CN104360004B - 一种利用lc‑q‑tof结合统计分析鉴别燕窝真伪的方法 - Google Patents
一种利用lc‑q‑tof结合统计分析鉴别燕窝真伪的方法 Download PDFInfo
- Publication number
- CN104360004B CN104360004B CN201410766745.9A CN201410766745A CN104360004B CN 104360004 B CN104360004 B CN 104360004B CN 201410766745 A CN201410766745 A CN 201410766745A CN 104360004 B CN104360004 B CN 104360004B
- Authority
- CN
- China
- Prior art keywords
- sample
- nidus collocaliae
- false
- true
- nidus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种利用LC‑Q‑TOF结合统计分析鉴别燕窝真伪的方法。步骤为待测样品中加入甲酸溶液后沸水浴，再冷却，过滤膜进行过滤得到处理后的待测样品；处理后的待测样品用液相色谱‑四级杆飞行时间质谱仪采集待测样品质谱信息，进行特征化合物提取；将获得的待测样品的特征化合物信息调入燕窝真伪鉴别模型中进行预测。当准确率在80％及以上时判定为正品燕窝，否则为伪品燕窝。本发明因此还建立了一个燕窝真伪鉴定模型，在鉴定时，只需一个真伪鉴定模型即可，使检测更加简单易操作。
Description
技术领域
本发明涉及燕窝鉴别领域，尤其涉及一种利用LC-Q-TOF结合统计分析鉴别燕窝真伪的方法。
背景技术
燕窝具有丰富的营养及药用价值，性平，味甘，补肺养阴，可缓解咳嗽、咳血等症状，是一种与鹿茸、人参等齐名的中药补品。目前，燕窝真伪鉴定的方法主要包括经验鉴别法(从选、看、摸、闻、浸泡、炖和烧各个角度判定样品品质)、显微鉴定法、光谱法(分光光度法和红外光谱法)、色谱法(气相色谱法和液相色谱法，)、酶联免疫法等。这些方法都是通过测定燕窝中氨基酸的组成或唾液酸含量进行判定，其鉴定结果的准确性偏低，迫切需要一种全面的综合真伪鉴定模型，使得结果更加可靠。
飞行时间质谱(Time of Flight-Mass Spectrometry,TOF-MS)是动能相同而质荷比不同的离子在恒定电场中运动，经过恒定距离所需时间不同，实现对物质成分或结构进行测定的一种质谱分析方法。
发明内容
本发明的目的在于提供一种正确率高，操作简单，快速的鉴别燕窝的方法。
为实现上述目的，本发明提供一种鉴别燕窝真伪的方法，其特征在于，包括如下步骤，
待测样品处理：待测样品中加入甲酸溶液后沸水浴，再冷却，过滤膜进行过滤得到处理后的待测样品；
待测样品特征化合物提取：处理后的待测样品用液相色谱-四级杆飞行时间质谱仪采集待测样品质谱信息，进行特征化合物提取；
结果调取与预测：将获得的待测样品的特征化合物信息调入燕窝真伪鉴别模型中进行预测。当准确率在80％及以上时判定为正品燕窝，否则为伪品燕窝。
所述待测样品处理为，称取100mg置于250mL三角瓶中，加入1体积％的甲酸溶液，沸水浴30min，冷却，过0.22μm滤膜。
所述待测样品特征化合物提取为：将处理后的待测样品置于液相色谱-四级杆飞行时间质谱仪进样瓶中，上样；得到待测样品一级质谱信息；对一级质谱信息进行特征化合物提取；
所述液相色谱条件为，3.0×100mm,1.8μm的ZORBZX Eclipse Pluse C18色谱柱；35℃柱温；2μl进样量；流动相中A相为5mmol乙酸铵的水相，B相为含5mmol乙酸铵的甲醇；0.4ml/min流速；
所述四级杆飞行时间质谱的条件为，负离子全扫描模式；毛细管电压3500V；干燥气温度300℃；干燥气流速10L/min；雾化气压力35psig；鞘气温度350℃；鞘气流速12L/min；碎裂电压130V；锥孔电压65V；倍增电压750V；质量扫描范围m/z 50-1700；采集速率1.5spectra/s；参比离子m/z 121.985587和m/z1033.988109；进样后直接进行质谱采集；
所述特征化合物提取的参数设置为，选上-H，+CH3COO，化合物价态选择小于等于2价。
所述燕窝真伪鉴别模型是由如下方法建立的：
参与模型建立的标准集样品处理；标准集样品中加入甲酸溶液后沸水浴，再冷却，过滤膜进行过滤得到处理后的标准集样品；
标准集样品特征化合物提取：将处理后的标准集样品置于液相色谱-四级杆飞行时间质谱仪进样瓶中，上样，得到标准集样品一级质谱信息；对一级质谱信息进行特征化合物提取，获得7504个化合物；将采集的标准集样品一级质谱信息导入Mass ProfilerPeofessional软件中，结合统计学方法对7504个化合物进行筛选，筛选后共得到69个化合物，对这69个化合物进行主成分分析；
燕窝真伪鉴别模型建立：以偏最小二乘法建立燕窝真伪鉴别模型；
所述液相色谱条件为，3.0×100mm,1.8μm的ZORBZX Eclipse Pluse C18色谱柱；35℃柱温；2μl进样量；流动相中A相为5mmol乙酸铵的水相，B相为含5mmol乙酸铵的甲醇；0.4ml/min流速；
所述四级杆飞行时间质谱的条件为，负离子全扫描模式；毛细管电压3500V；干燥气温度300℃；干燥气流速10L/min；雾化气压力35psig；鞘气温度350℃；鞘气流速12L/min；碎裂电压130V；锥孔电压65V；倍增电压750V；质量扫描范围m/z 50-1700；采集速率1.5spectra/s；参比离子m/z 121.985587和m/z1033.988109；进样后直接进行质谱采集；
所述特征化合物提取的参数设置为，选上-H，+CH3COO，化合物价态选择小于等于2价；
所述69个化合物筛选条件为出现频率为100％，变异系数小于等于25％，丰度大于等于1000counts(质谱丰度值的强度)进行过滤。
所述参与模型建立的标准集样品为选自不同地区的毛燕窝、血燕窝和白燕窝；优选的，所述标准集样品为正品马来西亚毛燕窝4个，正品印度尼西亚毛燕窝7个，不明产地的正品毛燕窝3个，不同商家的正品血燕窝7个，不同商家的正品白燕窝5个，和燕窝掺假样品，炸肉皮、白木耳和淀粉的混合物，白木耳、炸肉皮、明胶、胶原蛋白、脱水马铃薯粉、豌豆淀粉、木薯淀粉、玉米淀粉和或马铃薯淀粉共12个燕窝伪品。
所述结果调取和预测是将获得的待测样品的特征化合物信息调入燕窝真伪鉴别模型中，软件自动预测结果：当准确率在80％及以上时判定为正品燕窝，否则为伪品燕窝。
本发明还保护所述鉴别燕窝真伪的方法用于燕窝真伪鉴别的用途。
本发明还提供一种燕窝真伪鉴别模型，其特征在于，由如下方法制备得到，
参与模型建立的标准集样品处理；标准集样品中加入甲酸溶液后沸水浴，再冷却，过滤膜进行过滤得到处理后的正品燕窝；
标准集样品特征化合物提取：将处理后的标准集样品置于液相色谱-四级杆飞行时间质谱仪进样瓶中，上样，得到标准集样品一级质谱信息；对一级质谱信息进行特征化合物提取，获得7504个化合物；将采集的正品燕窝一级质谱信息导入MPP软件中，结合统计学方法对7504个化合物进行筛选，筛选后共得到69个化合物，对这69个化合物进行主成分分析；
燕窝真伪鉴别模型建立：以偏最小二乘法建立标准集样品模型即为燕窝真伪鉴别模型；
所述液相色谱条件为，3.0×100mm,1.8μm的ZORBZX Eclipse Pluse C18色谱柱；35℃柱温；2μl进样量；流动相中A相为5mmol乙酸铵的水相，B相为含5mmol乙酸铵的甲醇；0.4ml/min流速；
所述四级杆飞行时间质谱的条件为，负离子全扫描模式；毛细管电压3500V；干燥气温度300℃；干燥气流速10L/min；雾化气压力35psig；鞘气温度350℃；鞘气流速12L/min；碎裂电压130V；锥孔电压65V；倍增电压750V；质量扫描范围m/z 50-1700；采集速率1.5spectra/s；参比离子m/z 121.985587和m/z 1033.988109；进样后直接进行质谱采集；
所述特征化合物提取的参数设置为，选上-H，+CH3COO，化合物价态选择小于等于2价；
所述69个化合物筛选条件为出现频率为100％，变异系数小于等于25％，丰度大于等于1000counts进行过滤。
所述标准集样品为选自不同地区的毛燕窝、血燕窝和白燕窝；优选的，所述正品燕窝为正品马来西亚毛燕窝4个，正品印度尼西亚毛燕窝7个，不明产地的正品毛燕窝3个，不同商家的正品血燕窝7个，不同商家的正品白燕窝5个和燕窝掺假样品，炸肉皮、白木耳和淀粉的混合物，白木耳、炸肉皮、明胶、胶原蛋白、脱水马铃薯粉、豌豆淀粉、木薯淀粉、玉米淀粉和或马铃薯淀粉共12个燕窝伪品。
所述燕窝真伪鉴别模型用于鉴别燕窝真伪的用途。
Mass Profiler Professional(MPP)软件为安捷伦公司开发的一款代谢物组学分析软件，是液相色谱四级杆飞行时间串联质谱仪自带的软件。可以进行统计学分析、化合物鉴定、代谢通路分析。本发明利用统计学分析功能，对样品组之间进行差异性分析。MPP软件是一个强大的化学计量学平台，旨在开发利用大量的质谱数据信息，并可用于任何基于质谱的差异分析，以确定两个或更多样品组和变量之间的关系。
将液相色谱四级杆飞行时间串联质谱采集的信息，结合MPP统计学方法对特征物质进行筛选，进行主成分分析，以偏最小二乘法建立预测模型。不仅操作简单，鉴别快速，而且，其建立的模型结合四种主要成分进行综合判断，其准确度大大提高。使用LC-Q-Tof对燕窝进行真伪鉴定具有可行性，建立预测模型的方法为燕窝真伪鉴定提供了一种思路。
本发明中的结合统计学方法对7504个化合物进行筛选，筛选后共得到69个化合物，对这69个化合物进行主成分分析；其中的统计学方法和筛选条件完全不同。统计分析是基于筛选后的化合物进行的，首先对化合物按照设定的参数进行筛选，对符合条件的化合物进行统计分析，本研究中的统计分析主要包括主成分分析和偏最小二乘法建立的真伪鉴定模型。在主成分分析和建立模型中没有参数和标准，均为软件根据化合物信息进行的自动处理。偏最小二乘法是一种常见的算法，本模型建立的理论依据是此算法。
本发明的目的在于提供一种用液相色谱四极杆飞行时间质谱(LC-Q-TOF)结合统计分析建立的燕窝真伪鉴别模型，该方法具有鉴别正确率高，操作简单，鉴别快速等特点。为实现上述目的，本发明提供一种燕窝鉴别方法，其特征在于，基于液相色谱四级杆飞行时间串联质谱采集的信息，结合MPP统计学方法对特征物质进行筛选，进行主成分分析，以偏最小二乘法建立预测模型。
本发明的技术方案
一种用LC-Q-TOF结合统计分析建立的燕窝真伪鉴别模型，具体包括如下步骤：
(1)、燕窝真伪鉴别模型的建立，包括以下步骤：
①、收集不同产地，真假明确的燕窝样品作为燕窝真伪鉴别模型的标准采集集。
②、每一标准样品研磨成粉末，将粉末状样品加入提取剂，沸水浴30min，冷却，过0.22μm滤膜，置于进样瓶中，待上机。
③、用液相色谱四级杆飞行时间串联质谱采集标准品一级质谱信息，进行特征化合物提取。
④、将③采集的质谱信息导入MPP软件中，结合统计学方法对特征物质进行筛选，进行主成分分析，以偏最小二乘法建立预测模型。
(2)、将待测燕窝样品研磨成粉末，将粉末状样品加入提取剂，沸水浴30min，冷却，过0.22μm滤膜，置于进样瓶中，待上机。
(3)、用液相色谱四级杆飞行时间串联质谱采集标准品一级质谱信息，进行特征化合物提取。采用与标准品信息采集、化合物提取完全一致的技术参数。
(4)、将步骤(3)获得的待测样品的化合物信息调入利用步骤(1)建立的燕窝真伪鉴别模型中，预测得到样品是否为正品燕窝。
本发明的标准集样品模型不限标准集样品的种类，可以是一种，也可以是多种。为增加信息的全面性，提高真伪鉴定模型的可靠性，本发明的标准集样品模型包括了不同地区的毛燕窝、血燕窝和白燕窝。本发明的实施例在建立真伪鉴定模型时选用26个样品，其中包括正品马来西亚毛燕窝4个，正品印度尼西亚毛燕窝7个，不明产地的正品毛燕窝3个，不同商家的正品血燕窝7个，不同商家的正品白燕窝5个和燕窝掺假样品，炸肉皮、白木耳和淀粉的混合物，白木耳、炸肉皮、明胶、胶原蛋白、脱水马铃薯粉、豌豆淀粉、木薯淀粉、玉米淀粉和或马铃薯淀粉共12个燕窝伪品。
本发明的申请人进行了大量实验，在预试验中对产地差异、血燕窝与毛、白燕窝的差异进行了差异性分析，结果表明燕窝模型无明显性差异，因此标准集样品的模型不受产地和品种的影响，只需一个真伪鉴定模型即可，同时使检测更加简单易操作。
本发明的有益效果
本发明应用LC-Q-TOF提供一种燕窝真伪鉴别模型，该方法结合统计分析，具有鉴别正确率高，操作简单，鉴别快速等特点，为燕窝真伪鉴定提供新的思路。
附图说明
图1为正品燕窝的总离子流图；
图2为正品燕窝的特征化合物分布图；
图3为正品燕窝经筛选后的特征化合物分布图；
图4为正品燕窝的主成分分析图；
图5为正品燕窝的贡献率累计趋势；
图6为偏最小二乘法计算后的正品燕窝的三维聚类图；
图7为燕窝地区差异分析中的主成分分析图；
图8为燕窝类别差异分析中主成分分析图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用试剂或仪器未注明生产厂商者，均为可以通过市购获得的常规产品。
实施例1：标准集样品模型的建立及待测样品的鉴定
材料与试剂：
蒸馏水，甲酸(分析纯)，试验样品：正品燕窝(分别选自北马区、东海岸、东马区、中南马区、SUMATRA LAMPUNG、SUMATRA、SULAWEST、KALIMANTAN等不同产地)均由厦门出入境检验检疫局赴东南亚现场采集；掺假燕窝均由厦门出入境检验检疫局提供；淀粉、白木耳、炸肉皮在市面购得。
仪器：
Agilent 1290-6540液相色谱-四级杆飞行时间质谱仪，配有Dual AJS ESI源(美国Agilent公司)；电子天平(精确到0.0001g)；数据分析软件为MassHunter WorkstationVersion B.06.00和Mass Profiler Professional Version 12.5(美国Agilent公司)。
样品：正品燕窝；待测样品(样品1、2、3均为正品燕窝，样品4为白木耳，样品5为炸肉皮，10％掺假燕窝，30％掺假燕窝，50％掺假燕窝，80％掺假燕窝)
具体包括如下步骤：
(1)、燕窝真伪鉴别模型的建立，包括以下步骤：
①、标准集样品处理：收集不同产地，真假明确的正品燕窝样品(正品马来西亚毛燕窝4个，正品印度尼西亚毛燕窝7个，不明产地的正品毛燕窝3个，不同商家的正品血燕窝7个，不同商家的正品白燕窝5个)和燕窝伪品(伪品燕窝和常见的燕窝掺假样品，白木耳、炸肉皮、木薯淀粉、明胶、胶原蛋白、脱水马铃薯粉)作为燕窝真伪鉴别模型的标准采集品。具体为：
正品马来西亚毛燕窝(Malaysia)4个：样本1：北马区毛燕窝，代表州滨城州；样本2:东海岸毛燕窝，代表州吉兰丹；样本3:中南马区毛燕窝，代表州柔佛；样本4:东马区毛燕窝，代表州沙捞越；
正品印度尼西亚毛燕窝(Indonesia)7个：样本1：毛燕窝，代表州SULAWESI；
样本2：毛燕窝，代表州SUMATRA；
样本3：毛燕窝，代表州KALIMANTAN；样本4：毛燕窝，ORANGE；样本5：毛燕窝，KUNINGSEKALI；样本6：毛燕窝，KUNING；样本7：毛燕窝，PUTIH；
不明产地的正品毛燕窝(pilose)3个：样本1：毛燕窝，罗春燕屋；样本2：毛燕窝，富丽华燕屋；样本3：毛燕窝，送检样品；
不同商家的正品血燕窝(red)7个：样本1:血燕盏，余仁生；样本2:血燕盏，楼上；样本3：燕之屋官燕盏；样本4,5,6,7:血燕窝，送检样品；
不同商家的正品白燕窝(white)5个：样本1：白燕窝，燕之屋天然燕窝；样本2：白燕窝，燕之屋燕窝王；样本3、4、5：白燕窝，送检样品；
燕窝伪品(fake)：样本1:假燕窝1,燕之屋提供；样本2:假燕窝2，燕之屋提供；
样本3:炸肉皮、白木耳、淀粉混合物；样本4：炸肉皮；样本5：白木耳；
样本6：明胶；样本7：胶原蛋白；样本8:脱水马铃薯粉；样本9:豌豆淀粉；
样本10：木薯淀粉；样本11：玉米淀粉；样本12：马铃薯颗粒粉。
②、每一标准样品研磨成粉末后等量称取，称取共100mg置于250mL三角瓶中，加入1％的甲酸溶液，沸水浴30min，冷却，过0.22μm滤膜，置于进样瓶中，待上机。所述粉末状样品为粒径≤1nm。
③、用液相色谱四级杆飞行时间串联质谱标准采集品一级质谱信息，见附图1，附图1质谱信息为所有标准采集品的混合样品的总离子流图。总离子流图是反应过程中所涉及到的所有离子的流程图，从图1可以看出正品燕窝的质谱信息。对采集质谱信息进行特征化合物提取，提取获得7504个化合物，见附图2。图2中的每条线代表一种提取到的特征化合物，每条线的位置代表每种化合物在真伪两组之间的分布信息。
所述特征化合物提取的参数设置为，选上-H，+CH3COO.流动相中含有乙酸铵，已酸根离子则有可能加入到目标物中。对于化合物价态选择小于等于2价。
所述液相色谱条件为，色谱柱：ZORBZX Eclipse Pluse C18(3.0×100mm,1.8μm)；柱温：35℃；进样量：2μ流动相：A相为水相(含5mmol乙酸铵)，B相为甲醇(含5mmol乙酸铵)；流速：0.4ml/min；流动相阶梯洗脱程序见附表1。
表1流动相阶梯洗脱程序表
所述四级杆飞行时间质谱的条件为，负离子全扫描模式；毛细管电压3500V；干燥气温度300℃；干燥气流速10L/min；雾化气压力35psig；鞘气温度350℃；鞘气流速12L/min；碎裂电压130V；锥孔电压65V；倍增电压750V；质量扫描范围m/z 50-1700；采集速率1.5spectra/s；参比离子m/z 121.985587和m/z1033.988109；进样后直接进行质谱采集。
④、将③采集的质谱信息导入MPP软件中，结合统计学方法对特征物质进行筛选，筛选后共得到69个化合物，见附图3。图3中每条线代表一种提取到的特征化合物，每条线的位置代表每种化合物在真伪两组之间的分布信息。从图3可以看出经筛选得到的化合物在两组之间分布差异。对筛选后的化合物进行主成分分析。主成分分析是Mass ProfilerProfessional具有的功能，是一种差异性分析算法，可以确定正品燕窝与燕窝伪品的差异性。主成分分析是一种经常采用的非监督多元分析技术，它可对数据进行降维处理，同时保留数据中的鉴别能力。主成分分析通过把测量的变量转化为不相关的主成分，每个主成分是一个原始变量的线性组合，它作为一种质量控制工具，分析数据如何聚类并确定离群样本，结果见附图4和附图5。从图4可以看出共得4种主成分，主成分PC1、主成分PC2、主成分PC3和主成分PC4的贡献率分别为65.87％、12.82％、3.57％和2.65％(此贡献率为主成分所能代表样本的信息程度，为软件分析中自动得出。图中实线表示主成分对于样本信息的贡献率(代表程度)，虚线表示不能表示的样本信息)，累计贡献率为84.9％。图5中的每个圆点代表一个样品，具体信息见图标，从图5中可以看出代表正品燕窝的点集合在一起，说明正品燕窝的聚类很好。从附图4和附图5中可以看出，主成分分析中真伪样品分离度好，四种主成分累计贡献率超过了80％，真伪燕窝已得到较好的区分。最后，以偏最小二乘法建立预测模型，用于燕窝真伪鉴定，见附图6。图6的整体代表一个燕窝真伪鉴定模型，其中三角形为正品燕窝，正方形为伪品。对样品进行预测时，根据其对这两个群的归宿性进行判定。
所述69个化合物筛选条件为出现频率(frequency)为100％，变异系数(coefficient of variation,CV)小于等于25％，丰度(abundance)大于等于1000进行过滤。
(2)、将待测燕窝样品研磨成粉末，称取100mg置于250mL三角瓶中，加入1体积％的甲酸溶液，沸水浴30min，冷却，过0.22μm滤膜，置于进样瓶中，待上机。
(3)、选步骤(2)的待测样品用液相色谱四级杆飞行时间串联质谱采集标准品一级质谱信息，进行特征化合物提取。采用与标准品采集信息，提取化合物完全一致的技术参数。
(4)、将步骤(3)获得的待测样品的化合物信息调入利用步骤(1)建立的燕窝真伪鉴别模型中，预测得到样品是否为正品燕窝，其结果见表2，其准确率达100％，可以很好的实现燕窝的真伪鉴别。预测数据包括判定结果(即属于那个类别)和准确度(以**％的置信度属于这个群组)，经过大量试验判定当预测结果为正品燕窝且准确率达80％，为正品燕窝；否则为伪品。
软件自动根据已建立模型进行运行分析，其判定结果以图表的形式进行展现，直接表明是属于正品燕窝组别还是伪品组别)对三种正品燕窝，两种伪品，以及不同程度的掺假燕窝进行预测，预测结果见附表2，可以看出基于液相色谱四级杆飞行时间串联质谱，利用偏最小二乘法建立的此模型，用于燕窝的测定，对于正品燕窝与伪品的判定准确率高达100％，对于不同掺假量的判定，随着掺假量的增加准确率逐渐降低，可根据准确率粗略估计掺假量，即认为掺假量越大，准确性越低，当掺假量高于80％左右时即判定为伪品燕窝。
表2
综上所述，本发明基于液相色谱四级杆飞行时间串联质谱，提供一种燕窝真伪鉴别模型，该方法结合统计分析，具有鉴别正确率高，操作简单，鉴别快速等特点，为燕窝真伪鉴定提供新的思路。
实施例2：地区性差异分析和类别差异分析试验
1)地区性差异分析：
选取明确产地的毛燕窝样本11个，一组为马来西亚(Malaysia)组别，一组为印度尼西亚(Indonesia)组别，进行燕窝的地区化差异分析。经质谱信息采集和化合物筛选，共得到150个化合物，在此基础上，对马来西亚组别的毛燕窝和印度尼西亚组别的毛燕窝进行主成分分析，得到的四个主成分贡献率分别为32.28％、19.6％、4.32％、3.1％，累计贡献率为59.3％。主成分分析三维聚类图为图7，从图中粗略判断马来西亚毛燕窝与印度尼西亚毛燕窝有可以区分的趋势，但是四种主成分的累计贡献率只有59.3％，不及80％，不能很好的代表样本信息。
2)类别差异性分析：
进行类别差异性分析中将燕窝正品样本分成三个组别，分别为毛燕窝、血燕窝和白燕窝。以筛选得到的126个化合物为分析基础，对毛燕窝、血燕窝和白燕窝三个组别的样本进行主成分分析，得到的四个主成分贡献率分别为56.7％、9.21％、5.76％、4.18％，贡献率累计为75.85，主成分分析三维聚类图为图8，从图8中可以看出所有的样本不受组别的影响，混乱的聚合在一起，三种燕窝是分不开的。利用液相色谱四极杆飞行时间质谱结合统计分析的该方法，不能实现对燕窝种类的识别。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (5)
1.一种鉴别燕窝真伪的方法，其特征在于，包括如下步骤，
待测样品处理：待测样品中加入甲酸溶液后沸水浴，再冷却，过滤膜进行过滤得到处理后的待测样品；
待测样品特征化合物提取：将处理后的待测样品置于液相色谱-四级杆飞行时间质谱仪进样瓶中，上样；得到待测样品一级质谱信息；对一级质谱信息进行特征化合物提取；
所述液相色谱条件为，3.0×100mm, 1.8µm的 ZORBAX Eclipse Plus C18色谱柱； 35℃柱温；2µl进样量；流动相中A相为5mmol乙酸铵的水溶液，B相为含5mmol乙酸铵的甲醇溶液；0.4 ml/min流速；
所述四级杆飞行时间质谱的条件为，负离子全扫描模式；毛细管电压3500V；干燥气温度300℃；干燥气流速10L/min；雾化气压力35psig；鞘气温度350℃；鞘气流速12L/min ；碎裂电压130V；锥孔电压65V；倍增电压750V；质量扫描范围m/z 50-1700；采集速率1.5spectra/s；参比离子m/z 121.985587 和m/z 1033.988109；进样后直接进行质谱采集；
所述特征化合物提取的参数设置为，选上-H，+CH3COO，化合物价态选择小于等于2价；
结果调取与预测：将获得的待测样品的特征化合物信息调入燕窝真伪鉴别模型中进行预测。
2.权利要求1所述鉴别燕窝真伪的方法，其特征在于，所述待测样品处理为，称取100mg置于250mL三角瓶中，加入体积百分比为1 %的甲酸溶液，沸水浴30min，冷却，过0.22µm滤膜。
3.权利要求1所述鉴别燕窝真伪的方法，其特征在于，所述燕窝真伪鉴别模型是由如下方法建立的：
参与模型建立的标准集样品处理；标准集样品中加入甲酸溶液后沸水浴，再冷却，过滤膜进行过滤得到处理后的标准集样品；
标准集样品特征化合物提取：将处理后的标准集样品置于液相色谱-四级杆飞行时间质谱仪进样瓶中，上样，得到标准集样品一级质谱信息；对一级质谱信息进行特征化合物提取，获得7504个化合物；将采集的标准集样品一级质谱信息导入Mass ProfilerPeofessional软件中，结合统计学方法对7504个化合物进行筛选，筛选后共得到69个化合物，对这69个化合物进行主成分分析；
燕窝真伪鉴别模型建立：以偏最小二乘法建立燕窝真伪鉴别模型；
所述液相色谱条件为，3.0×100mm, 1.8µm的 ZORBAX Eclipse Plus C18色谱柱； 35℃柱温；2µl进样量；流动相中A相为5mmol乙酸铵的水溶液，B相为含5mmol乙酸铵的甲醇溶液；0.4 ml/min流速；
所述四级杆飞行时间质谱的条件为，负离子全扫描模式；毛细管电压3500V；干燥气温度300℃；干燥气流速10L/min；雾化气压力35psig；鞘气温度350℃；鞘气流速12L/min ；碎裂电压130V；锥孔电压65V；倍增电压750V；质量扫描范围m/z 50-1700；采集速率1.5spectra/s；参比离子m/z 121.985587 和m/z 1033.988109；进样后直接进行质谱采集；
所述特征化合物提取的参数设置为，选上-H，+CH3COO，化合物价态选择小于等于2价；
所述69个化合物筛选条件为出现频率为100%，变异系数小于等于25%，丰度大于等于1000 counts进行过滤。
4.权利要求3所述鉴别燕窝真伪的方法，其特征在于，所述标准集样品为选自不同地区的毛燕窝、血燕窝和白燕窝和燕窝伪品。
5.权利要求1所述鉴别燕窝真伪的方法，其特征在于，所述结果调取和预测是将获得的待测样品的特征化合物信息调入燕窝真伪鉴别模型中，软件自动预测结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410766745.9A CN104360004B (zh) | 2014-12-12 | 2014-12-12 | 一种利用lc‑q‑tof结合统计分析鉴别燕窝真伪的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410766745.9A CN104360004B (zh) | 2014-12-12 | 2014-12-12 | 一种利用lc‑q‑tof结合统计分析鉴别燕窝真伪的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104360004A CN104360004A (zh) | 2015-02-18 |
| CN104360004B true CN104360004B (zh) | 2017-01-18 |
Family
ID=52527285
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410766745.9A Active CN104360004B (zh) | 2014-12-12 | 2014-12-12 | 一种利用lc‑q‑tof结合统计分析鉴别燕窝真伪的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104360004B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109557228A (zh) * | 2017-12-19 | 2019-04-02 | 中国检验检疫科学研究院 | 一种利用特征标记肽段鉴别燕窝及其掺假物的方法 |
| US20220033871A1 (en) * | 2020-08-03 | 2022-02-03 | Hong Kong Baptist University | Peptide markers for authentication of edible bird's nest and related products |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101806788B (zh) * | 2010-04-09 | 2012-09-26 | 香港科技大学 | 一种测定燕窝中游离唾液酸含量以鉴定燕窝品质的方法 |
| CN103698353B (zh) * | 2013-12-30 | 2016-08-17 | 厦门出入境检验检疫局检验检疫技术中心 | 一种燕窝鉴定方法 |
| CN104155359A (zh) * | 2014-08-22 | 2014-11-19 | 中国农业科学院油料作物研究所 | 一种基于离子迁移谱的食用植物油真伪快速筛查方法 |
-
2014
- 2014-12-12 CN CN201410766745.9A patent/CN104360004B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN104360004A (zh) | 2015-02-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lim et al. | Combination of mass spectrometry-based targeted lipidomics and supervised machine learning algorithms in detecting adulterated admixtures of white rice | |
| CN105138861A (zh) | 一种大黄药材真伪及基源种属类别预测模型的构建方法 | |
| CN105574474A (zh) | 一种基于质谱信息的生物特征图像识别方法 | |
| WO2021056814A1 (zh) | 一种基于药效信息建立评价中药质量的化学模式识别方法 | |
| CN107389813B (zh) | 基于化学分类法及UPLC-Tof-MS鉴别青皮、陈皮、枳实和枳壳的方法 | |
| Segelke et al. | Food authentication: species and origin determination of truffles (Tuber spp.) by inductively coupled plasma mass spectrometry and chemometrics | |
| CN112014516B (zh) | 一种茶类判别方法及系统 | |
| CN105136738A (zh) | 一种基于近红外识别桉木和相思木属间树种的方法 | |
| Yang et al. | A novel method for rapid discrimination of bulbus of Fritillaria by using electronic nose and electronic tongue technology | |
| CN112986430B (zh) | 一种娟珊牛奶粉和荷斯坦牛奶粉的差异标志物筛选方法及其应用 | |
| CN104360004B (zh) | 一种利用lc‑q‑tof结合统计分析鉴别燕窝真伪的方法 | |
| CN104237370B (zh) | 一种添加芝麻油香精的假冒芝麻油快速鉴别方法 | |
| Perini et al. | Stable isotope ratio analysis combined with inductively coupled plasma‐mass spectrometry for geographical discrimination between Italian and foreign saffron | |
| CN109870533B (zh) | 一种基于分子地图的生物样本快速智能识别方法 | |
| Du et al. | Discrimination of the species and authenticity of Rhizoma Coptidis based on stable isotope and multielement fingerprinting and multivariate statistical analysis | |
| Tianniam et al. | Non‐targeted metabolite fingerprinting of oriental folk medicine Angelica acutiloba roots by ultra performance liquid chromatography time‐of‐flight mass spectrometry | |
| CN108267528A (zh) | 基于气味指纹图谱和spss聚类分析鉴别玛咖源产地的方法 | |
| CN106483187A (zh) | 基于离子迁移谱和相似度的中药材与其易混伪品鉴别方法 | |
| CN104569132A (zh) | 一种基于质谱和主成分分析的食用油鉴别方法 | |
| Peake et al. | Determination of trace metal concentrations in ginseng (Panax Quinquefolius (American)) roots for forensic comparison using Inductively Coupled Plasma Mass-Spectrometry | |
| Ma et al. | Element analysis of House-and Cave-EBN (edible bird's nest) traceability by inductively coupled plasma-mass spectrometry (ICP-MS) integrated with chemo-metrics | |
| CN108205042A (zh) | 一种安化黑茶识别方法 | |
| CN110569581A (zh) | 一种基于多元素结合随机森林算法对枸杞产地进行判别的方法 | |
| CN109324129A (zh) | 一种测定电子烟液中黄曲霉毒素的方法 | |
| CN106324127B (zh) | 玛咖粉真伪鉴别及玛咖含量测定的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20171225 Address after: Room 301, room 3, Xiang Ming Road, Xiamen torch high tech Zone (Xiangan), Fujian Province Patentee after: Xiamen City Sinong Food Co., Ltd. Address before: 361000 2165, Jian Gang Road, Haicang District, Fujian, Xiamen Patentee before: Xu Dunming |
|
| TR01 | Transfer of patent right | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 361000 Room 301, No.3 Xiangming Road, industrial zone, torch hi tech Zone (Xiang'an), Xiamen, Fujian Province Patentee after: Xiamen Yanzhiwu Silken Food Co.,Ltd. Address before: 361000 Room 301, No.3 Xiangming Road, industrial zone, torch hi tech Zone (Xiang'an), Xiamen, Fujian Province Patentee before: XIAMEN SINONG FOOD Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |