CN114994229A - 一种基于代谢组学的烟叶霉变识别方法 - Google Patents
一种基于代谢组学的烟叶霉变识别方法 Download PDFInfo
- Publication number
- CN114994229A CN114994229A CN202210590045.3A CN202210590045A CN114994229A CN 114994229 A CN114994229 A CN 114994229A CN 202210590045 A CN202210590045 A CN 202210590045A CN 114994229 A CN114994229 A CN 114994229A
- Authority
- CN
- China
- Prior art keywords
- tobacco leaf
- mildew
- tobacco
- sample
- mildewed
- 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
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 168
- 238000000034 method Methods 0.000 title claims abstract description 42
- 244000061176 Nicotiana tabacum Species 0.000 title 1
- 241000208125 Nicotiana Species 0.000 claims abstract description 167
- 150000001875 compounds Chemical class 0.000 claims abstract description 50
- 238000001819 mass spectrum Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 claims abstract description 10
- 239000007790 solid phase Substances 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000010606 normalization Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- CCEKAJIANROZEO-UHFFFAOYSA-N sulfluramid Chemical group CCNS(=O)(=O)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)F CCEKAJIANROZEO-UHFFFAOYSA-N 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 5
- 238000007417 hierarchical cluster analysis Methods 0.000 claims description 5
- 238000004949 mass spectrometry Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000004853 microextraction Methods 0.000 claims description 3
- 238000000643 oven drying Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 239000003039 volatile agent Substances 0.000 claims description 3
- 239000012159 carrier gas Substances 0.000 claims description 2
- 238000003795 desorption Methods 0.000 claims description 2
- 238000012847 principal component analysis method Methods 0.000 claims description 2
- 238000004817 gas chromatography Methods 0.000 claims 1
- 231100000206 health hazard Toxicity 0.000 abstract description 5
- 239000000383 hazardous chemical Substances 0.000 abstract description 4
- 238000000605 extraction Methods 0.000 description 7
- SBBBDZXLODAOJW-UHFFFAOYSA-N 5-methoxy-6,7-dimethyl-1-benzofuran Chemical compound CC1=C(C)C(OC)=CC2=C1OC=C2 SBBBDZXLODAOJW-UHFFFAOYSA-N 0.000 description 6
- WVDDGKGOMKODPV-UHFFFAOYSA-N Benzyl alcohol Chemical compound OCC1=CC=CC=C1 WVDDGKGOMKODPV-UHFFFAOYSA-N 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- VSMOENVRRABVKN-UHFFFAOYSA-N oct-1-en-3-ol Chemical compound CCCCCC(O)C=C VSMOENVRRABVKN-UHFFFAOYSA-N 0.000 description 4
- 239000000835 fiber Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 239000002207 metabolite Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- VSMOENVRRABVKN-MRVPVSSYSA-N 1-Octen-3-ol Natural products CCCCC[C@H](O)C=C VSMOENVRRABVKN-MRVPVSSYSA-N 0.000 description 2
- GMQUMWVEWMCMOQ-UHFFFAOYSA-N 2,4-dihydroxy-2,5-dimethylfuran-3-one Chemical compound CC1=C(O)C(=O)C(C)(O)O1 GMQUMWVEWMCMOQ-UHFFFAOYSA-N 0.000 description 2
- YDXQPTHHAPCTPP-UHFFFAOYSA-N 3-Octen-1-ol Natural products CCCCC=CCCO YDXQPTHHAPCTPP-UHFFFAOYSA-N 0.000 description 2
- FLIACVVOZYBSBS-UHFFFAOYSA-N Methyl palmitate Chemical compound CCCCCCCCCCCCCCCC(=O)OC FLIACVVOZYBSBS-UHFFFAOYSA-N 0.000 description 2
- 238000000692 Student's t-test Methods 0.000 description 2
- 235000019445 benzyl alcohol Nutrition 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- KSMVZQYAVGTKIV-UHFFFAOYSA-N decanal Chemical compound CCCCCCCCCC=O KSMVZQYAVGTKIV-UHFFFAOYSA-N 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- IPCSVZSSVZVIGE-UHFFFAOYSA-N hexadecanoic acid Chemical compound CCCCCCCCCCCCCCCC(O)=O IPCSVZSSVZVIGE-UHFFFAOYSA-N 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- ABDKAPXRBAPSQN-UHFFFAOYSA-N veratrole Chemical compound COC1=CC=CC=C1OC ABDKAPXRBAPSQN-UHFFFAOYSA-N 0.000 description 2
- VOZFDEJGHQWZHU-UHFFFAOYSA-N (5-methylfuran-2-yl)methanol Chemical compound CC1=CC=C(CO)O1 VOZFDEJGHQWZHU-UHFFFAOYSA-N 0.000 description 1
- NJXYTXADXSRFTJ-UHFFFAOYSA-N 1,2-Dimethoxy-4-vinylbenzene Chemical compound COC1=CC=C(C=C)C=C1OC NJXYTXADXSRFTJ-UHFFFAOYSA-N 0.000 description 1
- CICQUFBZCADHHX-UHFFFAOYSA-N 2,4-dichloro-1-methoxybenzene Chemical compound COC1=CC=C(Cl)C=C1Cl CICQUFBZCADHHX-UHFFFAOYSA-N 0.000 description 1
- RXWNCMHRJCOWDK-UHFFFAOYSA-N 2-naphthalen-1-ylethanol Chemical compound C1=CC=C2C(CCO)=CC=CC2=C1 RXWNCMHRJCOWDK-UHFFFAOYSA-N 0.000 description 1
- NOEGNKMFWQHSLB-UHFFFAOYSA-N 5-hydroxymethylfurfural Chemical compound OCC1=CC=C(C=O)O1 NOEGNKMFWQHSLB-UHFFFAOYSA-N 0.000 description 1
- 229930195730 Aflatoxin Natural products 0.000 description 1
- XWIYFDMXXLINPU-UHFFFAOYSA-N Aflatoxin G Chemical compound O=C1OCCC2=C1C(=O)OC1=C2C(OC)=CC2=C1C1C=COC1O2 XWIYFDMXXLINPU-UHFFFAOYSA-N 0.000 description 1
- 235000021314 Palmitic acid Nutrition 0.000 description 1
- 239000005409 aflatoxin Substances 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- XPFVYQJUAUNWIW-UHFFFAOYSA-N furfuryl alcohol Substances OCC1=CC=CO1 XPFVYQJUAUNWIW-UHFFFAOYSA-N 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- RJGBSYZFOCAGQY-UHFFFAOYSA-N hydroxymethylfurfural Natural products COC1=CC=C(C=O)O1 RJGBSYZFOCAGQY-UHFFFAOYSA-N 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 244000000010 microbial pathogen Species 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
- 239000003053 toxin Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0098—Plants or trees
-
- 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
-
- 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
- G01N30/04—Preparation or injection of sample to be analysed
- G01N30/06—Preparation
- G01N30/14—Preparation by elimination of some components
-
- 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
- G01N30/7206—Mass spectrometers interfaced to gas chromatograph
-
- 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
- G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
- G01N2030/8809—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample
- G01N2030/8813—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample biological materials
-
- 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
- G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
- G01N2030/8886—Analysis of industrial production processes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
- G01N2333/37—Assays involving biological materials from specific organisms or of a specific nature from fungi
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
- G01N2333/415—Assays involving biological materials from specific organisms or of a specific nature from plants
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Botany (AREA)
- Wood Science & Technology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Manufacture Of Tobacco Products (AREA)
Abstract
本发明提供一种基于代谢组学的烟叶霉变识别方法,包括:获取同一品种烟叶样本,并将一定量的所述烟叶样本进行人为霉变得到霉变烟叶,进而得到正常样本和霉变样本;采用固相微萃取‑气相色谱‑质谱法对所述烟叶样本进行霉变前后烟叶中挥发性和半挥发性成分的测量,以得到质谱数据;对采集的质谱数据进行数据处理以获取霉变样本与正常样本中不同种类化合物占比含量,进而得到霉变前后的烟叶样本中的挥发性化合物含量的变化差异,以筛选出霉变烟叶的判别变量;根据所述判别变量建立烟叶霉变的识别模型,以通过所述识别模型对烟叶进行霉变识别。本发明能提高烟叶霉变识别的准确度和效率,提高烟丝的品质,减少吸烟者的健康危害。
Description
技术领域
本发明涉及烟叶检测的技术领域,具体为一种基于代谢组学的烟叶霉变识别方法。
背景技术
烟叶原料作为农产品,在生长、仓储、醇化过程中烟叶极易受环境因素的影响发生霉变,导致卷烟企业经济损失严重。霉变烟叶不仅影响烟叶的外观和品质,甚至产生有毒代谢物(如黄曲霉毒素等)及附着病原微生物对吸烟者的健康构成潜在危害。
近年来,霉变烟叶的研究备受烟草企业、烟草研究者及国家烟草专卖局等关注,霉变烟叶识别成为烟草品质评价和香味提升亟待解决的关键问题之一。目前对烟叶霉变预防多以人工干预为主,耗费了大量的人力和财力却难以解决霉变发生的机理、机制等关键问题。现有的烟叶霉变机制和防霉技术方面主要包括营养物质与菌群、温湿度等环境条件对烟叶的霉变影响,有关烟叶霉变过程的代谢组相关的研究较少。因此,如何对烟叶霉变识别以提高烟草品质,具有重要的意义。
发明内容
本发明提供一种基于代谢组学的烟叶霉变识别方法,解决现有烟叶霉变识别存在不精准和效率低的问题,能提高烟叶霉变识别的准确度和效率,提高烟丝的品质,减少吸烟者的健康危害。
为实现以上目的,本发明提供以下技术方案:
一种基于代谢组学的烟叶霉变识别方法,包括:
获取同一品种烟叶样本,并将一定量的所述烟叶样本进行人为霉变得到霉变烟叶,进而得到正常样本和霉变样本;
采用固相微萃取-气相色谱-质谱法对所述烟叶样本进行霉变前后烟叶中挥发性和半挥发性成分的测量,以得到质谱数据;
对采集的质谱数据进行数据处理以获取霉变样本与正常样本中不同种类化合物占比含量,进而得到霉变前后的烟叶样本中的挥发性化合物含量的变化差异,以筛选出霉变烟叶的判别变量;
根据所述判别变量建立烟叶霉变的识别模型,以通过所述识别模型对烟叶进行霉变识别。
优选的,所述对采集的质谱数据进行数据处理,包括:
利用质谱数据绘制火山图,并通过火山图分析霉变前后烟叶样本中挥发性化合物含量。
优选的,所述对采集的质谱数据进行数据处理,还包括:
采用主成分分析法分析烟叶霉变前后化合物的变化,以得到霉变前后的烟叶样本中的挥发性化合物含量的变化。
优选的,所述对采集的质谱数据进行数据处理,还包括:
采用正交偏最小二乘法对烟叶霉变前后的化合物成分的差异进行计算,以判定各种化合物对烟叶霉变的贡献值,进而根据所述贡献值确定判别变量。
优选的,所述对采集的质谱数据进行数据处理,还包括:
利用热图分析及层次聚类分析可视化分析,以直观分析霉变前后的烟叶样本中挥发性化合物的变化。
优选的,所述获取霉变样本与正常样本中不同种类化合物占比含量,包括:
对采集的质谱数据经NIST标准谱库进行检索进行鉴定,采取峰面积归一化法计算各物质的相对含量,以获取霉变样本与正常样本中不同种类化合物占比结果;
对采集到的挥发性化合物占比结果进行数据标准化和归一化处理,以获得霉变前后的烟叶样本中的挥发性化合物含量差异。
优选的,对烟叶样本进行人为霉变,包括:
对所述烟叶样本的烟叶含水率进行调节,采用烘箱干燥法测定烟叶含水率,使烟叶含水率在18%以上;
将预处理后的所述烟叶样本放入恒温恒湿箱,调节温度和相对湿度分别为28℃和70%条件下进行烟叶霉变实验。
优选的,进行微萃取时所述烟叶样本的进样温度为280℃,解吸2min。
优选的,气相色谱条件为:进样口温度:280℃,He载气,流速:1mL/min;升温条件为:初始温度50℃并保持2min,以5℃/min升温至140℃并保持1min,再以10℃/min升温至280℃并保持1min。
优选的,所述根据所述判别变量建立烟叶霉变的识别模型,包括:
将烟叶样本中的挥发性化合物进行Fisher逐步判别分析判筛选出对霉变烟叶判别有效的所述判别变量,根据所述判别变量建立Fisher线性判别函数。
本发明提供一种基于代谢组学的烟叶霉变识别方法,采用固相微萃取-气相色谱-质谱法测定霉变前后烟叶中挥发性和半挥发性成分,利用非靶向代谢组学结合多元统计分析方法探析烟叶霉变前后代谢物的差异性,构建预测模型对霉变烟叶品质的鉴别方法,对烟叶霉变的提前预测和实时监控。能提高烟叶霉变识别的准确度和效率,提高烟丝的品质,减少吸烟者的健康危害。
附图说明
为了更清楚地说明本发明的具体实施例,下面将对实施例中所需要使用的附图作简单地介绍。
图1为本发明提供的一种基于代谢组学的烟叶霉变识别方法示意图。
图2为本发明提供的烟叶霉变识别的流程图。
图3为本发明实施例提供的不同种类化合物占比图。
图4为本发明实施例提供的霉变前后的烟叶样本中挥发性化合物含量的火山图分析图。
图5A~5C为本发明实施例提供的霉变前后烟叶样本的多元统计分析图。
图6为本发明实施例提供的霉变前后烟叶样本中挥发性化合物的HMA和HCA分析结果图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例的方案,下面结合附图和实施方式对本发明实施例作进一步的详细说明。
针对当前烟叶霉变识别存在效率低和不准确的问题,本发明提供一种基于代谢组学的烟叶霉变识别方法,解决现有烟叶霉变识别存在不精准和效率低的问题,能提高烟叶霉变识别的准确度和效率,提高烟丝的品质,减少吸烟者的健康危害。
如图1和图2所示,一种基于代谢组学的烟叶霉变识别方法,包括:
S1:获取同一品种烟叶样本,并将一定量的所述烟叶样本进行人为霉变得到霉变烟叶,进而得到正常样本和霉变样本。
S2:采用固相微萃取-气相色谱-质谱法对所述烟叶样本进行霉变前后烟叶中挥发性和半挥发性成分的测量,以得到质谱数据。
S3:对采集的质谱数据进行数据处理以获取霉变样本与正常样本中不同种类化合物占比含量,进而得到霉变前后的烟叶样本中的挥发性化合物含量的变化差异,以筛选出霉变烟叶的判别变量。
S4:根据所述判别变量建立烟叶霉变的识别模型,以通过所述识别模型对烟叶进行霉变识别。
具体地,在一实施例中,包括以下步骤:
步骤一:将仓储K326品种烟叶人为霉变,将烟叶样品分为正常烟叶和霉变烟叶两类;
对仓储烟叶样品的烟叶含水率进行调节,采用烘箱干燥法测定烟叶含水率,使烟叶含水率在18%以上。将预处理后的仓储烟叶样品放入恒温恒湿箱,调节温度和相对湿度分别为28℃和70%条件下进行烟叶霉变实验,以30天为实验周期。将发生霉变的烟叶从恒温恒湿箱内取出,贮存于-18℃的冰柜中备用。仓储烟叶样品信息表数据如表1。
表1仓储烟叶样品信息表
步骤二:采用固相微萃取-气相色谱-质谱法(SPME-GC-MS)测定K326品种霉变前后烟叶中挥发性和半挥发性成分;微萃取操作过程为:
实验开始前将萃取头插入GC进样口于300℃老化1h,直至无杂峰。称取0.5g的烟叶样品置于22mL的顶空瓶中,并加入10μL浓度为100μg/mL的萘乙醇溶液作为内标以定量。将该萃取瓶置于80℃的加热搅拌台上。用萃取手柄的萃取头刺穿顶空瓶瓶盖的橡胶垫置样品顶空,再推出萃取头内的纤维头并顶空吸附烟叶自然挥发气体50min。吸附完成后,将纤维头撤回,并将整个萃取手柄从顶空瓶中拔出。再将萃取头插入GC-MS联用仪的GC进样口,推出纤维头,在280℃时解吸2min,完成样品的进样。
样品中GC-MS共检测出106多种挥发性成分,如表2所示。
表2正常烟叶及霉变烟叶中的成分表
步骤三:数据检索:采集的质谱数据经NIST标准谱库进行检索进行鉴定,采取峰面积归一化法计算各物质的相对含量。霉变组与正常组(对照组)中不同种类化合物占比结果如图3所示。
步骤四:数据处理:对采集到的挥发性化合物定量结果进行数据标准化(log2Transformation)和归一化(Pareto scaling)处理。归一化公式如下:
其中,xi为样本数据中的第i个值,xmin为样本数据中的最小值,xmax为样本数据中的最大值,y为第i个值进行归一化之后的数据。
步骤五:数据分析:
step1:用火山图分析霉变前后K326样本中挥发性化合物含量。
采用t检验(Student's t test)进行差异显著性分析,并以log2(FC)为X轴,-log(p)为Y轴,绘制火山图,如图4所示。
火山图分析确定的霉变前后K326样本中重要的挥发性化合物由表3所示。
表3火山图分析确定的霉变前后K326样本中重要的挥发性化合物
可以看出,共有36种化合物含量出现显著性下降,14种化合物含量出现显著性上升,其余56种化合物含量无显著性变化,其中22#(2,4-二羟基-2,5-二甲基-3(2H)-呋喃-3-酮)、47#(癸醛)、51#(5-羟甲基-糠醛)等36种化合物含量显著下降,22#(2,4-二羟基-2,5-二甲基-3(2H)-呋喃-3-酮)化合物霉变后的含量几乎为0,而70#(5-甲氧基-6,7-二甲基-苯并呋喃)、60#(4-乙烯基-1,2-二甲氧基苯)、23#(1-辛烯-3-醇)等14种化合物含量显著上升,70#(5-甲氧基-6,7-二甲基-苯并呋喃)化合物是由霉变产生的一种新的化合物。
Step2:采用主成分分析法(Principal components analysis,PCA)分析烟叶霉变前后化合物的变化。主成分分析法(PCA)步骤如下:
(1)由于有两种烟叶,即霉变烟叶与正常烟叶,取样品n=2,有106种挥发性物资,取p=106维随机向量x=(x1,x2,…,xp)T,n个样品x=(xi1,xi2,…,xip)T,i=1,2,…,n。构造样本矩阵,对样本矩阵中的元素通过式(2)进行标准化变换:
(2)对标准化矩阵Z求相关系数矩阵R
(4)将标准化后的指标变量转换为主成分
其中,Uij为得到的主成分。
由图5A可知,霉变前后样品具有一定的区分度,但是未能完全分开,其中前两个主成分累计贡献率达76.9%(PC1:54.6%;PC2:22.3%)。
Step3:采用正交偏最小二乘法(Orthogonal projections to latentstructures-discrimination analysis,OPLS-DA)进一步研究烟叶霉变前后的化学成分的差异。
通过2个组成分(累计方差为38.9%)可以实现霉变前后K326样本的区分,如图5B所示,R2X=0.851及Q2=0.787说明模型具有很好的解释性和预测性。差异的具体来源可以通过该模型的变量(对分类)重要性列表(Variable importance for the projection,VIP)获得。变量VIP值越大,说明该变量对分类的作用越大。实验选取VIP值大于1的化合物,VIP由高到低,如图5C所示,共有42种化合物,说明这42种化合物对于K326是否霉变判定的贡献大。
Step4:选取FC≥2或FC≤0.5且VIP>1、p<0.05的物质,进行热图分析(Heat mapanalysis,HMA)及层次聚类分析(Hierarchical clustering analysis,HCA)可视化分析,直观分析霉变前后K326样本中挥发性化合物的变化。
结果如图6所示,霉变前后的样品可以很好地被聚类,化合物被分成了两组。
步骤六:采用Fisher逐步判别分析(Stepwise discriminant analysis,SDA),建立K326品种烟叶霉变的识别模型。
将FC≥2或FC≤0.5且p<0.05、VIP>1的化合物进行Fisher逐步判别分析判筛选出对霉变烟叶判别最有效的变量,建立K326烟叶是否霉变的判别模型。
分析结果显示,样本中的18#(5-甲基-2-呋喃甲醇)、23#(1-辛烯-3-醇)、31#(苯甲醇)、42#(1,2-二甲氧基-苯)、53#(2,4-二氯-1-甲氧基-苯)、70#(5-甲氧基-6,7-二甲基-苯并呋喃)、92#(十六酸甲酯)、96#(十六酸)等8种化合物被引入判别模型,建立Fisher线性判别函数,判别模型分别如下:
K326正常烟叶=75.079[18#]-0.892[23#]+39.071[31#]-7.302[42#]-10.658[53#]-427[70#]-2.553[92#]+3.175[96#]-6.661。
K326霉变烟叶=-38.660[18#]+20.989[23#]4.640[31#]+66.778[42#]+145.421[53#]+12.943[70#]+5.126[92#]-0.743[96#]-12.170。
综上,K326品种烟叶霉变识别利用固相微萃取-气相色谱-质谱法对霉变及正常烟叶内在挥发性代谢组分进行分析,采用PCA和OPLS-DA对霉变前后代谢物进行分析,通过直观与定量分析结合Fisher逐步判别分析最终发现,5-甲基-2-呋喃甲醇、苯甲醇等8种成分所构建的判别模型可有效识别正常烟叶及霉变烟叶,此方法的建立对可靠识别霉变烟草提供了一种策略,同时为进一步研究霉变机理提供基础依据。
可见,本发明提供一种基于代谢组学的烟叶霉变识别方法,采用固相微萃取-气相色谱-质谱法测定霉变前后烟叶中挥发性和半挥发性成分,利用非靶向代谢组学结合多元统计分析方法探析烟叶霉变前后代谢物的差异性,构建预测模型对霉变烟叶品质的鉴别方法,对烟叶霉变的提前预测和实时监控。能提高烟叶霉变识别的准确度和效率,提高烟丝的品质,减少吸烟者的健康危害。
以上依据图示所示的实施例详细说明了本发明的构造、特征及作用效果,以上所述仅为本发明的较佳实施例,但本发明不以图面所示限定实施范围,凡是依照本发明的构想所作的改变,或修改为等同变化的等效实施例,仍未超出说明书与图示所涵盖的精神时,均应在本发明的保护范围内。
Claims (10)
1.一种基于代谢组学的烟叶霉变识别方法,其特征在于,包括:
获取同一品种烟叶样本,并将一定量的所述烟叶样本进行人为霉变得到霉变烟叶,进而得到正常样本和霉变样本;
采用固相微萃取-气相色谱-质谱法对所述烟叶样本进行霉变前后烟叶中挥发性和半挥发性成分的测量,以得到质谱数据;
对采集的质谱数据进行数据处理以获取霉变样本与正常样本中不同种类化合物占比含量,进而得到霉变前后的烟叶样本中的挥发性化合物含量的变化差异,以筛选出霉变烟叶的判别变量;
根据所述判别变量建立烟叶霉变的识别模型,以通过所述识别模型对烟叶进行霉变识别。
2.根据权利要求1所述的基于代谢组学的烟叶霉变识别方法,其特征在于,所述对采集的质谱数据进行数据处理,包括:
利用质谱数据绘制火山图,并通过火山图分析霉变前后烟叶样本中挥发性化合物含量。
3.根据权利要求2所述的基于代谢组学的烟叶霉变识别方法,其特征在于,所述对采集的质谱数据进行数据处理,还包括:
采用主成分分析法分析烟叶霉变前后化合物的变化,以得到霉变前后的烟叶样本中的挥发性化合物含量的变化。
4.根据权利要求3所述的基于代谢组学的烟叶霉变识别方法,其特征在于,所述对采集的质谱数据进行数据处理,还包括:
采用正交偏最小二乘法对烟叶霉变前后的化合物成分的差异进行计算,以判定各种化合物对烟叶霉变的贡献值,进而根据所述贡献值确定判别变量。
5.根据权利要求4所述的基于代谢组学的烟叶霉变识别方法,其特征在于,所述对采集的质谱数据进行数据处理,还包括:
利用热图分析及层次聚类分析可视化分析,以直观分析霉变前后的烟叶样本中挥发性化合物的变化。
6.根据权利要求5所述的基于代谢组学的烟叶霉变识别方法,其特征在于,所述获取霉变样本与正常样本中不同种类化合物占比含量,包括:
对采集的质谱数据经NIST标准谱库进行检索进行鉴定,采取峰面积归一化法计算各物质的相对含量,以获取霉变样本与正常样本中不同种类化合物占比结果;
对采集到的挥发性化合物占比结果进行数据标准化和归一化处理,以获得霉变前后的烟叶样本中的挥发性化合物含量差异。
7.根据权利要求6所述的基于代谢组学的烟叶霉变识别方法,其特征在于,对烟叶样本进行人为霉变,包括:
对所述烟叶样本的烟叶含水率进行调节,采用烘箱干燥法测定烟叶含水率,使烟叶含水率在18%以上;
将预处理后的所述烟叶样本放入恒温恒湿箱,调节温度和相对湿度分别为28℃和70%条件下进行烟叶霉变实验。
8.根据权利要求7所述的基于代谢组学的烟叶霉变识别方法,其特征在于,进行微萃取时所述烟叶样本的进样温度为280℃,解吸2min。
9.根据权利要求8所述的基于代谢组学的烟叶霉变识别方法,其特征在于,气相色谱条件为:进样口温度:280℃,He载气,流速:1mL/min;升温条件为:初始温度50℃并保持2min,以5℃/min升温至140℃并保持1min,再以10℃/min升温至280℃并保持1min。
10.根据权利要求9所述的基于代谢组学的烟叶霉变识别方法,其特征在于,所述根据所述判别变量建立烟叶霉变的识别模型,包括:
将烟叶样本中的挥发性化合物进行Fisher逐步判别分析判筛选出对霉变烟叶判别有效的所述判别变量,根据所述判别变量建立Fisher线性判别函数。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210590045.3A CN114994229A (zh) | 2022-05-26 | 2022-05-26 | 一种基于代谢组学的烟叶霉变识别方法 |
US18/192,444 US20230393106A1 (en) | 2022-05-26 | 2023-03-29 | Metabonomics-based tobacco leaf mildewing identification method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210590045.3A CN114994229A (zh) | 2022-05-26 | 2022-05-26 | 一种基于代谢组学的烟叶霉变识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114994229A true CN114994229A (zh) | 2022-09-02 |
Family
ID=83028442
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210590045.3A Pending CN114994229A (zh) | 2022-05-26 | 2022-05-26 | 一种基于代谢组学的烟叶霉变识别方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230393106A1 (zh) |
CN (1) | CN114994229A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115876941B (zh) * | 2022-12-13 | 2024-09-17 | 中国烟草总公司郑州烟草研究院 | 雪茄烟叶霉变早期监测方法及霉变标志物 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109668992A (zh) * | 2017-10-13 | 2019-04-23 | 贵州中烟工业有限责任公司 | 一种霉变烟叶识别方法 |
CN110346445A (zh) * | 2019-07-05 | 2019-10-18 | 云南腾辉科技开发有限公司 | 一种基于气体分析质谱及近红外光谱分析烟叶霉变的方法 |
CN113406226A (zh) * | 2021-06-11 | 2021-09-17 | 四川省肿瘤医院 | 一种基于非靶向代谢组学检测gist患者血浆中伊马替尼代谢物的方法 |
-
2022
- 2022-05-26 CN CN202210590045.3A patent/CN114994229A/zh active Pending
-
2023
- 2023-03-29 US US18/192,444 patent/US20230393106A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109668992A (zh) * | 2017-10-13 | 2019-04-23 | 贵州中烟工业有限责任公司 | 一种霉变烟叶识别方法 |
CN110346445A (zh) * | 2019-07-05 | 2019-10-18 | 云南腾辉科技开发有限公司 | 一种基于气体分析质谱及近红外光谱分析烟叶霉变的方法 |
CN113406226A (zh) * | 2021-06-11 | 2021-09-17 | 四川省肿瘤医院 | 一种基于非靶向代谢组学检测gist患者血浆中伊马替尼代谢物的方法 |
Non-Patent Citations (4)
Title |
---|
张辰,帅万钧: "《PCR仪质量控制指南》", 31 May 2021, 机械工业出版社 * |
杨蕾: "环境对烟叶品质的影响分析及霉变预测方法研究", 中国博士学位论文全文数据库 农业科技辑, pages 162 - 216 * |
王晶: "《水源地水环境特征及水质预测模型与算法研究》", 30 April 2020, 燕山大学出版社 * |
陈森林: "液相色谱结合多元统计分析多酚与烟叶香型的关系", 分析化学, pages 725 - 730 * |
Also Published As
Publication number | Publication date |
---|---|
US20230393106A1 (en) | 2023-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Câmara et al. | Multivariate analysis for the classification and differentiation of Madeira wines according to main grape varieties | |
Unkovich et al. | Stable isotope techniques in the study of biological processes and functioning of ecosystems | |
CN108445094A (zh) | 气相离子迁移谱快速鉴别黄酒酒龄的建立方法以及应用 | |
Harley et al. | Observations and models of emissions of volatile terpenoid compounds from needles of ponderosa pine trees growing in situ: control by light, temperature and stomatal conductance | |
CN103134850A (zh) | 一种基于特征香气的茶叶品质快速检测装置及检测方法 | |
CN113406251B (zh) | 预测白酒储存年份的方法 | |
CN108760927B (zh) | 基于炉挥发物的电加热不燃烧卷烟外观质量分析方法 | |
Huang et al. | Scent profiling of Cymbidium ensifolium by electronic nose | |
CN106290690B (zh) | 一种基于生物碱的烟草代谢组学中新鲜烟叶样品质量的判别方法 | |
CN102507800B (zh) | 醋地理标志保护产品的香气指纹快速识别方法 | |
Morakul et al. | A dynamic analysis of higher alcohol and ester release during winemaking fermentations | |
CN107478736A (zh) | 一种基于挥发性成分组成判断啤酒花新鲜度的方法 | |
CN114994229A (zh) | 一种基于代谢组学的烟叶霉变识别方法 | |
CN101504395A (zh) | 一种利用气相指纹图谱控制烟用香精香料质量的方法 | |
CN102338780A (zh) | 一种卷烟品牌判别方法 | |
CN110097920B (zh) | 一种基于近邻稳定性的代谢组学数据缺失值填充方法 | |
CN104820052A (zh) | 一种快速预警烟草及烟草制品霉变的方法 | |
CN110231452A (zh) | 基于等温吸附曲线预测土壤粘粒含量或盐分含量的方法 | |
CN103499646A (zh) | 一种蜂蜜特征香气分析及蜂蜜香气体系模拟的方法 | |
CN113203803A (zh) | 多元线性逐步回归鉴别白酒储存时间的方法 | |
Niu et al. | Analysis of volatiles from stored wheat and Rhyzopertha dominica (F.) with solid phase microextraction–gas chromatography mass spectrometry | |
CN109324016A (zh) | 一种复烤片烟香型风格的判定方法 | |
CN111398487A (zh) | 一种保留指数在气相色谱-串联质谱分析烟草香味成分中的应用方法 | |
Li et al. | Study of assessment of green tea’grades in GC‐MS determination of aromatic components based on principal component analysis (PCA) | |
CN108645746A (zh) | 基于炉挥发物的电加热不燃烧卷烟感官质量分析方法 |
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 |