摘要 本文基于固相微萃取和氣相色譜質(zhì)譜 (SPME-GC/MS) 非靶向測(cè)定蜂蜜中揮發(fā)性組分， 結(jié)合化學(xué)計(jì)量學(xué)方法建立了不同植物來(lái)源蜂蜜判別和預(yù)測(cè)的方法。利用 SPME-GC/MS 對(duì)來(lái)自四種植物來(lái)源（包括洋槐蜜、椴樹(shù)蜜、荊條蜜和油菜蜜）的 87 個(gè)真實(shí)蜂蜜樣 品中的全譜揮發(fā)性化合物進(jìn)行非靶向分析。通過(guò)主成分分析 (PCA) 對(duì)樣品進(jìn)行質(zhì)量控 制。然后，建立基于偏最小二乘判別分析 (PLS-DA)、樸素貝葉斯 (NB) 和誤差反向傳 播人工神經(jīng)網(wǎng)絡(luò) (BP-ANN) 的樣品分類(lèi)預(yù)測(cè)模型。模型的準(zhǔn)確率為 100%，這表明不 同植物來(lái)源蜂蜜可以準(zhǔn)確分類(lèi)。此外，還通過(guò)另外一組獨(dú)立的 20 個(gè)真實(shí)蜂蜜樣品， 對(duì)模型的可靠性和實(shí)用性進(jìn)行了驗(yàn)證。所有 20 個(gè)樣品均得到準(zhǔn)確分類(lèi)。最后，對(duì)椴 樹(shù)蜜的特征揮發(fā)性化合物進(jìn)行初步鑒定。這表明，本研究建立的不同植物來(lái)源蜂蜜 判別方法是準(zhǔn)確、可靠的，同時(shí)有助于尋找蜂蜜中的特征化合物。

前言 蜂蜜以其營(yíng)養(yǎng)和藥用特性成為了世界上受歡迎的天然產(chǎn)物之一。蜂蜜的植物來(lái)源 和產(chǎn)地受到消費(fèi)者的日益關(guān)注。蜂蜜的價(jià) 格通常與其植物來(lái)源/產(chǎn)地有關(guān)。因此， 很有必要開(kāi)發(fā)一種快速?gòu)?qiáng)大的方法來(lái)鑒定 不同來(lái)源的蜂蜜。GC/MS 在識(shí)別和定量 分析復(fù)雜樣品中的有機(jī)化合物方面具有優(yōu) 勢(shì)，與固相微萃取 (SPME) 的組合可用于 分析蜂蜜中的揮發(fā)性化合物[1]。 本應(yīng)用簡(jiǎn)報(bào)介紹了最近發(fā)表的一項(xiàng)關(guān)于非 靶向揮發(fā)性化合物圖譜的研究[2]，該研究 結(jié)合使用 SPME 和 GC/MS 與化學(xué)計(jì)量學(xué) 方法，對(duì)中國(guó)蜂蜜的植物來(lái)源進(jìn)行分類(lèi)。 該研究開(kāi)發(fā)出一種基于非特異性揮發(fā)性化 合物指紋圖譜和多變量分析分類(lèi)并預(yù)測(cè)蜂 蜜植物來(lái)源的方法。應(yīng)用 SPME-GC/MS 在全掃描模式下非靶向采集蜂蜜的全譜揮 發(fā)性化合物數(shù)據(jù)。使用各種過(guò)濾參數(shù)進(jìn)行 多變量?jī)?yōu)化。然后，建立基于偏最小二乘 判別分析 (PLS-DA)、樸素貝葉斯 (NB) 和 誤差反向傳播人工神經(jīng)網(wǎng)絡(luò) (BP-ANN) 的 預(yù)測(cè)模型。最后，對(duì)于具有顯著性差異的 化合物進(jìn)行了初步確認(rèn)。

材料與方法 蜂蜜樣品 87 個(gè)真實(shí)蜂蜜樣品，包括 19 個(gè)洋槐 (Robiniapseudoacacia L.) 蜜樣品、22 個(gè) 椴樹(shù) (Tilia amurensis Rupr.) 蜜樣品、 22 個(gè)荊條 (Vitexnegundo var. heterophyllaRehd.) 蜜樣品和 24 個(gè)油菜 (Brassica campestris L.) 蜜樣品，分別采 集自中國(guó)北京、吉林、河北和陜西。從養(yǎng) 蜂人處直接采集 500 g 以上的各種蜂蜜樣 品，并保存在 4 °C 的冰箱中待分析。化學(xué)品 己烷（MS 級(jí)）購(gòu)自 Fisher Scientific（中 國(guó)上海）。正己烷購(gòu)自 Sigma-Aldrich，并 采用一系列烷烴 (C8H18–C25H52) 計(jì)算保留 指數(shù)。利用癸酸甲酯 (Sigma-Aldrich) 作 為內(nèi)標(biāo)。實(shí)驗(yàn)用水產(chǎn)自 Milli-Q 水純化系 統(tǒng) (Millipore, Bedford, MA, USA)。

固相微萃取 使用 CTC 自動(dòng)進(jìn)樣系統(tǒng)和 2 cm 涂有 50/30 µm 二乙烯苯/Carboxen/聚二甲 基硅氧烷 (DVB/CAR/PDMS) 的纖維頭 （部件號(hào) SU57348U）運(yùn)行 SPME 程序。 分析前，將纖維置于氣相色譜進(jìn)樣口中， 在 270 °C 下老化 1 小時(shí)。SPME 條件如 下：將 3 g 蜂蜜放入包含 1.5 mL 去離子 水和 0.5 g 氯化鈉的 20 mL 頂空螺紋口樣 品瓶（部件號(hào) 5183-4474）中，并用聚四 氟乙烯 (PTFE)/硅橡膠隔墊（部件號(hào) 5183- 4477）將樣品瓶密封。然后在 80 °C 下， 將涂有 DVB/CAR/PDMS 的纖維頭置于樣 品溶液的頂部空氣中暴露 30 分鐘。完成 萃取步驟后，將纖維頭從樣品瓶中取出并 插入氣相色譜進(jìn)樣口中，在 250 °C 下進(jìn) 行 2 分鐘熱脫附。 數(shù)據(jù)處理和統(tǒng)計(jì)分析 利用 Agilent MassHunter GC/MS 轉(zhuǎn)換軟 件 B.07.00 版將 Agilent ChemStation 數(shù) 據(jù)轉(zhuǎn)換為 MassHunter 數(shù)據(jù)。將轉(zhuǎn)換后的 GC/MS 數(shù)據(jù)導(dǎo)入 MassHunter 未知物分析 軟件（B.07.01 版）中，并根據(jù)未知物分 析的優(yōu)化參數(shù)進(jìn)行解卷積和鑒定。將處理 后的蜂蜜樣品輪廓圖導(dǎo)出為 cef 文件，然 后導(dǎo)入 Agilent Mass Profiler Professional （13.0 版）中。 采用化學(xué)計(jì)量學(xué)方法，例如主成分分析 (PCA)、單因素方差分析 (ANOVA) 和預(yù)測(cè) 模型（包括 PLS-DA、NB 和 BP-ANN）。

結(jié)果與討論 數(shù)據(jù)挖掘 使用 Agilent MPP 軟件進(jìn)行數(shù)據(jù)過(guò)濾和化 學(xué)計(jì)量學(xué)分析。對(duì)所有 cef 文件進(jìn)行數(shù)據(jù) 過(guò)濾。對(duì)于四組樣品，通過(guò)數(shù)據(jù)匹配總共 獲得了 2734 個(gè)化合物。根據(jù) MPP 工作 流程，第一個(gè)過(guò)濾器是按標(biāo)記進(jìn)行過(guò)濾， 該步驟用于消除不可靠的化合物。根據(jù) 各個(gè)樣品是否高于閾值或達(dá)到飽和設(shè)置 “存在”和“臨界”標(biāo)志，以從整個(gè)數(shù)據(jù) 集中過(guò)濾化合物。保留了 87 個(gè)樣品中至 少 2 個(gè)樣品中可接受的化合物。第二個(gè) 過(guò)濾器是按頻率過(guò)濾，根據(jù)化合物在樣 品中的出現(xiàn)頻率對(duì)其進(jìn)行過(guò)濾。在該步 驟中，必須是存在的化合物才可進(jìn)行該 步過(guò)濾。這些過(guò)濾條件保留了每個(gè)樣品 中在至少一種條件中出現(xiàn)的化合物。第 三個(gè)過(guò)濾器是顯著性分析，根據(jù)單因素 方差分析計(jì)算出的 p 值。為確保僅保留 存在顯著差異的化合物，在大多數(shù)情況 下，選擇的 p 值截止值為 0.05。經(jīng)過(guò)三 個(gè)過(guò)濾步驟，將化合物數(shù)量從 2734 減少 至 114。為鑒定處理樣品和對(duì)照樣品之間 的豐度比或差異超出給定倍數(shù)變化截止值 或閾值的化合物，采用倍數(shù)變化分析作 為最終過(guò)濾步驟。當(dāng)倍數(shù)變化截止值為 2 時(shí)，保留了 110 個(gè)化合物，表明一系列 過(guò)濾步驟顯著減少了變量數(shù)量和數(shù)據(jù)集的 維數(shù)。