食品组学 | 使用GC-MS对化合物进行非靶向分析和统计分析

食品组学 | 使用GC-MS对化合物进行非靶向分析和统计分析

原创 飞飞 赛默飞色谱与质谱中国

关注我们，更多干货和惊喜好礼

李丕

食品组学

感官组学和风味组学是食品组学的重要分支，旨在分析可能对食物的味道和气味起关键作用的化合物，同时表征其生成途径，指导优化加工工艺，还可以通过某种食品的感官和风味特征评价其真实性。感官和风味组学的关键实施要素是将先进的检测技术与感官分析和嗅觉测量相结合，使用GC-MS结合化学计量方法对芳香化合物进行非靶向分析和统计。

以下通过5个案例介绍赛默飞GC-MS家族在啤酒、羊肉、茶叶、精油风味组学和橙汁真实性的应用。

01

啤酒风味 - ISQ

挥发性有机化合物 (VOC) 直接影响啤酒的风味。它们与酿造原材料、酵母代谢、微生物污染和老化有关。因此将啤酒的化学组成与产品评估相结合以阐释VOC 对啤酒香气/接受度的影响非常重要。

巴西坎皮纳斯大学化学研究所的Paiva使用全二维气流调制器与ISQ7000联用，搭建GC×GC-MS分析平台对市场上的啤酒进行风味组学研究，研究成果发表在色谱A杂志[1]。

该工作根据Untappd® 平台的啤酒平均等级得分（0-5分）选定样品，共2组：第 1组平均评分低于 3 ，是消费者偏好较低的啤酒；第 2组平均评分大于3，是公众偏好度高的啤酒。风味物质的萃取富集通过TriPlus RSH自动进样器的HS-SPME组件完成（DVB/CAR/PDMS 萃取头），随后通过ISQ7000进行非靶向分析。

图 1-1. 使用HS-SPME-GC ×GC-MS 测试样品的总离子流图。( A ) 样品 #1 – 第2组; ( B ) 样品 #13 – 第 1 组；(C)方法空白。

通过NIST谱库结合RI做峰定性鉴定，然后通过化学计量学手段对化合物做差异性分析。

在第 2 组啤酒样品中发现29 种组分浓度高于第1组，主要是非氧化单萜和含氧萜烯。萜烯是啤酒花精油中最丰富的挥发性化合物，它们对麦芽汁表现出高亲和力，可能会进入啤酒对其风味产生影响，因此是啤酒酿造商很感兴趣的化合物。另外，发现2-乙基-1-己醇和 2-十一烷醇仅在第 2 组啤酒样品中存在， 2-十一烷醇赋予啤酒新鲜和菝葜属性。

最后，使用TriPlus RSH 、全二维气流调制器与ISQ7000联用，可以生成与香气相关的指纹，并阐释造成消费者喜好差异的化合物分子，是研究消费者对拉格啤酒偏好的有趣解决方案。

图1-2. ISQ7610仪器图片

02

羊肉风味 – GC-Orbitrap 联合 LC-Orbitrap

风味和香气感觉不仅来自挥发性化合物，而且还归因于非挥发性物质以及释放挥发性化合物的基质类型。中国农科院北京畜牧兽医研究所张军民团队对高肌内脂肪 (IMF)和低 IMF 胡羔羊进行了脂质组学和挥发性组学分析，旨在详细说明具有不同 IMF 含量的个体的脂质和香气化合物谱的变化，并确定导致羊肉香气谱差异的脂质，研究成果发表在Food Chemistry 杂志[2]。

该研究通过LC-Orbitrap/MS详细阐明具有不同 IMF 含量的羊肉的脂质类别和脂质分子谱，总共确认了 842 种脂质，其中79 种分子受到IMF含量影响而在各组之间存在差异；通过GC-Orbitrap/MS 在60,000 FWHM分辨率全扫描模式鉴定和半定量了羊肉中55种香气化合物，其中15种化合物（主要来自脂质氧化）对羊肉的整体香气影响最大；最后使用偏最小二乘回归 (PLS-R) 确定芳香化合物与脂质之间的关系。

定性识别

其中芳香化合物的定性鉴定是通过与 NIST和 Wiley 谱库、自动计算线性保留指数及差值、和风味标准品比较得到的，半定量则通过使用内标（2-甲基-3-庚酮）进行。

定量测定

值得一提的是，对于气味活性值 (OAV) > 1 的芳香化合物，通过空白基质匹配曲线来准确定量，特征离子(m/z)通过标准品确定，标准曲线的浓度范围为 10 mg/L 至 2 g/L，R2 > 0.99。

一次进样，兼具非靶向和靶向分析

本工作中GC-Orbitrap/MS以全扫描模式采集数据，后处理时，既可以对全扫描谱图通过非靶向筛查方法对未知物定性表征，也可以从全扫描谱图中提取关键化合物特征离子通过靶向方法进行定量，而无需二次进样。

表2-1. 羊肉中识别鉴定得到的55种芳香化合物

（点击查看大图）

表2-2.  15种关键芳香化合物的定量基质匹配标准曲线（GC-Orbitrap/MS）（点击查看大图）

图2-1. Orbitrap Exploris GC 240 仪器图片

（分辨率高达240K）

03

橙汁真实性 – GC-Orbitrap

食品真实性是全世界都非常关注的领域。用浓缩（FC）橙汁代替非浓缩（NFC）橙汁是一种新的掺假问题。中国检科院的陈颖教授团队使用HS-SPME-GC-Orbitrap/MS结合化学计量学来区分NFC和 FC 橙汁，旨在研究 NFC 和 FC 橙汁之间的差异，探索橙汁加工过程中差异挥发性化合物形成的根本原因，研究成果表在 LWT 杂志[3]。

定性识别

化合物的识别鉴定通过NIST检索评分 (RSI) 、及GC-Orbitrap独有的高分辨率过滤 (HRF) 评分进行，并通过TraceFinder软件自动计算线性保留指数及差值辅助定性。共鉴定出71种挥发性化合物。

差异分析

共分析了 126 个果汁样品中的 71 种挥发性化合物，通过内标法半定量筛选出 25 种差异性组分，由6种醇、8种萜烯、9种酯和2种酮组成，可用于区分 NFC 橙汁和 FC 橙汁。

关键组分与加工工艺探讨

结合果汁加工阶段探讨了25种关键化合物的具体变化，结果表明浓缩处理是导致 NFC 和 FC 橙汁挥发性成分差异的关键加工步骤，浓缩处理后，FC橙汁中这些化合物的浓度显着降低；热灭菌导致的变化程度远小于浓缩。

真实性评价

基于 25 种差异化合物构建 PLS-DA 模型并用于商业橙汁鉴定。分析了29种商品橙汁（14种NFC和15种FC），结果显示所有的商品NFC样本都与标签一致；而15个商品FC样本中有2个被错误的检测为NFC，这是因为这2个误判的样本中添加了橙浆，橙浆与橙汁中挥发性组分的浓度呈正相关。该项研究证明，使用 HS-SPME-GC-MS 结合化学计量分析在NFC 和 FC 橙汁鉴别方面具有巨大潜力。

图3-1. 实验设计（点击查看大图）

表3-1. 25种关键化合物在不同加工工艺的含量差异

（点击查看大图）

04

茶叶香气 – GC-Orbitrap 结合

Compound Discoverer

我们采用Orbitrap Exploris GC结合HS-SPME Arrow分析多个不发酵茶、半发酵茶和发酵茶样品，通过Compound Discoverer组学分析软件的非靶向workflow自动进行解卷积和定性分析，包括EI和PCI联合预测验证，得到最准确的分析结果，该方法可广泛用于非靶向风味组学的研究中。

图4-1. Compound Discoverer 组学分析软件中的全自动EI Workflow（点击查看大图）

图4-2. Compound Discoverer 组学分析软件中的全自动的PCI Workflow（点击查看大图）

差异香气化合物

与其他品种茶叶样品比较，正山小种的香气特征为镰叶芹醇、可卡醛等；福鼎白茶为 α-柏木烯，植酮等。

图4-3. CD软件自动绘制的不同茶叶PCA图

（点击查看大图）

图4-4. CD软件自动绘制的火山图（点击查看大图）

定性确证

以RT=27.843min的化合物为例，EI workflow解卷积定性为2-乙酰基吡咯（食用香精，可用于茶叶），总得分97，HRF得分99.4，相似度指数（SI）861。接着用PCI workflow进一步验证，软件可根据反应气类型自动寻找分子离子M+= 109.05269，并在Predict Compositions节点自动预测可能的化学式为C6H7NO，并预测同位素离子丰度与实测质谱图比对。最后利用ChemSpider节点进行化学式检索，得到的匹配结果信息为2-乙酰基吡咯，这与EI定性结果一致。

图4-5. EI解卷积后的NIST匹配结果（质量偏差-0.49ppm, -0.00005Da）（点击查看大图）

图4-6. PCI解卷积结果，自动找到分子离子M+= 109.05269（点击查看大图）

图4-7. PCI自动预测分子式，C6H7NO

（点击查看大图）

图4-8. ChemSpider节点确认的化合物（质量偏差-0.67ppm，-0.00007Da），与EI匹配结果一致（点击查看大图）

EI/CI自由切换，拒绝宕机

EI结合PCI双重定性需要切换EI和CI离子源。赛默飞具有独特的VPI技术，可以在不破坏质谱真空的情况下2分钟之内切换EI源和CI源，5分钟内更换色谱柱，消除宕机时间，轻松实现EI/PCI联合定性或双柱RI定性。

05

植物精油 – GC×GC-Orbitrap

精油具有香气和抗菌性，因此作为天然调味剂和抗菌剂用于食品。收获季节、地理来源、萃取方式都会影响精油组成，造成其感官特征和抗菌性能的差异。有必要对精油中痕量化合物进行表征和差异分析。

我们搭建了GC-Orbitrap/MS与全二维固态调制器联用平台，通过全自动的非靶向分析流程，对共流出化合物进行有效分离定性，为未知物的分离鉴定提供新的思路和方法。

GC×GC全二维分离

在二维TIC图中，可以看到多个一维保留时间完全一致的组分簇（如：RT 43.903min，RT=50.203min）。本实验中使用全二维气相色谱通过串联两根不同极性的色谱柱，在第二个维度上实现了一维共流出化合物的分离，一针进样实现双柱分离的效果，很大程度上简化了从复杂样品中鉴定未知化合物的流程（图5-1）。

图5-1. 通过二维色谱分离，一维色谱柱上完全共流出的化合物被准确定性（点击查看大图）

图5-2. 精油样品全二维GC×GC-Orbitrap/MS分析结果（3D视图）（点击查看大图）

宽动态范围内准确定性

高分辨质谱在未知化合物分析中最大的优势之一，在于可以通过化合物实测的精确质量数对化合物的结构进行推断。在TIC图中选取主要成分乙酸冰片酯和痕量组分丁香酚（比主成分低4个数量级），查看二者的精确质量数测量结果（图5-3和5-4）。结果显示，二者的实测离子和同位素离子的质量偏差均小于2ppm。

图5-3. 精油样品TIC图：①主要成分，RT=36.43，乙酸冰片酯；②痕量组分，RT=39.53，丁香酚。（点击查看大图）

图5-4. GC×GC-Orbitrap/MS实测主成分和痕量组分的质量精度（<2ppm）及位素离子丰度比率（通过）（点击查看大图）

综上，GC×GC-Orbitap/MS在精油样品定性分析中表现优异，通过全自动的解卷积非靶向分析流程，无论主成分还是痕量成分都可以准确定性；全二维色谱提升了色谱分离能力，可得到更全面的样品成分剖析信息。

图5-5. Orbitrap Exploris GC 240 仪器图片

（分辨率高达240K）

小  结

食品组学分析通常使用先进的数据分析方法，适当的分析仪器也是重要因素。如今食品组学离不开质谱法，对于挥发性或半挥发性的化合物，使用是气相色谱质谱（GC-MS）法。赛默飞提供全线气相色谱质谱产品，包含气相色谱、四极杆质谱及高分辨静电场轨道阱质谱，并配套定量、定性、组学分析软件，提供完善可靠的分析流程。

（点击查看大图）

参考文献：

[1].https://doi.org/10.1016/j.chroma.2020.461529

[2].https://doi.org/10.1016/j.foodchem.2022.132611

[3].https://doi.org/10.1016/j.lwt.2022.113504

如需合作转载本文，请文末留言。