CN115436539A - 基于脂质组学分析方法的金枪鱼品种及部位鉴定方法 - Google Patents
基于脂质组学分析方法的金枪鱼品种及部位鉴定方法 Download PDFInfo
- Publication number
- CN115436539A CN115436539A CN202211142168.7A CN202211142168A CN115436539A CN 115436539 A CN115436539 A CN 115436539A CN 202211142168 A CN202211142168 A CN 202211142168A CN 115436539 A CN115436539 A CN 115436539A
- Authority
- CN
- China
- Prior art keywords
- tuna
- principal component
- phospholipid
- score
- score map
- 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.)
- Granted
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
- 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
- G01N30/62—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
- G01N30/8624—Detection of slopes or peaks; baseline correction
- G01N30/8631—Peaks
- G01N30/8634—Peak quality criteria
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Engineering & Computer Science (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种基于脂质组学分析方法的金枪鱼品种及部位鉴定方法,包括以下步骤:提取金枪鱼中的磷脂,然后对A磷脂进行液相色谱‑质谱分析,获得磷脂的HILIC‑MS图,再与磷脂标准品的HILIC‑MS图比对后获得金枪鱼中PC、PE和PS的出峰时间,并选取该出峰时间对应的出峰位置进行分子提取,得到磷脂的脂质分子种;对脂质分子种进行主成分分析,并建立主成分得分图,并将该主成分得分图与主成分得分图库进行比对,若得分图中的磷脂得分位置和主成分得分图库中任一种类和部位的金枪鱼得分范围重叠,则认为该磷脂为该主成分得分图库所对应的金枪鱼种类和部位。本发明能够有效提高对金枪鱼的鉴定准确度,并减少作业人员在鉴定时的工作量。
Description
技术领域
本发明涉及一种金枪鱼的鉴定方法,特别是一种基于脂质组学分析方法的金枪鱼品种及部位鉴定方法。
背景技术
金枪鱼属主要分为蓝鳍金枪鱼、大目金枪鱼、黄鳍金枪鱼和长鳍金枪鱼,由于其营养丰富,含有多种人体必需的营养元素,因此具有较高的经济价值。而为了避免不法商贩利用其他鱼种冒充金枪鱼造成以次充好的欺诈行为,使得检验单位也需要建立快速可靠的检测方法和检测体系来鉴定金枪鱼类产品的原鱼料品种。
常规用于食品成分分析的方法分为蛋白质分析法和DNA分子遗传标记方法,其中蛋白质分析法是以蛋白质为基础,通过十二磺基硫酸钠-聚丙烯酰胺凝胶电泳(SDS--PAGE)、等电点聚焦电泳、毛细管电泳、高效液相色谱、酶联免疫法(EUSA)等用于区分食源性材料不同组分的检测方法进行检测;但对于鱼类加工产品而言,由于鱼类蛋白质相对不稳定,使得金枪鱼肉在冻藏及解冻过程中会破坏蛋白质的结构完整性及其生化特性,使蛋白质分析法并无法实现有效检测。而DNA分子遗传标记方法则是通过SYBR Green荧光PCR法进行PCR扩增反应,对鱼类成分DNA进行特异性检测;该检测方法虽灵敏度高,适用于对近亲缘关系鱼类种属的鉴定,但对同种鱼类的不同部位区别能力有限,从而对金枪鱼这类背部鱼肉和腹部鱼肉价值相差较大的鱼类而言,仍无法达到所需的检测效果。
针对上述问题,目前有研究人员试图利用鸟枪法至直接进样质谱建立金枪鱼不同种类、不同部位的脂质分子种指纹库,从而将金枪鱼样品检测得到的磷脂分子种类与指纹库进行比对,实现检测功能。但由于金枪鱼样品在检测过程中会对质谱检测器形成污染,即使在质谱前利用SPE柱对样品进行分离纯化工作,该污染仍无法消除;从而会降低指纹库的准确度以及对样品的检测稳定性,检测准确度无法达到要求。另一方面,对样品在质谱前的纯化工艺还会增加检测人员的劳动力和耗时,从而降低了对金枪鱼的检测效率。
因此,现有对金枪鱼种类和部位的鉴定方式存在准确度低、工作量大的问题。
发明内容
本发明的目的在于,提供一种基于脂质组学分析方法的金枪鱼品种及部位鉴定方法。它能够有效提高对金枪鱼的鉴定准确度,并减少作业人员在鉴定时的工作量。
本发明的技术方案:基于脂质组学分析方法的金枪鱼品种及部位鉴定方法,包括以下步骤:
a.提取金枪鱼中的磷脂,得A磷脂;
b.对A磷脂进行液相色谱-质谱分析,获得A磷脂的HILIC-MS图,得B数据;
c.将B数据与磷脂标准品的HILIC-MS图进行比对,获得金枪鱼中PC、PE和PS的出峰时间,得C出峰时间;
d.选取C出峰时间对应的出峰位置进行分子提取,得到磷脂的脂质分子种,得D脂质分子种;
e.对D脂质分子种进行主成分分析,并建立主成分得分图,得E得分图;
f.将E得分图与主成分得分图库进行比对,若E得分图中的磷脂得分位置和主成分得分图库中任一种类和部位的金枪鱼得分范围重叠,则认为该磷脂为该主成分得分图库所对应的金枪鱼种类和部位。
前述的基于脂质组学分析方法的金枪鱼品种及部位鉴定方法中,所述步骤e中对D脂质分子种进行主成分分析得到第一主成分和第二主成分,并以第一主成分和第二主成分为基础建立二维主成分得分图,得E得分图;所述步骤f中将E得分图与二维主成分得分图库进行比对,得到该磷脂所对应的金枪鱼种类和部位。
前述的基于脂质组学分析方法的金枪鱼品种及部位鉴定方法中,所述步骤e中对D脂质分子种进行主成分分析得到第一主成分、第二主成分和第三主成分,并以第一主成分、第二主成分和第三主成分为基础建立三维主成分得分图,得E得分图;所述步骤f中将E得分图与三维主成分得分图库进行比对,得到该磷脂所对应的金枪鱼种类和部位。
前述的基于脂质组学分析方法的金枪鱼品种及部位鉴定方法中,所述步骤f中主成分得分图库的生成方式包括以下步骤:
f1.分别选取不同种类、不同部位的金枪鱼进行液相色谱-质谱分析,得F1数据;
f2.比对磷脂标准品的出峰时间,选取对应出峰位置对F1数据进行分子提取,得到金枪鱼不同种类和不同部位的脂质分子种,得F2脂质分子种;
f3.以若干相同种类和部位金枪鱼的F2脂质分子种为基础进行主成分分析,并分别建立各F2脂质分子种的主成分得分图,得F3主成分得分图;
f4.将所有F3主成分得分图进行叠加,获得该金枪鱼种类和部位在主成分得分图中的得分范围,得F4主成分得分图;
f5.按f3和f4的步骤依次对不同种类和部位金枪鱼的F2脂质分子种进行主成分分析并获得F4主成分得分图,然后将各F4主成分得分图进行叠加,使不同种类和部位的金枪鱼在主成分得分图中形成各种不同的得分范围,得主成分得分图库;
该主成分得分图库包括二维主成分得分图库和三维主成分得分图库,二维主成分得分图库由各F2脂质分子种以第一主成分和第二主成分为基础生成,三维主成分得分图库由各F2脂质分子种以第一主成分、第二主成分和第三主成分为基础生成。
前述的基于脂质组学分析方法的金枪鱼品种及部位鉴定方法中,金枪鱼的种类分为蓝鳍金枪鱼、长鳍金枪鱼、黄鳍金枪鱼和大目金枪鱼,金枪鱼的部位分为背部和腹部。
前述的基于脂质组学分析方法的金枪鱼品种及部位鉴定方法中,所述步骤a中金枪鱼的磷脂提取方法具体包括以下步骤:
a1.将金枪鱼肉搅碎后,取每0.1g的样品加入3.0mL的二氯甲烷-甲醇溶液,震荡后于30℃水浴下分别超声提取20min,得A1品;
a2.将A1品加入1mL的超纯水后离心10分钟,收集有机相;剩余水相中加入3.0mL二氯甲烷并重复提取2次,合并3次提取液并氮气吹干,得到磷脂。
前述的基于脂质组学分析方法的金枪鱼品种及部位鉴定方法中,所述步骤b中的液相色谱条件为:以超纯水和甲醇为流动相,对A磷脂在HILIC柱上进行分离;液相参数为色谱柱:4.6mm×250mm,2.5μm的Cosmosil HILIC色谱柱;流动相A为含20mmol/L甲酸铵和18mmol/L甲酸的水溶液,流动相B为含18mmol/L甲酸的乙腈溶液;
梯度洗脱程序为0~3min,95%B;3~18min,95%B;18~23min,70%B;23~28min,50%B;28~29min,50%B;29~32min,95%B;
流量为0.6mL/min,进样量为2μL。
与现有技术相比,本发明具有以下特点:
(1)本发明在对金枪鱼进行脂质提取后直接通过液相分离进入质谱检测器进行检测,能够获得该金枪鱼的脂质分子种,而通过对上述脂质分子种进行主成分分析并将其与不同金枪鱼种类及部位的主成分得分图库进行比对,则能够利用该脂质分子种在得分图中的得分位置判断出该金枪鱼的种类和部位,从而实现对金枪鱼的有效鉴定;而在上述方法下,使得本申请在检测时能够通过液相分离去除其他非特异性磷脂之间的差异对鉴定结果产生的影响,进而避免质谱检测的污染对检测结果的影响,有效提高对金枪鱼的鉴定准确度;另一方面,由于本申请在提取粗脂肪后能够直接进样检测,无需对金枪鱼进行提纯,从而能够有效减少作业人员在鉴定时的工作量,提高其鉴定效率;
(2)通过对金枪鱼磷脂在提取时的参数限定,则能够有效提高对金枪鱼中各磷脂成分的提取效果,从而保证金枪鱼中特异性磷脂的提取稳定性;通过对液相色谱-质谱条件的优化,则能够在非纯化状态下有效提高对磷脂的提取率,从而进一步提高本发明的鉴定准确度;
所以,本发明能够有效提高对金枪鱼的鉴定准确度,并减少作业人员在鉴定时的工作量。
附图说明
图1是磷脂标准品的HILIC-MS图;
图2是蓝鳍金枪鱼背部鱼肉的PC、PE和PS质谱图;
图3是蓝鳍金枪鱼腹部鱼肉的PC、PE和PS质谱图;
图4是大目金枪鱼背部鱼肉的PC、PE和PS质谱图;
图5是大目金枪鱼腹部鱼肉的PC、PE和PS质谱图;
图6是黄鳍金枪鱼背部鱼肉的PC、PE和PS质谱图;
图7是黄鳍金枪鱼腹部鱼肉的PC、PE和PS质谱图;
图8是长鳍金枪鱼背部鱼肉的PC、PE和PS质谱图;
图9是长鳍金枪鱼腹部鱼肉的PC、PE和PS质谱图;
图10是不同种类金枪鱼的载荷图;
图11是不同种类金枪鱼的3D得分图;
图12是蓝鳍金枪鱼不同部位的载荷图;
图13是黄鳍金枪鱼不同部位的载荷图;
图14是大目金枪鱼不同部位的载荷图;
图15是长鳍金枪鱼不同部位的载荷图;
图16是蓝鳍金枪鱼不同部位的2D得分图;
图17是黄鳍金枪鱼不同部位的2D得分图;
图18是大目金枪鱼不同部位的2D得分图;
图19是长鳍金枪鱼不同部位的2D得分图;
图20是不同种类、不同部位的金枪鱼2D得分图。
图21是不同种类、不同部位的金枪鱼3D得分图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明,但并不作为对本发明限制的依据。
实施例。基于脂质组学分析方法的金枪鱼品种及部位鉴定方法,包括以下步骤:
a.提取金枪鱼中的磷脂,得A磷脂;
b.对A磷脂进行液相色谱-质谱分析,获得A磷脂的HILIC-MS图,得B数据;
c.将B数据与磷脂标准品的HILIC-MS图进行比对,获得金枪鱼中PC(磷脂酰胆碱)、PE(磷脂酰乙醇胺)和PS(磷脂酰丝氨酸)的出峰时间,标准品中PC的出峰时间为11.64min,PE的出峰时间为12.49min,PS的出峰时间为16.58min,得C出峰时间;
d.以C出峰时间为依据,选取相近出峰位置进行分子提取,然后通过Lipid View软件进行定性分析及相对含量测定,测出该磷脂中的PC分子、PE分子和PS分子,得到磷脂的脂质分子种,得D脂质分子种;
e.通过PCA方法对D脂质分子种进行主成分分析,并建立主成分得分图,得E得分图;
f.将E得分图与主成分得分图库进行比对,若E得分图中的磷脂得分位置和主成分得分图库中任一种类和部位的金枪鱼得分范围重叠,则认为该磷脂为该主成分得分图库所对应的金枪鱼种类和部位。
所述步骤e中对D脂质分子种进行主成分分析得到第一主成分和第二主成分,并以第一主成分和第二主成分为基础建立二维主成分得分图,得E得分图;所述步骤f中将E得分图与二维主成分得分图库进行比对,得到该磷脂所对应的金枪鱼种类和部位。
所述步骤e中对D脂质分子种进行主成分分析得到第一主成分、第二主成分和第三主成分,并以第一主成分、第二主成分和第三主成分为基础建立三维主成分得分图,得E得分图;所述步骤f中将E得分图与三维主成分得分图库进行比对,得到该磷脂所对应的金枪鱼种类和部位。
所述步骤f中主成分得分图库的生成方式包括以下步骤:
f1.分别选取不同种类、不同部位的金枪鱼进行液相色谱-质谱分析,得F1数据;
f2.比对磷脂标准品的出峰时间,选取对应出峰位置对F1数据进行分子提取,得到金枪鱼不同种类和不同部位的脂质分子种,得F2脂质分子种;
f3.以若干相同种类和部位金枪鱼的F2脂质分子种为基础进行主成分分析,并分别建立各F2脂质分子种的主成分得分图,得F3主成分得分图;
f4.将所有F3主成分得分图进行叠加,获得该金枪鱼种类和部位在主成分得分图中的得分范围,得F4主成分得分图;
f5.按f3和f4的步骤依次对不同种类和部位金枪鱼的F2脂质分子种进行主成分分析并获得F4主成分得分图,然后将各F4主成分得分图进行叠加,使不同种类和部位的金枪鱼在主成分得分图中形成各种不同的得分范围,得主成分得分图库;
该主成分得分图库包括二维主成分得分图库和三维主成分得分图库,二维主成分得分图库由各F2脂质分子种以第一主成分和第二主成分为基础生成,三维主成分得分图库由各F2脂质分子种以第一主成分、第二主成分和第三主成分为基础生成。
金枪鱼的种类分为蓝鳍金枪鱼、长鳍金枪鱼、黄鳍金枪鱼和大目金枪鱼,金枪鱼的部位分为背部和腹部;
主成分打分图中用于区分金枪鱼种类的特异性磷脂为PE(42:8)、PE(36:5)、PS(40:6)、PS(40:5)、PS(44:9)和PS(44:10);用于区分蓝鳍金枪鱼不同部位的特异性磷脂为PS(40:6)和PE(42:8),用于区分大目金枪鱼不同部位的特异性磷脂为PS(40:6)、PS(36:2)和PE(36:0),用于区分黄鳍金枪鱼不同部位的特异性磷脂为PS(44:9)、PS(40:6),用于区分长鳍金枪鱼不同部位的特异性磷脂为PC(34:1)、PS(36:1)、PS(44:9)和PS(40:6)。
所述步骤a中金枪鱼的磷脂提取方法具体包括以下步骤:
a1.将金枪鱼肉搅碎后,取每0.1g的样品置于聚四氟乙烯离心管中,加入3.0mL的二氯甲烷-甲醇溶液[V(二氯甲烷):V(甲醇)=2:1],震荡后于30℃水浴下分别超声提取20min,得A1品;
a2.将A1品加入1mL的超纯水后离心10分钟,收集有机相;剩余水相中加入3.0mL二氯甲烷并重复提取2次,合并3次提取液并氮气吹干,得到磷脂。
所述步骤b中的液相色谱条件为:以超纯水和甲醇为流动相,对A磷脂在HILIC柱上进行分离;液相参数为色谱柱:4.6mm×250mm,2.5μm的Cosmosil HILIC色谱柱;流动相A为含20mmol/L甲酸铵和18mmol/L甲酸的水溶液,流动相B为含18mmol/L甲酸的乙腈溶液;
梯度洗脱程序为0~3min,95%B;3~18min,95%B;18~23min,70%B;23~28min,50%B;28~29min,50%B;29~32min,95%B;上述%均为体积%;
流量为0.6mL/min,进样量为2μL。
所述步骤b中的质谱条件为:采用电喷雾离子源ESI负离子模式,离子源电压(IS)-4500V;毛细管温度500℃;气帘气(CUR)172.368kPa;雾化气(GS1)165.474kPa;辅助气(GS2)206.843kPa;扫描范围m/z 600~1000。
本发明的工作原理:本发明通过对若干相同种类和部位的金枪鱼磷脂进行主成分分析,获得若干金枪鱼同一种类及部位的主成分得分图;然后将各主成分得分图叠加后根据得分位置人为划分出该种类和部位金枪鱼在主成分得分图中的得分范围。再按照上述方式将不同种类和部位金枪鱼的得分范围进行叠加,便能形成对应的主成分得分图库。
在鉴定时,通过对该检测品进行磷脂提取和主成分分析,能够得到检测品的主成分得分图,然后将该主成分得分图中的得分位置与主成分得分图库进行对比,当该检测品的得分位置落在图中任一种类和部位金枪鱼的得分范围内,则说明检测品为该得分范围所对应的金枪鱼种类及部位。由于在利用二维主成分得分图进行比对时,蓝鳍金枪鱼的背部和大目金枪鱼的腹部的得分位置之间存在重叠,无法区分;黄鳍金枪鱼的腹部和大目金枪鱼的背部的得分位置之间存在重叠,无法区分。使得处理人员在实际检测时能够先利用二维主成分得分图进行比对,若该检测品的得分范围处于重叠位置时便进行三维主成分得分图的比对,从而准确获得该检测品的金枪鱼种类和部位。
实验例:本实验例以蓝鳍金枪鱼的背部和腹部、长鳍金枪鱼的背部和腹部、黄鳍金枪鱼的背部和腹部,以及大目金枪鱼的背部和腹部作为样品,依次进行液相色谱-质谱分析、分子提取和相对含量的测定,获得磷脂中的PC分子、PE分子和PS分子,每组样品平行测定13次。
其中蓝鳍金枪鱼背部鱼肉的PC、PE和PS质谱图如图2所示,图2A为蓝鳍金枪鱼背部鱼肉的PC质谱图,图2B为蓝鳍金枪鱼背部鱼肉的PE质谱图,图2C为蓝鳍金枪鱼背部鱼肉的PS质谱图;蓝鳍金枪鱼腹部鱼肉的PC、PE和PS质谱图如图3所示,图3A为蓝鳍金枪鱼腹部鱼肉的PC质谱图,图3B为蓝鳍金枪鱼腹部鱼肉的PE质谱图,图3C为蓝鳍金枪鱼腹部鱼肉的PS质谱图;蓝鳍金枪鱼背部鱼肉和腹部鱼肉的磷脂分子种组成如表1所示:
表1蓝鳍金枪鱼肉磷脂分子种组成分析
大目金枪鱼背部鱼肉的PC、PE和PS质谱图如图4所示,图4A为大目金枪鱼背部鱼肉的PC质谱图,图4B为大目金枪鱼背部鱼肉的PE质谱图,图4C为大目金枪鱼背部鱼肉的PS质谱图;大目金枪鱼腹部鱼肉的PC、PE和PS质谱图如图5所示,图5A为大目金枪鱼腹部鱼肉的PC质谱图,图5B为大目金枪鱼腹部鱼肉的PE质谱图,图5C为大目金枪鱼腹部鱼肉的PS质谱图;大目金枪鱼背部鱼肉和腹部鱼肉的磷脂分子种组成如表2所示:
表2大目金枪鱼肉磷脂分子种组成分析
黄鳍金枪鱼背部鱼肉的PC、PE和PS质谱图如图6所示,图6A为黄鳍金枪鱼背部鱼肉的PC质谱图,图6B为黄鳍金枪鱼背部鱼肉的PE质谱图,图6C为黄鳍金枪鱼背部鱼肉的PS质谱图;黄鳍金枪鱼腹部鱼肉的PC、PE和PS质谱图如图7所示,图7A为黄鳍金枪鱼腹部鱼肉的PC质谱图,图7B为黄鳍金枪鱼腹部鱼肉的PE质谱图,图7C为黄鳍金枪鱼腹部鱼肉的PS质谱图;黄鳍金枪鱼背部鱼肉和腹部鱼肉的磷脂分子种组成如表3所示:
表3黄鳍金枪鱼肉磷脂分子种组成分析
长鳍金枪鱼背部鱼肉的PC、PE和PS质谱图如图8所示,图8A为长鳍金枪鱼背部鱼肉的PC质谱图,图8B为长鳍金枪鱼背部鱼肉的PE质谱图,图8C为长鳍金枪鱼背部鱼肉的PS质谱图;长鳍金枪鱼腹部鱼肉的PC、PE和PS质谱图如图9所示,图9A为长鳍金枪鱼腹部鱼肉的PC质谱图,图9B为长鳍金枪鱼腹部鱼肉的PE质谱图,图9C为长鳍金枪鱼腹部鱼肉的PS质谱图;长鳍金枪鱼背部鱼肉和腹部鱼肉的磷脂分子种组成如表4所示:
表4长鳍金枪鱼肉磷脂分子种组成分析
对上述样品中的磷脂成分进行主成分分析,并形成不同种类金枪鱼的载荷图,各种类金枪鱼的载荷图在叠加后如图10所示,通过图10可以看出,将不同种类的金枪鱼载荷图叠加后,载荷图在PE(42:8)、PE(36:5)、PS(40:6)、PS(40:5)、PS(44:9)和PS(44:10)位置与其他脂质位置互不重叠且距离较大,可以作为用于区分金枪鱼种类的特异性磷脂,说明不同种类的金枪鱼之间存在特异性磷脂,通过主成分打分图的比对能够实现对金枪鱼种类的区分。以第一主成分、第二主成分和第三主成分为基础生成不同种类金枪鱼的3D得分图,如图11所示,黄鳍金枪鱼、大目金枪鱼、长鳍金枪鱼和蓝鳍金枪鱼之间相互分离,说明采用主成分分析法能够实现对金枪鱼种类的区分。
通过对每种金枪鱼种类的不同部位的磷脂成分进行主成分分析,生成每种金枪鱼不同部位的载荷图,如图12-15所示,图12为蓝鳍金枪鱼不同部位在叠加后的载荷图,图13为黄鳍金枪鱼不同部位在叠加后的载荷图,图14为大目金枪鱼不同部位在叠加后的载荷图,图15为长鳍金枪鱼不同部位在叠加后的载荷图。可以看出,将同种类不同部位的金枪鱼载荷图叠加后,蓝鳍金枪鱼的载荷图中PS(40:6)和PE(42:8)位置与其他脂质位置互不重叠且距离较大,黄鳍金枪鱼的载荷图中PS(44:9)和PS(40:6)位置与其他脂质位置互不重叠且距离较大,大目金枪鱼的载荷图中PS(40:6)、PS(36:2)和PE(36:0)位置与其他脂质位置互不重叠且距离较大,长鳍金枪鱼的载荷图中PC(34:1)、PS(36:1)、PS(44:9)和PS(40:6)位置与其他脂质位置互不重叠且距离较大,即可以作为用于区分的特异性磷脂。其次,对比四个金枪鱼种类的载荷图可以看出,不同金枪鱼种类的特异性磷脂之间互不重叠或仅部分重叠,证明上述特异性磷脂能够用于实现对金枪鱼种类的区分。
在上述基础上,以第一主成分、第二主成分为基础,生成每种金枪鱼不同部位的2D得分图,如图16-19所示,图16为蓝鳍金枪鱼不同部位的2D得分图,图17为黄鳍金枪鱼不同部位的2D得分图,图18为大目金枪鱼不同部位的2D得分图,图19为长鳍金枪鱼不同部位的2D得分图,图中的标记B为背部,标记F为腹部。通过对每种金枪鱼不同部位的2D得分图可以看出,同一种类不同部位的金枪鱼的主成分可以明显进行区分,说明本申请的鉴定方法能够实现对金枪鱼部位的区分。
以第一主成分和第二主成分为基础,生成所有种类及部位的金枪鱼2D得分图并叠加,如图20所示,图中的标记CB为长鳍金枪鱼背部脂质,标记CF为长鳍金枪鱼腹部脂质,标记DB大目金枪鱼背部脂质,标记DF为大目金枪鱼腹部脂质,以此类推。通过不同种类不同部位的金枪鱼2D得分图(即二维主成分得分图库)可以看出,蓝鳍金枪鱼的背部和大目金枪鱼的腹部的得分位置之间存在重叠,黄鳍金枪鱼的腹部和大目金枪鱼的背部的得分位置之间存在重叠,而其他种类及部位金枪鱼的得分位置相互分离,说明采用二维主成分打分图的方式进行比对能够实现对部分金枪鱼的区分,而对于蓝鳍金枪鱼的背部、大目金枪鱼的腹部、黄鳍金枪鱼的腹部和大目金枪鱼的背部则需要引入三维主成分打分图进行区分。
以第一主成分、第二主成分和第三主成分为基础,生成所有种类及部位的金枪鱼3D得分图并叠加,如图21所示。通过不同种类不同部位的金枪鱼3D得分图(即三维主成分得分图库)可以看出,各种类及部位的金枪鱼磷脂得分相互分离,说明采用3D主成分得分图能够实现对不同种类、不同部位的金枪鱼的鉴定。
Claims (7)
1.基于脂质组学分析方法的金枪鱼品种及部位鉴定方法,其特征在于,包括以下步骤:
a.提取金枪鱼中的磷脂,得A磷脂;
b.对A磷脂进行液相色谱-质谱分析,获得A磷脂的HILIC-MS图,得B数据;
c.将B数据与磷脂标准品的HILIC-MS图进行比对,获得金枪鱼中PC、PE和PS的出峰时间,得C出峰时间;
d.选取C出峰时间对应的出峰位置进行分子提取,得到磷脂的脂质分子种,得D脂质分子种;
e.对D脂质分子种进行主成分分析,并建立主成分得分图,得E得分图;
f.将E得分图与主成分得分图库进行比对,若E得分图中的磷脂得分位置和主成分得分图库中任一种类和部位的金枪鱼得分范围重叠,则认为该磷脂为该主成分得分图库所对应的金枪鱼种类和部位。
2.根据权利要求1所述的基于脂质组学分析方法的金枪鱼品种及部位鉴定方法,其特征在于:所述步骤e中对D脂质分子种进行主成分分析得到第一主成分和第二主成分,并以第一主成分和第二主成分为基础建立二维主成分得分图,得E得分图;所述步骤f中将E得分图与二维主成分得分图库进行比对,得到该磷脂所对应的金枪鱼种类和部位。
3.根据权利要求1所述的基于脂质组学分析方法的金枪鱼品种及部位鉴定方法,其特征在于:所述步骤e中对D脂质分子种进行主成分分析得到第一主成分、第二主成分和第三主成分,并以第一主成分、第二主成分和第三主成分为基础建立三维主成分得分图,得E得分图;所述步骤f中将E得分图与三维主成分得分图库进行比对,得到该磷脂所对应的金枪鱼种类和部位。
4.根据权利要求1所述的基于脂质组学分析方法的金枪鱼品种及部位鉴定方法,其特征在于,所述步骤f中主成分得分图库的生成方式包括以下步骤:
f1.分别选取不同种类、不同部位的金枪鱼进行液相色谱-质谱分析,得F1数据;
f2.比对磷脂标准品的出峰时间,选取对应出峰位置对F1数据进行分子提取,得到金枪鱼不同种类和不同部位的脂质分子种,得F2脂质分子种;
f3.以若干相同种类和部位金枪鱼的F2脂质分子种为基础进行主成分分析,并分别建立各F2脂质分子种的主成分得分图,得F3主成分得分图;
f4.将所有F3主成分得分图进行叠加,获得该金枪鱼种类和部位在主成分得分图中的得分范围,得F4主成分得分图;
f5.按f3和f4的步骤依次对不同种类和部位金枪鱼的F2脂质分子种进行主成分分析并获得F4主成分得分图,然后将各F4主成分得分图进行叠加,使不同种类和部位的金枪鱼在主成分得分图中形成各种不同的得分范围,得主成分得分图库;
该主成分得分图库包括二维主成分得分图库和三维主成分得分图库,二维主成分得分图库由各F2脂质分子种以第一主成分和第二主成分为基础生成,三维主成分得分图库由各F2脂质分子种以第一主成分、第二主成分和第三主成分为基础生成。
5.根据权利要求4所述的基于脂质组学分析方法的金枪鱼品种及部位鉴定方法,其特征在于:金枪鱼的种类分为蓝鳍金枪鱼、长鳍金枪鱼、黄鳍金枪鱼和大目金枪鱼,金枪鱼的部位分为背部和腹部。
6.根据权利要求1所述的基于脂质组学分析方法的金枪鱼品种及部位鉴定方法,其特征在于,所述步骤a中金枪鱼的磷脂提取方法具体包括以下步骤:
a1.将金枪鱼肉搅碎后,取每0.1g的样品加入3.0mL的二氯甲烷-甲醇溶液,震荡后于30℃水浴下分别超声提取20min,得A1品;
a2.将A1品加入1mL的超纯水后离心10分钟,收集有机相;剩余水相中加入3.0mL二氯甲烷并重复提取2次,合并3次提取液并氮气吹干,得到磷脂。
7.根据权利要求1所述的基于脂质组学分析方法的金枪鱼品种及部位鉴定方法,其特征在于,所述步骤b中的液相色谱条件为:以超纯水和甲醇为流动相,对A磷脂在HILIC柱上进行分离;液相参数为色谱柱:4.6mm×250mm,2.5μm的CosmosilHILIC色谱柱;流动相A为含20mmol/L甲酸铵和18mmol/L甲酸的水溶液,流动相B为含18mmol/L甲酸的乙腈溶液;
梯度洗脱程序为0~3min,95%B;3~18min,95%B;18~23min,70%B;23~28min,50%B;28~29min,50%B;29~32min,95%B;
流量为0.6mL/min,进样量为2μL。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211142168.7A CN115436539B (zh) | 2022-09-20 | 2022-09-20 | 基于脂质组学分析方法的金枪鱼品种及部位鉴定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211142168.7A CN115436539B (zh) | 2022-09-20 | 2022-09-20 | 基于脂质组学分析方法的金枪鱼品种及部位鉴定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115436539A true CN115436539A (zh) | 2022-12-06 |
CN115436539B CN115436539B (zh) | 2023-06-27 |
Family
ID=84248758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211142168.7A Active CN115436539B (zh) | 2022-09-20 | 2022-09-20 | 基于脂质组学分析方法的金枪鱼品种及部位鉴定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115436539B (zh) |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003102543A2 (en) * | 2002-05-31 | 2003-12-11 | Waters Investments Limited | A method of using data binning in the analysis of chromatograhpy/spectrometry data |
US7465425B1 (en) * | 2002-09-09 | 2008-12-16 | Yizhong Sun | Sensor and method for detecting analytes in fluids |
US20110124061A1 (en) * | 2004-01-21 | 2011-05-26 | Su Chen | Method for preparation of polyunsaturated fatty acid-containing phosphatidylserine |
WO2013147589A2 (en) * | 2012-03-29 | 2013-10-03 | Institut Penyelidikan Dan Kemajuan Pertanian Malaysia (Mardi) | Assay for identifying animal species in raw and cooked conditions |
CN104569132A (zh) * | 2014-12-29 | 2015-04-29 | 西安石油大学 | 一种基于质谱和主成分分析的食用油鉴别方法 |
WO2016027792A1 (ja) * | 2014-08-22 | 2016-02-25 | 一般財団法人ニッセンケン品質評価センター | 繊維鑑別方法 |
WO2016039348A1 (ja) * | 2014-09-10 | 2016-03-17 | 一般財団法人ニッセンケン品質評価センター | タンパク質繊維の鑑別方法 |
CN105424641A (zh) * | 2014-09-04 | 2016-03-23 | 中国石油化工股份有限公司 | 一种原油种类的近红外光谱识别方法 |
CN106153763A (zh) * | 2016-06-17 | 2016-11-23 | 浙江工商大学 | 刀额新对虾中磷脂的亲水色谱‑串联质谱检测方法 |
CN108918725A (zh) * | 2018-08-31 | 2018-11-30 | 浙江工商大学 | 有效鉴别不同种类中华鳖的分析检测方法 |
CN109298088A (zh) * | 2018-10-10 | 2019-02-01 | 中国农业科学院农业质量标准与检测技术研究所 | 一种牛肉产地的标志物筛选方法及其应用 |
CN109374762A (zh) * | 2018-10-16 | 2019-02-22 | 广州中医药大学第附属医院 | 一种基于代谢组学鉴别广陈皮与陈皮品种的方法 |
CN109971539A (zh) * | 2019-03-18 | 2019-07-05 | 浙江工商大学 | 一种用于金枪鱼副产物的磷脂及鱼油提取方法 |
JP2019158818A (ja) * | 2018-03-16 | 2019-09-19 | 静岡県公立大学法人 | 生物種の判別方法 |
EP3575793A1 (en) * | 2018-05-29 | 2019-12-04 | Univerzita Pardubice | A method of diagnosing cancer based on lipidomic analysis of a body fluid |
CN111044482A (zh) * | 2018-10-11 | 2020-04-21 | 中国石油化工股份有限公司 | 原油调配方法 |
AU2018355927A1 (en) * | 2017-10-27 | 2020-04-30 | Motorola Solutions, Inc. | Method and system for facilitating identification of an object-of-interest |
CN111678973A (zh) * | 2020-07-18 | 2020-09-18 | 上海海洋大学 | 一种基于质谱分析技术快速鉴定大西洋鲑鱼和虹鳟鱼的方法 |
CN112730410A (zh) * | 2020-12-25 | 2021-04-30 | 上海海洋大学 | 一种光谱法快速分辨海鲜的方法 |
CN113740410A (zh) * | 2021-09-26 | 2021-12-03 | 浙江工商大学 | 金枪鱼肉湿式熟成成熟度检测方法 |
CN114814004A (zh) * | 2022-03-31 | 2022-07-29 | 浙江工业大学 | 一种基于植物代谢组学和谱效关系的决明子质量评价方法 |
-
2022
- 2022-09-20 CN CN202211142168.7A patent/CN115436539B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003102543A2 (en) * | 2002-05-31 | 2003-12-11 | Waters Investments Limited | A method of using data binning in the analysis of chromatograhpy/spectrometry data |
US7465425B1 (en) * | 2002-09-09 | 2008-12-16 | Yizhong Sun | Sensor and method for detecting analytes in fluids |
US20110124061A1 (en) * | 2004-01-21 | 2011-05-26 | Su Chen | Method for preparation of polyunsaturated fatty acid-containing phosphatidylserine |
WO2013147589A2 (en) * | 2012-03-29 | 2013-10-03 | Institut Penyelidikan Dan Kemajuan Pertanian Malaysia (Mardi) | Assay for identifying animal species in raw and cooked conditions |
WO2016027792A1 (ja) * | 2014-08-22 | 2016-02-25 | 一般財団法人ニッセンケン品質評価センター | 繊維鑑別方法 |
CN105424641A (zh) * | 2014-09-04 | 2016-03-23 | 中国石油化工股份有限公司 | 一种原油种类的近红外光谱识别方法 |
WO2016039348A1 (ja) * | 2014-09-10 | 2016-03-17 | 一般財団法人ニッセンケン品質評価センター | タンパク質繊維の鑑別方法 |
CN104569132A (zh) * | 2014-12-29 | 2015-04-29 | 西安石油大学 | 一种基于质谱和主成分分析的食用油鉴别方法 |
CN106153763A (zh) * | 2016-06-17 | 2016-11-23 | 浙江工商大学 | 刀额新对虾中磷脂的亲水色谱‑串联质谱检测方法 |
AU2018355927A1 (en) * | 2017-10-27 | 2020-04-30 | Motorola Solutions, Inc. | Method and system for facilitating identification of an object-of-interest |
JP2019158818A (ja) * | 2018-03-16 | 2019-09-19 | 静岡県公立大学法人 | 生物種の判別方法 |
EP3575793A1 (en) * | 2018-05-29 | 2019-12-04 | Univerzita Pardubice | A method of diagnosing cancer based on lipidomic analysis of a body fluid |
CN108918725A (zh) * | 2018-08-31 | 2018-11-30 | 浙江工商大学 | 有效鉴别不同种类中华鳖的分析检测方法 |
CN109298088A (zh) * | 2018-10-10 | 2019-02-01 | 中国农业科学院农业质量标准与检测技术研究所 | 一种牛肉产地的标志物筛选方法及其应用 |
CN111044482A (zh) * | 2018-10-11 | 2020-04-21 | 中国石油化工股份有限公司 | 原油调配方法 |
CN109374762A (zh) * | 2018-10-16 | 2019-02-22 | 广州中医药大学第附属医院 | 一种基于代谢组学鉴别广陈皮与陈皮品种的方法 |
CN109971539A (zh) * | 2019-03-18 | 2019-07-05 | 浙江工商大学 | 一种用于金枪鱼副产物的磷脂及鱼油提取方法 |
CN111678973A (zh) * | 2020-07-18 | 2020-09-18 | 上海海洋大学 | 一种基于质谱分析技术快速鉴定大西洋鲑鱼和虹鳟鱼的方法 |
CN112730410A (zh) * | 2020-12-25 | 2021-04-30 | 上海海洋大学 | 一种光谱法快速分辨海鲜的方法 |
CN113740410A (zh) * | 2021-09-26 | 2021-12-03 | 浙江工商大学 | 金枪鱼肉湿式熟成成熟度检测方法 |
CN114814004A (zh) * | 2022-03-31 | 2022-07-29 | 浙江工业大学 | 一种基于植物代谢组学和谱效关系的决明子质量评价方法 |
Non-Patent Citations (7)
Title |
---|
XINA YU ET AL: "lipidomics study of rainbow trout (oncorhynchus mykiss) and salmons (oncorhynchus tshawytscha and salmo salar) using hydrophilic interaction chromatography and mass spectrometry", 《LWT-FOOD SCIENCE AND TECHNOLOGY》 * |
曾祥盛 等: "传感器阵列对生乳及其若干形态的差异性识别", 《食品科学》 * |
李娟;范璐;邓德文;周展明;吴存荣;唐怀建;: "近红外光谱法主成分分析6种植物油脂的研究", 河南工业大学学报(自然科学版) * |
殷艳;: "基于液相色谱-高分辨质谱技术的食品脂质组学分析", 检验检疫学刊 * |
肖蕾;蓝蔚青;孙晓红;张皖君;赵宏强;谢晶;: "金枪鱼常用保鲜方式及品质检测技术研究进展", 包装工程 * |
陈康 等: "基于PCA 分析的陕西农业信息化评价及可视化研究", 《热带农业工程》 * |
黄晨 等: "基于不同降维方法的PPI 端元提取效果对比研究", 《安徽农学通报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115436539B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ortea et al. | Review on proteomics for food authentication | |
CN106153763B (zh) | 刀额新对虾中磷脂的亲水色谱-串联质谱检测方法 | |
Rogowska-Wrzesinska et al. | 2D gels still have a niche in proteomics | |
Valletta et al. | Mass spectrometry-based protein and peptide profiling for food frauds, traceability and authenticity assessment | |
Warren | Organic N molecules in the soil solution: what is known, what is unknown and the path forwards | |
Faeste et al. | Liquid chromatography and mass spectrometry in food allergen detection | |
CN108828051A (zh) | 快速蒸发离子化质谱的南极磷虾油的脂质实时检测方法 | |
Yuswan et al. | Improved gel-enhanced liquid chromatography-mass spectrometry by chemometrics for halal proteomics | |
CN111678973A (zh) | 一种基于质谱分析技术快速鉴定大西洋鲑鱼和虹鳟鱼的方法 | |
CN109253983A (zh) | 基于中红外光谱和神经网络技术的快速鉴定和检测小清蛋白的方法 | |
Cajka et al. | Advances in mass spectrometry for food authenticity testing: an omics perspective | |
Furse et al. | Lipid extraction from dried blood spots and dried milk spots for untargeted high throughput lipidomics | |
Lu et al. | Impact of air‐frying on the plasmalogens deterioration and oxidation in oyster revealed by mild acid hydrolysis and HILIC‐MS‐based lipidomics analysis | |
CN115436539A (zh) | 基于脂质组学分析方法的金枪鱼品种及部位鉴定方法 | |
Romero-Rodríguez et al. | Back to Osborne. Sequential protein extraction and LC-MS analysis for the characterization of the Holm oak seed proteome | |
Erngren et al. | The effects of sampling and storage conditions on the metabolite profile of the marine sponge Geodia barretti | |
Remignon et al. | Current advances in proteomic analysis and its use for the resolution of poultry meat quality problems | |
CN111751463A (zh) | 一种基于风味特征的广式腊肠品质快速鉴别方法 | |
JP2004532414A (ja) | 生物学的材料の属、種、品種及び/又は地理的産地を定性的及び/又は定量的に決定する方法 | |
CN107064338A (zh) | 一种基于iTRAQ标记测定烟碱诱导细胞差异表达蛋白质的方法 | |
CN116046956A (zh) | 不同乳基成分婴幼儿配方奶粉的分析鉴定方法 | |
de Sousa Barbosa et al. | Sample preparation focusing on plant proteomics: extraction, evaluation and identification of proteins from sunflower seeds | |
Lay Jr et al. | Rapid characterization of lipids by MALDI MS. Part 1: Bacterial taxonomy and analysis of food oils | |
CN115343407B (zh) | 一种应用iTRAQ技术鉴别冰鲜三文鱼和冻融三文鱼的方法 | |
US7989215B2 (en) | Methods and systems for adding a reagent to an analyte in a gel |
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 |