食品科学里的代谢组学分析综述.docx
《食品科学里的代谢组学分析综述.docx》由会员分享,可在线阅读,更多相关《食品科学里的代谢组学分析综述.docx(14页珍藏版)》请在冰豆网上搜索。
食品科学里的代谢组学分析综述
食品科学里的代谢组学分析综述
学号:
2011201373姓名:
杨海源
摘要
代谢组学在许多学科已成为重要的分析工具,比如人类疾病学、营养学、药物研发、植物生理学等其他学科。
在食品科学学科中代谢组学已成为热门的分析原材料和产品质量、加工处理、安全性评价的方法。
这篇文章从代谢物识别、数据预测、信息处理方法讨论了代谢组学的最新进展及代谢组学分析在每个阶段的特殊方法。
引言
代谢组学使一个体系中许多小分子代谢物研究成为可能。
在许多研究领域已成为重要的研究工具,最近验证并发现代谢组学在人类疾病研究、药物研发、植物分析、人类营养及其他领域发展迅速、影响广泛。
代谢组学分析大体上分为代谢物靶标分析和代谢物非靶标分析。
靶标分析针对目标代谢组中某一个特组的组分分析、大多情况下要求识别和量化组中的代谢物。
靶标分析在未确定条件下对于混合代谢组中反应评估很重要。
靶标代谢组学分析特殊要求样品高纯度和单一选择性提取。
相反,非靶标代谢组学分析主要探测代谢分子群组,尽可能获取代谢模式及代谢物指纹,对特殊代谢物无识别和定量分析要求。
非靶标分析已被用于生物学的可识别指纹分析,如植物病。
基于特殊目标物的分析和数据处理,多数代谢物组学研究也被分为代谢物识别、信息获取、可预测性研究(见图.1)。
图1:
代谢组学一般分类
萃取
------------------------------------------------------------------------------------------------
样品准备
数据处理
-----------------------------------------------------------------------------------------------
标记物识别分析主要在于发现样品数量的不同,没有必要创建统计模型或评估可能的路径来说明这些差异。
葡萄酒的分类常通过葡萄品种和生产区及发酵代谢技术来区分。
通常用多元数据分析技术获得代谢物的识别与最大化的分类,此方法在主成分分析中成为应用最多。
主成分分析与其他多元数据分析在其他领域也广泛谈到。
相反,信息代谢组学分析主要对目标物的定性、定量分析,或对非靶标代谢物分子获取内在信息。
代谢物数据库应用不断发展和更新,如人类代谢物数据库。
通过信息代谢组学可以进行对可能的代谢路径分析、新生物活性物的发现、生物标记物的发现、特殊代谢数据库的创建、代谢物的功能研究。
一些代谢组学报告提出,基于代谢物轮廓的统计模型大量被创建,它可用于其它方法很难定量的可预测变量。
如对绿茶感官质量的预测代谢数据模型已被开发。
这些模式产生通常通过偏最小二乘法实现,本文在数据处理部分将会讨论。
在食品科学中代谢组学被用于食品研究、解决主要问题方面应用很广泛,很具有潜力。
如植物健康、甚至物种起源,而且代谢组学被认为是未来一项解决农业和人类营养最有用的工具。
代谢物识别、信息获取、可预测代谢组学近期已被联合应用于食品质量、营养分析、组分分析,并在其他领域应用不断普及。
本文从代谢物提取、分离、检测、数据处理及在食品质量、安全性、规范性、微生物、加工处理方面深入讨论代谢组学在食品中的应用前景。
代谢组学分析过程
代谢组学分析过程包括依次为样品准备、代谢物提取、衍生化处理、代谢物分离、检测、数据处理(图.2)。
但每步并不是总要做,仅检测和数据处理在所有代谢组学研究报告中是必不可少的。
这些步骤的选择取决于研究对象特殊性(非靶标\靶标分析)、样品类型(固体\液体)、所用分离设备(GC\LC)、检测方法(MS\NMR)。
表1总结了近期代谢组学研究在食品分析中的应用。
图.2:
代谢组学分析示意图
样品准备
如固体样品苹果皮和土豆样品制备是典型的一组需在液氮冷冻或冷冻干燥后保存。
在提取时适当的研磨样品。
可提高代谢组分的释放。
由于样品水分含量不同,冷冻干燥法作为一种浓缩步骤,需尽可能最大限度减少代谢物差异。
类似蜂蜜这类浓缩液样品在处理初始阶段需先进行稀释,而大量信息最大化的收集,在浓缩阶段比较合适。
对于酒中代谢物和橄榄油中挥发性成分的浓缩分别用冻干法、固相微萃取。
提取
最初提取目的是数量上最大化和目标化合物浓缩。
由于这个原因,提取是在代谢组学分析中最关键的一步。
非靶标代谢组学分析中所涉及的自然化合物大多是未知的。
因此,许多提取溶剂和提取方法应该测试、对比。
许多报告在非靶标样品分析中并未提及最初的萃取溶剂比较。
然而,萃取方法在食品分析中的应用大都类似,并经对比分析研究选出最佳方法。
如非食品植物代谢组学,例如:
甲醇—水—三氯甲烷不同比例溶剂显示要更利于其它溶剂对植物非靶标物的研究。
此法在拟南芥亲水性和疏水性化合物的提取中得以应用。
因此,甲醇—水—三氯甲烷用于绿茶、土豆及其它食品的可预测研究中。
对于非靶标分析中连续提取溶剂的选择可根据所要提取代谢物分析结果来预测。
最初在实验中对疏水物提取(典型的有甲醇—水)是通过离心和疏水性提取颗粒(典型的有三氯甲烷)来完成。
Capanoglu,Beekwilder,Boyacioglu等人从番茄酱亲水部和疏水部中连续提取出大量的不同化合物。
相反,在其他食品分析如土豆、蘑菇中类似情况很少或疏水部无样品识别,并且在其他领域也有类似现象。
如植物叶片分析中提出代谢组学识别多为亲水性提取物。
疏水提取主要用于非靶标食品分析中,如苹果和西兰花分析中常用甲醇或甲醇/水进行分析,有些代谢物萃取利用重水通过NMR分析也比较常见。
Chen,Wortman等人提出对冷冻肉代谢物的提取有更新颖的方法,主要在肉表面解析气体目标物后进一步提取代谢物进行电离和检测。
McDougall,Martinussen等人提出对于靶标分析物的提取最先可依据常识或经验。
他们使用水和醋酸混合从果酱中提取多酚物,并用热水对西兰花和芥菜籽中的目标物芥子油甙进行了分析。
超声处理通常可同时进行对非靶标物和靶标物的部分提取。
此方法提取效果可被最大化、大量代谢物被获得,减少了提取时间及干扰因素。
衍生化处理
在食品代谢组学中,衍生化普遍被用于GC分析前,主要为了增加分析结果的波动性。
Gullberg等人对样品肟的衍生化处理,、分为两个过程:
醛基转化和酮类转化为肟类化合物,主要是为了减少互变异构化(特别是单糖),其后通过甲硅烷基化以减少挥发性、并减少OH、SH、NH功能团的亲水性。
目前几种肟化和甲硅烷基化试剂已曾被测试,根据对衍生化反应间的对比研究发现,有报告提到在对肟化反应和甲基烷基化中吡啶环酸苷和N-甲基-N-三甲基甲醇甲硅基三氟乙酰胺分别是最适合的试剂。
在食品分析中,Beckmann,Enot,Overy等人通过实验已证明这些试剂可提高从土豆及其他产品中代谢物的GC分离。
Ma,Wang等人研究发现反应开始后各个代谢物随衍生化次数和温度影响而改变。
因此,为获得被测物可靠数据,在实验开始时应先确定最佳的衍生次数和温度。
Beckmann等人在食品代谢组学分析中,进行多次甲硅烷基化反应发现在37℃进行90分钟其结果较好。
分析与检测
在代谢组学轮廓(谱)分析中代谢物的分离与检测认为最关键的步骤,特别注意已有的分离技术。
如LC中的HPLC的高性能和UPLC的超高性能模式、气相色谱(GC)、毛细管电泳(CE),也有这些设备联用的检测技术,如Bedair、Sumner、Rochfort、Wishart等人已对MS、NMR、NIR这些仪器的工作原理和联合应用技术在代谢组学中的适用性做过广泛讨论。
在食品代谢组学分析中,许多分离分析通过GC、CE、LC已实现(见表1)。
其它文章中也讨论过食品分析中这些技术的优缺点及适用性。
一些非常规技术,如离子迁移率光谱测定也用于食品代谢物分析,其原理是在惰性气体离子存在下被分离物通过反向流动气体而被分析。
Vaut等人报告谈到此方法已用于奶酪、啤酒、食品包装材料等相关物质的分析。
检测方法大多为UV、NIR、MS、NMR技术,在食品代谢物分析中MS和NMR使用最多(见表1)。
大量数据的获得通常使用MS和高通量分离技术联用。
例如:
HPLC或UPLC的联用(见图2)。
Tarachiwin,Ute,Kobayashi,Fukusakii、Pongsuwan等人通过NMR、UPLC-MS对绿茶质量进行了分析,通过建立相关数据模型发现UPLC-MS分析比NMR获得更高的预测值,其原因可能是UPLC-MS检测到的大量峰所致。
然而,其它因素如样品的变异性也该考虑到,即使是其它检测技术不敏感的因素。
在代谢组学分析中NIR是一种可快速获取无损指纹的技术,如Cozzolino,Flood,Bellon,Gishen等人用此方法做了酒酵母菌种变异的研究。
另一种方法是直接进入质谱分析法,无需预先的分离步骤即可快速完成分析。
Luthria等人用此方法进行了西兰花的研究。
数据处理
代谢组学数据通常包括化合物鉴定和多变量分析。
化合物的鉴定是在同条件下通过所测数据库与标准数据的匹配和对比而得到。
在食品代谢组学大量的数据是通过化学计量工具处理。
特殊之处在于代谢组学数据处理常在调整设备偏差值之前需进行对比校正。
Son等人实验发现校正可以大幅度提高MVDA技术的性能。
如标准软件Metalign(一种峰对其软件)对LC-MS和GC—MS及CE数据的处理,也有相关报道指出可将校正程序写入MATLAB应用软件中进行处理。
代谢组学鉴定数据处理常用多变量方法。
如对样本组分的主成分分析(PCA)。
PCA通过创建新变量(重要组分)与代谢组学所测值线性组合,使样本变量最大化。
Luthria等人用此方法通过两个值对比分析及样品较重要组分分析进行了对西兰花代谢物种类鉴定及分组研究。
相反,偏最小二乘回归法(PLS)作为一种多元统计数据分析(MVDA)方法,通过对数据的降维处理并最大化与变量之间的相关性,即可进行样品区分。
PLS作为一项重要技术被用于预测代谢组学的研究,如Tarachiwin,Masako等人用此方法创建了西瓜感官评价的基础代谢物数据模型。
类似的,Cavaliere等人通过一种预先假设分类线性鉴别分析法(LDA)对橄榄油原产地进行分类鉴定。
在一些综述文献中PCA、PLS、LD分析工具广泛被讨论,并且相关技术在许多代谢组学信息研究中成功应用。
如相关关联性分析已成功应用于代谢物的分析和反应模型的创建。
如Ursem,Tikunov,Bovy等人用相关方法对番茄不同基因型的研究。
遗传程序设计(GP)作为另一种鉴定工具常被用于优化PLS模型的灵敏性和选择性,Donarski等人用此方法进行了蜂蜜产地的测定研究。
许多MVDA工具如PCA和PLS通过原始变量的线性组合减小数据的维数,可降低数据处理的复杂性。
相反,随机变量(RF)分析无需降低维数即可进行多元数据分析。
有人通过对土豆品种分类数据两两对比的随机变量分析发现,此方法精确度高达92%以上。
Beckmann等人用随机变量创建一个Mastermix土豆模型而得到大量土豆品种的区分。
表1展示了在食品中许多MVDA依靠PCA、PLS及其它线性分析方法。
很多人认为非线性结构相关数据不重要,然而在一些领域研究已证明非线性方法对数据维度的降低比线性工具好,如Lee,Rodriguez等人对基因和蛋白质表达研究。
在食品领域非线性方法应用于代谢组学数据分析没有报道。
而非线性PCA、自组织映射(SOM)、多维排列及其它非线性工具在食品中的应用潜能评估已有报道。
表1:
在食品分析中最常见的代谢组学过程
样品:
分析目标类型提取与制备分离-检测数据处理参考文献
苹果:
光诱导改变皮非靶标/识别甲醇GC-MCPCARudelletal.,2008
衍生化GC-MCLC-MS
草莓:
多酚成分靶标/信息醋酸+水LC-MS、DIMS化合物鉴定McDougalletal.,2008
C18和交联葡聚糖LH20柱层
西兰花、芥菜、云苔芥子油苷成分靶标/信息热水(90℃)+超声处理LC-MS化合物鉴定Rochfortetal.,2008
西兰花:
品种区分非靶标/识别冷冻干燥甲醇+水LC-UV-MSDIMSPCA,ANOVALuthriaetal.,2008
奶酪:
生产控制非靶标/识别IMS化学鉴定Vautzetal.,2006
E.coli:
糖酵解代谢靶标/信息间接热处理LC-MS化合物鉴定Schaub&Reuss,2008
人参:
品种区分非靶标/区分氘甲醇+缓冲液NMRPCAKangetal.,2008
绿茶:
品质分析非靶标/预测冷冻干燥甲醇+水+三氯甲烷UPLC-TOF—MSPCA,PLSPongsuwanetal.,2008
蜂蜜:
原产地检验非靶标/鉴定、预测缓冲水NMRPLS-GPDonarskietal.,2008
玉米:
转基因鉴定非靶标/区分甲醇+水+超声破碎CE-TOF-MSt检验、PCALevandietal.,2008
肉:
质量/安全性非靶标/区分中性解析EESI—MSPCAChenetal.,2007
橄榄油:
原产地的区分靶标/识别固相微萃取GC-CI—MSLDA、Wald-Wolfowitz测试Cavaliereetal.,2007
松菇:
品质区分非靶标/识别甲醇+水+三氯甲烷NMRPCAChoetal.,2007
土豆:
转基因区分非靶标/识别/信息甲醇+水+三氯甲烷GC-MCPCACatchpoleetal.,2005
大豆:
转基因区分非靶标/信息甲醇—乙醇—水CE—TOF—MS化合物鉴定Garcia-Villalbaetal.2008
菠菜:
大肠杆菌污染非靶标/识别中性解析EESI-MSPCAChenetal.,2007
番茄酱:
加工中的改变靶标抗氧化性/信息水—甲醇和水—三氯甲烷LC-抗氧化剂检测器ANOVA,PCACapanogluetal.,2008
非靶标/信息甲酸—甲醇—水LC—TOF—MS
番茄:
代谢物相关性非靶标/预测挥发物:
EDTA-NaOH-水+SPMEGC_MSPCA,LDA,CNUrsemetal.,2008
糖和有机酸:
甲醇+衍生化作用
番茄:
品种区分非靶标/识别冷冻干燥+甲醇+超声处理LC-TOF-MSPCAMocoetal.,2008
番茄:
挥发物分析靶标/识别EDTA-NaOH-水+SPMEGC-MSPCA,HCATikunovetal.,2005
西瓜:
质量评价非靶标/预测重水缓冲液NMRPLS—LDATarachiwinetal.,2008
葡萄酒:
代谢物鉴定非靶标/识别冻干+重水缓冲液NMRPCA,PLSSonetal.,2008
酵母:
香气化合物产生靶标/识别乙醚GC-FIDPCA,PLSRossouwetal.,2008
酵母:
菌种区分非靶标/识别冻干法+衍生化作用GC-TOF-MSPCA,HCAMacKenzieetal.,2008
酵母:
菌种区分非靶标/识别/NIRPCA,LDACozzolinoetal.,2006
表2在食品代谢组学报告中常见例子的峰值
方法峰值主要参考文献
HPLC—UV40Defernezetal.,2004
UPLC—MS1560Pongsuwanetal.,2008
GC-MS91-142Beckmannetal.,2007;MacKenzieetal,2008
CE—MS27—45Garcia-Villalbaetal;2008;Levandietal.,2008
NMR16-20Jahangir,Kim,Choi,Verpoorte,2008;Sonetal.,2008
食品基质和提取方法对大量检测峰的影响
代谢组学在食品质量分析中的应用
靶标代谢组学分析主要是对挥发性物质的研究,已证明可评估收获期前影响食品质量的因素,并且有很大应用潜力。
如Moalemiyan、Vikram对收获期前芒果的真菌病相关研究,Vikram,Hamzehzarghani等人对洋葱和红苹果收获期后细菌污染的研究。
同样Vikram,Lui等人通过代谢物取样进行GC-MS分析测定已证实了影响存储胡萝卜病菌。
在不同条件下,通过GC-MS数据分析初步认为食品外观变化是由特殊的疾病及几种化合物所致。
此外,Stewart等人通过信息代谢组学分析了草莓育种期多酚类化合物变化特点。
由Kushalappa、Vikram等人报道代谢组学分析对收获后水果的测定和认识食品腐败方面有很大应用潜力。
新的代谢组学技术发展,如IMS可用于食品加工过程中质量监测。
因为IMS可以进行原位自动取样,可用来确定并完成食品某些加工流程和质量标准的控制。
这种方法适合于食品生物技术过程中代谢物随时间变化的分析。
Vautz等人通过靶标信息组学分析(IMS)进行了对啤酒中二乙酰和2、3-乙酰丙酮化合物的检测,并用来确定发酵的终结点。
Kooy、Verpoorte等人认为食品质量和来源鉴定代谢组学分析可被用于保健品分类。
将来代谢组学的发展趋势将涉及有识别力和预测性的,并作为对食品质量的控制工具。
食品代谢物轮廓分析将发现相关数据的最小标准,可作为食品合格率的基线。
通过MVDA技术可获得食品处理过程中单个样品的分析,并与基线对比来确定每批产品的合格率。
而且,通过样品代谢轮廓分析中出现的罕见峰可检测出食品中意外掺杂物。
可通过信息代谢组学解释相关检测峰的性质。
总之,可预测性和信息代谢组学联合成为包含所有参数的单一分析工具是很有潜力。
质量参数通常是单个测量而又复杂重要的参数。
许多这些参数能被量化于单个运行的信息代谢组学数据中,而另一些数据(感官性质)可依据样品代谢物轮廓分析、质量分析、预测模型而被估计。
预测模型已发展到可估计绿茶、西瓜、蘑菇的感官性状。
代谢组学也用于鉴定化合物对于消费者口味偏好的选择评估。
通过品尝可获得消费者的口味喜好,认为通过代谢组学技术可区分品尝者所喜好的化合物。
根据选择不同浓度化合物的感官评价可确认它们对消费者口味喜好的影响已被证实(见图3).
图3.通过代谢组学分析对消费者口味喜好的评定应用
代谢组学在食品安全中的应用
在很多技术中,许多非靶标鉴定工具也被用于食品安全中。
如Chen等人用电喷离子化技术做了对中性解析物的提取,并根据MS分析出现的高分子量未知物峰能够鉴定出被大肠杆菌污染的菠菜。
尽管没有尝试测定大肠杆菌污染所测值的极限,但明确显示了这项技术对快速测定食品中病菌的潜能。
另外,有类似技术可以鉴定变质鱼体中腐胺、尸胺、组胺,说明该技术在食品安全分析中有很大的应用前景。
信息代谢组学和可预测代谢组学在新鲜生鱼方面的研究认为,它可作为一种提供水污染、温差、鱼感染病菌时健康状态数据的工具。
代谢组学被认为是一种可评估食品收获期前后安全性评定的重要技术,并具有很大发展潜力。
Chao、Zdunczyk等人将非靶标鉴定分析用于转基因食品的安全性估计。
Catchpole等人利用非靶标鉴定代谢组学分析来区分转基因土豆及未经转基因处理土豆品种的区分,其主要依据是转基因食品中预期的果聚糖的变化。
在此基础上去除果聚糖的衍生物,如果未检测到果聚糖,则认为转基因土豆在组成上与非转基因土豆类似。
同样,Pont、LeGall,Colquhoun等人通过靶标信息代谢组学预测转基因土豆中黄酮浓度的增加已被证实。
而一些微小的非预期变化通过靶标分析并未检测到。
其结果就是此类转基因食品中并无主要成分的发生改变。
未来食品安全发展趋势可能涉及用信息代谢组学来评估新型食品的安全性及类似辐射处理等有争论的加工技术。
代谢组学在食品安全法规中的应用
食品代谢轮廓的不同可能是由于相关物质的基因型和生长条件(气候、土壤成分、化肥、灌溉)所致。
创建的基线区域和品种代谢轮廓不同对食品的产地及真实性分析提供了可靠的信息。
通过鉴定和可预测信息可对食品的产地及真实性进行验证,也可对原产地规章的符合性进行验证。
在许多国家规定不允许使用转基因食品,并且转基因食品验证分析较复杂、成本昂贵。
Levandi、Leon、Catchpole、Shewry等人利用代谢组学鉴定和可预测分析方法对玉米、大豆、土豆、小麦中的基因转变进行了研究。
此外,代谢组学可被用来对标记物的符合性验证。
这些分析都依赖于鉴定代谢组学的应用,可区分许多水果和蔬菜品种。
如Tikunov、Moco、Forshed等人利用MVDA技术用于从一些很杂番茄品种中区分樱桃番茄。
如Luthria、Pereira、Kang、Dobson等人通过SPME-GC-MS、LC-MS、NMR来区分牛肉西红柿、圆西红柿、西兰花、葡萄酒、人参、土豆品种的区分。
代谢组学在食品微生物中的应用
利用代谢组学方法可研究鉴定被细菌污染的食品。
传统的细菌识别和确认常通过许多复杂的生化测试而得到。
相反,代谢组学识别和可预测分析在对细菌污染物的识别和证实中很有应用潜力。
Ecker等人认为这些分析大多是基于质谱分析(MS)。
通常通过离心可将微生物从生长培养介质中进行浓缩,也可通过细胞破碎方法提取胞内代谢物。
如在分离和测定之前对样品的超声波破碎或珠砂碾磨。
Hettick等人按照这种方法并用基质辅助激光解析电离飞行时间质谱(MALDI-TOF—MS)来测定高分析量化合物,12种曲霉和5株黄曲霉得以分类,其分类精确度达95—100%。
Parisi等人用类似方法根据生长培养介质、种类、菌株对大肠杆菌和耶尔森菌属进行了分离。
代谢组学也被用于未识别的微生物代谢。
如Schaub等人用此方法研究了大肠杆菌的糖酵解动力学,并在该条件下评估了各种生长变化体系和不同糖利用度对糖酵解过程的影响。
通过DIMS和GC-TOF-MS方法从医疗菌种中区分葡萄酒酵母和烘培酵母。
此外,通过HPLC和GC-FID对许多葡萄酒酵母的代谢物进行分析,并比较了与香气相关的化合物及基因表达。
说明代谢组学分析对评估基因表达很有潜力。
目前,对于在食品中细菌的定量分析方法仍是些比较繁琐的技术如平板计数和最大估计。
耦合代谢组学分析传感器的发展可以对细菌的测定和定量分析提供重要的信息。
在某些领域代谢组学分析成功用于特殊生物标记物的发现。
如Glauser等人对植物生理学研究。
细菌标记物的发现和它们在微生物整个生长阶段的监测已成为与培养菌落形成单位(CFU)相关的一种很有潜力的定量工具。
传感器可用来监测在培养基中生物标记信息和生物标记物增长并纳入算法来预测菌落形成单位。
Koek、Muilwijk等人对大肠杆菌生长期的代谢组学研究显示,许多代谢物的数量与时间呈相关性。
此外,利用代谢组学有潜力发现新的抗生素及重要植物和食品中抗菌特性的确定。
有人曾使用鉴定性代谢组学方法利用HPLC鉴定了双氢葫芦素醋酸盐是佛山血胆香草中主要的抗菌物,主成分分析(PCA)数据也证明了从香草中提取的双氢葫芦素醋酸盐对葡萄球菌有抑制作用。
代谢组学在食品加工中的应用
食品加工包括物化处理,加工同时会引起食品重要成分的改变。
这些改变通过代谢组学能够被测定。
通过使用NMR技术的信息代谢组学分析和鉴定非靶标分析,Choi、Yoon、Kim等人对大豆酱的生产曾进行了监测,通过实验证明了预期时间和糖减少量及醋酸量增加的相关性。
并通过主成分分析发现,发酵时间作为一项重要因素可区分发酵终产物。
另外,Capanoglu等人用靶标信息代谢组学分析出了