0.952)(P<0.05)와의 반비례적인 상관관계를 확인하였다. 쓴맛과 단맛(r=0.981)(P<0.05)의 경우 높은 비례적인 상관관계로 나타내는 것을 확인하였으며, 신맛은 단맛(r=-0.960) (P<0.05)과 쓴맛(r=-0.981)(P<0.05)이 반비례적인 상관관계를 확인할 수 있었다. 본 연구는 식품 소재별로 시판되는 가공식품의 개별 특성을 분석하였으며, 다변량 분석을 토대로 샘플과 주요 감각 소재 간의 상관관계를 분석하였다. 사용된 식품소재에 따라서 다양한 상관성을 가지지 않는 것을 확인하였으며, 주된 식품 소재 이외에도 다른 제조 공정 및 첨가물 등의 다른 복합적인 요인으로 나타난 것이라고 판단된다. 본 연구 결과를 통해 식품 소재별 가공식품의 감각 성분에 대한 정보를 제공하였으며, 잠재적인 가공식품 산업에서 감각 특성에 대한 기초 자료로써 활용될 수 있을 것으로 판단된다.

본 결과물은 농림축산식품부의 재원으로 농림식품기술기획평가원의 축산현안대응산업화기술개발사업사업의 지원을 받아 연구되었으며, 이에 감사드립니다(RS-2023-00231446).

  1. Cheli F, Bontempo V, Dell'Orto V. E-nose and e-tongue: an analytical tool for quality control and management in the pet food industry. Sens & Transducers. 2017. 213:24-29.
  2. Chen M, Chen X, Nsor-Atindana J, et al. Optimization of key aroma compounds for dog food attractant. Anim Feed Sci Technol. 2017. 225:173-181.
    CrossRef
  3. Choi JB, Chung MS, Cho WI. A study on increasing the water holding capacity of retorted beef for texture softening by pre-treatment. Korean J Food Sci Technol. 2016. 48:565-568.
    CrossRef
  4. Destefanis G, Barge MT, Brugiapaglia A, et al. The use of principal component analysis (PCA) to characterize beef. Meat Sci. 2000. 56:255-259.
    Pubmed CrossRef
  5. Di Donfrancesco B, Koppel K, Chambers IV E. An initial lexicon for sensory properties of dry dog food. J Sens Stud. 2012. 27:498-510.
    CrossRef
  6. Éles V, Hullár I, Romvári R. Electronic nose and tongue for pet food classification. Agric Conspec Sci. 2013. 78:225-228.
  7. Eom H, Kim K, Cho S, et al. The association between COVID-19 and changes in food consumption in Korea: analyzing the microdata of household income and expenditure from Statistics Korea 2019-2022. J Nutr Health. 2024. 57:153-169.
    CrossRef
  8. Granato D, Santos JS, Escher GB, et al. Use of principal component analysis (PCA) and hierarchical cluster analysis (HCA) for multivariate association between bioactive compounds and functional properties in foods: A critical perspective. Trends Food Sci Technol. 2018. 72:83-90.
    CrossRef
  9. Han ES, Yoon BS, Seo ST. The effect of food consumption lifestyle on the purchase experience, satisfaction, and purchase intention of convenience foods: Focusing on the mediation effects and moderation effects by HMR type. Journal of Rural Development. 2024. 47:69-96.
  10. Heu MS, Kim HJ, Yoon MS, et al. Food component characterization of muscle from salmon frame. J Korean Soc Food Sci Nutr. 2008. 37:1452-1456.
    CrossRef
  11. Jeong H, Yoon S, Yang NE, et al. Chemometric approach for an application of Atlantic salmons (Oncorhynchus keta) by-product for potential food sources. Food Sci Biotechnol. 2024. 33:855-876.
    Pubmed KoreaMed CrossRef
  12. Jeong H, Youn MY, Yoon S, et al. Evaluation of the chemosensoric properties of commercially available dog foods using electronic sensors and GC-MS/O analysis. Molecules. 2023. 28:5509. https://doi.org/10.3390/molecules28145509.
    Pubmed KoreaMed CrossRef
  13. Kang G, Seong PN, Cho S, et al. Effect of addition duck skin on quality characteristics of duck meat sausages. Korean J Poult Sci. 2014. 41:45-52.
    CrossRef
  14. Kim GR, Lee KH. A study on sensory factors contributing to the identification and preference of lamb meat. Korean J Food Cook Sci. 2005. 21:536-544.
  15. Kim SS, Lee YE, Kim CH, et al. Determining the optimal cooking time for cooking loss, shear force, and off-odor reduction of pork large intestines. Food Sci Anim Resour. 2022. 42:332-340.
    Pubmed KoreaMed CrossRef
  16. Koppel K, Adhikari K, Di Donfrancesco B. Volatile compounds in dry dog foods and their influence on sensory aromatic profile. Molecules. 2013. 18:2646-2662.
    Pubmed KoreaMed CrossRef
  17. Koppel K, Gibson M, Alavi S, et al. The effects of cooking process and meat inclusion on pet food flavor and texture characteristics. Animals. 2014. 4:254-271.
    Pubmed KoreaMed CrossRef
  18. Kostyra E, Król K, Knysak D, et al. Characteristics of volatile compounds and sensory properties of mixed organic juices based on kiwiberry fruits. Appl Sci. 2021. 11:529. https://doi.org/10.3390/app11020529.
    CrossRef
  19. Kwon HN, Choi CB. Comparison of free amino acids, anserine, and carnosine contents of beef according to the country of origin and marbling score. J Korean Soc Food Sci Nutr. 2018. 47:357-362.
    CrossRef
  20. Lee J, Boo C, Hong SJ, et al. Chemosensory device assisted-estimation of the quality of edible oils with repetitive frying. Foods. 2021. 10:972. https://doi.org/10.3390/foods10050972.
    Pubmed KoreaMed CrossRef
  21. Lee SJ, Cho MS. Association of ultra-processed food with diabetes and impaired fasting glucose in elderly populations (urban and rural): a cross-sectional study. Korean J Community Nutr. 2024. 29:51-64.
    CrossRef
  22. Shaheen N, Shamim AA, Choudhury SR, et al. Commonly consumed processed packaged foods in Bangladesh are unhealthy and their nutrient contents are not in conformity with the label declaration. Food Sci Nutr. 2024. 12:481-493.
    Pubmed KoreaMed CrossRef
  23. Shi X, Hong R, Lin L, et al. Comprehensive characterization in different types of tartary buckwheat tea based on intelligent sensory technology. Food Sci Technol. 2022. 42:e27222. https://doi.org/10.1590/fst.27222.
    CrossRef
  24. Shin EC, Craft BD, Pegg RB, et al. Chemometric approach to fatty acid profiles in Runner-type peanut cultivars by principal component analysis (PCA). Food Chem. 2010. 119:1262-1270.
    CrossRef
  25. Suleman R, Wang Z, Aadil RM, et al. Effect of cooking on the nutritive quality, sensory properties and safety of lamb meat: Current challenges and future prospects. Meat Sci. 2020. 167:108172. https://doi.org/10.1016/j.meatsci.2020.108172.
    Pubmed CrossRef
  26. Wettasinghe M, Vasanthan T, Temelli F, et al. Volatile flavour composition of cooked by-product blends of chicken, beef and pork: a quantitative GC-MS investigation. Food Res Int. 2001. 34:149-158.
    CrossRef
  27. Yoon S, Hong KB, Jeong H, et al. Flavor and taste of red beet (Beta vulgaris L.) harvested in Jeju island using the electronic nose, electronic tongue, and GC-MS. J Korean Soc Food Sci Nutr. 2023. 52:907-916.
    CrossRef

Article

Article

Journal of the Korean Society of Food Science and Nutrition 2024; 53(8): 805-815

Published online August 31, 2024 https://doi.org/10.3746/jkfn.2024.53.8.805

Copyright © The Korean Society of Food Science and Nutrition.

전자센서를 활용한 소재별 가공식품의 감각 특성 표준화 비교

박현진1․반영란1․윤소정1․정향연1․홍성준1․문희성2․ 유세영2․김현욱1․김경수1․정은주1․신의철1,2

1경상국립대학교 생명자원과학과
2경상국립대학교 식품과학부

Received: May 23, 2024; Revised: June 14, 2024; Accepted: June 20, 2024

A Study of the Chemosensory Properties of Commercial Processed Foods Using Electronic Sensors

Hyeonjin Park1 , Younglan Ban1 , Sojeong Yoon1 , Hyangyeon Jeong1 , Seong Jun Hong1 , Hee Sung Moon2 , Se Young Yu2 , Hyun-Wook Kim1, Kyeong Soo Kim1, Eun Ju Jeong1, and Eui-Cheol Shin1,2

1Department of GreenBio Science and 2Department of Food Science, Gyeongsang National University

Correspondence to:Eui-Cheol Shin, Department of GreenBio Science/Food Science, Gyeongsang National University, 33 Dongjin-ro, Jinju, Gyeongnam 52725, Korea, E-mail: eshin@gnu.ac.kr

Received: May 23, 2024; Revised: June 14, 2024; Accepted: June 20, 2024

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (https://creativecommons.org/licenses/by-nc/4.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Abstract

This study analyzed the sensory characteristics of commercially available processed food samples categorized into four main food ingredients: beef, duck, salmon, and sheep. The chemosensory approach used an electronic tongue (e-tongue) for taste component analysis and an electronic nose (e-nose) for analysis of volatile compounds. The patterns of taste and volatile compound intensities were observed, and their correlations were examined through principal component analysis (PCA). The e-tongue analysis indicated higher sweetness and bitterness in sheep#2 and duck#2 samples, while the umami values were lower in both samples. In the e-nose analysis, 79 volatile compounds were detected, with aldehydes showing the highest peak and propenal exhibiting high values across all samples. The key volatile compounds such as hexanal and nonanal were identified, along with compounds formed through the Maillard reaction like furfural and ethylpyrazine. The PCA analysis indicated a low correlation with the same food ingredients. These study results could be used as fundamental data for understanding the sensory characteristics of processed food products.

Keywords: commercially processed food, electronic nose (e-nose), electronic tongue (e-tongue), chemosensory, ingredients

서 론

가공식품이란 맛, 기호성, 편의성 및 안전성 등을 고려하여 식품을 가공하는 것을 의미한다(Lee와 Cho, 2024). 가공식품은 식품을 준비하는 데 적은 시간이 들고 간편하게 섭취할 수 있어, 가용성 및 접근성이 좋아 현대인에게 적합한 식품 공급원이다(Shaheen 등, 2024). 최근 1인 가구의 증가, 여성 경제 활동 및 코로나바이러스(COVID-19) 유행으로 인하여 비대면 배달 및 가정 간편식(home meal replacement)과 같은 가공식품이 성장하고 있다(Han 등, 2024; Lee와 Cho, 2024). 실제로 팬데믹 사태 이후 육류 가공식품 등에서 섭취 형태의 변화가 보고되었으며, 가공 육류와 수산 식품의 지출액만 감소하지 않은 결과가 보고되고 있다(Eom 등, 2024).

육류 및 수산 가공식품에는 소고기, 오리고기, 연어, 양고기 등과 같은 많은 원료가 존재한다. 주요 육류인 소고기는 단백질의 필수 아미노산 및 비필수 아미노산을 고루 함유하고 있다(Kwon과 Choi, 2018). 특유한 맛을 가진 아미노산은 소고기의 풍미에 큰 영향을 주어 가공식품의 소재로도 많이 이용된다(Choi 등, 2016; Kwon과 Choi, 2018). 오리고기는 불포화지방산 및 단백질 함량이 높으며, 가공식품의 형태로 많이 소비된다(Kang 등, 2014). 고급 어종 중 하나인 연어는 선홍색인 육색으로 축육과 유사하고 다른 어종에 비해 비린내가 적으며(Heu 등, 2008), 고품질 아미노산과 고도 불포화지방산을 함유하고 있어 맛과 영양이 탁월하다(Jeong 등, 2024). 따라서 연어는 훈제품, 통조림, 밀키트, 동물용 식품처럼 다양한 식품의 형태로 많은 수요가 이뤄지고 있다(Heu 등, 2008; Jeong 등, 2024). 마지막으로 양고기는 목축이 잘되는 건조한 지역에서 많이 생산되며, 종교적으로 돼지고기를 먹지 않는 중동의 이슬람교국에서 많이 수요되는 육류이다(Kim과 Lee, 2005). 특유의 향을 가지고 있는 양고기는 단백질, 지방산, 비타민과 같은 중요한 영양소를 가지고 있다. 따라서 중국, 호주 등의 국가에서 소비량이 많으며, 전 세계적으로 수요가 증가하고 있다(Kim과 Lee, 2005; Suleman 등, 2020).

최근 식품 산업에서 전자혀 및 전자코로 대표되는 전자센서를 통한 식품의 감각적인 특성과 품질을 분석하는 연구들이 증가하고 있다. 전자혀 및 전자코는 서로 다른 민감도를 가진 센서를 배열하여 패턴별 샘플의 비교 분석이 가능하며, 제품의 품질 차이 정도를 확인하는 데 사용된다. 최근 전자센서를 활용한 감각 분석 연구는 소비자 선호도 테스트, 화학 및 질감 분석을 대체할 수 있으며, 소재별 가공식품 제조 공정에 적용될 수 있다고 보고되었다(Cheli 등, 2017; Éles 등, 2013). 또한 관능 평가와 같이 주관적이지 않고 객관적인 정보와 빠른 정보를 얻을 수 있는 장점이 있다(Yoon 등, 2023). 맛과 향은 대표적인 감각적 분석으로 기호성 측면에서 매우 중요한 요소이다. 이에 본 연구는 식품 소재별 상업용 가공식품의 감각적 특성을 전자혀와 전자코를 통해 분석하였으며, 다변량 분석을 통해 상관관계를 확인하였다. 본 연구 결과는 주요 식품 소재별 상업용 가공식품의 감각적 특성인 맛 성분과 휘발성 향기 성분에 대한 기초적인 데이터베이스로써 활용 가능할 것으로 기대된다.

재료 및 방법

실험 재료

본 실험에서 사용된 소재별 가공식품은 상업적으로 시판되는 일반 제품을 구입하여 사용하였다. 주요한 식품 소재로써 일반적으로 소비가 많은 소재 중 소고기, 오리고기, 연어, 양고기로 만든 제품을 선택하여 실험에 사용하였다. 소재에 따라 서로 다른 국내 가공식품 제조회사(A사, B사, C사, D사)를 통해 총 8개의 샘플로 사용하였다. 소고기를 주원료로 생산한 제품(beef#1, beef#2)은 B와 C사 제품으로 주원료인 소고기 함유량은 각각 14%와 27%가 사용되었으며, 오리고기로 생산한 제품(duck#1, duck#2)은 C사와 A사 제품으로 주원료인 오리고기의 함유량은 각각 10%와 16%가 사용되었다. 연어로 생산한 제품(salmon#1, salmon#2)은 B사와 C사의 제품으로 주원료인 연어는 10%와 29%의 함량이 포함되었고, 양고기로 생산한 제품(sheep#1, sheep#2)은 A사와 D사에서 구입하였으며, 주원료인 양고기의 함량은 각각 16%와 30%로 제시된 상품으로 분류하였다. 맛과 향에 지나치게 영향을 미치는 향미제는 사용되지 않은 샘플을 사용하였고, 사용된 부가 재료는 주로 양배추, 브로콜리, 당근, 파프리카, 들깨가루, 아미씨가루, 난각분, 멸치가루, 함초가루 및 검정깨가루가 사용되었다(세부 비율은 비공개 자료). 샘플의 감각 특성의 품질이 저하되는 것을 방지하기 위해 실험에 사용하기 전까지 냉장 온도(4°C)에서 밀봉하여 보관하였다.

맛 성분 분석을 위한 전자혀 활용

식품 소재별 가공식품의 맛 성분의 패턴을 분석하기 위하여 전자혀 시스템(electronic tongueⅡ, ASTREE, Alpha MOS)을 사용하였다. 전자혀 시스템은 총 7가지 센서를 가지고 있다. 그중 5가지 센서는 인간이 기본적으로 느끼는 맛인 신맛(AHS-sourness), 짠맛(CTS-saltiness), 감칠맛(NMS-umami), 단맛(ANS-sweetness), 쓴맛(SCS-bitterness)이며, 추가 2가지 reference 센서로 구성되어 있다. 각 고형 샘플 5 g을 취하여 분쇄기(CSM-309, Motor Millions Electric Co.)를 이용하여 분쇄 후 샘플을 전자혀 분석용 vial에 담아 정제수 100 mL와 함께 30분간 60°C에서 1,050×g 교반을 통해 맛 성분을 추출하였다. 추출된 시료액은 No. 2 사이즈 여과지(150 mm, Toyo Roshi Kaisha Ltd.)를 이용하여 추출된 시료액 입자를 제거한 후, 전자혀 분석용 vial에 10 mL와 정제수 90 mL로 희석하여 10% 농도로 조정 후 전자혀 분석에 사용하였다. 제조한 시료액이 든 전자혀 분석용 vial을 전자혀 시스템의 sampler에 장착한 후, 2분간 센서에 시료액을 침지하여 개별적인 맛 성분의 강도를 측정하였다. 분석 중 각 샘플 간의 오염과 오차를 줄이기 위해 한 개의 샘플 분석이 끝날 때마다 정제수로 각 센서의 세척 과정을 진행하였고, 샘플당 총 3 반복 분석을 진행하였다(Shi 등, 2022; Yoon 등, 2023).

휘발성 향기 성분 분석을 위한 전자코 활용

식품 소재별 가공식품의 휘발성 향기 성분의 패턴을 분석하기 위하여 전자코 시스템(HERACLES Neo, Alpha MOS)을 사용하였다. 고체 형태의 샘플 3 g을 분쇄기(CSM-309, MotorMillions Electric Co.)로 분쇄하여 분석용 headspace vial에 넣고, 40°C에서 20분간 1,200×g 속도로 교반하여 휘발성 향기 성분을 vial에 포화시킨 후, 전자코 시스템에 부착된 자동 시료 채취기로 휘발성 향기 성분 포집하였다. 주사기를 이용하여 포집된 1,000 µL 휘발성 향기 성분을 전자코에 장착된 gas chromatography injection port에 주입하였다. 분석 조건은 acquisition time 110초, trap absorption temperature 40°C, 그리고 trap desorption temperature 250°C, 1 mL/min의 수소 가스 유량으로 설정하였다. 오븐 온도는 40°C로 5초간 유지한 후 4°C/s의 속도로 270°C까지 승온 후 30초 동안 유지되었다. MXT-5 컬럼(Alpha MOS)이 전자코 분석용 컬럼으로 사용되었다. 각 향기 성분에 대한 물질 동정은 탄소수에 기반을 둔 retention index를 기반으로 진행되었고, Kovat’s index library(Alpha MOS) 정보를 통하여 분리된 각 향기 성분을 동정하였다. 모든 분석은 샘플당 총 3 반복으로 분석을 진행하였다(Yoon 등, 2023).

통계처리

본 연구의 전자센서 결괏값은 3 반복 분석을 통한 평균값(mean)과 표준편차(SD)로 나타내었다. 통계프로그램 XLSTAT software ver. 2021(Addinsoft)을 이용하여 주성분 분석법(principal component analysis)과 군집분석(hierarchical clustering analysis)을 활용하였다. 다변량 분석의 독립변수는 맛 성분과 향기 성분이었으며, 샘플에 따른 맛 성분과 향기 성분의 패턴을 분석하였다. 각 성분 간의 상관관계 확인을 위해 사용된 Pearson 상관 계수는 통계 분석 시스템 소프트웨어(SAS, ver. 15.1, SAS Institute Inc.)(P<0.05)를 사용하여 각각의 성분 간의 상관관계를 확인하였다(Lee 등, 2021).

결과 및 고찰

전자혀를 통한 식품 소재별 가공식품의 맛 성분 분석

전자혀를 통해 식품 소재별 가공식품에 따른 맛 성분 분석 결과를 Fig. 1에 나타내었다. 전자혀 분석 결과는 인간이 느끼는 기본적인 신맛, 짠맛, 감칠맛, 단맛, 쓴맛으로 대표되는 5가지 맛과 관련된 센서를 통해 상대적인 값으로 나타내었다. 신맛을 나타내는 센서인 AHS는 beef#1에서 8.7로 가장 높은 값으로 확인되었으며, sheep#2에서 3.2로 가장 낮은 값을 확인하였다. 짠맛을 나타내는 센서인 CTS는 salmon#2에서 6.6, beef#2와 sheep#1에서 6.0, duck#1에서 5.8, salmon#1과 sheep#2에서 5.6, beef#1과 duck#2에서 5.4로 비교적 다른 맛들에 비해 큰 차이를 보이지 않았다. 감칠맛을 나타내는 센서인 NMS는 beef#1에서 7.9로 가장 높은 값으로 확인되었으며, duck#1에서 4.1로 가장 낮은 값으로 확인되었다. 단맛을 나타내는 센서인 ANS는 sheep#2에서 8.1로 가장 높은 값으로 확인되었으며, beef#1에서 4.4로 가장 낮은 값이 확인되었다. 쓴맛을 나타내는 센서인 SCS는 sheep#2에서 8.0으로 가장 높은 값으로 확인되었으며, beef#1에서 4.4로 가장 낮은 값으로 확인되었다.

Fig 1. Taste intensities in commercial processed foods using electronic tongue.

소재별 가공식품의 전반적인 단맛은 포도당, 사탕수수 시럽, 단맛이 나는 아미노산같이 기타 향미제로 발생시킨다고 알려져 있다(Koppel 등, 2014). Di Donfrancesco 등(2012)의 연구에서 소재별 가공식품의 향, 맛, 질감, 외관 특성을 감각 어휘로 묘사하였으며, 양고기 및 쇠고기 구이로 제조한 샘플의 맛 특성에서 단맛이 확인되었다. 본 연구에서는 sheep#2가 단맛에서 8.1의 높은 값을 나타냈으며, sheep#1은 단맛의 약 평균값인 5.6을 나타내었다. 하지만 beef#1의 단맛은 4.4, beef#2의 단맛은 4.8의 값으로 다른 샘플에 비해 높은 값을 나타내지 않았다.

문헌에 의하면 전자혀는 객관성 및 재현성이 높아 식품 산업에서 품질 평가를 위해 최근 활용이 증가하였으며, 신속한 분석과 신뢰할 수 있는 분석 결과를 얻을 수 있는 장점을 가지고 있다(Cheli 등, 2017; Jeong 등, 2023). 최근 인간이 섭취하는 식품뿐만 아니라 다양한 생물용 가공식품의 맛 성분 분석에도 많이 활용되며, 다양한 분야에서 사용이 증가하고 있다(Cheli 등, 2017; Jeong 등, 2023). 본 연구에서는 소재별 가공식품 연구에서 다양한 맛을 구별하기 위한 분석 기구로 전자혀 시스템이 활용 가능할 것으로 판단된다.

다변량 분석을 통한 맛 성분의 패턴 분석

5가지 기본 맛 성분 결과를 토대로 다변량 분석을 진행하였고, 이에 대한 결과를 주성분 분석(Fig. 2)과 군집분석(Fig. 3)의 결과로 나타내었다. 주성분 분석은 다변량 데이터에서 가장 중요한 변동 방향을 식별하고 이를 그래픽 플롯으로 나타내는 통계 방법이다(Destefanis 등, 2000). Fig. 2에서 나타낸 주성분 분석 결과,

Fig 2. Interrelationship between commercial processed foods and taste compounds using principal component analysis.

Fig 3. Dendrogram of commercial processed foods based on the taste profiles using cluster analysis.

PC1에서 66.63%의 variance와 PC2에서 22.28%의 variance를 나타냈으며, PC1-2의 biplot에서 88.91%의 variance를 나타내었다. Beef#1, salmon#1 샘플과 감칠맛 성분은 PC1의 기준으로 negative 한 패턴에서 위치하였고, PC2를 기준으로 판단 시 negative 한 패턴에 위치하였다. 앞선 전자혀 결과(Fig. 1)에서 beef#1이 나타낸 감칠맛이 샘플 중에서 7.9로 가장 높았고, salmon#1의 감칠맛이 7.4로 두 번째로 높은 결과를 토대로 감칠맛은 beef#1과 salmon#1에 높은 상관성이 있다고 판단된다. 맛 성분에 대한 주성분 분석 결과(Fig. 2)를 보면 sheep#2, duck#2, 맛 성분의 경우 단맛과 쓴맛은 PC1을 기준으로 positive 한 패턴으로 위치하였고 PC2를 기준으로 negative 한 패턴을 나타내었다. 전자혀 결과(Fig. 1)에서 단맛과 쓴맛이 sheep#2에서 각각 8.1과 8.0으로 가장 높은 값을 나타내었으며, 단맛과 쓴맛이 7.3과 7.8로 duck#2에서 두 번째로 높은 값을 확인하였다. 이를 통해 단맛과 쓴맛이 sheep#2와 duck#2의 맛과 높은 상관성이 있다고 판단된다. 군집분석 결과(Fig. 3)에서 8개의 샘플이 3가지의 cluster로 분리된 것을 확인할 수 있었다. Duck#2와 sheep#2는 cluster I으로 분리되었고, salmon#1과 beef#1은 cluster Ⅱ로 분리되었다. 또한 duck#1, salmon#2, sheep#1, beef#2는 cluster Ⅲ로 분리되는 것을 확인할 수 있었다. 본 연구에서 주성분 분석과 군집분석을 통하여 식품소재별 가공식품의 맛 성분의 차이와 유사도를 확인할 수 있었다.

전자코 통한 식품 소재별 가공식품의 휘발성 향기 성분 분석

식품 소재별 가공식품의 휘발성 향기 성분을 전자코 시스템을 이용하여 분석하였으며, 이에 대한 분석 결과를 Table 1에 나타내었다. 8가지 식품 소재별 가공식품에서 11종의 acids and esters, 12종의 alcohols, 9종의 aldehydes, 5종의 furans, 11종의 heterocyclic compounds, 16종의 hydrocarbons, 9종의 ketones, 6종의 sulfur-containing compounds가 검출되어 총 79종의 휘발성 향기 성분을 확인하였다. Beef#1에서 33종, beef#2에서 31종, duck#1에서 31종, duck#2에서 29종, salmon#1에서 30종, salmon#2에서 32종, sheep#1에서 33종, sheep#2에서 31종의 휘발성 향기 성분이 각각 검출되었다. Beef#1과 sheep#1에서 33종으로 가장 많은 휘발성 향기 성분이 검출되었고, duck#2에서 29종으로 가장 적은 양의 휘발성 향기 성분이 검출되었다.

Table 1 . Volatile compounds of commercial processed foods by electronic nose (Peak area×103).

CompoundsRT1)(RI2))Sensory descriptionBeef#1Beef#2Duck#1Duck#2Salmon#1Salmon#2Sheep#1Sheep#2
Acids and Ester (11)
Formic acid21.71 (582)pungentNDNDNDNDNDND1.20±0.16ND
Acetic acid23.78 (614)SourNDNDND1.10±0.36NDND1.48±0.231.55±0.41
Ethyl Acetate23.88 (615)CaramelizedND3.44±0.11NDNDND1.85±0.07ND4.45±0.20
Methyl-2-propenoate25.04 (628)Acid1.58±0.07ND2.32±0.167.83±0.471.44±0.313.40±0.427.43±0.84ND
Methyl propanoate25.35 (631)FreshNDND0.97±0.42NDNDNDNDND
Butanoic acid42.58 (793)Cheese1.06±0.180.77±0.26NDNDND1.02±0.111.42±0.10ND
Propyl propanoate45.16 (817)Fruity, SweetNDNDND1.59±0.13NDNDNDND
Pentanoic acid53.22 (894)BeefyNDNDNDNDNDNDND0.41±0.04
Hexanoic acid62.76 (1,006)Fatty2.78±0.09NDND2.13±0.25NDNDND1.60±0.25
Methylacrylic acid, dodecyl ester101.46 (1,756)-NDNDND0.13±0.01NDNDND0.12±0.01
Butanoic acid, dodecyl ester101.69 (1,761)Fatty0.10±0.02ND0.10±0.03NDNDNDNDND
Alcohols(12)
Methanol15.21 (438)AlcoholicND6.46±0.46NDNDNDNDNDND
Pent-1-en-3-ol28.32 (664)MeatyNDNDNDND5.40±0.77NDNDND
Pentan-2-ol29.91 (681)Green, NuttyNDND0.97±0.15NDNDND0.52±0.241.01±0.18
Propylenglycol35.62 (734)CaramelizedNDNDNDNDNDNDNDND
Pentanol37.94 (754)Sweet1.63±0.241.44±0.180.94±0.121.00±0.061.61±0.231.42±0.220.61±0.091.01±0.02
2,3-Butanediol41.43 (783)OnionND0.19±0.06ND0.24±0.020.27±0.110.22±0.040.14±0.040.14±0.04
2-Hexanol43.56 (801)Fatty3.43±0.473.66±0.534.91±0.61ND3.87±0.543.90±0.562.66±0.45ND
1-Hexanol48.98 (853)FattyNDNDND2.01±0.080.27±0.19NDND1.15±0.05
2-Hexen-1-ol50.95 (872)LeafyNDNDNDNDND0.12±0.01NDND
1-Octanol67.76 (1,078)FattyNDNDNDNDND0.81±0.06NDND
Maltol71.62 (1,139)CaramelizedNDNDNDND0.10±0.020.09±0.010.09±0.03ND
4-Tridecanol89.24 (1,481)-ND1.01±0.09NDND0.95±0.08NDNDND
Aldehydes(9)
Propenal15.26 (439)Almond96.55±29.64188.94±26.22123.86±24.7188.07±5.9598.75±17.6179.89±36.21249.04±45.81100.13±13.24
But-2-enal27.31 (653)Green, Floral16.35±2.7517.04±3.2217.76±2.3913.98±1.1519.61±3.9219.23±3.5410.16±2.2213.81±0.57
Hexanal43.60 (802)FishyNDNDND7.42±0.28NDNDND5.71±0.10
2-Hexenal47.68 (841)Almond0.54±0.19ND0.36±0.140.52±0.100.25±0.030.46±0.11NDND
4-Heptenal53.04 (892)Fishy0.38±0.070.13±0.020.16±0.02NDNDND0.08±0.00ND
2,4-Heptadienal62.70 (1,005)Fried, FattyND1.68±0.331.29±0.28ND2.62±0.951.53±0.28NDND
Nonanal69.92 (1,110)Fatty0.55±0.12NDNDNDNDNDNDND
2-Nonenal71.82 (1,142)Fatty0.07±0.06ND0.13±0.010.11±0.000.14±0.03ND0.13±0.01ND
Cinnamaldehyde78.75 (1,264)CinnamonNDNDNDNDNDND0.03±0.03ND
Furans(5)
2-Ethyl furan33.43 (716)EarthyNDND0.06±0.05NDNDNDNDND
Furfural45.38 (819)Bread, Baked0.44±0.180.26±0.02NDND1.07±0.11ND0.46±0.05ND
2-Butylfuran53.10 (893)SweetNDND0.40±0.05ND0.15±0.020.31±0.03NDND
2-(5H)-Furanone54.16 (903)ButterND0.13±0.02NDND0.27±0.06NDND0.14±0.04
Dihydro-2(3H)-furanone54.27 (905)CaramelizedNDNDNDNDNDND0.30±0.01ND
Heterocyclic compounds(11)
Benzene28.24 (663)Aromatic7.82±1.308.04±1.298.08±1.05ND9.68±2.028.90±1.52ND5.88±0.50
(1-Methylethyl)benzene55.84 (923)Aromatic0.21±0.03NDNDNDNDNDNDND
Ethylpyrazine55.88 (924)Nutty, CocoaNDNDNDNDND0.10±0.020.11±0.01ND
4-Pentanolide57.53 (943)CocoaNDND0.09±0.00ND0.12±0.01ND0.07±0.00ND
1,3,5-Trimethylbenzene62.89 (1,008)AromaticNDNDNDNDNDND1.93±0.12ND
Butylbenzene66.90 (1,066)-NDNDNDND1.07±0.25NDNDND
Hexylcyclopentane71.54 (1,137)-ND0.09±0.01NDNDNDNDNDND
Benzene, pentyl-72.82 (1,159)Green0.14±0.020.13±0.03NDNDND0.12±0.02ND0.11±0.01
Indole79.95 (1,287)EarthyND0.51±0.10NDNDNDNDNDND
Undecylcylcohexane101.73 (1,762)-NDNDNDNDNDND0.11±0.01ND
Ambroxide104.63 (1,827)Amber1.86±0.281.90±0.221.82±0.281.87±0.091.82±0.371.89±0.241.76±0.392.00±0.10
Hydrocarbons(16)
Trimethylamine14.40 (420)Fishy0.22±0.050.13±0.030.11±0.040.20±0.010.21±0.040.21±0.050.12±0.030.14±0.03
Pentane18.80 (517)Alkane1.98±0.201.52±0.321.22±0.211.89±0.181.21±0.321.10±0.031.85±0.111.62±0.27
Acetonitrile20.37 (552)Sweet9.10±1.709.60±1.968.96±1.336.72±0.7911.23±2.4110.50±2.355.62±1.256.63±0.21
Heptane29.98 (683)SweetNDNDNDND5.41±1.045.21±0.65NDND
2,2,4-Trimethylpentane30.74 (691)Gasoline4.50±0.684.30±0.53NDNDND5.36±0.97ND3.69±0.24
Acetoin33.22 (714)Fatty, Butter0.42±0.040.14±0.16ND0.43±0.03NDNDNDND
Methyl 2-methylbutanote42.50 (792)Fatty0.28±0.13NDNDNDNDNDNDND
2,4-Octadiene46.04 (825)GlueNDNDNDNDNDNDND2.30±0.25
1,1,1,2-Tetrachloroethane54.18 (904)-NDNDND0.46±0.040.15±0.03NDNDND
4-Methoxy-2-Methyl-2-Mercaptobutane54.80 (911)BlackcurrantND0.38±0.04NDNDNDNDNDND
1,2,3-Trichloropropane57.90 (947)Chloroform0.12±0.01NDNDNDNDNDNDND
4-Methyldecane66.56 (1,061)-1.16±0.12ND0.65±0.020.85±0.12NDND0.73±0.101.78±0.06
Undecane69.34 (1,101)FaintND0.56±0.010.52±0.010.65±0.03ND0.56±0.030.63±0.071.03±0.02
Tridecane80.54 (1,298)Fruity, CitrusNDND0.51±0.16NDNDNDNDND
3-Methyltetradecane89.29 (1,482)-0.98±0.03NDNDNDND0.95±0.010.93±0.02ND
Terbufos101.58 (1,758)MercaptanNDNDNDNDND0.11±0.01NDND
Ketones(9)
Propan-2-one16.64 (491)Sweet, Fruity26.50±3.4029.12±4.0222.76±2.9931.93±2.7531.69±4.3334.07±6.4911.71±1.4422.97±1.12
1-Penten-3-one29.94 (682)Fishy3.87±0.313.51±0.10NDNDNDNDNDND
2,3-Pentanedione31.56 (700)AlmondNDND3.18±0.414.65±0.39NDND1.24±0.40ND
3-Hexanone42.36 (791)Fresh, SweetNDNDNDNDNDNDNDND
3-Heptanone50.89 (871)Fatty0.17±0.06NDND0.20±0.03NDND1.47±0.060.21±0.01
3-Nonen-2-one71.57 (1,138)FruityNDND0.09±0.010.05±0.04NDNDND0.07±0.01
δ-Octalactone79.89 (1,286)Fatty0.38±0.06NDND0.42±0.050.41±0.030.41±0.010.43±0.050.64±0.10
β- Ionone89.34 (1,483)DryNDND0.99±0.12NDNDNDNDND
δ-Decalactone89.40 (1,484)CoconutNDNDNDNDNDNDND1.07±0.09
Sulfur-containing compounds(6)
2-Methyl-2-propanethiol22.60 (601)heavy11.36±1.1410.21±1.0423.00±2.4338.00±2.5111.90±1.6912.57±1.8818.16±1.778.56±0.26
1-Propanethiol25.15 (629)Cabbage1.66±0.021.33±0.60NDND1.22±0.49NDNDND
2-Methylthiophene40.42 (775)Green3.17±0.372.54±0.292.51±0.1732.15±0.283.02±0.363.24±0.2522.59±1.502.70±0.22
1-Hydroxy-2-(methylthio)-ethane45.33 (818)MeatyNDND0.78±0.03NDND0.27±0.03NDND
1-Pentanethiol45.95 (824)FattyNDNDNDNDNDNDND1.07±0.08
1-Hexanethiol55.76 (922)Meaty, FattyND0.18±0.010.17±0.030.11±0.02ND0.16±0.01NDND

1)RT: Retention time (min).

2)RI: Retention indices.



향기 성분 중 acids and esters류의 경우 경화되지 않은 육류의 향에 영향을 미치는 향기 성분으로써, 주로 돼지고기에서 나타나는 냄새 성분과 일부 과일 향과 관련이 있다(Chen 등, 2017). Sensory description에서 fatty로 확인된 hexanoic acid는 소재별 가공식품에서 긍정적 향미 화합물로 알려져 있다(Jeong 등, 2023). 이 화합물 함량의 경우 beef#1에서 2.78±0.09, duck#2에서 2.13±0.25, sheep#2에서 1.60±0.25의 peak area를 나타냈다. Alcohols류의 경우 지방산의 2차 과산화수소의 분해로 인해 형성된다고 알려져 있다(Chen 등, 2017). 본 소재별 가공식품에서는 탄화수소 다음으로 많은 종류의 향기 성분(12종)이 확인되었다.

Aldehydes류는 지질 지방 산화 반응에 의한 일반적인 생성물 중 하나이며, 이 중 propenal은 모든 샘플에서 전체적으로 높은 peak area를 확인하였다. Sheep#1에서는 249.04±45.81로 가장 높은 peak area를 나타내었으며, salmon#2에서는 79.89±36.21로 가장 낮은 peak area를 나타내었다. 생화학 관점에서 propenal은 필수 아미노산인 DL-메티오닌, 글리세린 및 기타 유기 화합물의 합성에서 중간체 역할을 한다(Kim 등, 2022). 향기 특징으로는 주로 아몬드와 같은 특징적인 향기가 난다고 알려져 있다(Kostyra 등, 2021). Hexanal은 ω-6 계열의 불포화지방산에서 유래되며, 동물조직에서 나오는 지방산으로 알려져 있다(Wettasinghe 등, 2001). 또한 동물 소재 식품에서는 햄, 소시지, 칠면조 가슴살 등에 주로 함유되어 있다(Koppel 등, 2013). 이러한 hexanal은 duck#2에서 7.42±0.28, sheep#2에서 5.71±0.10의 peak area를 나타내었으며, 이는 최근 본 연구팀의 연구에서 소재별 가공식품의 향 성분 중 하나로 보고되고 있다(Jeong 등, 2023). 선행 연구(Jeong 등, 2023)에서 소재별 가공식품에 함유된 nonanal을 통해서 구운 향과 쓴(bitter) 향을 확인하였으며, 이것이 향기에 기여하는 일반적인 향이라고 보고하였다. 이러한 nonanal은 beef#1에서 0.55±0.12의 peak area가 확인되었다.

Furfural류는 당과 단백질의 복합 반응인 Maillard 반응에 의해 주로 형성되며, 향기의 특징은 캐러멜 향으로 보고되고 일부 과일 향으로도 확인된다고 알려져 있다(Chen 등, 2017). 또한 본 연구팀의 선행 연구(Jeong 등, 2023)에서 소재별 가공식품을 GC-Olfactometry 분석을 통해 furfural을 확인하였으며, 이는 주요한 향기 성분으로 묘사하였다. 본 연구에서 furfural은 beef#1에서 0.44±0.18, beef#2에서 0.26±0.02, salmon#1에서 1.07±0.11, sheep#1에서 0.46±0.05의 peak area를 나타내었으며, sensory description으로는 주로 구운 향과 빵의 향으로 표현된다고 보고하였다. Pyrazines류는 질소를 함유하는 유기화합물로 furfural류와 같이 Maillard 반응에 의해 주로 형성되며, 특징적인 향은 견과류 향과 구운 향으로 알려져 있다(Koppel 등, 2013). 본 연구에서는 ethylpyrazine을 salmon#2에서 0.10±0.02, sheep#1에서 0.11±0.01의 peak area를 확인하였으며, 향기 이미지인 sensory description의 경우 주로 견과류 향과 코코아 향으로 표현된다는 것을 확인하였다.

다변량 분석을 통한 휘발성 향기 성분의 패턴 분석

전자코 시스템 기반 휘발성 향기 성분의 분석을 통해 다변량 분석으로 휘발성 향기 성분의 패턴을 주성분 분석(Fig. 4) 결과와 군집분석(Fig. 5) 결과로 나타내었다. PC1에서 가장 높은 51.94%의 variance를 보였으며, PC2에서 25.55%의 variance를 나타내었고, PC1-2 biplot에서 77.49%의 variance를 나타내었다. 샘플의 경우 duck#2, acids와 esters 그리고 sulfur-containing compounds는 PC1을 기준으로 negative 한 패턴을 나타내었고, PC2를 기준으로 negative 한 패턴을 나타내었다. Alcohols류는 PC1을 기준으로 positive 한 패턴을 나타내었고, PC2를 기준으로 positive 한 패턴을 나타내었다. 전자코 분석 결과(Table 1)를 통해 duck#2에서 acids와 esters류 그리고 sulfur-containing compounds류의 peak area가 각각 12.78과 70.26으로 모든 샘플 중에서 가장 높은 peak area를 가지고 있는 것을 확인하였다. 반면 alcohols류는 duck#2에서 각 샘플 중에서 가장 낮은 peak area를 보인 것을 확인하였으며, 이를 토대로 duck#2는 acids와 esters류 및 sulfur-containing compounds류와의 상관성이 상대적으로 높으며, alcohols류와는 낮은 상관성이 있다고 판단된다. 휘발성 향기 성분에 대한 주성분 분석 결과(Fig. 4)를 보면, sheep#1 그리고 aldehydes류가 PC1 기준으로 negative 한 패턴을 보이고 있으며, PC2를 기준으로 positive 한 경향을 보이고 있었다. Hydrocarbons류와 ketones류는 PC1을 기준으로 positive 한 경향을 보이고 있으며, PC2를 기준으로 볼 때 negative 한 패턴을 보이고 있었다.

Fig 4. Interrelationship between commercial processed foods and volatile compounds using principal component analysis.

Fig 5. Dendrogram of commercial processed foods based on the volatile profiles using cluster analysis.

전자코 분석 결과(Table 1)를 기반으로 판단할 때, sheep#1에서 aldehydes류의 전체 peak area 값이 259.44로 각 휘발성 향기 성분 중에서 가장 높은 값을 가지고 있는 것을 확인하였다. 반면 hydrocarbons류와 ketones류는 sheep#1에서 각각 9.88과 14.85로 모든 샘플 중에서 가장 낮은 peak area를 보인 것을 확인하였으며, 이를 통해 sheep#1은 aldehydes류와 상대적으로 높은 상관성이 있으며, hydrocarbons류와 ketones류는 낮은 상관성을 가진다고 판단된다.

계층적 군집분석은 데이터 간의 관계와 그룹화가 명확하지 않은 샘플 간의 유사성과 숨겨진 패턴을 탐구하는 데 사용된다(Granato 등, 2018). 군집분석 결과(Fig. 5)에서 3가지의 cluster로 분리되는 패턴을 확인할 수 있었다. 샘플 sheep#2, beef#1, salmon#2는 cluster I으로 분리되었고, salmon#1, duck#1, beef#2는 cluster Ⅱ로, 그리고 sheep#1과 duck#2는 cluster Ⅲ로 분리되는 것을 확인할 수 있었다. 본 연구에서 주성분 분석과 군집분석을 통하여 식품 소재별 가공식품의 휘발성 향기 성분의 상대적 차이도와 유사도를 확인할 수 있었다.

다변량 분석을 통한 맛 성분과 향기 성분의 패턴 분석

식품 소재별 가공식품의 샘플을 전자혀와 전자코 시스템을 통해 결과를 분석하였다. 그 후 Pearson 상관 계수를 사용하여 맛 성분과 휘발성 향기 성분 간의 상관관계를 분석하여 Table 2에 나타내었고, 맛 성분과 향기 성분의 패턴을 주성분 분석(Fig. 6)과 군집분석(Fig. 7)으로 각각 나타내었다. 주성분 분석 결과(Fig. 6)를 보면 PC1에서 46.14%의 variance를, PC2에서 20.30%의 variance를 각각 나타내었으며, PC1-2 biplot에서 66.44%의 variance를 확인하였다. 주성분 분석에서는 각 변수 간의 관계를 vector 사이의 각도를 통해 설명할 수 있다. 특히 cosine 각도를 통해 변수 간의 상관관계를 계산할 수 있으며, 각도가 cosine 180°면 -1이므로 음의 상관관계를 나타내고, cosine 90°면 0이므로 상관관계가 없음을 나타내며, 각도가 cosine 0°면 1이므로 양의 상관관계를 나타낸다(Shin 등, 2010). 주성분 분석(Fig. 6)에서 acids와 esters류와 heterocyclics류의 cosine 각도를 보면 음의 상관관계를 나타내고 있는 것을 볼 수 있으며, Table 2를 통해 acids와 esters류는 heterocyclics(r=-0.952)(P<0.05)와 음의 상관관계 값을 확인할 수 있었다. Fig. 6에서 PC1의 기준으로 negative 한 패턴을 보이고, PC2의 기준으로도 negative 한 경향을 보이는 duck#2와 sheep#2는 같은 위치에 있는 쓴맛과 단맛에 높은 상관성이 있으며, PC1과 PC2의 양의 방향에 위치한 신맛과는 비교적 낮은 상관성을 확인하였다. 상관 계수(Table 2)를 통해 쓴맛과 단맛(r=0.981)(P<0.05)과 양의 상관관계로 나타내는 것을 확인하였으며, 신맛은 단맛(r=-0.960)(P<0.05)과 쓴맛(r=-0.981)(P<0.05)이 음의 상관관계로 나타나는 것을 볼 수 있었다. 군집분석 결과(Fig. 7) 3가지의 군집으로 분리된 것을 확인하였으며, cluster I은 salmon#1과 beef#1로 분리된 것을 확인하였다. Cluster Ⅱ는 salmon#2, duck#1, beef#2로 분리되는 것을 확인하였으며, cluster Ⅲ는 sheep#1, duck#2, sheep#2로 분리되는 것을 확인할 수 있었다.

Table 2 . Pearson correlation coefficients between taste and flavor compounds in commercial processed foods..

VariablesAlcoholsAldehydesFuransHeterocyclicsHydrocarbonsKetonesSulfur-compoundsSournessSaltinessUmantiSweetnessBitterness
Acids and esters-0.779*0.214-0.548-0.952*-0.490-0.2440.756*-0.703-0.097-0.1200.5530.629
Alcohols0.1310.6000.710*0.3110.311-0.4790.6030.1980.300-0.614-0.598
Aldehydes0.200-0.268-0.541-0.7040.0890.1870.2300.051-0.308•0.305
Furans0.4660.064-0.211-0.3020.526-0.0190.448-0.565•0.613
Heterocyclics0.713*0.250-0.879*0.6500.2720.191-0.505-0.585
Hydrocarbons0.469-0.6920.2270.4130.331-0.160-0.179
Ketones0.0650.017-0.0810.143-0.0180.084
Sulfur compounds-0.496-0.291-0.1730.3440.443
Sourness0.0610.475-0.960*-0.981*
Saltiness-0.192-0.073-0.129
Umami-0.627-0.530
Sweetness0.981*


Fig 6. Interrelationship between commercial processed foods and volatile and taste compounds using principal component analysis.

Fig 7. Dendrogram of commercial processed foods based on the taste and volatile profiles using cluster analysis.

요 약

본 연구에서는 주요 식품 소재별(소고기, 오리, 연어, 양) 시판되는 소재별 가공식품의 감각적 특성을 분석하였다. 전자혀 시스템을 활용한 맛 성분 분석에서 sheep#2와 duck#2에서 단맛과 쓴맛이 높게 평가되었으며, 신맛은 두 샘플 모두에서 낮은 값을 보였다. 또한, 감칠맛에서는 beef#1이 가장 높았고, 짠맛은 상대적으로 차이가 확인되지 않았다. 전자코 시스템을 통한 향기 성분의 분석 결과, 총 79종의 향기 성분이 확인되었고, aldehydes류에서 가장 높은 peak area가 검출되었다. 가공식품에 존재하는 향기 성분 중 후각인지에서 긍정적인 향미 화합물인 hexanoic acid는 beef#1, duck#2, sheep#2에서 확인되었으며, propenal은 모든 샘플에서 높은 함량으로 존재하는 것은 확인하였다. 소재별 가공식품의 주요 향기

성분이라 보고된 hexanal과 nonanal은 본 연구에서도 확인되었으며, Maillard 반응에 의해 형성되는 향기 성분인 furfural과 ethylpyrazine도 샘플에서 확인되었다. 맛 성분 분석에 대한 주성분 분석 결과, 향기 성분의 주성분 분석 결과, 그리고 맛 성분과 향기 성분의 복합적인 주성분 분석 결과에서 다양한 상관관계를 확인하였다. 상관관계에서는 acids와 esters류는 heterocyclics류(r=-0.952)(P<0.05)와의 반비례적인 상관관계를 확인하였다. 쓴맛과 단맛(r=0.981)(P<0.05)의 경우 높은 비례적인 상관관계로 나타내는 것을 확인하였으며, 신맛은 단맛(r=-0.960) (P<0.05)과 쓴맛(r=-0.981)(P<0.05)이 반비례적인 상관관계를 확인할 수 있었다. 본 연구는 식품 소재별로 시판되는 가공식품의 개별 특성을 분석하였으며, 다변량 분석을 토대로 샘플과 주요 감각 소재 간의 상관관계를 분석하였다. 사용된 식품소재에 따라서 다양한 상관성을 가지지 않는 것을 확인하였으며, 주된 식품 소재 이외에도 다른 제조 공정 및 첨가물 등의 다른 복합적인 요인으로 나타난 것이라고 판단된다. 본 연구 결과를 통해 식품 소재별 가공식품의 감각 성분에 대한 정보를 제공하였으며, 잠재적인 가공식품 산업에서 감각 특성에 대한 기초 자료로써 활용될 수 있을 것으로 판단된다.

감사의 글

본 결과물은 농림축산식품부의 재원으로 농림식품기술기획평가원의 축산현안대응산업화기술개발사업사업의 지원을 받아 연구되었으며, 이에 감사드립니다(RS-2023-00231446).

Fig 1.

Fig 1.Taste intensities in commercial processed foods using electronic tongue.
Journal of the Korean Society of Food Science and Nutrition 2024; 53: 805-815https://doi.org/10.3746/jkfn.2024.53.8.805

Fig 2.

Fig 2.Interrelationship between commercial processed foods and taste compounds using principal component analysis.
Journal of the Korean Society of Food Science and Nutrition 2024; 53: 805-815https://doi.org/10.3746/jkfn.2024.53.8.805

Fig 3.

Fig 3.Dendrogram of commercial processed foods based on the taste profiles using cluster analysis.
Journal of the Korean Society of Food Science and Nutrition 2024; 53: 805-815https://doi.org/10.3746/jkfn.2024.53.8.805

Fig 4.

Fig 4.Interrelationship between commercial processed foods and volatile compounds using principal component analysis.
Journal of the Korean Society of Food Science and Nutrition 2024; 53: 805-815https://doi.org/10.3746/jkfn.2024.53.8.805

Fig 5.

Fig 5.Dendrogram of commercial processed foods based on the volatile profiles using cluster analysis.
Journal of the Korean Society of Food Science and Nutrition 2024; 53: 805-815https://doi.org/10.3746/jkfn.2024.53.8.805

Fig 6.

Fig 6.Interrelationship between commercial processed foods and volatile and taste compounds using principal component analysis.
Journal of the Korean Society of Food Science and Nutrition 2024; 53: 805-815https://doi.org/10.3746/jkfn.2024.53.8.805

Fig 7.

Fig 7.Dendrogram of commercial processed foods based on the taste and volatile profiles using cluster analysis.
Journal of the Korean Society of Food Science and Nutrition 2024; 53: 805-815https://doi.org/10.3746/jkfn.2024.53.8.805

Fig 8.

Journal of the Korean Society of Food Science and Nutrition 2024; 53: 805-815https://doi.org/10.3746/jkfn.2024.53.8.805

Table 1 . Volatile compounds of commercial processed foods by electronic nose (Peak area×103).

CompoundsRT1)(RI2))Sensory descriptionBeef#1Beef#2Duck#1Duck#2Salmon#1Salmon#2Sheep#1Sheep#2
Acids and Ester (11)
Formic acid21.71 (582)pungentNDNDNDNDNDND1.20±0.16ND
Acetic acid23.78 (614)SourNDNDND1.10±0.36NDND1.48±0.231.55±0.41
Ethyl Acetate23.88 (615)CaramelizedND3.44±0.11NDNDND1.85±0.07ND4.45±0.20
Methyl-2-propenoate25.04 (628)Acid1.58±0.07ND2.32±0.167.83±0.471.44±0.313.40±0.427.43±0.84ND
Methyl propanoate25.35 (631)FreshNDND0.97±0.42NDNDNDNDND
Butanoic acid42.58 (793)Cheese1.06±0.180.77±0.26NDNDND1.02±0.111.42±0.10ND
Propyl propanoate45.16 (817)Fruity, SweetNDNDND1.59±0.13NDNDNDND
Pentanoic acid53.22 (894)BeefyNDNDNDNDNDNDND0.41±0.04
Hexanoic acid62.76 (1,006)Fatty2.78±0.09NDND2.13±0.25NDNDND1.60±0.25
Methylacrylic acid, dodecyl ester101.46 (1,756)-NDNDND0.13±0.01NDNDND0.12±0.01
Butanoic acid, dodecyl ester101.69 (1,761)Fatty0.10±0.02ND0.10±0.03NDNDNDNDND
Alcohols(12)
Methanol15.21 (438)AlcoholicND6.46±0.46NDNDNDNDNDND
Pent-1-en-3-ol28.32 (664)MeatyNDNDNDND5.40±0.77NDNDND
Pentan-2-ol29.91 (681)Green, NuttyNDND0.97±0.15NDNDND0.52±0.241.01±0.18
Propylenglycol35.62 (734)CaramelizedNDNDNDNDNDNDNDND
Pentanol37.94 (754)Sweet1.63±0.241.44±0.180.94±0.121.00±0.061.61±0.231.42±0.220.61±0.091.01±0.02
2,3-Butanediol41.43 (783)OnionND0.19±0.06ND0.24±0.020.27±0.110.22±0.040.14±0.040.14±0.04
2-Hexanol43.56 (801)Fatty3.43±0.473.66±0.534.91±0.61ND3.87±0.543.90±0.562.66±0.45ND
1-Hexanol48.98 (853)FattyNDNDND2.01±0.080.27±0.19NDND1.15±0.05
2-Hexen-1-ol50.95 (872)LeafyNDNDNDNDND0.12±0.01NDND
1-Octanol67.76 (1,078)FattyNDNDNDNDND0.81±0.06NDND
Maltol71.62 (1,139)CaramelizedNDNDNDND0.10±0.020.09±0.010.09±0.03ND
4-Tridecanol89.24 (1,481)-ND1.01±0.09NDND0.95±0.08NDNDND
Aldehydes(9)
Propenal15.26 (439)Almond96.55±29.64188.94±26.22123.86±24.7188.07±5.9598.75±17.6179.89±36.21249.04±45.81100.13±13.24
But-2-enal27.31 (653)Green, Floral16.35±2.7517.04±3.2217.76±2.3913.98±1.1519.61±3.9219.23±3.5410.16±2.2213.81±0.57
Hexanal43.60 (802)FishyNDNDND7.42±0.28NDNDND5.71±0.10
2-Hexenal47.68 (841)Almond0.54±0.19ND0.36±0.140.52±0.100.25±0.030.46±0.11NDND
4-Heptenal53.04 (892)Fishy0.38±0.070.13±0.020.16±0.02NDNDND0.08±0.00ND
2,4-Heptadienal62.70 (1,005)Fried, FattyND1.68±0.331.29±0.28ND2.62±0.951.53±0.28NDND
Nonanal69.92 (1,110)Fatty0.55±0.12NDNDNDNDNDNDND
2-Nonenal71.82 (1,142)Fatty0.07±0.06ND0.13±0.010.11±0.000.14±0.03ND0.13±0.01ND
Cinnamaldehyde78.75 (1,264)CinnamonNDNDNDNDNDND0.03±0.03ND
Furans(5)
2-Ethyl furan33.43 (716)EarthyNDND0.06±0.05NDNDNDNDND
Furfural45.38 (819)Bread, Baked0.44±0.180.26±0.02NDND1.07±0.11ND0.46±0.05ND
2-Butylfuran53.10 (893)SweetNDND0.40±0.05ND0.15±0.020.31±0.03NDND
2-(5H)-Furanone54.16 (903)ButterND0.13±0.02NDND0.27±0.06NDND0.14±0.04
Dihydro-2(3H)-furanone54.27 (905)CaramelizedNDNDNDNDNDND0.30±0.01ND
Heterocyclic compounds(11)
Benzene28.24 (663)Aromatic7.82±1.308.04±1.298.08±1.05ND9.68±2.028.90±1.52ND5.88±0.50
(1-Methylethyl)benzene55.84 (923)Aromatic0.21±0.03NDNDNDNDNDNDND
Ethylpyrazine55.88 (924)Nutty, CocoaNDNDNDNDND0.10±0.020.11±0.01ND
4-Pentanolide57.53 (943)CocoaNDND0.09±0.00ND0.12±0.01ND0.07±0.00ND
1,3,5-Trimethylbenzene62.89 (1,008)AromaticNDNDNDNDNDND1.93±0.12ND
Butylbenzene66.90 (1,066)-NDNDNDND1.07±0.25NDNDND
Hexylcyclopentane71.54 (1,137)-ND0.09±0.01NDNDNDNDNDND
Benzene, pentyl-72.82 (1,159)Green0.14±0.020.13±0.03NDNDND0.12±0.02ND0.11±0.01
Indole79.95 (1,287)EarthyND0.51±0.10NDNDNDNDNDND
Undecylcylcohexane101.73 (1,762)-NDNDNDNDNDND0.11±0.01ND
Ambroxide104.63 (1,827)Amber1.86±0.281.90±0.221.82±0.281.87±0.091.82±0.371.89±0.241.76±0.392.00±0.10
Hydrocarbons(16)
Trimethylamine14.40 (420)Fishy0.22±0.050.13±0.030.11±0.040.20±0.010.21±0.040.21±0.050.12±0.030.14±0.03
Pentane18.80 (517)Alkane1.98±0.201.52±0.321.22±0.211.89±0.181.21±0.321.10±0.031.85±0.111.62±0.27
Acetonitrile20.37 (552)Sweet9.10±1.709.60±1.968.96±1.336.72±0.7911.23±2.4110.50±2.355.62±1.256.63±0.21
Heptane29.98 (683)SweetNDNDNDND5.41±1.045.21±0.65NDND
2,2,4-Trimethylpentane30.74 (691)Gasoline4.50±0.684.30±0.53NDNDND5.36±0.97ND3.69±0.24
Acetoin33.22 (714)Fatty, Butter0.42±0.040.14±0.16ND0.43±0.03NDNDNDND
Methyl 2-methylbutanote42.50 (792)Fatty0.28±0.13NDNDNDNDNDNDND
2,4-Octadiene46.04 (825)GlueNDNDNDNDNDNDND2.30±0.25
1,1,1,2-Tetrachloroethane54.18 (904)-NDNDND0.46±0.040.15±0.03NDNDND
4-Methoxy-2-Methyl-2-Mercaptobutane54.80 (911)BlackcurrantND0.38±0.04NDNDNDNDNDND
1,2,3-Trichloropropane57.90 (947)Chloroform0.12±0.01NDNDNDNDNDNDND
4-Methyldecane66.56 (1,061)-1.16±0.12ND0.65±0.020.85±0.12NDND0.73±0.101.78±0.06
Undecane69.34 (1,101)FaintND0.56±0.010.52±0.010.65±0.03ND0.56±0.030.63±0.071.03±0.02
Tridecane80.54 (1,298)Fruity, CitrusNDND0.51±0.16NDNDNDNDND
3-Methyltetradecane89.29 (1,482)-0.98±0.03NDNDNDND0.95±0.010.93±0.02ND
Terbufos101.58 (1,758)MercaptanNDNDNDNDND0.11±0.01NDND
Ketones(9)
Propan-2-one16.64 (491)Sweet, Fruity26.50±3.4029.12±4.0222.76±2.9931.93±2.7531.69±4.3334.07±6.4911.71±1.4422.97±1.12
1-Penten-3-one29.94 (682)Fishy3.87±0.313.51±0.10NDNDNDNDNDND
2,3-Pentanedione31.56 (700)AlmondNDND3.18±0.414.65±0.39NDND1.24±0.40ND
3-Hexanone42.36 (791)Fresh, SweetNDNDNDNDNDNDNDND
3-Heptanone50.89 (871)Fatty0.17±0.06NDND0.20±0.03NDND1.47±0.060.21±0.01
3-Nonen-2-one71.57 (1,138)FruityNDND0.09±0.010.05±0.04NDNDND0.07±0.01
δ-Octalactone79.89 (1,286)Fatty0.38±0.06NDND0.42±0.050.41±0.030.41±0.010.43±0.050.64±0.10
β- Ionone89.34 (1,483)DryNDND0.99±0.12NDNDNDNDND
δ-Decalactone89.40 (1,484)CoconutNDNDNDNDNDNDND1.07±0.09
Sulfur-containing compounds(6)
2-Methyl-2-propanethiol22.60 (601)heavy11.36±1.1410.21±1.0423.00±2.4338.00±2.5111.90±1.6912.57±1.8818.16±1.778.56±0.26
1-Propanethiol25.15 (629)Cabbage1.66±0.021.33±0.60NDND1.22±0.49NDNDND
2-Methylthiophene40.42 (775)Green3.17±0.372.54±0.292.51±0.1732.15±0.283.02±0.363.24±0.2522.59±1.502.70±0.22
1-Hydroxy-2-(methylthio)-ethane45.33 (818)MeatyNDND0.78±0.03NDND0.27±0.03NDND
1-Pentanethiol45.95 (824)FattyNDNDNDNDNDNDND1.07±0.08
1-Hexanethiol55.76 (922)Meaty, FattyND0.18±0.010.17±0.030.11±0.02ND0.16±0.01NDND

1)RT: Retention time (min).

2)RI: Retention indices.


Table 2 . Pearson correlation coefficients between taste and flavor compounds in commercial processed foods..

VariablesAlcoholsAldehydesFuransHeterocyclicsHydrocarbonsKetonesSulfur-compoundsSournessSaltinessUmantiSweetnessBitterness
Acids and esters-0.779*0.214-0.548-0.952*-0.490-0.2440.756*-0.703-0.097-0.1200.5530.629
Alcohols0.1310.6000.710*0.3110.311-0.4790.6030.1980.300-0.614-0.598
Aldehydes0.200-0.268-0.541-0.7040.0890.1870.2300.051-0.308•0.305
Furans0.4660.064-0.211-0.3020.526-0.0190.448-0.565•0.613
Heterocyclics0.713*0.250-0.879*0.6500.2720.191-0.505-0.585
Hydrocarbons0.469-0.6920.2270.4130.331-0.160-0.179
Ketones0.0650.017-0.0810.143-0.0180.084
Sulfur compounds-0.496-0.291-0.1730.3440.443
Sourness0.0610.475-0.960*-0.981*
Saltiness-0.192-0.073-0.129
Umami-0.627-0.530
Sweetness0.981*

References

  1. Cheli F, Bontempo V, Dell'Orto V. E-nose and e-tongue: an analytical tool for quality control and management in the pet food industry. Sens & Transducers. 2017. 213:24-29.
  2. Chen M, Chen X, Nsor-Atindana J, et al. Optimization of key aroma compounds for dog food attractant. Anim Feed Sci Technol. 2017. 225:173-181.
    CrossRef
  3. Choi JB, Chung MS, Cho WI. A study on increasing the water holding capacity of retorted beef for texture softening by pre-treatment. Korean J Food Sci Technol. 2016. 48:565-568.
    CrossRef
  4. Destefanis G, Barge MT, Brugiapaglia A, et al. The use of principal component analysis (PCA) to characterize beef. Meat Sci. 2000. 56:255-259.
    Pubmed CrossRef
  5. Di Donfrancesco B, Koppel K, Chambers IV E. An initial lexicon for sensory properties of dry dog food. J Sens Stud. 2012. 27:498-510.
    CrossRef
  6. Éles V, Hullár I, Romvári R. Electronic nose and tongue for pet food classification. Agric Conspec Sci. 2013. 78:225-228.
  7. Eom H, Kim K, Cho S, et al. The association between COVID-19 and changes in food consumption in Korea: analyzing the microdata of household income and expenditure from Statistics Korea 2019-2022. J Nutr Health. 2024. 57:153-169.
    CrossRef
  8. Granato D, Santos JS, Escher GB, et al. Use of principal component analysis (PCA) and hierarchical cluster analysis (HCA) for multivariate association between bioactive compounds and functional properties in foods: A critical perspective. Trends Food Sci Technol. 2018. 72:83-90.
    CrossRef
  9. Han ES, Yoon BS, Seo ST. The effect of food consumption lifestyle on the purchase experience, satisfaction, and purchase intention of convenience foods: Focusing on the mediation effects and moderation effects by HMR type. Journal of Rural Development. 2024. 47:69-96.
  10. Heu MS, Kim HJ, Yoon MS, et al. Food component characterization of muscle from salmon frame. J Korean Soc Food Sci Nutr. 2008. 37:1452-1456.
    CrossRef
  11. Jeong H, Yoon S, Yang NE, et al. Chemometric approach for an application of Atlantic salmons (Oncorhynchus keta) by-product for potential food sources. Food Sci Biotechnol. 2024. 33:855-876.
    Pubmed KoreaMed CrossRef
  12. Jeong H, Youn MY, Yoon S, et al. Evaluation of the chemosensoric properties of commercially available dog foods using electronic sensors and GC-MS/O analysis. Molecules. 2023. 28:5509. https://doi.org/10.3390/molecules28145509.
    Pubmed KoreaMed CrossRef
  13. Kang G, Seong PN, Cho S, et al. Effect of addition duck skin on quality characteristics of duck meat sausages. Korean J Poult Sci. 2014. 41:45-52.
    CrossRef
  14. Kim GR, Lee KH. A study on sensory factors contributing to the identification and preference of lamb meat. Korean J Food Cook Sci. 2005. 21:536-544.
  15. Kim SS, Lee YE, Kim CH, et al. Determining the optimal cooking time for cooking loss, shear force, and off-odor reduction of pork large intestines. Food Sci Anim Resour. 2022. 42:332-340.
    Pubmed KoreaMed CrossRef
  16. Koppel K, Adhikari K, Di Donfrancesco B. Volatile compounds in dry dog foods and their influence on sensory aromatic profile. Molecules. 2013. 18:2646-2662.
    Pubmed KoreaMed CrossRef
  17. Koppel K, Gibson M, Alavi S, et al. The effects of cooking process and meat inclusion on pet food flavor and texture characteristics. Animals. 2014. 4:254-271.
    Pubmed KoreaMed CrossRef
  18. Kostyra E, Król K, Knysak D, et al. Characteristics of volatile compounds and sensory properties of mixed organic juices based on kiwiberry fruits. Appl Sci. 2021. 11:529. https://doi.org/10.3390/app11020529.
    CrossRef
  19. Kwon HN, Choi CB. Comparison of free amino acids, anserine, and carnosine contents of beef according to the country of origin and marbling score. J Korean Soc Food Sci Nutr. 2018. 47:357-362.
    CrossRef
  20. Lee J, Boo C, Hong SJ, et al. Chemosensory device assisted-estimation of the quality of edible oils with repetitive frying. Foods. 2021. 10:972. https://doi.org/10.3390/foods10050972.
    Pubmed KoreaMed CrossRef
  21. Lee SJ, Cho MS. Association of ultra-processed food with diabetes and impaired fasting glucose in elderly populations (urban and rural): a cross-sectional study. Korean J Community Nutr. 2024. 29:51-64.
    CrossRef
  22. Shaheen N, Shamim AA, Choudhury SR, et al. Commonly consumed processed packaged foods in Bangladesh are unhealthy and their nutrient contents are not in conformity with the label declaration. Food Sci Nutr. 2024. 12:481-493.
    Pubmed KoreaMed CrossRef
  23. Shi X, Hong R, Lin L, et al. Comprehensive characterization in different types of tartary buckwheat tea based on intelligent sensory technology. Food Sci Technol. 2022. 42:e27222. https://doi.org/10.1590/fst.27222.
    CrossRef
  24. Shin EC, Craft BD, Pegg RB, et al. Chemometric approach to fatty acid profiles in Runner-type peanut cultivars by principal component analysis (PCA). Food Chem. 2010. 119:1262-1270.
    CrossRef
  25. Suleman R, Wang Z, Aadil RM, et al. Effect of cooking on the nutritive quality, sensory properties and safety of lamb meat: Current challenges and future prospects. Meat Sci. 2020. 167:108172. https://doi.org/10.1016/j.meatsci.2020.108172.
    Pubmed CrossRef
  26. Wettasinghe M, Vasanthan T, Temelli F, et al. Volatile flavour composition of cooked by-product blends of chicken, beef and pork: a quantitative GC-MS investigation. Food Res Int. 2001. 34:149-158.
    CrossRef
  27. Yoon S, Hong KB, Jeong H, et al. Flavor and taste of red beet (Beta vulgaris L.) harvested in Jeju island using the electronic nose, electronic tongue, and GC-MS. J Korean Soc Food Sci Nutr. 2023. 52:907-916.
    CrossRef