Comprehensive Food Profiling Combining High Resolution LC/MS and GC/MS Analyses

Význam tématu

Analýza složení potravin na úrovni malých molekul (metabolitů a lipidů) je zásadní pro posouzení nutriční kvality, bezpečnosti a autenticity potravin. Kombinace vysoce přesné LC/MS a GC/MS umožňuje široké pokrytí metabolomu a lipidomu, od polárních aminokyselin přes flavonoidy až po složité lipidy, a poskytuje tak komplexní pohled na chemickou rozmanitost různých dietních vzorků.

Cíle a přehled studie / článku

Studie se zabývala srovnáním tří modelových pokrmů reprezentujících rychlé občerstvení (FF), pesko-vegetariánský jídelníček (PV) a východoasijskou vegetariánskou stravu (EV). Cílem bylo odhalit odlišnosti v metabolickém profilu těchto diet pomocí netargetovaných (untargeted) metod LC/MS a GC/MS doplněných o multivariační statistiku.

Použitá metodika a instrumentace

Materiál: homogenní směsi surovin z každého pokrmu (viz tabulka v originálním textu) byly mrazem vysušené a extrahované 80:20 metanol/voda pro LC/MS; část vzorku pro GC/MS byla derivatizována methoxyaminem a MSTFA.

• LC/MS Metabolomika: Agilent 1290 Infinity LC spojený s 6230 TOF nebo 6550 iFunnel Q-TOF, RP i ANP chromatografie.
• LC/MS Lipidomika: Agilent 1290 Infinity LC + 6550 iFunnel Q-TOF s Agilent Jet Stream, RP separace lipidů.
• GC/MS Metabolomika: Agilent 7890B GC + 7200 GC/Q-TOF pro EI a CI spektra.
• Softwarová výbava: Agilent MassHunter Profinder pro extrakci signálů, Agilent Mass Profiler Professional pro statistiku (PCA, korelace, Vennovy diagramy, volcano plot), MS/MS identifikace v METLIN PCDL a SimLipid, MSC pro strukturní potvrzení.

Hlavní výsledky a diskuse

Reprodukovatelnost dat přes technické replikáty byla vysoká (přes 90 % funkcí s CV ≤ 30 %). PCA a korelační analýzy jasně rozlišily skupiny vzorků podle typu diety. Vennovy diagramy ukázaly, že pesko-vegetariánský vzorek měl nejvyšší počet unikátních metabolitů. GC/Q-TOF odhalil vysoký obsah antioxidantů (galová, sinapinová, kávová kyselina) v PV, EV byl bohatý na rafinózu a daidzein, FF obsahoval charakteristické pyrolyzační produkty, cukry a nasycené tuky. Lipidová analýza ukázala ve PV vyšší množství PUFA (DHA, EPA), FF měl nejvíce nasycených lipidů. Volcano plot pro GC/Q-TOF a ANOVA pro LC/MS zdůraznily více než 1 100 statisticky významných rozdílů mezi dietami. Hloubková PE lipidomika identifikovala izomery PE na úrovni mastných acylů a ukázala rozdíly ve struktuře lipidových tříd mezi vzorky.

Přínosy a praktické využití metody

Netargetované spojení LC/MS a GC/MS se softwarovým workflow poskytuje komplexní chemický profil potravin, vhodný pro nutriční hodnocení, detekci kontaminantů, potvrzení původu surovin a výzkum metabolomických změn v potravinářském výzkumu i QA/QC v průmyslu.

Budoucí trendy a možnosti využití

• Rozšíření datových knihoven MS/MS (větší pokrytí potravinářských sloučenin).
• Automatizace a integrace umělé inteligence pro rychlejší anotaci a strukturální elucidaci.
• Standardizace protokolů pro porovnávání dat mezi laboratořemi.
• Využití multi-omics přístupů (metabolomika, proteomika, genomika) pro holistické studium vlivu stravy na zdravotní stav.

Závěr

Studie ukázala, že kombinace vysoce přesných LC/MS a GC/MS metod s pokročilými chemometrickými nástroji významně rozšiřuje pokrytí metabolomů a lipidů v potravinových vzorcích. Výsledky potvrzují schopnost rozlišit různé diety na základě chemických otisků a poukazují na potenciál netargetovaných analýz v potravinářském výzkumu a kvalitativní kontrole.

Reference

1. Cevallos-Cevallos J.M. et al. Trends Food Sci. Technol. 2009, 20, 557–566.
2. Johanningsmeier S.D. et al. Annu. Rev. Food Sci. Technol. 2016, 7, 413–438.
3. Wishart D.S. Trends Food Sci. Technol. 2008, 19(9), 482–493.
4. Fiehn O. Plant Mol. Biol. 2002, 48, 155–171.
5. Wu M. et al. Agilent Application Note 5991-2481EN.
6. Dai Y. et al. Agilent Application Note 5991-5706EN.
7. Jenkins S. et al. Agilent Application Note 5990-9858EN.
8. Sartain M., Sana T. Agilent Application Note 5991-5494.
9. Agilent Profinder Technical Overview 5991-3947EN.
10. Joseph S., Dai Y. Agilent Application Note 5991-1375EN.