探索組學方法在食品真實性和品質(zhì)研究中的潛力

郭藤

食品表征識別與真?zhèn)舞b別已成為食品質(zhì)量安全領(lǐng)域的新興研究熱點和重要研究內(nèi)容,應(yīng)用于食品鑒偽的新技術(shù)新方法不斷涌現(xiàn)。組學技術(shù)是一種廣泛應(yīng)用于生物科學領(lǐng)域的研究方法，包括基因組學、轉(zhuǎn)錄組學、蛋白質(zhì)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(zhì)。

基于蛋白質(zhì)組學的肉類鑒別技術(shù)

蛋白質(zhì)組學研究特定條件下蛋白質(zhì)整體水平的存在狀態(tài)及活動規(guī)律，不僅可以鑒定蛋白質(zhì)種類，還可進行蛋白質(zhì)定量，為分析不同物種，產(chǎn)地和成熟階段的食品蛋白質(zhì)組分和含量提供了新思路?；诟叻直尜|(zhì)譜技術(shù)的蛋白質(zhì)組學近幾年發(fā)展迅速，一次實驗可鑒定幾千種蛋白質(zhì)，已成為食品安全控制方面有力的研究手段。目前，蛋白質(zhì)組學已在物種鑒定、產(chǎn)地溯源、品質(zhì)研究、摻偽制假等多個領(lǐng)域得以應(yīng)用。

近些年肉類摻假事件層出不窮，在利益的驅(qū)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(quán)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(zhì)組學應(yīng)用團隊采用Orbitrap™ Exploris™ 480超高分辨率質(zhì)譜儀系統(tǒng)，基于數(shù)據(jù)依賴型模式（DDA）進行數(shù)據(jù)采集，結(jié)合Proteome Discoverer 3.0軟件對豬、牛、羊肉樣品進行非標記定量蛋白質(zhì)鑒定與分析，篩選不同肉類的特征肽段并根據(jù)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(shù)支持。表1展示了采用數(shù)據(jù)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(zhì)譜鑒定不同物種樣品，極大的豐富了分析結(jié)果中的蛋白質(zhì)和多肽的信息，為后續(xù)物種特異性多肽的篩選提供充足數(shù)據(jù)。

（點擊查看大圖）

隨后通過比較分析豬、牛、羊樣本中的蛋白質(zhì)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(xù)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(zhì)譜提取峰及其二級碎片離子質(zhì)譜圖，碎片離子的實測 m /z與理論 m /z 偏差小，譜圖質(zhì)量高，可用于后續(xù)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(zhì)譜提取峰及質(zhì)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(zhì)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?，按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(shù)據(jù)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(zhì)豐度的變化。

上述每個樣品進行3次技術(shù)重復(fù)鑒定，隨后統(tǒng)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(jié)果有較好的穩(wěn)定性和重現(xiàn)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(jié)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(zhì)譜數(shù)據(jù)經(jīng) PD 軟件預(yù)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(shù)重復(fù)鑒定結(jié)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(qū)分效果較好。同時我們也發(fā)現(xiàn)，按等比例混合的樣品在PCA分析中也能夠彼此有效的區(qū)分開，同時與純豬、牛、羊樣品區(qū)分開。

（點擊查看大圖）

總結(jié)：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?zhèn)舞b定領(lǐng)域具有廣闊的應(yīng)用前景。

基于代謝組學的食品品質(zhì)分析和鑒偽技術(shù)

代謝組是基因組的延伸和終端，研究的是和表型相關(guān)性最強的生物體代謝終產(chǎn)物?；蚪M、蛋白組的變化不一定得到表達，并可能不對系統(tǒng)產(chǎn)生影響，但是小分子的產(chǎn)生和代謝是一系列事件的最終結(jié)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(zhì)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(jié)構(gòu)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(lǐng)域，組學思路已經(jīng)較多的用于食品的安全和品質(zhì)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(zhì)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(shù)據(jù)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(shù)據(jù)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(jié)果表明，在儲存過程中魚脂質(zhì)的酶促水解導(dǎo)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(dǎo)向到過氧化物酶體，導(dǎo)致癸酰肉堿的減少。隨后，ATP的產(chǎn)生停止，并產(chǎn)生大量的降解化合物（尿嘧啶，次黃嘌呤和肌苷）導(dǎo)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(zhì)譜，結(jié)合專業(yè)的代謝組學軟件Compound Discoverer和脂質(zhì)組學軟件LipidSearch, 研究了高附加值作物產(chǎn)地溯源、不同品牌年份白酒或葡萄酒的差異、食品發(fā)酵過程中小分子物質(zhì)群變化、乳品品質(zhì)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(jié)

食品組學是近年來食品研究領(lǐng)域里最受關(guān)注的研究內(nèi)容之一，強調(diào)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(shù)整體呈現(xiàn)食品對人體健康調(diào)節(jié)、營養(yǎng)平衡等方面的貢獻，從而突破傳統(tǒng)意義上的將食品中單個成分進行單獨研究從而導(dǎo)致研究結(jié)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(shù)，幫客戶實現(xiàn)從數(shù)據(jù)發(fā)現(xiàn)到多水平數(shù)據(jù)處理，再到多層信息深度挖掘。

如需合作轉(zhuǎn)載本文，請文末留言。