自动顺序的SPME解决了食品样本中的位移效应

科学领域:

• 分析化学 分析化学
• 食品科学 食品科学 食品科学
• 环境科学 环境科学

背景情况:

• 固相微提取 (SPME) 中的分析物位移阻碍了准确的量化,特别是对于复杂的食物矩阵中与提取阶段有较低亲和力的化合物.
• 疏水性化合物和低矩阵结合水平加剧了这种位移效应,影响了SPME分析的可靠性.

研究的目的:

• 开发和验证一个自动序列的SPME-气体染色学-质谱学 (GC-MS) 策略,以减轻分析物位移效应.
• 提高食品样本中目标分析物的提取效率,特别是极性化合物.

主要方法:

• 使用两个不同的SPME纤维实现了一种自动顺序的SPME-GC-MS方法.
• 第一个步骤使用了聚二甲基 (PDMS) 涂层纤维来提取疏水性干扰物.
• 第二个步骤采用了乙/碳/聚二甲基 (DVB/CAR/PDMS) 涂层纤维来提取剩余的目标分析物.

主要成果:

• 顺序的SPME策略有效地减少了在传统的SPME方法中观察到的位移效应.
• 对包括10个关键食品气味剂在内的目标分析物的提取效率得到了显著提高,特别是对于更多的极性化合物.
• 该方法在商业酒样本上成功测试,证明了其实际适用性.

结论:

• 自动顺序SPME是克服食品样本分析中分析物位移挑战的可行解决方案.
• 这种方法提高了对更广泛的分析品的整体提取效率和准确性.
• 开发的方法提供了对复杂矩阵中提取相的低亲和度分析物的改进量化.