CN111413445A - 用于鉴别非浓缩还原果汁与浓缩还原果汁模型的构建方法以及鉴别方法 - Google Patents
用于鉴别非浓缩还原果汁与浓缩还原果汁模型的构建方法以及鉴别方法 Download PDFInfo
- Publication number
- CN111413445A CN111413445A CN202010446097.4A CN202010446097A CN111413445A CN 111413445 A CN111413445 A CN 111413445A CN 202010446097 A CN202010446097 A CN 202010446097A CN 111413445 A CN111413445 A CN 111413445A
- Authority
- CN
- China
- Prior art keywords
- juice
- concentrated reduced
- fruit juice
- compound
- mass spectrometry
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/62—Detectors specially adapted therefor
- G01N30/72—Mass spectrometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/86—Signal analysis
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了用于鉴别非浓缩还原果汁与浓缩还原果汁模型的构建方法，涉及果汁鉴别技术领域。该方法包括通过基于高分辨质谱的技术获得非浓缩还原果汁样品与所述浓缩还原果汁样品的差异化合物质谱数据的步骤。采用本发明构建方法所构建的模型鉴别非浓缩还原果汁与浓缩还原果汁，具有灵敏度和特异性高，准确率高，鉴别时间短等特点，为鉴别非浓缩还原果汁和浓缩还原果汁提供了一种新的手段和思路。
Description
技术领域
本发明涉及果汁鉴别技术领域，具体而言，涉及一种用于鉴别非浓缩还原果汁与浓缩还原果汁模型的构建方法以及鉴别方法。
背景技术
近年来，社会的发展迅速，生活节奏加快，人们更加重视食品的口味、营养与便捷。而果汁因其口感良好，维生素等含量丰富，饮用方便，拥有广阔的市场。消费者对于果汁中存在天然成分，存在有效的营养成分，具有绿色/有机认证十分关注，随着国内外消费升级，果汁的种类越来越丰富，同时，非浓缩还原果汁也成为目前发展的主流。但是另一方面，随着供应链全球化和复杂化，经济利益驱动型掺假和食品欺诈愈演愈烈。对于非浓缩还原果汁产品掺假的形式主要有两类，第一是将廉价果汁掺入高附加值果汁中，以次充好；第二种是利用浓缩还原果汁冒充非浓缩还原果汁，以假乱真。
国际上从70年代起，就开始针对性的对果汁中的含糖量、及糖的种类来评价果汁的质量。如浓缩苹果汁中加入梨汁，主要是通过测定山梨糖和总糖的比例来测定掺入的梨汁。也可以利用稳定同位素准确鉴别蔗糖和淀粉糖，从而鉴别果汁的真实性。但是现有鉴别技术主要针对浓缩果汁建立，不能适应新形势下新生态市场的监管需求。随着科技的发展，果汁的掺假手段也日益复杂隐蔽，特别是非浓缩还原果汁的真实性鉴伪检测变得越来越困难。因此，要实现鉴伪方法从靶向向非靶向的转变异常重要。
鉴于此，特提出本发明。
发明内容
本发明的目的在于提供一种用于鉴别非浓缩还原果汁与浓缩还原果汁模型的构建方法以及鉴别方法。采用本发明构建方法所构建的模型鉴别非浓缩还原果汁与浓缩还原果汁时，具有较高的灵敏度和特异性，准确率高，鉴别时间短。
本发明是这样实现的：
一方面，本发明提供一种用于鉴别非浓缩还原果汁与浓缩还原果汁的模型的构建方法，其包括如下步骤：
步骤(1)：通过液相色谱串联高分辨质谱技术获得非浓缩还原果汁样品与浓缩还原果汁样品的总代谢物质谱数据；
步骤(2)：分析上述总代谢物质谱数据，确定出上述非浓缩还原果汁样品与上述浓缩还原果汁样品之间的差异化合物；
步骤(3)：基于步骤(2)确定的上述差异化合物，通过实时直接分析高分辨质谱技术获得上述非浓缩还原果汁样品与上述浓缩还原果汁样品的差异化合物质谱数据；
步骤(4)：利用上述差异化合物质谱数据进行PLS-DA建模，得到能够鉴别非浓缩还原果汁与浓缩还原果汁的PLS-DA模型。
代谢组学与基因组学、蛋白质组学、转录组学共同构成了“系统生物学”。代谢组学通过高通量、高灵敏度和高分辨率的现代仪器，结合模式识别等化学计量学方法是分析生物体内代谢产物变化规律的一种新兴研究工具。它对非特定目标物的检测有着其他方法无法比拟的优势，利用基于高分辨质谱的代谢组学技术作为研究手段、结合化学计量学的方法，可实现对于掺假果汁科学地区分和鉴定，对新型果汁的真实性鉴别意义重大。
本发明先通过液相色谱串联高分辨质谱技术获取样品的总代谢物质谱数据，通过分析确定出可以鉴别非浓缩还原果汁与浓缩还原果汁的差异化合物(即标志物)，再通过实时直接分析高分辨质谱技术采集先前确定的差异化合物质谱数据，以该质谱数据构建PLS-DA模型；该构建方法一方面可以提高建模所用的大批量数据的采集效率，另一方面，通过该方法建立的模型，在后期鉴定过程，可以直接采用实时直接分析高分辨质谱技术获取待测样品的差异化合物质谱数据，缩短数据的获取时间，进而缩短鉴定时间，提高鉴定效率；且本发明的模型建立所用的数据采集方式和待测样品的数据采集方式具有一致性，因此，当待测样品的数据代入模型中进行鉴别时，能够提高鉴定结果的准确性。
可选地，在本发明的一些实施方案中，在步骤(2)中，分析上述总代谢物质谱数据包括：
基于质量控制组样品(QC，由所有样品等量混合制成)，对上述总代谢物质谱数据进行检出率(DR)和相对标准偏差(RSD)分析，删除DR≤80％或RSD≥30％的化合物，并对剩余的化合物进行T检验和差异倍数分析，将p值小于0.05且差异倍数大于2的化合物作为初始差异化合物；
对得到的上述初始差异化合物进行OPLS-DA分析，筛选出VIP值>1的化合物，作为上述差异化合物。
对于确定两组样品即非浓缩还原果汁样品和浓缩还原果汁样品之间的差异化合物的方法，本领域技术人员在实际分析的过程中，可以对上述的参数适当调整或改变，例如可以适当改变DR和RSD的阈值，以及p值、差异倍数、VIP值等，但无论通过何种方法分析总代谢物质谱数据以确定两组样品间的差异化合物其都是属于本发明的保护范围。
本发明实施例通过上述分析总代谢物质谱数据的方法，可以使得所确定的差异化合物更具有代表性，更能真实地两组样品的代谢物差异特征，以上述分析方法所确定的差异化合物用于后续步骤建模，更能提高所建模型的灵敏度和特异性，准确率更高。
可选地，在本发明的一些实施方案中，在步骤(2)中，上述差异化合物用m/z表示。
靶向掺假是目前果汁鉴定领域中比较严重的问题，即掺假者预先知道区分非浓缩还原果汁与浓缩还原果汁的具体标志物的化学式、结构或化学名称的前提下，其在提供待测果汁样品时，会提前在待测果汁样品加入该具体标志物，进而达到以假乱真的效果。
对此，本发明的模型构建方法，并不需要确定差异化合物的具体化学式、结构和化学名称，仅用m/z表示相应的化合物，这样，掺假者就无法确定差异化合物具体是何种化学物质，仅根据m/z，其难以推导出具体的化合物，进而不能往待测果汁样品加入掺假化合物。因此，通过m/z值表示差异化合物能够有效地解决当前靶向掺假的问题。
可选地，在本发明的一些实施方案中，在步骤(3)中，上述差异化合物质谱数据包括上述差异化合物的m/z信息以及对应的离子丰度信息。
离子丰度可以反映对应m/z的离子含量信息，也可以反映其对应的化合物在样品中的含量信息。因此，以m/z和对应的离子丰度为基础数据所建的模型能够有效鉴别非浓缩还原果汁与浓缩还原果汁。
可选地，在本发明的一些实施方案中，在步骤(1)和步骤(3)中，上述非浓缩还原果汁样品和上述浓缩还原果汁样品各自的数量在3个以上。
各组样品的数量和类别可以根据实际情况选择，但尽量满足3个以上要求，基础数据越多，所建模型的准确性越高；此外，各组样品的来源也可以尽可能地广，例如可以是来自不同的厂家，不同的地区，也可以是通过购买水果自行榨汁制成样品，样品的来源越丰富，代表性就更强，所建模型的鉴别准确性就越高。
但需要说明的是，无论样品数量多还是少，样品来源单一还是多样，样品是购买还是自制，其只要是用于到本发明模型的构建方法中，其都是属于本发明的保护范围。
可选地，在本发明的一些实施方案中，上述果汁选自橙汁、苹果汁、草莓汁、桃汁、猕猴桃汁、西柚汁、木瓜汁或葡萄汁。
需要说明的是，根据本发明的内容，本领域技术人员容易想到将本发明的方法用于各种果汁的鉴别，这对本领域技术人员来说是不需要付出创造性的劳动的，因此，只要将本发明的方法用于构建鉴别非浓缩还原果汁或浓缩还原果汁，无论该果汁为何种水果汁，其都是属于本发明的保护范围。
可选地，在本发明的一些实施方案中，上述果汁为橙汁。
可选地，在本发明的一些实施方案中，在步骤(1)，所述液相色谱串联高分辨质谱技术为液相色谱-电喷雾-四极杆串联飞行时间高分辨质谱技术(LC-ESI-QTOF)；
可选地，在本发明的一些实施方案中，在步骤(1)中，进行液相色谱时的条件包括：
以流动相A和流动相B进行梯度洗脱；其中，上述流动相A为0.2％的甲酸水溶液，上述流动相B为乙腈，流速为300μL/分钟，进样体积为2μL；
梯度洗脱的条件如下：
0-11.50min,5％-30％B；11.50-11.51min,30-100％B；11.51-15.00min,100％B；15.00-15.01min,100％-5％B；15.01-18min,5％B；
上述各数值参数可在±5％的范围内波动。
可选地，在本发明的一些实施方案中，在步骤(1)中，进行质谱分析时，质谱的条件包括：
正离子模式，气帘气为25，离子源气1为50，离子源气2为50，离子源温度为500℃，离子源喷雾电压为5.5kV，去簇电压为60V，MS1扫描的质量范围为100-1000，碰撞能为10eV，MS2扫描的质量范围为50-1000，碰撞能为35eV，碰撞能变化范围为15eV；
或者，负离子模式，气帘气为25，离子源气1为50，离子源气2为50，离子源温度为500℃，离子源喷雾电压为-4.5kV，去簇电压为-60V，MS1扫描的质量范围为100-1000，碰撞能为-10eV，MS2扫描的质量范围m/z为50-1000，碰撞能为-35eV，碰撞能变化范围为15eV；
上述各数值参数可在±5％的范围内波动。
需要说明的是，正离子模式或负离子模式均可以用于化合物的分离鉴定，无论选用何种模式，其均属于本发明的保护范围。
可选地，在本发明的一些实施方案中，在步骤(3)中，所用的实时直接分析高分辨质谱技术为实时直接分析-四极杆串联飞行时间高分辨质谱技术(DART-QTOF)；
可选地，在本发明的一些实施方案中，在步骤(3)中，采用实时直接分析-四极杆串联飞行时间高分辨质谱技术数据采集时的条件如下：
正离子模式，以超高纯度氦气作为反应气和气帘气，接口加热器温度为150℃，去簇电压为80V，碰撞能为10eV，持续时间和周期时间分别为0.15min和9s，质量范围m/z为50-600，DART的栅极电压、加热器温度和玻璃棒移动速度分别为350v、400℃和3mm/s；
上述各数值参数可在±5％的范围内波动。
针对橙汁而言，本发明的发明人通过大量的探索和优化，确定出了上述色谱条件、ESI-QTOF条件以及DART-QTOF条件，该条件稳定、可靠，重复性好，可以实现化合物的准确分离和识别，采用上述条件所采集的数据更接近与样品的真实情况，具有代表性，以此数据为基础建立的模型，其鉴别的准确率更高。
但需要说明的是，在本发明公开内容的基础上，针对不同类别的果汁，本领域技术人员可以根据具体类别的果汁特点，选择相适应的色谱条件、ESI-QTOF条件以及DART-QTOF条件等，这对本领域技术人员来说是容易的，不需要付出创造性的劳动，因此，无论将色谱条件、ESI-QTOF条件以及DART-QTOF条件设置成何种参数，其都是属于本发明的保护范围。
可选地，在本发明的一些实施方案中，上述差异化合物质谱数据中的离子选自m/z如集合1或集合2中所示的离子中的至少1个：
集合1：131.1283、137.1318、143.1059、147.0754、151.111、181.1215、185.128、201.121、204.105、213.1592、215.1386、219.1745、229.1543、251.1601、262.128、266.1233、269.1246、272.1796、273.0608、274.0923、274.1757、276.1437、280.1388、286.1764、288.191、288.1916、288.1917、288.2027、289.049、289.0571、290.0872、290.1705、290.8471、292.1025、294.1546、302.2065、302.2066、302.2067、304.1846、304.1862、308.2178、310.1284、316.2226、316.2228、318.1658、318.1663、318.2017、318.2027、322.0765、328.1394、328.5953、330.2383、331.1963、332.181、332.1815、332.2174、333.0448、337.1715、338.3411、344.2543、346.1973、347.1922、348.1752、356.2182、357.2128、358.2087、359.2282、360.2124、361.2079、367.1499、371.2165、374.2266、377.1073、386.2344、389.2028、389.2395、400.7294、406.164、410.4917、413.719、423.2236、431.1525、436.1017、471.2793、472.1653、478.2927、484.2534、516.6998、533.0185、533.2372以及543.3492；
集合2：378.1332、295.0459、288.0723、287.0342、469.2665、330.2024、219.0514、421.2085、400.0865、229.0986、430.0974、414.0665、462.1177、489.2112、314.208、286.1765、533.2236、497.1139、399.0554、335.0606、300.1922、951.4428、811.3063、765.2605、553.0853、349.0766、295.0668、342.2362、531.2235、404.1476、618.2236、857.2414、277.2169、443.0458、487.1963、631.1477、751.1921、707.1534、281.2482、594.2186、306.0762以及452.2766。
集合1是在正离子模式下所确定的可以区分非浓缩还原橙汁与浓缩还原橙汁的差异化合物，以m/z表示，共91个；可以从中选择1个，或多个，或全部用于模型建立；通常情况下选用的数量越多，所建立的模型越可靠，鉴别效果越好，准确率更高，且也更利于阻碍靶向掺假。
集合2是在负离子模式下下所确定的可以区分非浓缩还原橙汁与浓缩还原橙汁的差异化合物，以m/z表示，共42个；当然也可以从中选择1个，或多个，或全部用于模型建立；通常情况下选用的数量越多，所建立的模型越可靠，鉴别效果越好，准确率更高，且也更利于阻碍靶向掺假。
对于其他的果汁而言，所确定出的差异化合物可能与上述集合1或集合2中的化合物有所差异，可能是全部不同，也可能是部分不同，由实际的操作确定，本发明对此不作限定，但无论其确定出是种差异化合物，其都是属于本发明的保护范围。
可选地，在本发明的一些实施方案中，上述差异化合物的质谱数据中的离子包括m/z如下所示的离子：
131.1283、137.1318、143.1059、147.0754、151.111、181.1215、185.128、201.121、204.105、213.1592、215.1386、219.1745、229.1543、251.1601、262.128、266.1233、269.1246、272.1796、273.0608、274.0923、274.1757、276.1437、280.1388、286.1764、288.2027、289.0571、290.0872、290.1705、292.1025、294.1546、302.2066、304.1862、308.2178、310.1284、316.2228、318.1658、318.2017、322.0765、328.1394、330.2383、331.1963、332.1815、332.2174、337.1715、338.3411、344.2543、346.1973、347.1922、348.1752、356.2182、357.2128、358.2087、359.2282、360.2124、361.2079、367.1499、371.2165、374.2266、377.1073、386.2344、389.2028、389.2395、406.164、423.2236、431.1525、471.2793、472.1653、478.2927、484.2534以及533.2372。
本发明的研究结果确证，采用上述m/z的离子，所建立的模型，可以对非浓缩还原橙汁与浓缩还原橙汁进行判别，具有较好的灵敏度和特异性，其校正和验证准确率分别达到了97％和95％，可以用于实际鉴别，为当前非浓缩还原橙汁与浓缩还原橙汁鉴别提供一种全新的、更可靠的鉴别手段。
另一方面，本发明提供一种鉴别非浓缩还原果汁与浓缩还原果汁的方法，其包括：
步骤(a)：通过实时直接分析高分辨质谱技术获得待测果汁的差异化合物的质谱数据；
步骤(b)：将上述步骤(a)得到的差异化合物的质谱数据代入由上述任一项所述的构建方法所构建得到的模型中进行鉴别获得鉴别结果。
本发明的鉴别方法基于上述所建立的模型进行鉴别，在鉴别时，直接采用实时直接分析高分辨质谱技术获得待测果汁的差异化合物的质谱数据，目标数据明确，时间短，待测样品的数据采集方式与模型建立时的数据采集方式基本一致，一方面缩短采集时间，提高采集效果，另一方面可以提高鉴别结果的准确性。
可选地，在本发明的一些实施方案中，上述步骤(a)中的上述差异化合物通过如下方法确定：
通过液相色谱串联高分辨质谱技术获得非浓缩还原果汁样品与浓缩还原果汁样品的总代谢物质谱数据；
分析上述总代谢物质谱数据，得到上述非浓缩还原果汁样品与上述浓缩还原果汁样品之间具有差异的上述差异化合物。
可选地，在本发明的一些实施方案中，所述液相色谱串联高分辨质谱技术为液相色谱-电喷雾-四极杆串联飞行时间高分辨质谱技术；
可选地，在本发明的一些实施方案中，分析上述总代谢物质谱数据包括：
基于质量控制组样品，对上述总代谢物质谱数据进行检出率(DR)和相对标准偏差(RSD)分析，删除DR≤80％或RSD≥30％的化合物，并对剩余的化合物进行T检验和差异倍数分析，将p值小于0.05且差异倍数大于2的化合物作为初始差异化合物；
对得到的上述初始差异化合物进行OPLS-DA分析，筛选出VIP值>1的化合物，即为上述差异化合物。
在鉴别待测果汁样品的过程中，步骤(a)差异化合物种类本质上就是在前述模型建立中所确定的差异化合物，二者是一致的。
可选地，在本发明的一些实施方案中，上述差异化合物用m/z表示。
以m/z表征差异化合物，掺假的人就不知道确切的差异化合类别，进而可有效的避免靶向掺假的问题。
可选地，在本发明的一些实施方案中，上述差异化合物的质谱数据包括上述差异化合物的m/z信息以及对应的离子丰度信息。
可选地，在本发明的一些实施方案中，实时直接分析高分辨质谱技术为实时直接分析-四极杆串联飞行时间高分辨质谱技术；
可选地，在本发明的一些实施方案中，当上述果汁为橙汁时，在步骤(a)中，通过实时直接分析-四极杆串联飞行时间高分辨质谱技术数据采集时的条件如下：
正离子模式，以超高纯度氦气作为反应气和气帘气，接口加热器温度为150℃，去簇电压为80V，碰撞能为10eV，持续时间和周期时间分别为0.15min和9s，质量范围m/z为50-600，DART的栅极电压、加热器温度和玻璃棒移动速度分别为350v、400℃和3mm/s；
上述各数值参数可在±5％的范围内波动。
可选地，在本发明的一些实施方案中，当上述待测果汁为橙汁时，上述差异化合物的质谱数据中的离子选自m/z如集合1或集合2中所示的离子中的至少1个：
集合1：131.1283、137.1318、143.1059、147.0754、151.111、181.1215、185.128、201.121、204.105、213.1592、215.1386、219.1745、229.1543、251.1601、262.128、266.1233、269.1246、272.1796、273.0608、274.0923、274.1757、276.1437、280.1388、286.1764、288.191、288.1916、288.1917、288.2027、289.049、289.0571、290.0872、290.1705、290.8471、292.1025、294.1546、302.2065、302.2066、302.2067、304.1846、304.1862、308.2178、310.1284、316.2226、316.2228、318.1658、318.1663、318.2017、318.2027、322.0765、328.1394、328.5953、330.2383、331.1963、332.181、332.1815、332.2174、333.0448、337.1715、338.3411、344.2543、346.1973、347.1922、348.1752、356.2182、357.2128、358.2087、359.2282、360.2124、361.2079、367.1499、371.2165、374.2266、377.1073、386.2344、389.2028、389.2395、400.7294、406.164、410.4917、413.719、423.2236、431.1525、436.1017、471.2793、472.1653、478.2927、484.2534、516.6998、533.0185、533.2372以及543.3492；
集合2：378.1332、295.0459、288.0723、287.0342、469.2665、330.2024、219.0514、421.2085、400.0865、229.0986、430.0974、414.0665、462.1177、489.2112、314.208、286.1765、533.2236、497.1139、399.0554、335.0606、300.1922、951.4428、811.3063、765.2605、553.0853、349.0766、295.0668、342.2362、531.2235、404.1476、618.2236、857.2414、277.2169、443.0458、487.1963、631.1477、751.1921、707.1534、281.2482、594.2186、306.0762以及452.2766。
可选地，在本发明的一些实施方案中，上述差异化合物的质谱数据中的离子包括m/z如下所示的离子：
131.1283、137.1318、143.1059、147.0754、151.111、181.1215、185.128、201.121、204.105、213.1592、215.1386、219.1745、229.1543、251.1601、262.128、266.1233、269.1246、272.1796、273.0608、274.0923、274.1757、276.1437、280.1388、286.1764、288.2027、289.0571、290.0872、290.1705、292.1025、294.1546、302.2066、304.1862、308.2178、310.1284、316.2228、318.1658、318.2017、322.0765、328.1394、330.2383、331.1963、332.1815、332.2174、337.1715、338.3411、344.2543、346.1973、347.1922、348.1752、356.2182、357.2128、358.2087、359.2282、360.2124、361.2079、367.1499、371.2165、374.2266、377.1073、386.2344、389.2028、389.2395、406.164、423.2236、431.1525、471.2793、472.1653、478.2927、484.2534以及533.2372。
上述m/z所表示的化合物可以有效区分非浓缩还原橙汁与浓缩还原橙汁，使用上述化合物的质谱数据鉴别非浓缩还原橙汁与浓缩还原橙汁具有较高的灵敏度和特异性，准确率可达95％以上。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1：非浓缩还原(NFC)橙汁与浓缩还原(FC)橙汁组间MS1的差异特征变化；基于正交潜在变量投影判别分析OPLS-DA的S图(S-plot)展示出了可以使NFC和FC组分离的MS1特性；其中，将VIP值小于1的MS1特征用灰色表示，变量投影重要性(VIP)值大于1的特征用蓝色(FC组中含量较高)和红色(NFC组中含量较高)标出；其中左上角插图OPLS-DA Scoresplot为OPLS-DA模型的得分图；图中A:正离子模式，B：负离子模式。
图2：PLS-DA模型结果；A：PLS-DA模型构建与验证；B：PLS-DA模型在判别商业橙汁样品中的应用。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例中的技术方案进行清楚、完整地描述。实施例中未注明具体条件者，按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
实施例1
本实施例以橙汁为例，说明本实施例建立判别NFC和FC果汁的PLS-DA模型的方法，包括如下步骤：
1.样品制备
从我国典型区域收集NFC橙汁样品，来源包括一家科研机构中试车间(记为A组)、实验室自制样品(记为B组)和两家工厂(记为C和D组)。B组鲜榨橙汁为市场购买的原料脐橙(Citrus sinensis Tanaka)在实验室中切半后由食品加工机HR7629(ROYAL PHILIPS,Amsterdam,Netherlands)榨汁得到。NFC橙汁样品包括巴氏灭菌和超高压(HPP)杀菌技术两种。其中，A组、C组和D组的巴氏灭菌NFC橙汁由科研机构和两家工厂直接提供，B组未设置巴氏杀菌NFC橙汁处理组。A组、B组和C组的HPP处理NFC橙汁由未杀菌的鲜榨橙汁在550MPa的条件下处理5分钟(CQC30L-600，北京速原中天科技有限公司)得到，D组未设置HPP处理NFC组。A组、B组和C组浓缩果汁由其对应的NFC橙汁在80℃真空旋转蒸发器中浓缩至73±5Brix°左右得到，D组浓缩果汁(65±1Brix°)由工厂直接提供。各组浓缩果汁经加水还原至初始糖度即为各组FC果汁样品。共制备了120份橙汁样品(其中NFC 72份，FC 48份)。
每份橙汁样品于离心机中离心(26916g,4℃)15min，之后取上清液并于0.22和0.45μm的PES膜过滤头过滤，之后装入进样瓶，作为样品用以后续分析。
2.筛选及确定可有效区分NFC和FC果汁的标志物
1)采用超高效液相色谱串联高分辨质谱技术为液相色谱-电喷雾-四极杆串联飞行时间高分辨质谱技术(LC-ESI-QTOF)进行数据采集
色谱系统具体参数如下：所有样品均使用ExionLC超高效反相液相色谱系统(SCIEX,Redwood City,CA,USA)进行分析，流动相A为0.2％甲酸水溶液，B为乙腈，流速为300μL/分钟；进样体积为2μL；色谱柱为HSST3(ACQUITYUPLC,1.8μm,2.1*100mm,Waters,USA)，柱温保持在40℃；流动相梯度如下：
0-11.50min,5％-30％B；11.50-11.51min,30-100％B；11.51-15.00min,100％B；15.00-15.01min,100％-5％B；15.01-18min,5％B。
质谱系统具体参数如下：质谱分析采用四极杆串联飞行时间(QTOF)高分辨质谱(TripleTOF6600,SCIEX,Redwood City,CA,USA)进行分析，每个样品的TOF MS和MS2同时由连续窗口采集所有理论碎片离子(SWATH)模式进行扫描。仪器每进6个样品时，自动通过校准输送系统(CDS)(SCIEX,Redwood City,CA,USA)进行校准。
正离子模式下TOF MS扫描的实验参数设置为：气帘气(curtain gas)为25，离子源气(ion source gas)1为50，离子源气2为50，离子源温度为500℃，离子源喷雾电压(ionspray voltage floating)为5.5kV，去簇电压(declustering potential)为60V；碰撞能(collision energy)为10eV。SWATH模式(周期时间(cycle time)为545ms)由在高灵敏度模式下的TOF MS扫描(采集时间(accumulation time)为50ms)和一系列的MS2扫描窗口(由m/z从100-1000的15个等分的Q1窗口组成，每个采集时间为30ms，碰撞能量(collisionenergy，CE)为35eV，碰撞能量变化范围(collision energy spread，CES)为15eV)组成，MS1采集范围m/z为100-1000，MS2扫描的质量范围m/z为50-1000。
在负离子模式下，气帘气为25，离子源气1为50，离子源气2为50，离子源温度为500℃，离子源喷雾电压为-4.5kV，去簇电压为-60V，MS1扫描的质量范围为100-1000，碰撞能为-10eV，MS2扫描的质量范围m/z为50-1000，碰撞能为-35eV，碰撞能变化范围为15eV；其余参数设置和正离子模式相同。
所有样品按随机顺序进行分析，同时为了保证系统的稳定性和重复性，每隔6针样品插入一针质量控制组样品(QC，由所有样品等量混合制成)。数据采集使用AnalystTF1.7.1(SCIEX,Redwood City,CA,USA)进行。
2)采用非靶向代谢组学分析，利用MarkerView 1.3.1软件(SCIEX,USA)进行峰提取、峰对齐和列表的导出。导出后的列表利用Microsoft Office Excel 2016(MicrosoftCorporation,Redmond,Washington,USA)软件针对QC组数据进行检出率(DR)和相对标准偏差(RSD)分析，删除DR≤80％或RSD≥30％的化合物。之后利用在线分析网站Metaboanalyst4.0进行T检验和差异倍数分析，将p值小于0.05且差异倍数大于2的化合物定义为差异化合物，初步鉴定的差异化合物如下：
正离子模式：364个化合物；负离子模式：194个化合物。
3)对步骤2)的差异分析结果进行OPLS-DA分析，经过VIP值(VIP值>1)筛选出可以有效区分非浓缩还原果汁和浓缩还原果汁的标志物集(见图1)，包括：正离子模式：91个标志物，以及负离子模式：42个标志物；
其中，正离子模式下的91个标志物的质荷比(m/z)如下：
131.1283、137.1318、143.1059、147.0754、151.111、181.1215、185.128、201.121、204.105、213.1592、215.1386、219.1745、229.1543、251.1601、262.128、266.1233、269.1246、272.1796、273.0608、274.0923、274.1757、276.1437、280.1388、286.1764、288.191、288.1916、288.1917、288.2027、289.049、289.0571、290.0872、290.1705、290.8471、292.1025、294.1546、302.2065、302.2066、302.2067、304.1846、304.1862、308.2178、310.1284、316.2226、316.2228、318.1658、318.1663、318.2017、318.2027、322.0765、328.1394、328.5953、330.2383、331.1963、332.181、332.1815、332.2174、333.0448、337.1715、338.3411、344.2543、346.1973、347.1922、348.1752、356.2182、357.2128、358.2087、359.2282、360.2124、361.2079、367.1499、371.2165、374.2266、377.1073、386.2344、389.2028、389.2395、400.7294、406.164、410.4917、413.719、423.2236、431.1525、436.1017、471.2793、472.1653、478.2927、484.2534、516.6998、533.0185、533.2372以及543.3492。
负离子模式下的42个标志物的m/z如下：378.1332、295.0459、288.0723、287.0342、469.2665、330.2024、219.0514、421.2085、400.0865、229.0986、430.0974、414.0665、462.1177、489.2112、314.208、286.1765、533.2236、497.1139、399.0554、335.0606、300.1922、951.4428、811.3063、765.2605、553.0853、349.0766、295.0668、342.2362、531.2235、404.1476、618.2236、857.2414、277.2169、443.0458、487.1963、631.1477、751.1921、707.1534、281.2482、594.2186、306.0762以及452.2766。
3.建立可以判别NFC橙汁和FC橙汁的PLS-DA模型
4)采用实时直接分析离子源串联四极杆飞行时间高分辨质谱(DART-QTOF)进行大批量数据采集。
用于非靶向分析的部分橙汁样品(36个NFC和48个FC，共84个样品)使用配备DARTSVP离子源(Ion Sense,MA,USA)的QTOF(Triple6600,SCIEX,Redwood City,CA,USA)的正离子模式进行分析。采用超高纯度氦气作为反应气(reagent gas)和气帘气，接口加热器温度(Interface heater temperature)为150℃，去簇电压为80V，碰撞能为10eV，持续时间(duration)和周期时间分别为0.15min和9s，质量范围m/z为50-600。
DART-QTOF分析是通过将2.5μL样品滴于悬挂在12Dip-It扫描自动进样器(scanner autosampler)上的根玻璃棒进行。进样时QC样品与11个待分析的橙汁样品在随机位置进行分析。同时，每采集12针样品使用149.02333(C8H5O3+)、279.15909(C16H23O4+)、391.28429(C24H39O4+)、462.14659(C12H40O6NSi6+)、536.16533(C14H46O7NSi7+)、610.18417(C16H52O8NSi8+)对质谱进行校正。
前期对DART的栅极电压、加热器温度和玻璃棒移动速度进行了优化，在本实施例具体的分析中选取350v(栅极电压)、400℃(加热器温度)和3mm/s(玻璃棒移动速度)作为最佳条件。DART-QTOF数据采集使用Analyst TF 1.7.1(SCIEX,Redwood City,CA,USA)进行。获得正离子模式数据后，针对正离子模式下分析上述91个标志物的m/z，删除其中的重复值后，通过PeakView 2.2(SCIEX,USA)软件提取m/z如下所示的剩余80个标志物的离子丰度数据：
131.1283、137.1318、143.1059、147.0754、151.111、181.1215、185.128、201.121、204.105、213.1592、215.1386、219.1745、229.1543、251.1601、262.128、266.1233、269.1246、272.1796、273.0608、274.0923、274.1757、276.1437、280.1388、286.1764、288.2027、289.0571、290.0872、290.1705、290.8471、292.1025、294.1546、302.2066、304.1862、308.2178、310.1284、316.2228、318.1658、318.2017、322.0765、328.1394、328.5953、330.2383、331.1963、332.1815、332.2174、333.0448、337.1715、338.3411、344.2543、346.1973、347.1922、348.1752、356.2182、357.2128、358.2087、359.2282、360.2124、361.2079、367.1499、371.2165、374.2266、377.1073、386.2344、389.2028、389.2395、400.7294、406.164、410.4917、413.719、423.2236、431.1525、436.1017、471.2793、472.1653、478.2927、484.2534、516.6998、533.0185、533.2372以及543.3492。
将提取的数据导入Microsoft Office Excel 2016(Microsoft Corporation,Redmond,Washington,USA)进行QC组的DR分析，删除DR≤80％的离子，得到剩余70个离子，其m/z如下所示：
131.1283、137.1318、143.1059、147.0754、151.111、181.1215、185.128、201.121、204.105、213.1592、215.1386、219.1745、229.1543、251.1601、262.128、266.1233、269.1246、272.1796、273.0608、274.0923、274.1757、276.1437、280.1388、286.1764、288.2027、289.0571、290.0872、290.1705、292.1025、294.1546、302.2066、304.1862、308.2178、310.1284、316.2228、318.1658、318.2017、322.0765、328.1394、330.2383、331.1963、332.1815、332.2174、337.1715、338.3411、344.2543、346.1973、347.1922、348.1752、356.2182、357.2128、358.2087、359.2282、360.2124、361.2079、367.1499、371.2165、374.2266、377.1073、386.2344、389.2028、389.2395、406.164、423.2236、431.1525、471.2793、472.1653、478.2927、484.2534以及533.2372。
其强度经过总和标准化(即每个样品中的每一个离子的强度除以这个样品中所有离子强度(即剩余70个离子)的总和)后，进行PLS-DA建模，建模参数：预处理参数(preprocessing parameters)为中心化(centering)，偏最小二乘法成分个数(Number ofPLS components)为8，第一类误差(Type I error)为0.01，离群值显著性(Outliers'significance)为0.05，得到可以判别NFC橙汁和FC橙汁的PLS-DA模型。
5)经检验，由上述步骤建立的PLS-DA模型校正和验证准确率分别达到了97％和95％(结果如图2A所示)。
实施例2
采用实施例1得到的PLS-DA模型进行NFC和FC判别的方法如下：
(1)采集待测橙汁的质谱数据：
采用实时直接分析离子源串联四极杆飞行时间高分辨质谱(DART-QTOF)采集收集的商业果汁样品正离子模式下的数据。
样品包括来自7个主要品牌(4个为NFC品牌和3个为FC品牌)的52个样品(28个NFC样品和24个FC样品)，用于基于DART-QTOF的模型应用。样品首先经过离心机(15分钟，26916g，4C)离心，然后经过0.22μm和0.45μm PES过滤头过滤之后进行DART-QTOF分析。
使用配备DART SVP离子源(Ion Sense,MA,USA)的QTOF(Triple6600,SCIEX,Redwood City,CA,USA)的正离子模式进行分析。采用超高纯度氦气作为反应气(reagentgas)和气帘气，接口加热器温度(Interface heater temperature)为150℃，去簇电压为80V，碰撞能为10eV，持续时间(duration)和周期时间分别为0.15min和9s，质量范围m/z为50-600。DART-QTOF分析是通过将2.5μL样品滴于悬挂在12Dip-It扫描自动进样器(scannerautosampler)上的根玻璃棒进行。DART离子源电压为350V，温度为400℃，玻璃杯移动速度为3mm/s。进样时QC样品(由所有样品等量混合制成)与11个待分析的橙汁样品在随机位置进行分析。同时，每采集12针样品使用149.02333(C8H5O3+)、279.15909(C16H23O4+)、391.28429(C24H39O4+)、462.14659(C12H40O6NSi6+)、536.16533(C14H46O7NSi7+)、610.18417(C16H52O8NSi8+)对质谱进行校正。DART-QTOF数据采集使用Analyst TF 1.7.1(SCIEX,Redwood City,CA,USA)进行。获得m/z如下所示的70个标志物的数据：
131.1283、137.1318、143.1059、147.0754、151.111、181.1215、185.128、201.121、204.105、213.1592、215.1386、219.1745、229.1543、251.1601、262.128、266.1233、269.1246、272.1796、273.0608、274.0923、274.1757、276.1437、280.1388、286.1764、288.2027、289.0571、290.0872、290.1705、292.1025、294.1546、302.2066、304.1862、308.2178、310.1284、316.2228、318.1658、318.2017、322.0765、328.1394、330.2383、331.1963、332.1815、332.2174、337.1715、338.3411、344.2543、346.1973、347.1922、348.1752、356.2182、357.2128、358.2087、359.2282、360.2124、361.2079、367.1499、371.2165、374.2266、377.1073、386.2344、389.2028、389.2395、406.164、423.2236、431.1525、471.2793、472.1653、478.2927、484.2534以及533.2372。
通过PeakView 2.2(SCIEX,USA)软件提取其离子丰度数据。
将提取的数据进行总和标准化后导入采用实施例1中建立的PLS-DA模型中，得到判别结果。
采用本实施例的方法，对市面上的52个商业橙汁进行了判别，结果见图2B。52个商业橙汁中，有9个橙汁样品(6个声称为NFC样品，3个声称为FC样品)的判别结果与所声称的类型不同。其中，一个声称为NFC橙汁的品牌中采集的6个样品中，有5个被判别为FC橙汁。
目前，新型果汁产品发展较快，而对应的监管体系、检测技术不够健全，从产品标准、到技术规范、再到真实性识别手段，均有缺点。因此，无法对新型果汁的新生态市场实施保护，使得部分蓄意造假的黑心商人有机可乘。本发明提供的鉴定方法可以有效地鉴定非浓缩还原橙汁与浓缩还原橙汁，其具有较高的灵敏度和特异性。
从上述结果，可以看出本发明的模型建立方法以及鉴定方法的有益效果至少包括如下：
(1)采用液相色谱串联四极杆飞行时间高分辨质谱仪器和OPLS-DA模型进行数据分析，确定一个可用于鉴别NFC果汁的“标志物集”；现有鉴别方法多基于对液相色谱串联高分辨质谱采集的组学数据进行化学计量学分析，找出差异物，对差异物进行定性，再利用已鉴定的标志物进行真实性分析。但是一旦明确和公开标志物的具体结构，就为“靶向掺假”创造了可能性。而本发明，通过构建标志物集，一方面使得标志物的数量较多，另一方面以m/z表征标志物，这样，掺假的人就不知道确切的标志物类别，进而可有效的避免“靶向掺假”的问题。
(2)同时，现有鉴别技术多采用液相色谱串联高分辨质谱仪器进行数据采集，但由于存在液相分离，相对采集时间过长，本发明实施例的判别方法引入实时直接分析质谱技术，一方面可大大提高对后续大批量建模数据的采集效率，一旦判别模型建立后，也可以采用实时直接分析质谱的方法对待测样本进行数据，代入判别模型，进行判别，大大地缩短了鉴别时间，提高了鉴别的效率和准确性。
(3)本发明实施例虽然以橙汁为例，对本发明的判别模型建立以及鉴定方法进行了说明，但实际上，根据其思路，本发明实施例的判别模型建立以及鉴定方法可以适用其他水果的果汁，例如苹果汁、草莓汁、桃汁、猕猴桃汁、西柚汁、木瓜汁和葡萄汁等，并非仅限于橙汁。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于鉴别非浓缩还原果汁与浓缩还原果汁的模型的构建方法，其特征在于，其包括如下步骤：
步骤(1)：通过液相色谱串联高分辨质谱技术获得非浓缩还原果汁样品与浓缩还原果汁样品的总代谢物质谱数据；
步骤(2)：分析所述总代谢物质谱数据，确定出所述非浓缩还原果汁样品与所述浓缩还原果汁样品之间的差异化合物；
步骤(3)：基于步骤(2)确定的所述差异化合物，通过实时直接分析高分辨质谱技术获得所述非浓缩还原果汁样品与所述浓缩还原果汁样品的差异化合物质谱数据；
步骤(4)：利用所述差异化合物质谱数据进行PLS-DA建模，得到能够鉴别非浓缩还原果汁与浓缩还原果汁的PLS-DA模型。
2.根据权利要求1所述的构建方法，其特征在于，在步骤(2)中，分析所述总代谢物质谱数据包括：
基于质量控制组样品，对所述总代谢物质谱数据进行检出率和相对标准偏差分析，删除检出率≤80％或相对标准偏差≥30％的化合物，并对剩余的化合物进行T检验和差异倍数分析，将p值小于0.05且差异倍数大于2的化合物作为初始差异化合物；
对得到的所述初始差异化合物进行OPLS-DA分析，筛选出VIP值>1的化合物，作为所述差异化合物。
3.根据权利要求1或2所述的构建方法，其特征在于，在步骤(2)中，所述差异化合物用m/z表示；
优选地，在步骤(3)中，所述差异化合物质谱数据包括所述差异化合物的m/z信息以及对应的离子丰度信息。
4.根据权利要求3所述的构建方法，其特征在于，在步骤(1)和步骤(3)中，所述非浓缩还原果汁样品和所述浓缩还原果汁样品各自的数量在3个以上。
5.根据权利要求4所述的构建方法，其特征在于，所述果汁选自橙汁、苹果汁、草莓汁、桃汁、猕猴桃汁、西柚汁、木瓜汁或葡萄汁。
6.根据权利要求5所述的构建方法，其特征在于，所述果汁为橙汁；
优选地，在步骤(1)，所述液相色谱串联高分辨质谱技术为液相色谱-电喷雾-四极杆串联飞行时间高分辨质谱技术；
优选地，在步骤(1)，进行液相色谱时的条件包括：
以流动相A和流动相B进行梯度洗脱；其中，所述流动相A为0.2％的甲酸水溶液，所述流动相B为乙腈，流速为300μL/分钟，进样体积为2μL；
梯度洗脱的条件如下：
0-11.50min,5％-30％B；11.50-11.51min,30-100％B；11.51-15.00min,100％B；15.00-15.01min,100％-5％B；15.01-18min,5％B；
各数值参数可在±5％的范围内波动；
优选地，在步骤(1)中，进行质谱分析时，质谱的条件包括：
正离子模式，气帘气为25，离子源气1为50，离子源气2为50，离子源温度为500℃，离子源喷雾电压为5.5kV，去簇电压为60V，MS1扫描的质量范围为100-1000，碰撞能为10eV，MS2扫描的质量范围为50-1000，碰撞能为35eV，碰撞能变化范围为15eV；
或者，负离子模式，气帘气为25，离子源气1为50，离子源气2为50，离子源温度为500℃，离子源喷雾电压为-4.5kV，去簇电压为-60V，MS1扫描的质量范围为100-1000，碰撞能为-10eV，MS2扫描的质量范围m/z为50-1000，碰撞能为-35eV，碰撞能变化范围为15eV；
各数值参数可在±5％的范围内波动；
优选地，在步骤(3)中，所用的实时直接分析高分辨质谱技术为实时直接分析-四极杆串联飞行时间高分辨质谱技术；
优选地，在步骤(3)中，采用实时直接分析-四极杆串联飞行时间高分辨质谱技术数据采集时的条件如下：
正离子模式，以超高纯度氦气作为反应气和气帘气，接口加热器温度为150℃，去簇电压为80V，碰撞能为10eV，持续时间和周期时间分别为0.15min和9s，质量范围m/z为50-600，DART的栅极电压、加热器温度和玻璃棒移动速度分别为350v、400℃和3mm/s；
各数值参数可在±5％的范围内波动；
优选地，所述差异化合物质谱数据中的离子选自m/z如集合1或集合2中所示的离子中的至少1个：
集合1：131.1283、137.1318、143.1059、147.0754、151.111、181.1215、185.128、201.121、204.105、213.1592、215.1386、219.1745、229.1543、251.1601、262.128、266.1233、269.1246、272.1796、273.0608、274.0923、274.1757、276.1437、280.1388、286.1764、288.191、288.1916、288.1917、288.2027、289.049、289.0571、290.0872、290.1705、290.8471、292.1025、294.1546、302.2065、302.2066、302.2067、304.1846、304.1862、308.2178、310.1284、316.2226、316.2228、318.1658、318.1663、318.2017、318.2027、322.0765、328.1394、328.5953、330.2383、331.1963、332.181、332.1815、332.2174、333.0448、337.1715、338.3411、344.2543、346.1973、347.1922、348.1752、356.2182、357.2128、358.2087、359.2282、360.2124、361.2079、367.1499、371.2165、374.2266、377.1073、386.2344、389.2028、389.2395、400.7294、406.164、410.4917、413.719、423.2236、431.1525、436.1017、471.2793、472.1653、478.2927、484.2534、516.6998、533.0185、533.2372以及543.3492；
集合2：378.1332、295.0459、288.0723、287.0342、469.2665、330.2024、219.0514、421.2085、400.0865、229.0986、430.0974、414.0665、462.1177、489.2112、314.208、286.1765、533.2236、497.1139、399.0554、335.0606、300.1922、951.4428、811.3063、765.2605、553.0853、349.0766、295.0668、342.2362、531.2235、404.1476、618.2236、857.2414、277.2169、443.0458、487.1963、631.1477、751.1921、707.1534、281.2482、594.2186、306.0762以及452.2766。
优选地，所述差异化合物的质谱数据中的离子包括m/z如下所示的离子：
131.1283、137.1318、143.1059、147.0754、151.111、181.1215、185.128、201.121、204.105、213.1592、215.1386、219.1745、229.1543、251.1601、262.128、266.1233、269.1246、272.1796、273.0608、274.0923、274.1757、276.1437、280.1388、286.1764、288.2027、289.0571、290.0872、290.1705、292.1025、294.1546、302.2066、304.1862、308.2178、310.1284、316.2228、318.1658、318.2017、322.0765、328.1394、330.2383、331.1963、332.1815、332.2174、337.1715、338.3411、344.2543、346.1973、347.1922、348.1752、356.2182、357.2128、358.2087、359.2282、360.2124、361.2079、367.1499、371.2165、374.2266、377.1073、386.2344、389.2028、389.2395、406.164、423.2236、431.1525、471.2793、472.1653、478.2927、484.2534以及533.2372。
7.一种鉴别非浓缩还原果汁与浓缩还原果汁的方法，其特征在于，其包括：
步骤(a)：通过实时直接分析高分辨质谱技术获得待测果汁的差异化合物的质谱数据；
步骤(b)：将所述差异化合物的质谱数据代入由权利要求1-6任一项所述的构建方法所构建得到的模型中进行鉴别获得鉴别结果。
8.根据权利要求7所述的方法，其特征在于，所述步骤(a)中的所述差异化合物通过如下方法确定：
通过液相色谱串联高分辨质谱技术获得非浓缩还原果汁样品与浓缩还原果汁样品的总代谢物质谱数据；
分析所述总代谢物质谱数据，得到所述非浓缩还原果汁样品与所述浓缩还原果汁样品之间具有差异的所述差异化合物；
优选地，所述液相色谱串联高分辨质谱技术为液相色谱-电喷雾-四极杆串联飞行时间高分辨质谱技术；
优选地，分析所述总代谢物质谱数据包括：
基于质量控制组样品，对所述总代谢物质谱数据进行检出率和相对标准偏差分析，删除检出率≤80％或相对标准偏差≥30％的化合物，并对剩余的化合物进行T检验和差异倍数分析，将p值小于0.05且差异倍数大于2的化合物作为初始差异化合物；
对得到的所述初始差异化合物进行OPLS-DA分析，筛选出VIP值>1的化合物，即为所述差异化合物；
优选地，所述差异化合物用m/z表示；
优选地，所述差异化合物的质谱数据包括所述差异化合物的m/z信息以及对应的离子丰度信息。
9.根据权利要求8所述的方法，其特征在于，
在步骤(a)中，所述实时直接分析高分辨质谱技术为实时直接分析-四极杆串联飞行时间高分辨质谱技术；
当所述果汁为橙汁时，在步骤(a)中，通过实时直接分析高分辨质谱技术数据采集时的条件如下：
正离子模式，以超高纯度氦气作为反应气和气帘气，接口加热器温度为150℃，去簇电压为80V，碰撞能为10eV，持续时间和周期时间分别为0.15min和9s，质量范围m/z为50-600，DART的栅极电压、加热器温度和玻璃棒移动速度分别为350v、400℃和3mm/s；
各数值参数可在±5％的范围内波动。
10.根据权利要求9所述的方法，其特征在于，当所述待测果汁为橙汁时，所述差异化合物的质谱数据中的离子选自m/z如集合1或集合2中所示的离子中的至少1个：
集合1：131.1283、137.1318、143.1059、147.0754、151.111、181.1215、185.128、201.121、204.105、213.1592、215.1386、219.1745、229.1543、251.1601、262.128、266.1233、269.1246、272.1796、273.0608、274.0923、274.1757、276.1437、280.1388、286.1764、288.191、288.1916、288.1917、288.2027、289.049、289.0571、290.0872、290.1705、290.8471、292.1025、294.1546、302.2065、302.2066、302.2067、304.1846、304.1862、308.2178、310.1284、316.2226、316.2228、318.1658、318.1663、318.2017、318.2027、322.0765、328.1394、328.5953、330.2383、331.1963、332.181、332.1815、332.2174、333.0448、337.1715、338.3411、344.2543、346.1973、347.1922、348.1752、356.2182、357.2128、358.2087、359.2282、360.2124、361.2079、367.1499、371.2165、374.2266、377.1073、386.2344、389.2028、389.2395、400.7294、406.164、410.4917、413.719、423.2236、431.1525、436.1017、471.2793、472.1653、478.2927、484.2534、516.6998、533.0185、533.2372以及543.3492；
集合2：378.1332、295.0459、288.0723、287.0342、469.2665、330.2024、219.0514、421.2085、400.0865、229.0986、430.0974、414.0665、462.1177、489.2112、314.208、286.1765、533.2236、497.1139、399.0554、335.0606、300.1922、951.4428、811.3063、765.2605、553.0853、349.0766、295.0668、342.2362、531.2235、404.1476、618.2236、857.2414、277.2169、443.0458、487.1963、631.1477、751.1921、707.1534、281.2482、594.2186、306.0762以及452.2766；
优选地，所述差异化合物的质谱数据中的离子包括m/z如下所示的离子：
131.1283、137.1318、143.1059、147.0754、151.111、181.1215、185.128、201.121、204.105、213.1592、215.1386、219.1745、229.1543、251.1601、262.128、266.1233、269.1246、272.1796、273.0608、274.0923、274.1757、276.1437、280.1388、286.1764、288.2027、289.0571、290.0872、290.1705、292.1025、294.1546、302.2066、304.1862、308.2178、310.1284、316.2228、318.1658、318.2017、322.0765、328.1394、330.2383、331.1963、332.1815、332.2174、337.1715、338.3411、344.2543、346.1973、347.1922、348.1752、356.2182、357.2128、358.2087、359.2282、360.2124、361.2079、367.1499、371.2165、374.2266、377.1073、386.2344、389.2028、389.2395、406.164、423.2236、431.1525、471.2793、472.1653、478.2927、484.2534以及533.2372。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010446097.4A CN111413445A (zh) | 2020-05-24 | 2020-05-24 | 用于鉴别非浓缩还原果汁与浓缩还原果汁模型的构建方法以及鉴别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010446097.4A CN111413445A (zh) | 2020-05-24 | 2020-05-24 | 用于鉴别非浓缩还原果汁与浓缩还原果汁模型的构建方法以及鉴别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111413445A true CN111413445A (zh) | 2020-07-14 |
Family
ID=71490600
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010446097.4A Pending CN111413445A (zh) | 2020-05-24 | 2020-05-24 | 用于鉴别非浓缩还原果汁与浓缩还原果汁模型的构建方法以及鉴别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111413445A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112014493A (zh) * | 2020-07-31 | 2020-12-01 | 上海康识食品科技有限公司 | 一种果汁真假鉴别方法 |
| CN112557545A (zh) * | 2020-12-16 | 2021-03-26 | 中国农业科学院农业质量标准与检测技术研究所 | 基于非靶向代谢组学的非浓缩还原苹果汁的标志物筛选鉴别及其应用 |
| CN114924002A (zh) * | 2022-05-12 | 2022-08-19 | 中国检验检疫科学研究院 | 一种结合代谢组学技术和机器学习鉴别nfc和fc橙汁的方法 |
| CN115047127A (zh) * | 2022-04-25 | 2022-09-13 | 中国检验检疫科学研究院 | 一种利用挥发性代谢组学技术鉴别nfc和fc橙汁的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6143347A (en) * | 1999-05-14 | 2000-11-07 | Tropicana Products, Inc. | Early season not from concentrate orange juice and process of making |
| CN104215731A (zh) * | 2014-09-18 | 2014-12-17 | 祝伟霞 | 采用液相色谱-同位素质谱测定鉴别真假苹果汁的方法 |
| CN110243921A (zh) * | 2019-06-28 | 2019-09-17 | 浙江大学 | 一种基于组织表面脂质指纹谱图的快速肿瘤组织判别方法 |
-
2020
- 2020-05-24 CN CN202010446097.4A patent/CN111413445A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6143347A (en) * | 1999-05-14 | 2000-11-07 | Tropicana Products, Inc. | Early season not from concentrate orange juice and process of making |
| CN104215731A (zh) * | 2014-09-18 | 2014-12-17 | 祝伟霞 | 采用液相色谱-同位素质谱测定鉴别真假苹果汁的方法 |
| CN110243921A (zh) * | 2019-06-28 | 2019-09-17 | 浙江大学 | 一种基于组织表面脂质指纹谱图的快速肿瘤组织判别方法 |
Non-Patent Citations (3)
| Title |
|---|
| LEI XU ET AL: "Integrating untargeted metabolomics and targeted analysis for not from concentrate and from concentrate orange juices discrimination and authentication", 《FOOD CHEMISTRY》 * |
| 乔宇 等: "电子鼻检测不同品种和加工类型的柑橘汁", 《农业工程学报》 * |
| 常相伟 等: "基于UPLC-Q-TOF/MS的植物代谢组学技术鉴别林下山参的生长年限", 《中国中药杂志》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112014493A (zh) * | 2020-07-31 | 2020-12-01 | 上海康识食品科技有限公司 | 一种果汁真假鉴别方法 |
| CN112014493B (zh) * | 2020-07-31 | 2022-07-15 | 上海康识食品科技有限公司 | 一种果汁真假鉴别方法 |
| CN112557545A (zh) * | 2020-12-16 | 2021-03-26 | 中国农业科学院农业质量标准与检测技术研究所 | 基于非靶向代谢组学的非浓缩还原苹果汁的标志物筛选鉴别及其应用 |
| US11982662B2 (en) | 2020-12-16 | 2024-05-14 | Institute Of Quality Standard And Testing Technology For Agro Products Of Caas | Marker for screening and identifying not-from-concentrate apple juice based on non-targeted metabolomics and use thereof |
| CN115047127A (zh) * | 2022-04-25 | 2022-09-13 | 中国检验检疫科学研究院 | 一种利用挥发性代谢组学技术鉴别nfc和fc橙汁的方法 |
| CN115047127B (zh) * | 2022-04-25 | 2024-03-08 | 中国检验检疫科学研究院 | 一种利用挥发性代谢组学技术鉴别nfc和fc橙汁的方法 |
| CN114924002A (zh) * | 2022-05-12 | 2022-08-19 | 中国检验检疫科学研究院 | 一种结合代谢组学技术和机器学习鉴别nfc和fc橙汁的方法 |
| CN114924002B (zh) * | 2022-05-12 | 2024-02-13 | 中国检验检疫科学研究院 | 一种结合代谢组学技术和机器学习鉴别nfc和fc橙汁的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111413445A (zh) | 用于鉴别非浓缩还原果汁与浓缩还原果汁模型的构建方法以及鉴别方法 | |
| CN111721857A (zh) | 一种运用广泛靶向代谢组学技术鉴别荔枝品种的方法 | |
| Causon et al. | Fingerprinting of traditionally produced red wines using liquid chromatography combined with drift tube ion mobility-mass spectrometry | |
| WO2018192483A1 (zh) | 一种食用农产品农药残留非靶标、多指标、快速侦测的电子化方法 | |
| 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 | |
| CN112557545B (zh) | 基于非靶向代谢组学的非浓缩还原苹果汁的标志物筛选鉴别及其应用 | |
| CN111537644A (zh) | 鉴定非浓缩还原橙汁和浓缩还原橙汁的标志物及其应用 | |
| CN110470781B (zh) | 鉴别复原乳和超高温灭菌乳的方法 | |
| CN111398499B (zh) | 3-氨基-2-萘甲酸在鉴别中蜂蜂蜜和意蜂蜂蜜中的应用 | |
| CN104182658B (zh) | 一种串联质谱谱图鉴定方法 | |
| CN115015460B (zh) | 一种运用广泛靶向代谢组学技术鉴定冬虫夏草产地的方法 | |
| CN107192770B (zh) | 一种鉴别荆条蜜与糖浆掺假荆条蜜的分析方法 | |
| CN110702832A (zh) | 高含量4-羟基喹啉作为枣花蜂蜜特征标志物的应用 | |
| CN112162054A (zh) | 一种沙生槐蜂蜜的真实性评价方法 | |
| CN108445134B (zh) | 酒类产品鉴别的方法 | |
| CN111337605B (zh) | 一种评价荷花蜂花粉真实性的方法 | |
| CN114460189B (zh) | 一种筛选超高压处理蓝莓汁和热处理蓝莓汁差异标志物的方法 | |
| CN106908527A (zh) | 一种鉴别荔枝蜜产地的方法 | |
| CN111487353A (zh) | 高含量泽兰黄酮-4’,7-双葡萄糖苷作为玫瑰蜂花粉特征性标志物的应用 | |
| CN103743849A (zh) | 一种同时快速筛查鉴定乳制品中多种有机酸的离子色谱-高分辨质谱联用方法 | |
| WO2019200946A1 (zh) | 基于GC-Q-Orbitrap的食用农产品中农药化合物电子身份数据库及检测方法 | |
| CN113406246A (zh) | 一种基于lc-q-tof-ms表征甘油三酯进行大豆和大豆油的产地溯源方法 | |
| WO2019200947A1 (zh) | 基于LC-Q-Orbitrap的食用农产品中农药化合物电子身份数据库及检测方法 | |
| Chan et al. | Authentication of Cocoa Butter by Direct Analysis using RADIAN ASAP with LiveID | |
| CN114152696A (zh) | 一种对牛肌肉中多种PPCPs的非靶标筛查方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200714 |
|
| RJ01 | Rejection of invention patent application after publication |