探索組學方法在食品真實性和品質研究中的潛力

郭藤

食品表征識別與真偽鑒別已成為食品質量安全領域的新興研究熱點和重要研究內容,應用于食品鑒偽的新技術新方法不斷涌現。組學技術是一種廣泛應用于生物科學領域的研究方法，包括基因組學、轉錄組學、蛋白質組學和代謝組學等，可以幫助科學家在分子水平上對食品樣品進行全面分析，幫助確定食品的組成和變化，從而判斷其真實性和品質。

基于蛋白質組學的肉類鑒別技術

蛋白質組學研究特定條件下蛋白質整體水平的存在狀態及活動規律，不僅可以鑒定蛋白質種類，還可進行蛋白質定量，為分析不同物種，產地和成熟階段的食品蛋白質組分和含量提供了新思路。基于高分辨質譜技術的蛋白質組學近幾年發展迅速，一次實驗可鑒定幾千種蛋白質，已成為食品安全控制方面有力的研究手段。目前，蛋白質組學已在物種鑒定、產地溯源、品質研究、摻偽制假等多個領域得以應用。

近些年肉類摻假事件層出不窮，在利益的驅使下不法商家使用價格低廉的雞肉、鴨肉、豬肉、馬肉等偽造牛羊肉制品，嚴重侵害了消費者的權益和食品的公平交易，同時給食品安全帶來極大的隱患。賽默飛液質組學應用團隊采用Orbitrap™ Exploris™ 480超高分辨率質譜儀系統，基于數據依賴型模式（DDA）進行數據采集，結合Proteome Discoverer 3.0軟件對豬、牛、羊肉樣品進行非標記定量蛋白質鑒定與分析，篩選不同肉類的特征肽段并根據特征肽鑒別肉的種屬以提高鑒別的準確性，為肉類摻假檢測提供技術支持。表1展示了采用數據依賴型采集模式（DDA）對500ng的豬、牛、羊肉樣品分別鑒定到43728、47770、51150張匹配譜圖（PSM），這些譜圖歸屬于8062、8707、9372條肽段（Peptide Groups）, 豬、牛、羊樣品中分別鑒定到1430、1516、1441個蛋白（Protein Groups）。采用Orbitrap高分辨率質譜鑒定不同物種樣品，極大的豐富了分析結果中的蛋白質和多肽的信息，為后續物種特異性多肽的篩選提供充足數據。

（點擊查看大圖）

隨后通過比較分析豬、牛、羊樣本中的蛋白質和肽段列表，最終在豬肉樣品中鑒定到10條特征肽，牛肉樣品中鑒定到10 條特征肽，羊肉樣品中鑒定到7條特征肽。這些特征肽段主要來自肌球蛋白、肌紅蛋白、血紅蛋白、熱休克蛋白等肉類中高峰度蛋白，具有物種特異性，可用于后續肉類摻假的定性和定量分析。圖1展示了以肌紅蛋白為例展示其在不同物種中特征肽的母離子色譜質譜提取峰及其二級碎片離子質譜圖，碎片離子的實測 m /z與理論 m /z 偏差小，譜圖質量高，可用于后續定性定量分析鑒定參考。

圖1 不同物種Myoglobin蛋白特征肽的色譜質譜提取峰及質譜圖（點擊查看大圖）

為模擬真實摻假樣品，將豬肉樣品按不同比例摻入牛羊肉樣品中，按1:1:1質量比例制備豬：牛：羊肉等比例混合樣品，按1:1比例制備豬：?；旌蠘悠罚?/span>1:1比例制備豬：羊混合樣品。對于上述樣品通過非標記定量蛋白組學方法進行數據采集，隨后利用 Proteome Discoverer 軟件對肽段的母離子峰強度進行定量，利用該方法定量分析肉類樣品中蛋白質豐度的變化。

上述每個樣品進行3次技術重復鑒定，隨后統計Peptide Abundance的強度信息，圖2A展示了每組樣品Peptide信號強度分布波動小，結果有較好的穩定性和重現性；使用Proteome Discoverer軟件中的Protein Marker模塊對鑒定到的蛋白進行不同種屬蛋白顯示，以豬：牛：羊肉等比例混合樣品為例（圖2B），結果顯示混合樣品中屬于豬、牛、羊種屬的肽段占比分別是30.81%、33.36%以及35.83%，這與實際摻入的比例一致。將豬、牛、羊肉單獨分析樣品及等比例混合樣品的質譜數據經 PD 軟件預處理，并基于Peptide Abundance值進行主成分分析（PCA 聚類分析）。如圖2C所示，每組樣品的3次技術重復鑒定結果緊密的聚合在一起，純豬、牛、羊肉樣品分別在3、1、4象限，說明這三個樣品在Peptide Abundance上存在明顯差異，區分效果較好。同時我們也發現，按等比例混合的樣品在PCA分析中也能夠彼此有效的區分開，同時與純豬、牛、羊樣品區分開。

（點擊查看大圖）

總結：基于超高分辨率Orbitrap的非標記定量分析方案，可以同時對多種肉類進行鑒別，為肉類摻假鑒定提供強大的檢測平臺，在食品的真偽鑒定領域具有廣闊的應用前景。

基于代謝組學的食品品質分析和鑒偽技術

代謝組是基因組的延伸和終端，研究的是和表型相關性最強的生物體代謝終產物?；蚪M、蛋白組的變化不一定得到表達，并可能不對系統產生影響，但是小分子的產生和代謝是一系列事件的最終結果，能夠更直接、更準確的反映樣品（生物體）的變化和之間的差異。代謝組學可視作通過對樣品中的小分子物質群進行高信息量的化學指紋圖譜表征，進而尋找差異并對其結構定性的一種研究范式，是一種研究思路與工具策略。在食品科學領域，組學思路已經較多的用于食品的安全和品質研究。

這是一篇來自中國臺灣成功大學的研究報道，該文章基于Orbitrap高分辨質譜QE Plus研究了新鮮魚在儲存過程中小分子代謝物的變化，并嘗試鑒定能夠指示魚肉新鮮度的潛在標志物。該實驗分三個階段進行：第一步將魚肉在4℃儲存72h，然后采用full scan 模式采集所有樣品在m/z 70~1000的MS1信息，對數據進行對齊、歸一化和過濾篩選后，得到487,924,375個有效特征峰；第二步將三批次樣品中共有的115個特征峰，采用數據依賴掃描模式（TOP N=10）獲得二級譜圖，然后通過搜索高分辨譜庫鑒定，其中有8個代謝物可視為潛在的魚肉新鮮度標志物；第三步將新鮮魚肉在4℃分別儲存0h、24h、48h、72h，研究8個標志物隨時間的變化趨勢，進而驗證它們對魚肉新鮮度的指示作用。研究結果表明，在儲存過程中魚脂質的酶促水解導致游離脂肪酸亞油酸（ALA），二十二碳六烯酸（DHA），花生四烯酸（AA）和亞油酸（LA）的積累。隨著有氧呼吸的停止，脂肪酸的氧化迅速從線粒體重新導向到過氧化物酶體，導致癸酰肉堿的減少。隨后，ATP的產生停止，并產生大量的降解化合物（尿嘧啶，次黃嘌呤和肌苷）導致魚肉腐敗。

（點擊查看大圖）

除此之外還有很多學者基于Orbitrap高分辨質譜，結合專業的代謝組學軟件Compound Discoverer和脂質組學軟件LipidSearch, 研究了高附加值作物產地溯源、不同品牌年份白酒或葡萄酒的差異、食品發酵過程中小分子物質群變化、乳品品質和摻假等，均取得了非常好的效果和成果?？偟脕砜?，其基本分析流程和思路如下：

總 結

食品組學是近年來食品研究領域里最受關注的研究內容之一，強調將食品作為一個整體看待，利用新興的、綜合的、高通量的檢測技術整體呈現食品對人體健康調節、營養平衡等方面的貢獻，從而突破傳統意義上的將食品中單個成分進行單獨研究從而導致研究結果與真實情況差異較大的局限性。食品組學的未來：多組學工作流整合。賽默飛可以提供全景式多維度的組學技術，幫客戶實現從數據發現到多水平數據處理，再到多層信息深度挖掘。

如需合作轉載本文，請文末留言。