CN114924002B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN114924002B CN114924002B CN202210520799.1A CN202210520799A CN114924002B CN 114924002 B CN114924002 B CN 114924002B CN 202210520799 A CN202210520799 A CN 202210520799A CN 114924002 B CN114924002 B CN 114924002B
- Authority
- CN
- China
- Prior art keywords
- orange juice
- nfc
- small molecule
- orange
- acid
- 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
- 235000015205 orange juice Nutrition 0.000 title claims abstract description 165
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000010801 machine learning Methods 0.000 title abstract description 8
- 239000002207 metabolite Substances 0.000 claims abstract description 84
- 150000003384 small molecules Chemical class 0.000 claims abstract description 60
- 239000000203 mixture Substances 0.000 claims abstract description 30
- 238000001269 time-of-flight mass spectrometry Methods 0.000 claims abstract description 16
- 238000012706 support-vector machine Methods 0.000 claims abstract description 12
- 238000012216 screening Methods 0.000 claims abstract description 11
- 239000007788 liquid Substances 0.000 claims abstract description 10
- 238000012549 training Methods 0.000 claims abstract description 7
- 150000002500 ions Chemical group 0.000 claims description 40
- 239000007789 gas Substances 0.000 claims description 28
- BDAGIHXWWSANSR-UHFFFAOYSA-N methanoic acid Natural products OC=O BDAGIHXWWSANSR-UHFFFAOYSA-N 0.000 claims description 28
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 17
- OSWFIVFLDKOXQC-UHFFFAOYSA-N 4-(3-methoxyphenyl)aniline Chemical compound COC1=CC=CC(C=2C=CC(N)=CC=2)=C1 OSWFIVFLDKOXQC-UHFFFAOYSA-N 0.000 claims description 14
- NGSWKAQJJWESNS-UHFFFAOYSA-N 4-coumaric acid Chemical compound OC(=O)C=CC1=CC=C(O)C=C1 NGSWKAQJJWESNS-UHFFFAOYSA-N 0.000 claims description 14
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 14
- VZCYOOQTPOCHFL-OWOJBTEDSA-N Fumaric acid Chemical compound OC(=O)\C=C\C(O)=O VZCYOOQTPOCHFL-OWOJBTEDSA-N 0.000 claims description 14
- 235000019253 formic acid Nutrition 0.000 claims description 14
- NOEGNKMFWQHSLB-UHFFFAOYSA-N 5-hydroxymethylfurfural Chemical compound OCC1=CC=C(C=O)O1 NOEGNKMFWQHSLB-UHFFFAOYSA-N 0.000 claims description 10
- 240000002319 Citrus sinensis Species 0.000 claims description 10
- 235000005976 Citrus sinensis Nutrition 0.000 claims description 10
- VHLJDTBGULNCGF-UHFFFAOYSA-N Limonin Natural products CC1(C)OC2CC(=O)OCC23C4CCC5(C)C(CC(=O)C6OC56C4(C)C(=O)CC13)c7cocc7 VHLJDTBGULNCGF-UHFFFAOYSA-N 0.000 claims description 10
- RJGBSYZFOCAGQY-UHFFFAOYSA-N hydroxymethylfurfural Natural products COC1=CC=C(C=O)O1 RJGBSYZFOCAGQY-UHFFFAOYSA-N 0.000 claims description 10
- KBDSLGBFQAGHBE-MSGMIQHVSA-N limonin Chemical compound C=1([C@H]2[C@]3(C)CC[C@H]4[C@@]([C@@]53O[C@@H]5C(=O)O2)(C)C(=O)C[C@@H]2[C@]34COC(=O)C[C@@H]3OC2(C)C)C=COC=1 KBDSLGBFQAGHBE-MSGMIQHVSA-N 0.000 claims description 10
- 238000010238 partial least squares regression Methods 0.000 claims description 10
- 230000014759 maintenance of location Effects 0.000 claims description 9
- 238000001819 mass spectrum Methods 0.000 claims description 9
- KDYFGRWQOYBRFD-UHFFFAOYSA-N Succinic acid Natural products OC(=O)CCC(O)=O KDYFGRWQOYBRFD-UHFFFAOYSA-N 0.000 claims description 8
- 238000002360 preparation method Methods 0.000 claims description 8
- 239000006228 supernatant Substances 0.000 claims description 8
- KSEBMYQBYZTDHS-HWKANZROSA-M (E)-Ferulic acid Natural products COC1=CC(\C=C\C([O-])=O)=CC=C1O KSEBMYQBYZTDHS-HWKANZROSA-M 0.000 claims description 7
- BJEPYKJPYRNKOW-REOHCLBHSA-N (S)-malic acid Chemical compound OC(=O)[C@@H](O)CC(O)=O BJEPYKJPYRNKOW-REOHCLBHSA-N 0.000 claims description 7
- NGSWKAQJJWESNS-ZZXKWVIFSA-M 4-Hydroxycinnamate Natural products OC1=CC=C(\C=C\C([O-])=O)C=C1 NGSWKAQJJWESNS-ZZXKWVIFSA-M 0.000 claims description 7
- DFYRUELUNQRZTB-UHFFFAOYSA-N Acetovanillone Natural products COC1=CC(C(C)=O)=CC=C1O DFYRUELUNQRZTB-UHFFFAOYSA-N 0.000 claims description 7
- 239000004475 Arginine Substances 0.000 claims description 7
- ROHFNLRQFUQHCH-YFKPBYRVSA-N L-leucine Chemical compound CC(C)C[C@H](N)C(O)=O ROHFNLRQFUQHCH-YFKPBYRVSA-N 0.000 claims description 7
- ROHFNLRQFUQHCH-UHFFFAOYSA-N Leucine Natural products CC(C)CC(N)C(O)=O ROHFNLRQFUQHCH-UHFFFAOYSA-N 0.000 claims description 7
- ONIBWKKTOPOVIA-UHFFFAOYSA-N Proline Natural products OC(=O)C1CCCN1 ONIBWKKTOPOVIA-UHFFFAOYSA-N 0.000 claims description 7
- BJEPYKJPYRNKOW-UHFFFAOYSA-N alpha-hydroxysuccinic acid Natural products OC(=O)C(O)CC(O)=O BJEPYKJPYRNKOW-UHFFFAOYSA-N 0.000 claims description 7
- 239000007864 aqueous solution Substances 0.000 claims description 7
- ODKSFYDXXFIFQN-UHFFFAOYSA-N arginine Natural products OC(=O)C(N)CCCNC(N)=N ODKSFYDXXFIFQN-UHFFFAOYSA-N 0.000 claims description 7
- 238000007865 diluting Methods 0.000 claims description 7
- 238000010828 elution Methods 0.000 claims description 7
- KSEBMYQBYZTDHS-HWKANZROSA-N ferulic acid Chemical compound COC1=CC(\C=C\C(O)=O)=CC=C1O KSEBMYQBYZTDHS-HWKANZROSA-N 0.000 claims description 7
- 235000001785 ferulic acid Nutrition 0.000 claims description 7
- 229940114124 ferulic acid Drugs 0.000 claims description 7
- KSEBMYQBYZTDHS-UHFFFAOYSA-N ferulic acid Natural products COC1=CC(C=CC(O)=O)=CC=C1O KSEBMYQBYZTDHS-UHFFFAOYSA-N 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 239000001530 fumaric acid Substances 0.000 claims description 7
- 238000010438 heat treatment Methods 0.000 claims description 7
- 239000001630 malic acid Substances 0.000 claims description 7
- 235000011090 malic acid Nutrition 0.000 claims description 7
- 238000002156 mixing Methods 0.000 claims description 7
- 229910052757 nitrogen Inorganic materials 0.000 claims description 7
- 239000000243 solution Substances 0.000 claims description 7
- 238000004885 tandem mass spectrometry Methods 0.000 claims description 7
- VZCYOOQTPOCHFL-UHFFFAOYSA-N trans-butenedioic acid Natural products OC(=O)C=CC(O)=O VZCYOOQTPOCHFL-UHFFFAOYSA-N 0.000 claims description 7
- QURCVMIEKCOAJU-UHFFFAOYSA-N trans-isoferulic acid Natural products COC1=CC=C(C=CC(O)=O)C=C1O QURCVMIEKCOAJU-UHFFFAOYSA-N 0.000 claims description 7
- 241000234671 Ananas Species 0.000 claims description 6
- 235000007119 Ananas comosus Nutrition 0.000 claims description 6
- KDYFGRWQOYBRFD-NUQCWPJISA-N butanedioic acid Chemical compound O[14C](=O)CC[14C](O)=O KDYFGRWQOYBRFD-NUQCWPJISA-N 0.000 claims description 6
- 239000012528 membrane Substances 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 4
- 108010011485 Aspartame Proteins 0.000 claims description 3
- IAOZJIPTCAWIRG-QWRGUYRKSA-N aspartame Chemical compound OC(=O)C[C@H](N)C(=O)N[C@H](C(=O)OC)CC1=CC=CC=C1 IAOZJIPTCAWIRG-QWRGUYRKSA-N 0.000 claims description 3
- 239000000605 aspartame Substances 0.000 claims description 3
- 235000010357 aspartame Nutrition 0.000 claims description 3
- 229960003438 aspartame Drugs 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000004949 mass spectrometry Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 239000002253 acid Substances 0.000 claims description 2
- 230000001954 sterilising effect Effects 0.000 abstract description 27
- 238000004659 sterilization and disinfection Methods 0.000 abstract description 25
- 230000008569 process Effects 0.000 abstract description 10
- 238000012545 processing Methods 0.000 description 12
- 238000009928 pasteurization Methods 0.000 description 7
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 6
- 239000007787 solid Substances 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000011282 treatment Methods 0.000 description 6
- 244000183685 Citrus aurantium Species 0.000 description 4
- 235000007716 Citrus aurantium Nutrition 0.000 description 4
- 235000000228 Citrus myrtifolia Nutrition 0.000 description 4
- 235000016646 Citrus taiwanica Nutrition 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 4
- -1 polytetrafluoroethylene Polymers 0.000 description 4
- 229920001343 polytetrafluoroethylene Polymers 0.000 description 4
- 239000004810 polytetrafluoroethylene Substances 0.000 description 4
- 238000007637 random forest analysis Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 238000001704 evaporation Methods 0.000 description 3
- 230000008020 evaporation Effects 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 230000008685 targeting Effects 0.000 description 3
- 239000010409 thin film Substances 0.000 description 3
- 239000004384 Neotame Substances 0.000 description 2
- 150000001413 amino acids Chemical class 0.000 description 2
- 239000010408 film Substances 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000004895 liquid chromatography mass spectrometry Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- HLIAVLHNDJUHFG-HOTGVXAUSA-N neotame Chemical compound CC(C)(C)CCN[C@@H](CC(O)=O)C(=O)N[C@H](C(=O)OC)CC1=CC=CC=C1 HLIAVLHNDJUHFG-HOTGVXAUSA-N 0.000 description 2
- 235000019412 neotame Nutrition 0.000 description 2
- 108010070257 neotame Proteins 0.000 description 2
- 150000007524 organic acids Chemical class 0.000 description 2
- 150000007965 phenolic acids Chemical class 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- ONIBWKKTOPOVIA-BYPYZUCNSA-N L-Proline Chemical compound OC(=O)[C@@H]1CCCN1 ONIBWKKTOPOVIA-BYPYZUCNSA-N 0.000 description 1
- ODKSFYDXXFIFQN-BYPYZUCNSA-P L-argininium(2+) Chemical compound NC(=[NH2+])NCCC[C@H]([NH3+])C(O)=O ODKSFYDXXFIFQN-BYPYZUCNSA-P 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 235000001014 amino acid Nutrition 0.000 description 1
- 230000000844 anti-bacterial effect Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229930003935 flavonoid Natural products 0.000 description 1
- 235000017173 flavonoids Nutrition 0.000 description 1
- 150000002215 flavonoids Chemical class 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 235000005985 organic acids Nutrition 0.000 description 1
- 235000009048 phenolic acids Nutrition 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000001384 succinic acid Substances 0.000 description 1
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
- G01N30/04—Preparation or injection of sample to be analysed
- G01N30/06—Preparation
-
- 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
- G01N30/26—Conditioning of the fluid carrier; Flow patterns
- G01N30/28—Control of physical parameters of the fluid carrier
- G01N30/34—Control of physical parameters of the fluid carrier of fluid composition, e.g. gradient
-
- 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
- G01N30/7233—Mass spectrometers interfaced to liquid or supercritical fluid chromatograph
- G01N30/724—Nebulising, aerosol formation or ionisation
- G01N30/7266—Nebulising, aerosol formation or ionisation by electric field, e.g. electrospray
-
- 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
- G01N30/8675—Evaluation, i.e. decoding of the signal into analytical information
-
- 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
- G01N30/8693—Models, e.g. prediction of retention times, method development and validation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Evolutionary Computation (AREA)
- Dispersion Chemistry (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Library & Information Science (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明涉及一种筛选用于鉴别NFC和FC橙汁的方法,该方法包括(1)以NFC橙汁和FC橙汁为训练集,基于特征小分子代谢物组合物的数据,建立支持向量机模型;(2)采用超高效液相色谱‑四级杆串联飞行时间质谱分离分析市售橙汁样品中的特征小分子代谢物;(3)对市售橙汁中的特征小分子代谢物进行定性定量鉴别;(4)结合机器学习,将数据导入支持向量机模型,得到市售橙汁的鉴别结果。本发明的鉴别方法具有适用范围广、鉴别结果准确的优势,不仅适用于采用本发明工艺制备的NFC与FC橙汁的鉴别,还可以用于其他杀菌方式制备的热浓缩FC橙汁和NFC橙汁的鉴别。
Description
技术领域
本发明涉及食品领域,具体涉及一种用于鉴别NFC和FC橙汁的方法。
背景技术
橙汁香气浓郁、颜色鲜亮、富含多种营养物质,是果汁市场中最受欢迎的饮料品种之一。2020至2021年间,全球橙汁的产量增加了13%,高达160万吨(65°Brix)。非复原橙汁(not from concentrate,NFC)未经浓缩处理。与复原橙汁(from concentrate,FC)相比,其品质更接近新鲜的甜橙。随着生活水平的提高以及健康意识的增强,具有较高品质的NFC橙汁日益受到青睐。由于NFC橙汁贮藏和冷链运输成本较高,使其价格为FC橙汁的2-3倍。NFC橙汁不断增长的需求和较高的价格容易造成以经济利益为驱动的掺假行为。因此,开发可靠的方法来评估NFC橙汁的真实性具有重要意义。
生物活性和出色的感官品质是橙汁广受欢迎的重要因素,其主要归因于橙汁中丰富的类黄酮、酚酸、有机酸和氨基酸等小分子代谢物。液质联用技术是分离、分析复杂食品基质中小分子代谢物的强有力手段。虽然已有基于液质联用技术鉴别NFC和FC橙汁的研究报道,但现有方法仅鉴定了NFC和FC橙汁的特征物,并未深入研究出现这些差异的根本原因。由于橙汁的加工技术复杂多样,已有特征物是否适用于复杂的果汁市场环境仍未可知。因此,需要进一步探索NFC和FC橙汁之间的差异特征物以及产生这些差异的根本原因。
鉴于有效鉴别NFC和FC橙汁需求的迫切性,以及现有鉴别NFC和FC橙汁方法的局限性,有效且简便的鉴别两类橙汁的方法仍成为本领域亟待解决的技术问题。
发明内容
为解决上述技术问题,本发明包括以下几个方面:
本发明的第一方面提供一种用于鉴别NFC和FC橙汁的特征小分子代谢物组合物,所述特征小分子代谢物组合物包括(A)反丁烯二酸、(B)琥珀酸、(C)苹果酸、(D)阿斯考巴拉酸、(E)脯氨酸、(F)亮氨酸、(G)精氨酸、(H)对香豆酸、(I)阿魏酸、(J)5-羟甲基糠醛和(K)柠檬苦素中的两种或两种以上。
优选的,所述特征小分子代谢物组合物包括上述特征小分子代谢物(A)至(K)中的三种、四种、五种、六种、七种、八种、九种、十种或十一种。
更优选的,所述特征小分子代谢物组合物为上述特征小分子代谢物(A)至(K)的组合物。
优选的,所述特征小分子代谢物组合物选自基于正交偏最小二乘回归分析模型VIP>1.4,P<0.05的特征小分子代谢物中的两种或两种以上。更优选的,所述特征小分子代谢物组合物选自基于正交偏最小二乘回归分析模型VIP>1.6,P<0.05的特征小分子代谢物中的两种或两种以上。
本发明的第二方面提供一种筛选用于鉴别NFC和FC橙汁特征小分子代谢物组合物的方法,该方法包括以下步骤:
(1)用甜橙制备NFC和FC橙汁样品;
(2)取步骤(1)制备得到的橙汁样品,离心后取上清液,使用纯水稀释,涡旋混匀,经滤膜过滤;
(3)取步骤(2)处理的样品,采用超高效液相色谱-四级杆串联飞行时间质谱分离分析橙汁中小分子代谢物,得到质谱图;
(4)对橙汁小分子代谢物的质谱图进行峰识别、峰对齐,提取得到单同位素峰及峰强度;
(5)采用主成分分析分析和正交偏最小二乘回归分析NFC和FC橙汁中小分子代谢物的单同位素峰及峰强度,筛选NFC或FC橙汁的特征离子碎片,结合数据库和标准品,筛选出用于鉴别NFC或FC橙汁的特征小分子代谢物组合物。
优选地,所述步骤(1)中制备NFC和FC橙汁的甜橙选自哈姆林、凤梨、特洛维塔、锦橙和纽荷尔品种中的一种或多种。
优选的,所述步骤(1)中NFC橙汁的制备方法包括以下步骤:选取新鲜无霉变的的甜橙,流水冲洗橙皮表面污渍,切半、去皮后进行榨汁,得到鲜榨橙汁;均分四份,分别经巴氏杀菌,高温短时杀菌、超高温瞬时杀菌和超高压杀菌处理,得到NFC橙汁。
优选的,所述步骤(1)中FC橙汁的制备方法包括以下步骤:选取新鲜无霉变的甜橙,流水冲洗橙皮表面污渍,切半、去皮后进行榨汁,得到鲜榨橙汁;将鲜榨橙汁置于80℃下预杀菌10min,再利用薄膜蒸发装置将预热后的橙汁浓缩至可溶性固形物含量至65°Brix;加入浓缩过程中去除的水分复原可溶性固形物含量至11.2°Brix,并将得到的复配橙汁均分为三份,分别经巴氏杀菌、高温短时杀菌和超高温瞬时杀菌处理,得到FC橙汁。
优选的,所述步骤(2)中在4℃下12000r/min离心20min,吸取上清液,使用色谱级纯水稀释10倍,涡旋1min混匀,经0.22μm的聚四氟乙烯膜过滤;
优选地,所述步骤(3)中的色谱条件为:选用C18色谱柱,流动相A和B分别为含0.1%甲酸的水溶液和0.1%甲酸的甲醇溶液;梯度洗脱程序为0-2min,2%B;14-17min,95%B;17.1-20min,2%B。
优选地,所述步骤(3)中的质谱条件为:采用ESI离子源,正负离子模式下电喷雾电压分别为5500V和-4500V;以氮气为工作气,雾化气、辅助加热气和气帘气的压力分别为50、55、35psi,离子源温度为550℃,碰撞能量为35V,碰撞能量范围为±15V,采用信息关联采集方法,一级TOFMS质量扫描范围为100-1000m/z,二级MS/MS的质量扫描范围为50-1000m/z。
优选地,所述步骤(4)中的峰提取参数设定为强度阈值为100,最小峰宽为6,最小谱宽25ppm,背景偏移扣除为10;分析记录的保留时间范围为0.5~20min,m/z范围为100~1000;峰对齐和标准化时,设置保留时间偏差和质量偏差为0.5min和10ppm,最大出峰数设为8000;经过预处理后得到包含保留时间(RT),质荷比(m/z)和离子丰度等信息的数据矩阵,对同位素和未知状态的峰进行过滤,仅保留单一同位素峰的数据信息。
优选的,所述步骤(5)中筛选出的用于鉴别NFC或FC橙汁的特征小分子代谢物组合物包括(A)反丁烯二酸、(B)琥珀酸、(C)苹果酸、(D)阿斯考巴拉酸、(E)脯氨酸、(F)亮氨酸、(G)精氨酸、(H)对香豆酸、(I)阿魏酸、(J)5-羟甲基糠醛和(K)柠檬苦素中的两种或两种以上。
优选的,所述特征小分子代谢物组合物包括上述特征小分子代谢物(A)至(K)中的三种、四种、五种、六种、七种、八种、九种、十种或十一种。
更优选的,所述特征小分子代谢物组合物为上述特征小分子代谢物(A)至(K)的组合物。
优选的,所述特征小分子代谢物组合物选自基于正交偏最小二乘回归分析模型VIP>1.4,P<0.05的特征小分子代谢物中的两种或两种以上。更优选的,所述特征小分子代谢物组合物选自基于正交偏最小二乘回归分析模型VIP>1.6,P<0.05的特征小分子代谢物中的两种或两种以上。
本发明的第三方面是提供一种鉴别NFC和FC橙汁的方法,该方法包括以下步骤:
(1)以不同品种和不同制备工艺的NFC橙汁和FC橙汁为训练集,基于特征小分子代谢物组合物的数据,建立支持向量机模型;
(2)取市售的橙汁样品,离心后取上清液,使用纯水稀释,涡旋混匀,经滤膜过滤;
(3)取步骤(2)处理的样品,采用超高效液相色谱-四级杆串联飞行时间质谱分离分析橙汁中小分子代谢物,得到质谱图;
(4)对市售橙汁中的特征小分子代谢物进行定性定量鉴别;
(5)数据导入支持向量机模型,得到市售橙汁的鉴别结果;归到NFC橙汁分组的判定为NFC橙汁,归到FC分组的判定为FC橙汁。
优选的,所述步骤(1)中的特征小分子代谢物组合物包括(A)反丁烯二酸、(B)琥珀酸、(C)苹果酸、(D)阿斯考巴拉酸、(E)脯氨酸、(F)亮氨酸、(G)精氨酸、(H)对香豆酸、(I)阿魏酸、(J)5-羟甲基糠醛和(K)柠檬苦素中的两种或两种以上。
优选的,所述特征小分子代谢物组合物包括上述特征小分子代谢物(A)至(K)中的三种、四种、五种、六种、七种、八种、九种、十种或十一种。
更优选的,所述特征小分子代谢物组合物为上述特征小分子代谢物(A)至(K)的组合物。
优选的,所述特征小分子代谢物组合物选自基于正交偏最小二乘回归分析模型VIP>1.4,P<0.05的特征小分子代谢物中的两种或两种以上。更优选的,所述特征小分子代谢物组合物选自基于正交偏最小二乘回归分析模型VIP>1.6,P<0.05的特征小分子代谢物中的两种或两种以上。
优选地,所述步骤(1)中制备NFC和FC橙汁的甜橙选自哈姆林、凤梨、特洛维塔、锦橙和纽荷尔品种中的一种或多种。
优选的,所述步骤(1)中NFC橙汁的制备方法包括以下步骤:选取新鲜无霉变的的橙果,流水冲洗橙皮表面污渍,切半、去皮后进行榨汁,得到鲜榨橙汁;均分四份,分别经巴氏杀菌,高温短时杀菌、超高温瞬时杀菌和超高压杀菌处理,得到NFC橙汁。
优选的,所述步骤(1)中FC橙汁的制备方法包括以下步骤:选取新鲜无霉变的橙果,流水冲洗橙皮表面污渍,切半、去皮后进行榨汁,得到鲜榨橙汁;将鲜榨橙汁置于80℃下预杀菌10min,再利用薄膜蒸发装置将预热后的橙汁浓缩至可溶性固形物含量至65°Brix;加入浓缩过程中去除的水分复原可溶性固形物含量至11.2°Brix,并将得到的复配橙汁均分为三份,分别经巴氏杀菌、高温短时杀菌和超高温瞬时杀菌处理,得到FC橙汁。
优选地,所述步骤(3)中的色谱条件为选用C18色谱柱,流动相A和B分别为含0.1%甲酸的水溶液和0.1%甲酸的甲醇溶液;梯度洗脱程序为0-2min,2%B;14-17min,95%B;17.1-20min,2%B。
优选地,所述步骤(3)中的质谱条件为采用ESI离子源,正负离子模式下电喷雾电压分别为5500V和-4500V;以氮气为工作气,雾化气、辅助加热气和气帘气的压力分别为50、55、35psi,离子源温度为550℃,碰撞能量为35V,碰撞能量范围为±15V,采用信息关联采集方法,一级TOFMS质量扫描范围为100-1000m/z,二级MS/MS的质量扫描范围为50-1000m/z。
本发明产生的有益效果:
(1)本发明选择的特征小分子代谢物是依靠超高效液相色谱-四级杆串联飞行时间质谱获得,具有全面、准确度高的优点。
(2)本发明提供的NFC和FC橙汁的鉴别方法结合了非靶向和靶向分析技术,首先通过非靶向分析从橙汁样品的全谱图中搜寻特征小分子代谢物,并结合标准品对特征小分子代谢物进行了定性鉴别,得到的特征小分子代谢物更全面、精准。其次,基于筛选的特征小分子代谢物,结合机器学习,筛选出了准确度较高的鉴别模型,建立了NFC和FC橙汁的鉴别方法。本发明的鉴别方法不仅解决了单纯使用非靶向分析方法不易推广,难以形成标准,实际应用较困难的问题,还具有简便、鉴别结果更加准确的优势。
(3)本发明还进一步结合橙汁加工工艺,探索了特征小分子代谢物的形成原因,阐明了本发明的特征小分子代谢物不仅适用于本发明工艺制备的NFC与FC橙汁的鉴别,还可以用于其他杀菌方式制备的热浓缩FC橙汁和NFC橙汁的鉴别。
(4)使用多品种、多工艺是当今橙汁加工市场的普遍状态。本发明在已有的研究基础之上,充分考虑市售橙汁情况,选取了5个品种的甜橙、4个工艺、制备了单品种和混合品种的橙汁样品。另外,FC橙汁的制备选用了常用的热浓缩工艺。因此,本发明筛选的特征小分子代谢物更客观,也更具有代表性。
(5)与常用的偏最小二乘回归分析模型和随机森林模型相比,本发明使用的支持向量机模型方法在鉴别准确率方面具有明显优势(预测集和训练集模型鉴别准确率均为100%),预示可以准确用于后续市售样品检测。
附图说明
图1为本发明NFC和FC橙汁的正交偏最小二乘分析得分图(注,A:正离子模式;B:负离子模式);
图2为本发明11种特征小分子代谢物二级谱图(注:A:反丁烯二酸;B:琥珀酸:C:苹果酸;D:阿斯考巴拉酸;E:脯氨酸;F:亮氨酸;G:精氨酸;H:对香豆酸;I:阿魏酸;J:5-羟甲基糠醛;K:柠檬苦素);
图3为本发明特征小分子代谢物柠檬苦素(A)在NFC和FC橙汁加工过程中的变化趋势图;
图4为本发明特征小分子代谢物酚酸(B)在NFC和FC橙汁加工过程中的变化趋势图;
图5为本发明特征小分子代谢物氨基酸和5-羟甲基糠醛(C)在NFC和FC橙汁加工过程中的变化趋势图;
图6为本发明特征小分子代谢物有机酸(D)在NFC和FC橙汁加工过程中的变化趋势图。
具体实施方式
本发明提供了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,通过实施例的方式对本发明作进一步的说明,但是本发明并不仅仅局限于以下实施例。
试验例1、一种筛选用于鉴别NFC和FC橙汁的特征小分子代谢物的方法
1、实验方法
(1)制备NFC和FC橙汁样品。选用5个单品种的甜橙(哈姆林、凤梨、特洛维塔、锦橙、纽荷尔)、1个混合品种甜橙(哈姆林、凤梨、特洛维塔、锦橙、纽荷尔等比例混合)和4种杀菌(巴氏杀菌,高温短时杀菌、超高温瞬时杀菌、超高压杀菌)方式制备的,具体工艺如下:
NFC橙汁:选取新鲜无霉变的的橙果,流水冲洗橙皮表面污渍,切半、去皮后进行榨汁,得到鲜榨橙汁。均分四份,分别经三种热杀菌(巴氏杀菌,高温短时杀菌、超高温瞬时杀菌)和一种非热杀菌(超高压杀菌)处理,得到NFC橙汁。
FC橙汁:选取新鲜无霉变的的橙果,流水冲洗橙皮表面污渍,切半、去皮后进行榨汁,得到鲜榨橙汁。将鲜榨橙汁置于80℃下预杀菌10min,再利用薄膜蒸发装置将预热后的橙汁浓缩至可溶性固形物含量至65°Brix。加入浓缩过程中去除的水分复原可溶性固形物含量至11.2°Brix,并将得到的复配橙汁均分为三份,分别经三种热杀菌(巴氏杀菌,高温短时杀菌、超高温瞬时杀菌)处理,得到FC橙汁。
(2)取步骤(1)制备得到的橙汁样品,4℃下12000r/min离心20min,吸取上清液,使用色谱级纯水稀释十倍,涡旋1min混匀,经0.22μm的聚四氟乙烯膜过滤。利用超高效液相色谱-四级杆串联飞行时间质谱分离分析橙汁中小分子代谢物。
分析色谱条件为:选用C18色谱柱,流动相A和B分别为含0.1%甲酸的水溶液和0.1%甲酸的甲醇溶液。梯度洗脱程序为0-2min,2%B;14-17min,95%B;17.1-20min,2%B。
质谱条件为:采用ESI离子源,正负离子模式下电喷雾电压分别为5500V和-4500V;以氮气为工作气,雾化气、辅助加热气和气帘气的压力分别为50、55、35psi,离子源温度为550℃,碰撞能量为35V,碰撞能量范围为±15V,采用信息关联采集方法,一级TOFMS质量扫描范围为100-1000m/z,二级MS/MS的质量扫描范围为50-1000m/z。
(3)对橙汁小分子代谢物的质谱图进行峰识别、峰对齐,提取得到单同位素峰及峰强度。峰提取参数为强度阈值为100,最小峰宽为6,最小谱宽25ppm,背景偏移扣除为10。分析记录的保留时间范围为0.5~20min,m/z范围为100~1000。峰对齐和标准化时,设置保留时间偏差和质量偏差为0.5min和10ppm,最大出峰数设为8000。经过预处理后得到包含保留时间(RT),质荷比(m/z)和离子丰度等信息的数据矩阵,对同位素和未知状态的峰进行过滤,仅保留单一同位素峰的数据信息。
(4)采用主成分分析分析和正交偏最小二乘回归分析NFC和FC橙汁中小分子代谢物的单同位素峰及峰强度,筛选NFC或FC橙汁的特征离子碎片,结合数据库和标准品,鉴别NFC或FC橙汁的特征物组合。
2、试验结果分析
基于5个品种、4种工艺,制备了24种NFC和18种FC橙汁样品。在24种NFC和18种FC橙汁样品中,分别在正负离子模式下,提取得到了971和1364个单同位素峰。利用正交偏最小二乘分析对单一同位素峰数据信息进行分析,正负离子模式下模型的R2Y和Q2均大于0.5,说明模型可靠有效。由图1A和1B可知,正、负离子模式下,NFC和FC橙汁能够完全分离,说明两类橙汁的小分子代谢物存在显著性差异。基于VIP>1.2,P<0.05,分别在正、负离子模式下,筛选出了59和56个潜在特征离子碎片。结合数据和标准品,筛选出11种特征小分子代谢物用于NFC和FC橙汁的鉴别,包括反丁烯二酸、琥珀酸、苹果酸、阿斯考巴拉酸、脯氨酸、亮氨酸、精氨酸、对香豆酸、阿魏酸、5-羟甲基糠醛、柠檬苦素(参见表1、图2)。
表1用于鉴别NFC和FC橙汁的特征小分子代谢物
试验例2、特征小分子代谢物形成原因探究
1、试验方法
(1)取各加工单元橙汁样品,NFC橙汁包括哈姆林甜橙制备的鲜榨橙汁、巴氏杀菌NFC橙汁、高温短时杀菌NFC橙汁、超高温瞬时杀菌NFC橙汁、超高压NFC橙汁;FC橙汁包括哈姆林甜橙制备的鲜榨橙汁、预杀菌橙汁、浓缩橙汁、巴氏杀菌FC橙汁、高温短时杀菌FC橙汁、超高温瞬时杀菌FC橙汁。
(2)取1mL橙汁样品,4℃下12000r/min离心20min,吸取上清液,使用色谱级纯水稀释10倍,涡旋1min混匀,经0.22μm的聚四氟乙烯膜过滤。利用超高效液相色谱-四级杆串联飞行时间质谱分离分析橙汁中小分子代谢物。
分析色谱条件为:选用C18色谱柱,流动相A和B分别为含0.1%甲酸的水溶液和0.1%甲酸的甲醇溶液。梯度洗脱程序为0-2min,2%B;14-17min,95%B;17.1-20min,2%B。
质谱条件为:采用ESI离子源,正负离子模式下电喷雾电压分别为5500V和-4500V;以氮气为工作气,雾化气、辅助加热气和气帘气的压力分别为50、55、35psi,离子源温度为550℃,碰撞能量为35V,碰撞能量范围为±15V,采用信息关联采集方法,一级TOFMS质量扫描范围为100-1000m/z,二级MS/MS的质量扫描范围为50-1000m/z。
(3)对不同加工阶段橙汁中的特征小分子代谢物进行定性定量鉴别。
(4)采用散点图表征不同加工阶段橙汁中的特征小分子代谢物变化情况。
2、试验结果
除柠檬苦素和5-羟甲基糠醛外,其余9种特征小分子代谢物经浓缩处理后,其丰度值显著性下降,而柠檬苦素和5-羟甲基糠醛呈现上升趋势。与之相比,杀菌处理对上述特征小分子代谢物的影响较小(参见图3-6)。对比特征小分子代谢物在不同加工步骤的橙汁样品中的丰度值,发现浓缩是引起特征代谢物发生显著变化的加工步骤。因此,确定浓缩处理是造成NFC和FC橙汁特征小分子代谢物形成的关键因素。
试验例3、市售橙汁的鉴别
1、试验方法
(1)从北京各大超市,收集14种市售NFC橙汁和15种市售FC橙汁。
(2)取1mL样品,4℃下12000r/min离心20min,吸取上清液,使用色谱级纯水℃稀释十倍,涡旋1min混匀,经0.22μm的聚四氟乙烯膜过滤。利用超高效液相色谱-四级杆串联飞行时间质谱分离分析橙汁中小分子代谢物。
分析色谱条件为:选用C18色谱柱,流动相A和B分别为含0.1%甲酸的水溶液和0.1%甲酸的甲醇溶液。梯度洗脱程序为0-2min,2%B;14-17min,95%B;17.1-20min,2%B。
质谱条件为:采用ESI离子源,正负离子模式下电喷雾电压分别为5500V和-4500V;以氮气为工作气,雾化气、辅助加热气和气帘气的压力分别为50、55、35psi,离子源温度为550℃,碰撞能量为35V,碰撞能量范围为±15V,采用信息关联采集方法,一级TOFMS质量扫描范围为100-1000m/z,二级MS/MS的质量扫描范围为50-1000m/z。
(3)对不同市售橙汁中的特征小分子代谢物进行定性定量鉴别。
(4)以自制的24种NFC和18种FC橙汁的特征小分子代谢物的定性定量数据,建立支持向量机模型,用于鉴别市售NFC和FC橙汁。
2、试验结果
以自制的24种NFC和18种FC橙汁的特征标志物的定性定量数据为训练集,建立了随机森林、支持向量机、最小二乘回归分析三种机器学习分类模型。结果表明,支持向量机模型的训练集和验证集的鉴别准确率均为100%,优于随机森林和最小二乘回归分析模型(表2)。
表2机器学习模型预测结果
模型 | 随机森林 | 支持向量机 | 偏最小二乘回归分析 |
训练集鉴别准确率 | 100% | 100% | 97.70% |
验证集鉴别准确率 | 97.44% | 100% | 92.31% |
p-Value | 3.20e-8 | 1.14e-9 | 1.90e-22 |
将市售橙汁样品数据导入支持向量机模型,发现1个FC样品存在标签标示错误的问题。因此,本发明结合代谢组学技术和机器学习可成功用于NFC和FC橙汁的鉴别。
虽然已经对本发明的具体实施方案进行了描述,但是本领域技术人员应认识到,在不偏离本发明的范围或精神的前提下可以对本发明进行多种改变与修饰。因而,本发明意欲涵盖落在附属权利要求书及其同等物范围内的所有这些改变与修饰。
Claims (2)
1.一种筛选用于鉴别NFC和FC橙汁特征小分子代谢物组合物的方法,该方法包括以下步骤:
(1)用甜橙制备NFC和FC橙汁样品;
(2)取步骤(1)制备得到的橙汁样品,离心后取上清液,使用纯水稀释,涡旋混匀,经滤膜过滤;
(3)取步骤(2)处理的样品,采用超高效液相色谱-四级杆串联飞行时间质谱分离分析橙汁中小分子代谢物,得到质谱图;
(4)对橙汁小分子代谢物的质谱图进行峰识别、峰对齐,提取得到单同位素峰及峰强度;
(5)采用主成分分析和正交偏最小二乘回归分析NFC和FC橙汁中小分子代谢物的单同位素峰及峰强度,筛选NFC或FC橙汁的特征离子碎片,结合数据库和标准品,筛选出用于鉴别NFC或FC橙汁的特征小分子代谢物组合物;
所述步骤(1)中制备NFC和FC橙汁的甜橙为哈姆林、凤梨、特洛维塔、锦橙和纽荷尔品种;
所述步骤(3)中的色谱条件为:选用C18色谱柱,流动相A和B分别为含0.1%甲酸的水溶液和0.1%甲酸的甲醇溶液;梯度洗脱程序为0-2min,2%B;14-17min,95%B;17.1-20min,2%B;
所述步骤(3)中的质谱条件为:采用ESI离子源,正负离子模式下电喷雾电压分别为5500V和-4500V;以氮气为工作气,雾化气、辅助加热气和气帘气的压力分别为50、55、35psi,离子源温度为550℃,碰撞能量为35V,碰撞能量范围为±15V,采用信息关联采集方法,一级TOFMS质量扫描范围为100-1000m/z,二级MS/MS的质量扫描范围为50-1000m/z;
所述步骤(4)中的峰提取参数设定为强度阈值为100,最小峰宽为6,最小谱宽25ppm,背景偏移扣除为10;分析记录的保留时间范围为0.5~20min,m/z范围为100~1000;峰对齐和标准化时,设置保留时间偏差和质量偏差为0.5min和10ppm,最大出峰数设为8000;经过预处理后得到包含保留时间、质荷比和离子丰度信息的数据矩阵,对同位素和未知状态的峰进行过滤,仅保留单一同位素峰的数据信息;
所述步骤(5)中筛选出的用于鉴别NFC或FC橙汁的特征小分子代谢物组合物由(A)反丁烯二酸、(B)琥珀酸、(C)苹果酸、(D)阿斯考巴拉酸、(E)脯氨酸、(F)亮氨酸、(G)精氨酸、(H)对香豆酸、(I)阿魏酸、(J)5-羟甲基糠醛和(K)柠檬苦素组成。
2.一种鉴别NFC和FC橙汁的方法,该方法包括以下步骤:
(1)以不同品种和不同制备工艺的NFC橙汁和FC橙汁为训练集,利用超高效液相色谱-四级杆串联飞行时间质谱分离分析橙汁中小分子代谢物,对小分子代谢物进行定性定量鉴别基于特征定性定量小分子代谢物组合物的数据,建立支持向量机模型;
(2)取市售的橙汁样品,离心后取上清液,使用纯水稀释,涡旋混匀,经滤膜过滤;
(3)取步骤(2)处理的样品,采用超高效液相色谱-四级杆串联飞行时间质谱分离分析橙汁中小分子代谢物,得到质谱图;
(4)对市售橙汁中的特征小分子代谢物进行定性定量鉴别;
(5)数据导入支持向量机模型,得到市售橙汁的鉴别结果;归到NFC橙汁分组的判定为NFC橙汁,归到FC分组的判定为FC橙汁;
所述步骤(1)中制备NFC和FC橙汁的甜橙为哈姆林、凤梨、特洛维塔、锦橙和纽荷尔品种;
所述步骤(1)中的特征小分子代谢物组合物由(A)反丁烯二酸、(B)琥珀酸、(C)苹果酸、(D)阿斯考巴拉酸、(E)脯氨酸、(F)亮氨酸、(G)精氨酸、(H)对香豆酸、(I)阿魏酸、(J)5-羟甲基糠醛和(K)柠檬苦素组成;
所述步骤(3)中的色谱条件为:选用C18色谱柱,流动相A和B分别为含0.1%甲酸的水溶液和0.1%甲酸的甲醇溶液;梯度洗脱程序为0-2min,2%B;14-17min,95%B;17.1-20min,2%B;
质谱条件为:采用ESI离子源,正负离子模式下电喷雾电压分别为5500V和-4500V;以氮气为工作气,雾化气、辅助加热气和气帘气的压力分别为50、55、35psi,离子源温度为550℃,碰撞能量为35V,碰撞能量范围为±15V,采用信息关联采集方法,一级TOFMS质量扫描范围为100-1000m/z,二级MS/MS的质量扫描范围为50-1000m/z。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210520799.1A CN114924002B (zh) | 2022-05-12 | 2022-05-12 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210520799.1A CN114924002B (zh) | 2022-05-12 | 2022-05-12 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114924002A CN114924002A (zh) | 2022-08-19 |
CN114924002B true CN114924002B (zh) | 2024-02-13 |
Family
ID=82808907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210520799.1A Active CN114924002B (zh) | 2022-05-12 | 2022-05-12 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114924002B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116381085A (zh) * | 2023-04-06 | 2023-07-04 | 中国检验检疫科学研究院 | 一种基于特征差异代谢物的绿豆产地溯源方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105044198A (zh) * | 2015-07-03 | 2015-11-11 | 中国农业大学 | 一种基于矿质元素指纹鉴别葡萄酒原产地的方法 |
KR20160054753A (ko) * | 2014-11-07 | 2016-05-17 | 건국대학교 산학협력단 | 질량 분석법을 이용한 식초 판별 방법 및 그 조성물 |
KR20170125300A (ko) * | 2017-09-27 | 2017-11-14 | 건국대학교 산학협력단 | 동위원소비 및 다변량 통계 분석을 이용한 감자의 원산지 판별 방법 |
CN111413445A (zh) * | 2020-05-24 | 2020-07-14 | 中国农业科学院农业质量标准与检测技术研究所 | 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 |
CN111537644A (zh) * | 2020-05-24 | 2020-08-14 | 中国农业科学院农业质量标准与检测技术研究所 | 鉴定非浓缩还原橙汁和浓缩还原橙汁的标志物及其应用 |
CN112014516A (zh) * | 2020-08-24 | 2020-12-01 | 安徽农业大学 | 一种茶类判别方法及系统 |
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 |
CN112986430A (zh) * | 2021-02-18 | 2021-06-18 | 中国农业科学院农业质量标准与检测技术研究所 | 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 |
CN114460189A (zh) * | 2022-01-18 | 2022-05-10 | 沈阳农业大学 | 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 |
-
2022
- 2022-05-12 CN CN202210520799.1A patent/CN114924002B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160054753A (ko) * | 2014-11-07 | 2016-05-17 | 건국대학교 산학협력단 | 질량 분석법을 이용한 식초 판별 방법 및 그 조성물 |
CN105044198A (zh) * | 2015-07-03 | 2015-11-11 | 中国农业大学 | 一种基于矿质元素指纹鉴别葡萄酒原产地的方法 |
KR20170125300A (ko) * | 2017-09-27 | 2017-11-14 | 건국대학교 산학협력단 | 동위원소비 및 다변량 통계 분석을 이용한 감자의 원산지 판별 방법 |
CN111413445A (zh) * | 2020-05-24 | 2020-07-14 | 中国农业科学院农业质量标准与检测技术研究所 | 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 |
CN111537644A (zh) * | 2020-05-24 | 2020-08-14 | 中国农业科学院农业质量标准与检测技术研究所 | 鉴定非浓缩还原橙汁和浓缩还原橙汁的标志物及其应用 |
CN112014516A (zh) * | 2020-08-24 | 2020-12-01 | 安徽农业大学 | 一种茶类判别方法及系统 |
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 |
CN112986430A (zh) * | 2021-02-18 | 2021-06-18 | 中国农业科学院农业质量标准与检测技术研究所 | 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 |
CN114460189A (zh) * | 2022-01-18 | 2022-05-10 | 沈阳农业大学 | 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 |
Non-Patent Citations (8)
Title |
---|
Comparison of freshly squeezed, Non-thermally and thermally processed orange juice based on traditional quality characters, untargeted metabolomics, and volatile overview;Kewen Wang , Zhenzhen Xu;Food Chemistry;20211020;第373卷;全文 * |
UPLC-QTOF-MS coupled with machine learning to discriminate between NFC and FC orange juice;Ruixue Sun,等;Food Control;20221102;第145卷;全文 * |
刘晗璐等.基于UPLC-QTOF-MS代谢组学技术的NFC和FC橙汁差异成分比较.食品科学.2021,第42卷(第6期),第229-236页. * |
利用UHPLC-ESI-MS/MS法测定川陈皮与其混伪品中的黄酮类成分;李峰庆;王福;杨放晴;陈仕伟;熊素琴;陈鸿平;刘友平;李小川;;天然产物研究与开发(第08期);全文 * |
基于UPLC-QTOF-MS代谢组学技术的NFC和FC橙汁差异成分比较;刘晗璐等;食品科学;第42卷(第6期);第229-236页 * |
液相色谱/元素分析-同位素比率质谱联用法鉴定橙汁掺假;李鑫;刘柱;蒋鑫;乔隽;张东雷;;食品科技;20130520(第05期);全文 * |
稳定同位素比率质谱法在NFC与FC果汁鉴别上的应用初探;牛丽影;胡小松;赵镭;高敏;廖小军;吴继红;;中国食品学报;20090830(第04期);全文 * |
超高效液相色谱-四级杆飞行时间质谱结合Progenesis QI分析不同品种橙的指纹图谱及其差异性代谢物;赵希娟;赵无疾;许华超;;中国农业科学(第13期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114924002A (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Characterization of volatile profile from ten different varieties of Chinese jujubes by HS-SPME/GC–MS coupled with E-nose | |
Vaclavik et al. | Liquid chromatography–mass spectrometry-based metabolomics for authenticity assessment of fruit juices | |
Ibáñez et al. | The role of direct high-resolution mass spectrometry in foodomics | |
Theron et al. | Sensory profiling of honeybush tea (Cyclopia species) and the development of a honeybush sensory wheel | |
CN114924002B (zh) | 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 | |
Rešetar et al. | Matrix assisted laser desorption ionization mass spectrometry linear time-of-flight method for white wine fingerprinting and classification | |
Marsol-Vall et al. | Development of a SBSE-TD method coupled to GC–MS and chemometrics for the differentiation of variety and processing conditions in peach juices | |
CN113533549B (zh) | 白酒口味物质鉴定分析系统 | |
Zhang et al. | Volatolomics approach for authentication of not-from-concentrate (NFC) orange juice based on characteristic volatile markers using headspace solid phase microextraction (HS-SPME) combined with GC-MS | |
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 | |
CN106841428A (zh) | 一种有机液态奶的鉴别方法 | |
CN104034820A (zh) | 一种快速鉴别樱桃酒品牌的方法 | |
Xu et al. | A review of fruit juice authenticity assessments: Targeted and untargeted analyses | |
CN107782827B (zh) | 一种奶酪特征风味物质分析方法及其指纹图谱 | |
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 | |
KR101445303B1 (ko) | 가공인삼의 원산지 또는 연령 판별용 표준 마커, 이의 확립방법 또는 이를 이용한 원산지 또는 연령 판별방법 | |
Bertoldi et al. | Botanical traceability of commercial tannins using the mineral profile and stable isotopes | |
Guerreiro et al. | High-throughput analysis by SP-LDI-MS for fast identification of adulterations in commercial balsamic vinegars | |
Ryu et al. | NMR-based metabolic profiling and comparison of Japanese persimmon cultivars | |
Le Mao et al. | 1 H-NMR metabolomics for wine screening and analysis | |
CN110715994A (zh) | 用UHPLC-Q-Orbitrap MS分析酸枣仁和理枣仁差异性化学成分的方法 | |
JP2016057220A (ja) | 脂質の解析方法 | |
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 | |
Cheng et al. | Molecular identification of wines using in situ liquid SIMS and PCA analysis | |
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 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |