高分辨质谱脂质轮廓谱表征用于食品组学研究中...（一）

1. 前言

食品组学（Foodomics）是食品科学中的一门新兴学科，它通过运用或整合各种先进组学技术（-Omics）来研究食品与营养学中的相关科学问题，从而改善消费者的福祉与健康 ^[1]。按照研究目的与对象体系的不同，食品组学能从基因组学、蛋白组学与代谢组学等不同组学角度实施，可广泛应用于食品产地溯源 / 真实性判别、掺杂打假、转基因分析、食品生产工艺优化等领域 ^[2]。代谢组学是研究目标体系中小分子物质群定性定量存在或变化信息的一门组学，它与食品组学存在着天然直接的关联，彼此融通。利用代谢组学的手段开展食品组学研究，能描绘食品中营养物质群的存在分布规律，揭示发酵、烘焙等AN_C_LCMSMS_9_201507Y生产工艺中食品组分的动态演变趋势，剖析食品风格风味的微观化学物质基础，以及认识食品营养与疾病间的关联关系等等，这都具有重要的应用价值 ^[3]。

食品组学的开展有赖于大数据的高效表征，液相色谱 - 高分辨质谱技术以其准确灵敏等技术优势成为了食品组学研究最为重要的表征技术手段之一。本文利用 Thermo ScientificTM Q Exactive^TM 四极杆 - 静电场轨道阱高分辨质谱与相关组学信息处理软件产品，开展了基于脂质轮廓谱的食用植物油分类研究，可为名贵食用植物油的掺杂打假、油脂的功能营养学研究提供新的思路。

2. 实验部分

2.1 样品采集与制备

大豆油、菜籽油、花生油、亚麻籽油等十余种不同种类的常见食用植物油样品购自各地超市，部分由客户采集并提供。取适量植物油原液，用乙腈 - 异丙醇混合溶液稀释，涡旋混匀后， 15℃ 恒温下 5,000 g 离心 10 min，取上清液，供分析用。

2.2 脂质轮廓谱采集

使用 Thermo Scientific^TM DionexTM Ultimate ^TM 3000 超高效液相色谱串联 Thermo Scientific^TM Q  Exactive^TM 高分辨质谱采集脂质轮廓谱。

色谱条件：反相分离，二元洗脱，进样体积 5 µL，其余条件见下表。

质谱条件： Q Exactive 使用 HESI Ⅱ 加热电喷雾离子源，正离子模式，离子源主要配置参数：喷雾电压（spray
voltage）3000 V，毛细管温度（capillary temp.）350 ℃，气化温度（probe heater temp.）300 ℃，鞘气流速（sheath gas）40 arb，辅助气流速（aux gas）12 arb， S-Lens level 55%。脂质轮廓谱分析采用全扫描模式，质量扫描范围 400–1200m/z， 70,000 FWHM 分辨率， AGC target 3e6， Maximum IT 200 ms。脂质分子结构鉴定采用 Full scan-ddMS2 模式，一级 MS 分辨率 70,000 FWHM， MS2 分辨率 17,500 FWHM，AGC target - 1e5， maximum IT - 50 ms， isolation window - 2.0m/z， NCE - 30%， underfill ratio - 1%， Apex trigger - 3~6 s，dynamic exclusion time - 10 s， loop count (TopN) – 5。

2.3 组学数据处理

SIEVE 软件分析：全扫描脂质轮廓谱数据处理，包括色谱匹配校正、质谱特征提取、分析数据质量评估，使用Thermo Scientifc SIEVETM 2.2 SP2 无标记差异表达分析软件完成。质谱信号特征提取使用 Small molecule-Component Exctraction算法，主要参数设定为： max RT shift - 0.2 min； Background SN – 50； Base peak minimum intensity - 5e6； RT peak isolation - 0.2 min； peak algorithm - PPD。

LipidSearch 软件分析： LipidSearch^TM 是 Thermo Fisher Scientific 专为解决脂质组学高通量数据分析中各种科学问题而研发的软件，它庞大的谱图库中包含高达一百七十余万个lipid species 的 MS2/MS3 预测谱图，软件搜索引擎可通过实测谱图与理论预测谱图间的匹配，实现自动化的脂质分子结构注释。实验利用ProductSearch_QEX 检索模式对 Full scanddMS2 数据进行分析，主要参数包括： precursor tolerance -5 ppm； product tolerance - 10 ppm； intensity threshold - 1.0%；m-score threshold - 2.0； ID quality filter - A, B, C, D。

主成分分析（PCA， Principal Component Analysis）与聚类分析：使用 SIEVE 软件以及 SIMCA-P 软件完成 [4]。

3. 结果与讨论

3.1 SIEVE 处理与数据质量评价

图 2 为实验采集的各种食用植物油的脂质轮廓图， Q Exactive 定性定量兼得的 Quanfirmation 分析力与稳健性为随后基于 SIEVE 软件的组学信息挖掘提供了高质量的数据基础。图 3A 展示了 SIEVE 软件的色谱匹配效果。同时，由于分析样本数目大，实验采用 Pooled Quality Control 策略进行分析性能质控。结果如图 3B，在 SIEVE 完成的 PCA 分析 3D 主成分得分图（score plot）中，所有的质控样本均紧密地聚集分布在 3D 得分图的中心，显示 Q Exactive 的长期稳健性表现出色。如图 4 所示， SIEVE 软件可利用 Orbitrap^TM 采集的高分辨准确质谱数据与精细同位素模式信息，通过软件内嵌的加合离子数据库与色谱行为评估等一系列迭代，对复杂的质谱谱图进行自
动解卷积，将源自于同一代谢物的数十个复杂质谱信号特征简化为一个代谢组分（metabolic component），从而大大改善模式识别数据矩阵的信息纯度与有效性。