この研究は、中国の研究機関の研究論文です。

掲載誌：Foods

ライセンス: CC BY　対象: 公開論文　確認元: OpenAlex

なぜ現場で測れる方法が求められたのか

山椒のしびれるような辛味（ピリッとした刺激の強さ）は、これまで人の官能評価パネルによる主観的な判定か、実験室の機器分析に頼ってきました。研究チームは、どちらも産地や加工の現場でその場で測るには向かないと指摘しています。

さらに、感じられるしびれの強さは、アルキルアミド（サンショオール類などの成分）の含有量とかならずしも一致しないと述べられています。ポリフェノールやサンショオールを含む複数の電気化学的に反応しやすい成分が、全体の感覚に関わりうるためです。クロマトグラフィー（成分を分離して一つずつ量を測る方法）は個々の化合物を定量できますが、人が総合的に感じる辛味をそのまま映すとは限らない、というのが出発点です。

そこで着目されたのが電気化学的な検出です。成分を分離せずに測るため、電圧をかけたときに得られる応答が、複数の反応性成分からの酸化シグナルをまとめて反映する、と論文は説明しています。

どのような装置と解析を用いたか

研究チームは、持ち運べる電気化学分析システムを開発しました。増幅率を変えられる自作のポテンショスタット（電極にかける電圧を制御し電流を測る装置）、三電極式の検出部、そしてSTM32というマイコンで制御するソフトウェアを組み合わせ、示差パルスボルタンメトリー（DPV／電圧を段階的に変えながら電流の変化を記録する測定法）を行う構成です。

この装置を機械学習と組み合わせ、赤い実の華椒（Zanthoxylum bungeanum）と緑の実の青椒（Zanthoxylum schinifolium）を対象に評価しました。22の産地それぞれについて15回ずつ繰り返し測定し、合計330本のDPV曲線を取得。これらを、訓練を受けたパネルによるgLMS（一般ラベル付きマグニチュード尺度、感覚の強さを数値で答えてもらう評価尺度）の点数と対応づけて較正しています。

報告された主な結果

予測精度について、赤い山椒では人工ニューラルネットワーク（ANN）が決定係数R2＝0.937、緑の山椒では主成分分析とサポートベクター回帰を組み合わせた手法（PCA–SVR）がR2＝0.860を示したと報告されています。

また、CARS（競合的適応再重み付けサンプリング）という変数選択の手法により、それぞれの種類で特徴的な三つの電位区間が特定されました。赤い山椒では0.17〜0.21 V、0.57〜0.62 V、0.69〜0.80 V、緑の山椒では0.24〜0.27 V、0.56〜0.68 V、0.69〜0.77 Vです。研究チームは、これらの区間があることは、辛味に関係する電気化学的な情報が単一の電位ではなく複数の電位領域にまたがって分布していることを示す、と述べています。

この報告が示すもの

著者らは、このシステムが山椒の迅速で客観的な品質評価につながる可能性を持つと結論づけています。人の感覚に頼ってきた評価を、持ち運べる装置と機械学習で数値として扱う道筋を示した点が、この研究の報告の要点です。

著者：Di Zhang（Key Laboratory of Food Sensory Analysis, State Administration for Market Regulation, Beijing 100191, China）、Bin Zhang（School of Food and Biological Engineering, Jiangsu University, Zhenjiang 212013, China）、Shiyu Huang（School of Food and Biological Engineering, Jiangsu University, Zhenjiang 212013, China）、Xiaobo Zou（School of Food and Biological Engineering, Jiangsu University, Zhenjiang 212013, China）、Zitao Lin（Jinan Fruit Research Institute, China Federation of Supply and Marketing Co-Operatives, Jinan 250200, China）、Kui Zhong（Institute of Agri-Food Standardization, China National Institute of Standardization, Beijing 100191, China）、Lei Zhao（Institute of Agri-Food Standardization, China National Institute of Standardization, Beijing 100191, China）、Bolin Shi（Institute of Agri-Food Standardization, China National Institute of Standardization, Beijing 100191, China）、Lingqin Shen（School of Chemistry and Chemical Engineering, Jiangsu University, Zhenjiang 212013, China）

※本記事は原著論文をもとに、日本語で要約・説明を加えた研究紹介です。 出典（原著論文）：Di Zhang, Bin Zhang, Shiyu Huang, et al. A Portable Electrochemical Analysis System Integrated with Machine Learning for Rapid Detection of Pungency Intensity in Red and Green Szechuan Peppers (Zanthoxylum bungeanum and Zanthoxylum schinifolium). Foods 2026-08-22. DOI: 10.3390/foods15172948. 原著ライセンス：CC BY.