GC×GC-MS结合化学计量学 | 测定草鱼不同部位挥发性化合物
Doi: 10.1016/j.fbio.2023.103403
研究背景
淡水鱼的香气是富含多种挥发性分子的混合物🍌，具有令人不悦的泥土气味。这些🌊挥发性分子来源于各种生化反应。因此，人们对鱼的气味研究越来越感兴趣。
目前，用于阐明非靶向香气特征的常用分析技术是GC-MS。然而，由于生物样😼品的复杂性，可能含有成百上千种挥发性成分𒈔。传统的一维GC-MS由于其分离能力不足，可能会出现共洗脱等问题。为了识别重叠峰，引入了全二维气相色谱质谱（GC×GC-MS）联用技术。GC×GC-MS由于具有优越的分离能力和更高的峰容量，能够生成大量的数据，这对处理和分析气相色谱数据提出了巨大的挑战。对于有针对的靶向研究，质谱解卷积工具足以使研究人员从所需化合物中有效地提取信息。相比之下，在无针对的非靶向研究中，研究者缺乏关于样品成分和相关化合物的先觉知识。因此，先进的数据处理工具对于处理GC×GC-MS数据是非常重要的。
本研究改进并建立了一种检测草🥂鱼挥发性化合物的新方法。采用具有高分辨率的GC×GC-MS完全分离挥发性化合物，使用基于Matlab编写的脚本、PCA、OPLS-DA等化学计量学方法对挥发性成分进行大规模、꧒非靶向的研究，鉴定出了用于区分草鱼不同部位的51种关键挥发性候选物。
方法和结论
采用GCMS-TQ8050全二维气相色谱质谱系统，配备AOC-5000注射器、双级环型单调制器：DB-5MS色谱柱1（30 m × 0.25 mm × 0.25 μm）和BPX-1色谱柱2 (2.5 m × 0.1 mm × 0.1 μm)，系统由Cycle Composer软件控制。配备65 μm PDMS/DVB（poly-dimethylsiloxane-divinylbenzene）萃取头的AOC-5000𒅌注射器自动执行HS-SPME过程。将色谱图数据文件加载到GC image软件中进🙈行处理，生成省略S/N值小于100的blob表，该表包含如化合物ID、化合物名称、两根色谱柱的保留时间和RI、峰面积、blob体积等信息。由于不同样品的相同化合物在blob表中的ID是不同的，因此编写了基于Matlab的脚本来自动比较不同样品的相同物质。一个化合物种类最多的blob表被用作模板，其他blob表与其比较，以生成包含不同样品的相同化合物的矩阵。该矩阵被提交给Malab和SIMCA分别进行PCA和OPLS-DA分析，利用VIP值找出区分草鱼不同部位的关键挥发性成分（图1）。
图1. 技术路线
图2比较了来自相同样品的两个色谱图，其是使用相同仪器获得的。图2a显示了GC×GC曲线，图2b是1D GC（冷喷涂装置关闭，其他条件相同）。图2a的相应强度是图2b的3倍以上，这💯意味着GC×GC-MS比常规GC-MS更灵敏。
图2. 相同样品的GC×GC (a)和1D GC (b)的 TIC色谱图
图3展示了某一草鱼样品的GC×GC-MS指纹图谱（a: 1D-GC, b: G💫C×GC, c: 3D-G🔜C）。可以看出，色谱柱1出现了峰重叠等现象，许多blob均在色谱柱2上分离。此外，在GC箱温度程序中，加热速度非常慢（2 ℃/min），这意味着这些重叠峰很难通过优化色谱柱来分离。
由此得出结论，相对于传统一维GC-MS，和记娱乐的GC×GC-MS（GCMS-TP8050）能够检测出更多的挥发性化合物。以图2b为例，共检测出8749个blob，当S/N>50时有3042个blob，当S/N>100时有1469个blob。显然，一维GC是不能分离这么多峰的。
图3. 某一背肉样品的1D-GC (a), GC×GC (b), 3D-GC (c) 指纹图谱
表1展示了体积最大的前100种挥发性化合物，包括8种醇、♔7种醛、3种酮、33种烷烃、7种烯烃、21种酯、2种吡啶、1种酸、1种酚和17种其他化合物。其中，63种首次在草鱼中发现，44种首次在鱼和相关鱼制品中鉴定。
表1. 体积最大的前100种挥发性化合物（部分）
♏ 表2展示了51种关键挥发性候选物，这些化合物被认为是区分草鱼不同部位的最有影响的变量。热图（图🌼4）表明大多数化合物浓度较低，这表明化合物浓度越高，不代表其区分草鱼各部分的能力就越强。文献调研表明，51种关键挥发性候选物除了可能来自于鱼或鱼产品，也可能来自于植物、杀虫剂、环境污染物等。
表2. 51种关键挥发性候选物（部分）
图4. 51种挥发性候选物的热图
文献题目
🗹 《Determi𓆉nation of volatile compounds in different parts of grass carp using GC?GC-MS combined with chemometrics》
使用仪器
和记娱乐GCMS-TQ8050全二维气相色谱质谱联用仪（GC×GC-MS）
和记娱乐AOC系列多功能自动进样器
作者
赵国强, … , 江勇*等 江西科技师范大学
🐲 Guoqiang Zhao, Ya Yuan, Hong Zhou, Li🍃 Zhao, Yong Jiang*