探索組學(xué)方法在食品真實(shí)性和品質(zhì)研究中的潛力

郭藤

食品表征識(shí)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(diǎn)和重要研究?jī)?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(xué)技術(shù)是一種廣泛應(yīng)用于生物科學(xué)領(lǐng)域的研究方法，包括基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)和代謝組學(xué)等，可以幫助科學(xué)家在分子水平上對(duì)食品樣品進(jìn)行全面分析，幫助確定食品的組成和變化，從而判斷其真實(shí)性和品質(zhì)。

基于蛋白質(zhì)組學(xué)的肉類(lèi)鑒別技術(shù)

蛋白質(zhì)組學(xué)研究特定條件下蛋白質(zhì)整體水平的存在狀態(tài)及活動(dòng)規(guī)律，不僅可以鑒定蛋白質(zhì)種類(lèi)，還可進(jìn)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。基于高分辨質(zhì)譜技術(shù)的蛋白質(zhì)組學(xué)近幾年發(fā)展迅速，一次實(shí)驗(yàn)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(xué)已在物種鑒定、產(chǎn)地溯源、品質(zhì)研究、摻偽制假等多個(gè)領(lǐng)域得以應(yīng)用。

近些年肉類(lèi)摻假事件層出不窮，在利益的驅(qū)使下不法商家使用價(jià)格低廉的雞肉、鴨肉、豬肉、馬肉等偽造牛羊肉制品，嚴(yán)重侵害了消費(fèi)者的權(quán)益和食品的公平交易，同時(shí)給食品安全帶來(lái)極大的隱患。賽默飛液質(zhì)組學(xué)應(yīng)用團(tuán)隊(duì)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(lài)型模式（DDA）進(jìn)行數(shù)據(jù)采集，結(jié)合Proteome Discoverer 3.0軟件對(duì)豬、牛、羊肉樣品進(jìn)行非標(biāo)記定量蛋白質(zhì)鑒定與分析，篩選不同肉類(lèi)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(zhǔn)確性，為肉類(lèi)摻假檢測(cè)提供技術(shù)支持。表1展示了采用數(shù)據(jù)依賴(lài)型采集模式（DDA）對(duì)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(gè)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(diǎn)擊查看大圖）

隨后通過(guò)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(lái)自肌球蛋白、肌紅蛋白、血紅蛋白、熱休克蛋白等肉類(lèi)中高峰度蛋白，具有物種特異性，可用于后續(xù)肉類(lèi)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(jí)碎片離子質(zhì)譜圖，碎片離子的實(shí)測(cè) 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(diǎn)擊查看大圖）

為模擬真實(shí)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(duì)于上述樣品通過(guò)非標(biāo)記定量蛋白組學(xué)方法進(jìn)行數(shù)據(jù)采集，隨后利用 Proteome Discoverer 軟件對(duì)肽段的母離子峰強(qiáng)度進(jìn)行定量，利用該方法定量分析肉類(lèi)樣品中蛋白質(zhì)豐度的變化。

上述每個(gè)樣品進(jìn)行3次技術(shù)重復(fù)鑒定，隨后統(tǒng)計(jì)Peptide Abundance的強(qiáng)度信息，圖2A展示了每組樣品Peptide信號(hào)強(qiáng)度分布波動(dòng)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(duì)鑒定到的蛋白進(jìn)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(shí)際摻入的比例一致。將豬、牛、羊肉單獨(dú)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(jìn)行主成分分析（PCA 聚類(lèi)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(shuō)明這三個(gè)樣品在Peptide Abundance上存在明顯差異，區(qū)分效果較好。同時(shí)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(kāi)，同時(shí)與純豬、牛、羊樣品區(qū)分開(kāi)。

（點(diǎn)擊查看大圖）

總結(jié)：基于超高分辨率Orbitrap的非標(biāo)記定量分析方案，可以同時(shí)對(duì)多種肉類(lèi)進(jìn)行鑒別，為肉類(lèi)摻假鑒定提供強(qiáng)大的檢測(cè)平臺(tái)，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(xué)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(qiáng)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(dá)，并可能不對(duì)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(zhǔn)確的反映樣品（生物體）的變化和之間的差異。代謝組學(xué)可視作通過(guò)對(duì)樣品中的小分子物質(zhì)群進(jìn)行高信息量的化學(xué)指紋圖譜表征，進(jìn)而尋找差異并對(duì)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(xué)領(lǐng)域，組學(xué)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(lái)自中國(guó)臺(tái)灣成功大學(xué)的研究報(bào)道，該文章基于Orbitrap高分辨質(zhì)譜QE Plus研究了新鮮魚(yú)在儲(chǔ)存過(guò)程中小分子代謝物的變化，并嘗試鑒定能夠指示魚(yú)肉新鮮度的潛在標(biāo)志物。該實(shí)驗(yàn)分三個(gè)階段進(jìn)行：第一步將魚(yú)肉在4℃儲(chǔ)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(duì)數(shù)據(jù)進(jìn)行對(duì)齊、歸一化和過(guò)濾篩選后，得到487,924,375個(gè)有效特征峰；第二步將三批次樣品中共有的115個(gè)特征峰，采用數(shù)據(jù)依賴(lài)掃描模式（TOP N=10）獲得二級(jí)譜圖，然后通過(guò)搜索高分辨譜庫(kù)鑒定，其中有8個(gè)代謝物可視為潛在的魚(yú)肉新鮮度標(biāo)志物；第三步將新鮮魚(yú)肉在4℃分別儲(chǔ)存0h、24h、48h、72h，研究8個(gè)標(biāo)志物隨時(shí)間的變化趨勢(shì)，進(jìn)而驗(yàn)證它們對(duì)魚(yú)肉新鮮度的指示作用。研究結(jié)果表明，在儲(chǔ)存過(guò)程中魚(yú)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?gòu)木€(xiàn)粒體重新導(dǎo)向到過(guò)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(yú)肉腐敗。

（點(diǎn)擊查看大圖）

除此之外還有很多學(xué)者基于Orbitrap高分辨質(zhì)譜，結(jié)合專(zhuān)業(yè)的代謝組學(xué)軟件Compound Discoverer和脂質(zhì)組學(xué)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(guò)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?lái)看，其基本分析流程和思路如下：

總 結(jié)

食品組學(xué)是近年來(lái)食品研究領(lǐng)域里最受關(guān)注的研究?jī)?nèi)容之一，強(qiáng)調(diào)將食品作為一個(gè)整體看待，利用新興的、綜合的、高通量的檢測(cè)技術(shù)整體呈現(xiàn)食品對(duì)人體健康調(diào)節(jié)、營(yíng)養(yǎng)平衡等方面的貢獻(xiàn)，從而突破傳統(tǒng)意義上的將食品中單個(gè)成分進(jìn)行單獨(dú)研究從而導(dǎo)致研究結(jié)果與真實(shí)情況差異較大的局限性。食品組學(xué)的未來(lái)：多組學(xué)工作流整合。賽默飛可以提供全景式多維度的組學(xué)技術(shù)，幫客戶(hù)實(shí)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(qǐng)文末留言。