文摘

的花朵Elaeagnus angustifolial .已被用来作为同源不同在中国,其质量严重依赖于成分在开花期间。不幸的是,研究挥发性化合物的变化在开花季节很少报道。这里,气相色谱spectrometry-based诸多代谢组学方法的综合分析,提出了挥发性化合物大肠angustifolia鲜花分类各种开花阶段。样本收集四个开花阶段,包括最初的开花阶段,pre-full开花阶段(70 - 80%的花),盛开阶段,布鲁姆的结束阶段。采用同时蒸馏萃取提取的挥发性化合物的花,当时一个新开发的最优化数据分析工具,分析了autoGCMSDataAnal。开发方法的一个优势是,可以准确地筛选和确定化合物。最后,59化合物显示显著差异四个开花阶段筛选和31个化合物被确定。样本聚类结果从主成分分析和层次聚类分析表明,pre-full开花阶段,盛开的鲜花阶段使用时可能更适合作为工业产品的原材料。

1。介绍

同源不同,花的Elaeagnus angustifolial .(野生橄榄、沙枣、或野生橄榄)已经被使用在中国的西部地区1- - - - - -4]。传统上,花儿用作医学(5)对慢性支气管炎和破伤风(6),哮喘7- - - - - -9),关节炎,和咳嗽10,11]。此外,它还可以作为食品添加剂的材料用于治疗一些葡萄酒的味道(12,13]。大肠angustifolia鲜花被广泛用作茶饮料在中国的西北地区(14]。据报道,大肠angustifolia花有anti-saccharification效果,可以用作食品添加剂抑制不良糖化反应在食品加工15]。的精油大肠angustifolia花和叶子提取和识别为防腐剂在食品工业和自然农业杀虫剂(7]。

在中国,大肠angustifolia被广泛种植的西北地区,包括宁夏、青海、甘肃和新疆省(16]。通常,开花季节持续大约20 - 30天,主要范围从5月到6月在中国宁夏。在此期间,花中提取精油的收集(17]。然而,花中的挥发性化合物在开花季节变化迅速,因此严重影响产品的质量。

很多作品已经发表了描述化合物的鲜花大肠angustifolia。例如,Torbati et al。7]利用气相色谱分析-质谱法(gc - ms)研究化合物的精油,可以量化和53个化合物,其中包括肉桂酸乙酯、hexahydrofarnesyl丙酮、棕榈酸,等,约占精油含量96.59%。陈等人。18和汉族等。9)分离的新化合物的鲜花大肠angustifolia由核磁共振(NMR)和特征,其中包括大环的类黄酮甙、三萜皂苷、木酚素苷(18]。大多数发表的作品集中在就业的gc - ms表征化合物的鲜花或相关产品(19]。工作很少被报道为研究挥发性化合物在开花的季节。

在这项工作中,GC-MS-based诸多代谢组学策略20.)提出了执行复合内容的识别和表征在开花季节变化。最近提出的gc - ms数据自动分析软件,autoGCMSDataAnal [21),分析介绍了花的样品大肠angustifolia第一次。样本收集宁夏作为例子展示了开发策略。Coeluted化合物在气可以合理分离借助最优化数学分离算法和精确合格。

2。实验

2.1。样品收集

花样品收集在开花季节5月16日至6月2日在银川,中国宁夏的采样间隔4或5天。手动四开花阶段划分,即。,the initial bloom stage (with about 25% flowers, the perianth is not open), the pre-full bloom stage (70–80% flowers, the perianth opens), the full bloom stage (100% flowers, the perianth is completely open), and the ending of the bloom stage (100% flowers with some abscission, the perianth began to wilt) [22]。共有34个样本收集不同的树木在同一地区,包括8个样品从最初的开花阶段,10个样本pre-full开花阶段,8样本盛开期,8样本布鲁姆的结束阶段。收集后,所有的样品都在实验室进行分析。

2.2。样品预处理

同时蒸馏萃取(SDE)过程是利用挥发性化合物的提取。对于每一个样品,大约20 g的花重成1 L圆底烧瓶,然后350毫升的纯水(中国屈臣氏)和40克氯化钠补充道。CH₂Cl₂(美国Thermofisher)被选为提取溶剂和大约40毫升加入250毫升圆底烧瓶。SDE的执行2 h。然后,大约10毫升的萃取溶剂转化为25毫升的平底烧瓶和无水硫酸钠添加2 g。最后,1μL(溶剂注入了gc - ms分析。

2.3。准备质量控制样品

质量控制(QC)样本由同样混合34个样本的提取方案。在QC样品进样过程,注射后每6样本。

2.4。仪器分析

安捷伦气相色谱用于数据收集。DB-WAXETR (30 m×0.25毫米,0.25μ使用m)列。他(99.999%)作为载气。注射前的温度设置为 ,分流比为5:1。烤箱温度和维护3分钟,紧随其后的是一个增量的 来 。一个15分钟跑后的温度下使用 。溶剂延迟时间设置为4分钟。

质谱的参数进行了优化。全扫描模式是使用的扫描范围50 - 500 Da和5光谱/秒的扫描速度。EI的温度是 ,和碰撞能量是70 eV。

2.5。数据分析

都变成了“mzdata gc - ms数据收集。xml”文件格式和导入autoGCMSDataAnal平台执行总离子流色谱图(TIC)检测峰值,峰值反褶积,让使用者修正,组件注册,和统计分析方差分析(方差分析),主成分分析(PCA)和层次聚类分析(HCA)。筛选化合物的光谱解析autoGCMSDataAnal终于用于化合物鉴定在国家标准与技术研究院(NIST)。

3所示。结果与讨论

3.1。抽搐的峰值检测和反褶积

分析gc - ms数据严重的成功依赖于复合信息提取。autoGCMSDataAnal在抽搐的性能峰值检测是首先进行这项工作。一个典型的例子是图所示1,大约有107抽搐的山峰被检测到。主峰筛选了43.49分钟可以明显抽搐信号中发现,样本中占据约64.42%的内容。图中的付保证金的阴谋1显示了一些小的峰值检测结果详细的山峰。显然,小组件可以被autoGCMSDataAnal成功提取。

在复杂样品分析,发现coeluted是很常见的化合物,抽搐的山峰是相互重叠23]。在这种情况下,复合识别基于收集到的质谱峰下顶点可能提供不准确的结果。这将是合理的执行峰反褶积。通常,分析师可能会求助于在抽搐峰值反褶积。然而,AMDIS可以提供大量的假阳性化合物解析结果。,TIC峰值反褶积进行基于多元曲线resolution-alternating最小二乘算法(MCR-ALS) [24),在autoGCMSDataAnal实现。MCR-ALS的一个优势是,它是通过对初始化参数的迭代策略。autoGCMSDataAnal可以自动提供初始化参数,如组件的数量,色谱的组件在一个抽搐的高峰期,等等,对于MCR-ALS,将迭代优化检索底层色谱和质谱的化合物。

autoGCMSDataAnal抽搐峰反褶积的一个例子是图所示2。图2(一个)提供了一个抽搐高峰,被autoGCMSDataAnal提取。提取的离子色谱图(共同)在不同m /z值如图2 (b)。图2 (c)显示了基线校正后的平滑启德集团。autoGCMSDataAnal分类这些共同为两个集群为MCR-ALS生成初始化色谱。最后,两个化合物从抽搐的高峰期,检索与解决色谱资料图所示2 (d)。

复合识别抽搐峰反褶积后的好处是数据所示2 (e)和2 (f)。解析化合物的质谱筛选了的顶下−32 #是由NIST与复合二十七烷(MF)用一根火柴因素761。检索到的其他化合物(33 #)被确认为benzeneacetaldehyde NIST MF 915。看来,这两个化合物可以与接受的匹配因素。然而,进一步的调查表明,解决复合benzeneacetaldehyde可以准确地确定。结果在图2发现表明,化合物在抽搐autoGCMSDataAnal山峰可以成功地检索。在以下这个工作的一部分,因此,autoGCMSDataAnal用于抽搐峰值反褶积和复合注册筛选化合物表现出显著差异在不同开花阶段。

3.2。化合物筛选和统计分析

借助autoGCMSDataAnal,注册化合物列表(266×34)得到,在266年,34岁化合物和样本的数量,分别。进一步分析表明,59化合物可以发现至少80%的样本。复合筛选进行了方差分析p值< 0.05,化合物,不能检测到80%的样品被移除。最后,59化合物筛选。

PCA和HCA用于分析分组样本的特点的基础上,筛选化合物。图3(一个)提供的样本分布在前两个主成分,能够解释大约78.6%的数据集信息。可以看出,样本第一(初花期)和第四(bloom)结束阶段的开花季节与其他能够清晰划分,即。pre-full开花阶段和盛开的阶段。第二个样本(pre-full bloom)和第三(盛开)开花阶段彼此非常接近位于PCA(图3(一个)),部分重叠的椭圆计算低于95%的水平。

类似的结果可以从HCA(图中找到3 (b)),第二个和第三个样本开花阶段首先集群,其次是第四和第开花阶段。一个很可能的原因是,挥发性化合物在第一个和第四个开花的季节。事实上,样品聚类结果符合实际的实现,第二和第三的风味特点是相同的。对第四开花阶段,味道内容发布的花逐渐减少。

3.3。化合物的识别

质谱筛选59的化合物被autoGCMSDataAnal写在一个MSP文件,然后导入到NIST复合识别。线性保留指数(RI)被用来限制候选人的数量。在这部作品中,宽容的RI被设定为30。化合物鉴定的一个例子是图所示4。图4(一)提供解决色谱和质谱筛选的化合物,其含量逐渐减少从第一到第四个开花阶段。这种化合物的色谱和质谱解析配置文件被autoGCMSDataAnal描绘在图4 (b)。NIST质谱解析成的进口导致大量的候选化合物。图4 (c)曼氏金融的基础上提供了一些可接受的候选人。在这种情况下,你会发现很难识别匹配的化合物,特别是前两个化合物在图4 (c)。借助国际扶轮,候选人可以限制在只有一个候选人,这是第一个在候选化合物表(图中4 (c))。最后,解决复合证实了标准化合物。

的组合与NIST autoGCMSDataAnal建议筛选59化合物中,31个化合物可以通过NIST匹配MFs 700和RI误差低于30以上,涉及11个酯(己酸乙酯,苯甲酸乙酯,benzeneacetic酸乙酯,benzenepropanoic酸乙酯、肉桂酸乙酯,2-propenoic acid-3-phenyl甲酯,2-propenoic acid-3-phenyl乙酯,2-propenoic acid-3-phenyl-2-methylpropyl酯、棕榈酸乙酯,硬脂酸乙酯,和9-octadecenoic酸乙酯),7醛(正己醛、庚醛、2-hexenal,壬醛,糠醛,苯甲醛,和benzeneacetaldehyde), 4醇(苯甲醇、苯乙醇、3-phenyl-2-propen-1-ol和叶绿醇),3有机酸(2-methylbutanoic酸、庚酸和n棕榈酸),2酚类(2-methoxy-4-vinylphenol, trans-isoeugenol)和4个非保密的化合物。详细信息匹配的化合物包括保留时间、RI, MF等等如表所示1。

确定化合物的含量变化在开花季节的热图图所示5。可以看到,十酯化合物表现出较高的表达水平在第一阶段(初始bloom),如9-octadecenoic酸乙酯、肉桂酸异丁酯,苯甲酸乙酯,benzeneacetic酸乙酯、肉桂酸乙酯、己酸乙酯,2-propenoic acid-3-phenyl甲基酯,硬脂酸乙酯,2-propenoic acid-3-phenyl乙酯、棕榈酸乙酯。相比之下,15个化合物显示更多内容在第四开花阶段,包括苯甲醇、壬醛,庚醛,庚酸,2-methoxy-4-vinylphenol,苯乙醇,2-hexenal,乙醛,6,10,14-trimethyl-2-pentadecanone,糠醛,benzenepropanoic酸乙酯、棕榈酸,2-methylbutanoic酸,benzeneacetaldehyde和苯甲醛。值得注意的是,所有的发现醛在第四阶段显著增加。类似的报告发现了侯et al。25),这表明醛将逐渐增加在成熟阶段。

结果表明,大多数化合物改变慢慢在第二和第三个开花阶段。化合物在第一和第四阶段是完全不同与其他阶段。复合分布特征样本聚类结果可以发现,在第二和第三阶段的样本分类(图3)。组成的相对稳定的因素大肠angustifolia鲜花是工业产品的评价标准。根据这项工作中所示的结果,质量大肠angustifolia花能保持在第二和第三个开花阶段,使用时可能更适合作为工业产品的原料。

4所示。结论

这项工作提出了一个战略调查中的挥发性化合物大肠angustifolia花在开花的季节。四个开花阶段包括初始样本开花阶段,pre-full开花阶段,盛开期,布鲁姆的结束阶段进行研究。31个化合物最后筛选和鉴定。HCA和主成分分析表明,样本接近第二和第三阶段剩余的两个阶段。总之,第二和第三阶段的花朵更适合使用时作为工业产品的原材料。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称他们没有潜在的利益冲突。

确认

这项研究是由河南大学畜牧业和经济(批准号。2018 hnuahedf014 XKYCXJJ2020002, 2019 hnuahedf007)。