天游线路检测中心 顶空-通过GC-MS对咖啡样品进行综合分析+未知成分分析-通过多变量分析提取特征成分PCA分析和通过高分辨率MS进行成分鉴定-

简介

随着质谱仪性能的不断提高，一个可以分析以前无法观察到的痕量成分和未知成分的时代已经开始。随着可以获得的信息量不断增加，人们越来越需要一种能够轻松分析大量观察到的成分的方法，并且对包括多变量分析在内的综合分析的需求和必要性也在不断增加。
本文介绍了一种新的非目标分析方法，该方法结合了使用高分辨率 GC-MS 的综合分析和使用软电离和 EI 方法的未知成分分析。

测量方法

测量条件如表1所示。样品是来自不同产地的四种市售咖啡（A：印度尼西亚、B：埃塞俄比亚、C：危地马拉和D：巴西）。使用1个样品进行测量，n=5。样品制备如下。

• 将 1 g 咖啡豆放入 22 mL HS 小瓶中，倒入 15 mL 100°C 煮沸的水，然后密封。
• 冷却至室温后，将10 mL上清液放入HS小瓶中，注入2 µL内标溶液（对溴氟苯）。
• 各2mL密封于HS小瓶中并用作测量样品。

表1 测量条件

顶部空间条件

GC-TOFMS 条件

结果

图1显示了获得的TIC色谱图。在每个样品中观察到的成分中，高强度检测到的成分之间的差异可以通过肉眼确认，但手动对所有差异成分进行一一分析仍然需要大量时间。此外，在分析隐藏在TIC基线中的低强度成分或极微量成分时，如果分析人员发生变化，结果也可能会发生变化，因此使用可以使用相同分析条件进行峰检测等的软件进行自动分析对于比较观察到的成分和分析样品之间的差异是有效的。这次，我们使用SpectralWorks的AnalyzerPro对咖啡中的挥发性成分进行综合分析。 AnalysisPro 首先执行反卷积，从色谱图中提取目标成分。然后，对通过反卷积获得的所有组分的质谱自动执行 NIST 库搜索。可以创建所获得的结果的列表并使用该列表进行PCA分析和方差分析。
图2显示了PCA分析结果。测量数据可以在 PCA 得分图中按生产区域进行分类。特别是，我们能够在第一个主成分轴上将印度尼西亚（A）咖啡与其他地区的咖啡分开。接下来，我们创建了 PCA 载荷图，并对有助于第一主成分正分离的成分（即印尼语 (A) 的特征成分）进行了定性分析。图 3 显示了 PCA 载荷图第一主成分轴（图 2 中的中心红框）正侧的放大视图。
图3中所示的四个成分是对第一主成分的正侧分离贡献最大的成分，并且这四个成分中的三个可以通过NIST库搜索来识别。例如，吡啶是咖啡中被称为香气成分的成分，在印尼（A）咖啡中的含量是其他地区的两倍以上，表明它是印尼咖啡的特征成分。

图1 TIC色谱图。

图2 PCA得分图和负载图。

图 3 PCA 加载图的放大视图。

图4 印尼咖啡中未知成分的EI和FI质谱图及精确质量测量结果。

图5 印度尼西亚咖啡中未知成分的估计结构式。

对 Fgi3 中所示的四个组件之一（图中标记为 ? 的组件）执行 NIST 库搜索的结果是，第一个候选组件的匹配因子较低，为 682，并且假设该组件尚未在 NIST 库数据库中注册。因此，对于该成分，我们使用软电离FI法估算了分子式，并使用EI法观察到的碎片离子组成计算结果估算了结构式。
图4显示了FI质谱、同位素图谱和精确质量分析结果，以及EI质谱和精确质量分析结果。在 FI 质谱中观察到m/z124的同位素图谱和精确质量分析显示其组成为C₇H₈O₂，估计不饱和数为4。由于不饱和数是整数值，因此m/z124被确定为分子离子。接下来得到候选分子式C₇H₈O₂的元素类型和编号对EI碎片离子进行精确质量分析时，我们能够获得所有组成。由此可知，该未知化合物的分子式为C₇H₈O₂图5所示的结构是从获得的EI碎片离子的组成式推导出来的。以 EI 碎片离子形式观察m/z96是由分子离子的CO脱附和乙烯脱附引起的双峰。利用高分辨率MS，即使整数值相同的碎片（CO脱附和乙烯脱附均为28u脱附）也具有不同的精确质量，因此可以分离和检测各自产生的碎片离子。结果表明，通过准确了解观察到的 EI 碎片离子的组成，可以估计结构式。

摘要

多元分析PCA方法可以提取多个样本之间不同的特征成分。然而，如果提取的成分未在 NIST 库数据库中注册，则很难使用低分辨率 GC-MS 对其进行识别。在这种情况下，使用能够进行精确质量分析的高分辨率GC-MS的软电离法推定分子式以及使用EI法推定结构式是有效的。

点击此处查看此页面的可打印 PDF。
点击打开新窗口。

PDF 767KB