在发酵过程中通过头部空间GC-IMS进行非目标挥发性代谢物查和微生物污染检测
Joscha Christmann1,2, Manuel Weber1, Sascha Rohn2
1Institute for Instrumental Analytics and Bioanalysis, Mannheim University of Applied Sciences, Paul-Wittsack-Straße 10, 68163 Mannheim, Germany.
Analytical chemistry
|February 22, 2024
概括
气色谱-离子流动性光谱 (GC-IMS) 有效地分析微生物发酵中的挥发性有机化合物 (VOC). 这种技术可以区分各种微生物并监测它们的生长曲线,为发酵过程提供新的见解.
科学领域:
- 分析化学 分析化学
- 生物技术是生物技术.
- 微生物学 微生物学
背景情况:
- 发酵含有大量来自介质和微生物代谢的挥发性有机化合物 (VOC).
- 这些挥发性有机化合物并没有为有效的工艺控制进行例行监测.
- 气色谱-离子流动性光谱法 (GC-IMS) 是一种用于VOC分析的敏感技术.
研究的目的:
- 评估GC-IMS用于分析由不同微生物产生的VOC.
- 要确定GC-IMS能否区分纯微生物和混合微生物培养.
- 评估GC-IMS数据与微生物生长之间的相关性.
主要方法:
- 种植模型生物: *大肠杆菌*, *大肠杆菌, *大肠杆菌, *大肠杆菌, *大肠杆菌和 *光杆菌.
- 纯种和混合种的头部空间分析使用GC-IMS.
- 多变量数据分析,包括部分最小平方差异分析 (PLS-DA).
主要成果:
- 在基于VOC档案的微生物区分方面,PLS-DA获得了0.92的准确性.
- 纯和混合培养以0.871.00的准确度进行了分离.
- 与光学密度相关联的GC-IMS数据,使得增长曲线模型具有1020%的RMSE.
结论:
- GC-IMS是分析微生物VOC并区分不同微生物物种和培养物的强大工具.
- 总体的VOC模式,而不是特定的标记化合物,是微生物差异化的关键.
- 可以利用GC-IMS实时监测和建模发酵中的微生物生长动态.
更多相关视频
05:29Profiling Volatile Compounds in Blackcurrant Fruit using Headspace Solid-Phase Microextraction Coupled to Gas Chromatography-Mass Spectrometry
Published on: June 9, 2021
3.8K
08:43PTR-ToF-MS Coupled with an Automated Sampling System and Tailored Data Analysis for Food Studies: Bioprocess Monitoring, Screening and Nose-space Analysis
Published on: May 11, 2017
12.4K
