【项目文章】基于GA2200高效离子迁移谱快速鉴别高品质橄榄油

今年，我们西班牙科尔多瓦大学用户，在Food Control杂志发表题为Discrimination amongst olive oil categories by means of high performance-ion mobility spectrometry: A step forward on food authentication的文章，利用GA2200高效离子迁移谱（HPIMS），建立对三种橄榄油快速分类的方法，对食品品质的认证，提供可靠的快检方法。我们将本文进行了解读。

将HPIMS应用于经过简单的液液萃取的橄榄油样本分析，文章开发了基于HPIMS的橄榄油检测方法，具有用户友好、快速（每次分析30秒）和低成本的特点。且溶剂消耗小，符合绿色化学的理念。根据橄榄油的感官划分，分为特级初榨橄榄油（EVOO）、初榨橄榄油（VOO）和精炼橄榄油（LOO）。本研究针对上述三类共115例橄榄油样品进行检测，并构建分析标准和计量模型。结果表明，样品分类验证的平均成功率为68.9%。区分EVOO和VOO/LOO样本的平均分类成功率为88.3%。拟开发支持行业内使用的工具，用于快速区分EVOO和非EVOO样本。

特级初榨橄榄油（EVOO）是一种有益健康的食品，具有抗炎、抗菌和抗氧化特性。仅通过机械或其他物理手段从橄榄油中获得的产品被命名为初榨橄榄油。初榨橄榄油根据其质量分为三个等级：特级初榨橄榄油（EVOO）、初榨橄榄油（VOO）和精炼橄榄油（LOO），其中特级初榨橄榄油（EVOO）非常健康，且具有独特的感官特征。现阶段，区分特级初榨橄榄油（EVOO）唯一批准的方法是基于感官评价，但评价的主观性和较高的培训成本，使得亟需开发快速、简单和可靠的分析方法辅助专家组根据标准进行特级初榨橄榄油（EVOO）的判定。

橄榄油的分析已有报道使用气相色谱结合质谱（GC-MS），以及多元分析通过挥发性组分的分析进行分类。也有报道通过固相微萃取（SPME）结合气相色谱-质谱也用于初榨橄榄油的鉴别或地理来源的鉴定。

离子迁移率谱（IMS）是一种低成本、简单的分析方法，具有许多优点，包括在大气压下运行、快速分析和低溶剂消耗。

在IMS中，离子在电离源中形成，它们通过漂移管到达探测器。离子根据大小、形状、质量和电荷进行分离。ESI离子源为分析液体基质中的非挥发性化学物质开拓了新的方法和思路。ESI已被证明对挥发性、半挥发性和非挥发性物种的电离有效。溶剂组成是影响ESI源电离效率的关键因素之一，选择含有甲醇（或乙腈）和水的混合物作为电喷雾溶剂。甲醇比水具有更高的挥发性和更低的表面张力。由于IMS的优势，该技术已经吸引了不同领域的研究人员，特别是在需要快速响应时。

IMS与ESI源的结合，称为高效离子迁移率谱（HPIMS），与常用的色谱方法相比，该技术具有更快的定性定量分析的能力。本研究利用HPIMS探究对橄榄油不同类别（EVOO、VOO和LOO）的分辨能力。通过结合液-液萃取（LLE）、HPIMS分析和多元统计技术进行分类，开发了一种快速、简单的分析方法。

本研究共分析了115份橄榄油样品（52 份EVOO、42 份VOO和21份LOO），并用于训练和评价模型。

结果与讨论

1. 橄榄油中极性化合物的LLE

HPIMS是一种敏感的仪器，因此提取物的稀释也是一个值得注意的相关因素。我们用不同的稀释因素进行了几次尝试，从未稀释的提取物到用上述甲醇：水溶液的1：10稀释。未稀释的提取物表现出强烈的重叠信号，峰不易区分。最佳稀释比为1：5。样品稀释的另一个优点是避免样品过载造成的遗留效应和污染。

2. HPIMS参数及其对分析的影响

EVOO、VOO和LOO的方法和参数。首先，我们评估了电喷雾电离的正负离子模式。正模式下的电离提供了更多的光谱信息，光谱包含更强的峰。因此，所有实验均以正离子模式进行。源电压参数值从1000到3000 V进行了研究，在2500 V时观察到信号的最大强度。较高的电压不会产生额外的反应物离子，并且在整个分析过程中发现了源的不稳定性。因此，选择2500 V作为最佳源电压值。栅电压是施加在电离子栅上的电位。离子栅门电压40-130V之间，并选择80 V作为最佳值，因为它足以最小化对峰值采集的基线影响。栅脉冲宽度是指离子引入漂移管的开启时间。因此，这个变量的增加允许在低分析物浓度下的信号增强，分辨率降低。该参数在50-150 μs的间隔时间内进行评估。信号最大强度观察到150 μs，没有分辨率损失。气体温度和漂移管温度是需要优化分析的两个关键变量。这个值可以在100到240之间进行修正。而最佳温度的选择主要受溶剂组成和分析物种类的影响。180◦C被选为漂移管的最佳温度，排气泵用于冷却电喷雾针，并将非溶剂化的液滴推出电离室。

3. 橄榄油样品的HPIMS

在5.0和7.5 ms之间观察到高峰和低强度峰，对应于甲醇/水溶剂。根据这些采集，样品的相关光谱信息包含在漂移时间的9.0-16.5 ms区域，因此只有该区域出现的峰可用于进一步研究。

不同的橄榄油类别（EVOO、VOO和LOO）表现出相似的轮廓，有许多重叠的峰。然而，在这三类样本之间可以发现一些差异。例如，EVOO样本的IMS指纹对大多数信号具有更大的强度。EVOO和VOO类别在14.2 ms处均有一个重要的峰值，这在LOO样品中以低强度检测到。同样，LOO类别在15 ms处出现一个强烈的峰值，这在EVOO类别中没有发现。LOO样品在9.7 ms和10 ms处的峰值也比EVOO和VOO类别具有更高的强度。VOO样本也显示出许多与EVOO和LOO类别共有的峰值，使区分更加复杂。虽然在不同橄榄油类别之间的谱图可以观察到一定的差异，但在一次目视检查后没有识别出清晰的模式。因此，需要进行计量学分析，以便对橄榄油样品进行准确的分类，充分发挥HPIMS的潜力。

4. 通过化学计量学模型的数据处理

通过统计模型研究上述橄榄油样品的谱图差异。剔除离群值后，进行主成分分析。显示不同类别橄榄油样本之间可能的样本聚类。PC1的评分图（33.01%捕获的方差）与PC2（19.24%捕获方差）在样本间表现出较高的重叠程度，但会发现一些聚类，这一个更适用于EVOO样本。PC1和PC2的载荷(图4B)在14和15 ms处出现峰和谷，然后证实了之前在图中进行的观测结果。为了评估所提出的方法的适用性，我们建立了三种不同的PLS-DA分类模型： 

i) 三元模型，区分三种橄榄油类别（EVOO、VOO和LOO）；

ii)EVOO/non-EVOO二元模型，区分非缺陷（EVOO）和缺陷（VOO和LOO）样品；

iii)LOO/非LOO二元模型，区分非食用（LOO）和可食用（EVOO和VOO）样品。

EVOO样本（90.0%）的VOO和LOO类别的验证效果更好（分别为66.7和50.0%）。根据这些结果，从橄榄油的极性部分中分离出化合物。样品对EVOO样品更有效。这一证据得到了PCA评分图的支持。

LOO/非LOO二元模型的预测结果与三元模型相似（TPR分别为67.1和68.9%）。而EVOO/非EVOO二元模型的预测成功率达到88.3%。区分EVOO与非EVOO样本的验证结果更好（93.3% TPR）。这些良好的结果可能是由于该模型中考虑的样本分组之间存在较大的差异：无缺陷的样本（EVOO）和有缺陷的样本（非EVOO）。而对于LOO/非LOO二元模型，样本组存在缺陷（LOO类），而非LOO组具有较高的变异性，因为存在无缺陷样本（EVOO）、缺陷样本（VOO）和不同果实程度的样本。

有几个因素可能影响光谱指纹： (i)橄榄类型；（ii）收获季节；（iii）有机或非有机农业；（iv）储存条件等。区分EVOO、VOO和LOO的HPIMS方法是非常有前景的。

采用提出的HPIMS方法对EVOO、VOO和LOO样品进行鉴别的分类结果（68.9%）与其他光谱技术如中红外（MIR）光谱（65.71%）和近红外（NIR）（72.38%）获得的分类结果相似。在EVOO/非EVOO二元模型中，用HPIMS得到的结果得到了提高，预测成功率为88.3%。然而，LOO/非LOO模型的验证率仅为67.1%。

HPIMS在GC-MS信号的指纹处理方面具有一些分析或方法上的优势，如较低的分析成本。此外，每个样品的时间分析速度较快，因为不需要进行色谱分离。HPIMS同时分析了油的极性和非挥发性部分，所获得的结果可能补充了用GC-MS收集的结果。

结论和观点

基于LLE，采用HPIMS和化学计量分析，有助于区分EVOO样本与低质量的橄榄油。这可能是因为VOO和LOO类别都包含了有代表性的物质。因此，HPIMS可以作为一种廉价和快速的筛选技术来支持小组测试，也可以区分EVOO和有缺陷的初榨橄榄油（VOO和LOO）。HPIMS光谱在类别内表现出许多共同的峰（EVOO、VOO和LOO），因此对间的辨别是一项困难的任务。因此，有必要进行多变量分析来区分不同的类别。

值得注意的是，这项开创性的研究为HPIMS在食品控制系统中的有用性开辟了一个新的分析方式。未来的研究可能会评估该技术对更多食物基质的适用性。不仅在橄榄油行业，在其他产品的认证方面也将不断建立基于HPIMS的检测手段。