在GC-Orbitrap-HRMS中使用商业软件和开源软件进行数据处理策略的比较,用于食品认证的非定向代谢学分析:作为案例研究,西红花的地理差异化和标记物识别
Araceli Rivera-Pérez1, Antonia Garrido Frenich2
1Research Group "Analytical Chemistry of Contaminants", Department of Chemistry and Physics, Research Centre for Mediterranean Intensive Agrosystems and Agrifood Biotechnology (CIAIMBITAL), Agrifood Campus of International Excellence (ceiA3), University of Almeria, 04120, Almeria, Spain. arp800@ual.es.
非定位气色谱-高分辨率质谱 (GC-HRMS) 分析对食品认证具有挑战性. 这项研究评估了MS-DIAL和Compound DiscovererTM的植物代谢成分,以帮助标记物识别.
科学领域:
- 代谢学 代谢学 代谢学
- 分析化学 分析化学
- 食品科学 食品科学 食品科学
背景情况:
- 非定位气色谱-高分辨率质谱 (GC-HRMS) 对于在食品认证中识别代谢物标志物至关重要.
- 为特征提取,代谢物注释和标记物选择处理非目标GC-HRMS数据存在重大挑战.
- 现有的研究主要集中在液态染色学 (LC) 分析上,在评估GC-HRMS数据处理工具方面存在差距.
研究的目的:
- 为了全面评估GC-Orbitrap-HRMS植物代谢学数据的数据分析工具.
- 为了比较MS-DIAL和Compound DiscovererTM软件的性能,用于地理区分和标记物识别.
- 为在食品真实性应用中实施这些数据处理方法提供指南.
主要方法:
- 利用植物代谢学数据的非向GC-HRMS分析.
- 采用开源MS-DIAL和商业复合发现器TM软件进行数据处理.
- 应用多变量数据分析用于地理歧视和标记物识别 (西班牙与波兰的西红).
主要成果:
- 两个软件包都发现了与未知的代谢物,背景信号和重复特征相关的挑战.
- 化合物发现器TM据推测注释了52种化合物 (2级),而MS-DIAL注释了115种化合物 (2级).
- 标记物识别的成功在很大程度上取决于数据处理参数和数据库使用情况.
结论:
- MS-DIAL和Compound DiscovererTM都是用于非定位GC-Orbitrap-HRMS数据分析的可行选择.
- 仔细评估特征和优化数据处理参数对于可靠的标记物识别至关重要.
- 该研究作为选择和实施GC-HRMS数据处理工具在食品真实性研究中的实用指南.
更多相关视频
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
07:34Large Scale Non-targeted Metabolomic Profiling of Serum by Ultra Performance Liquid Chromatography-Mass Spectrometry UPLC-MS
Published on: March 14, 2013
