高分辨质谱脂质轮廓谱表征用于食品组学研究中...（二）
3.2 分类与多元统计结果
实验挑选 6 种最为常见的食用植物油进行深度的多元统计分析。图 5 为对 SIEVE 软件获得的脂质轮廓谱数据矩阵进行聚类分析的结果，可见， 6 种食用植物油样品按照各自的植物基源，分类明确。
随后，为进一步明晰不同脂质分子在脂质整体轮廓分类中的贡献，实验又对这 6 种植物油样本进行了无师监督（unsupervised）的 PCA 分析。结果如图 6A，得分图中六种植物油样品大致聚集为 4 大类，分类趋势与聚类分析结果相一致。综合两种多元统计的结果，可推知花生油、菜籽油与芝麻油三者之间的脂质成分组成谱征间具有更高的类似性，其与大豆油、葵花籽油与亚麻籽油间的整体组间差异更为显著。
图 6B 载荷图中 α、β、γ 区域内的变量对得分图中的聚类趋势具有较高的贡献权重。利用 Q Exative sub-ppm 的高质量精度可准确推定出这些甘油三酯分子的唯一元素组成，同时结合 LipidSearch 软件的自动谱库检索（图 7），可便利地鉴定这些差异脂质的分子结构，结果见表 1。载荷图中 α 域内，脂肪酸酰链富含亚油酸（Linoleic acid）的脂质分子在大豆油与葵花籽油中高表达。同理而言， β 域内富含油酸（Oleic acid）的甘油三酯在菜籽油与花生油中高表达，而 γ 域内的脂质分子具有高度的不饱和性，亚麻酸（Linolenic acid）含量十分丰富。位居于 PC1 方向中心位置处的芝麻油中油酸与亚油酸的含量比例则相对较为均衡。实验分别选取上述三类中的两个典型脂质分子进行统计分析，结果见图 8。
聚焦食品与健康间的关联是当今食品科学领域的重要趋势，鉴于油酸与多不饱和脂肪酸（PUFA）亚油酸、亚麻酸广泛而具有差异的生物功能，本实验开展的食品组学研究对于深入理解膳食中不同植物油的功能营养提供了新的工具。
4. 总结
• Thermo Scientific Q Exactive 高分辨准确质谱是食品组学研究中表征功能蛋白与活性小分子物质群的有力技术手段；
• SIEVE 与 LipidSearch 软件为食品组学中小分子组学研究的信息处理提供了高效的解决方案。
致谢： 感谢中国农科院武汉油料作物研究所王秀嫔博士在样品采集上的大力帮助。
参考文献：
[1] Cifuentes A (2009), J. Chromatogr. A, 1216 (43): 7109
[2] García-Cañas V (2012)Anal. Chem., 84 (23), pp 10150-10159
[3] Antignac JP (2011), Trends Anal. Chem., 30, 292-301
[4] http://www.umetrics.com/products/simca
-
焦点事件
-
标准
-
精英视角
