Application Note Using the Waters ACQUITY RDa Detector Coupled to Multivariate Analysis (MVA) to Explore Chemical Fingerprints for Food Profiling - How to Tell Your Oat from Your Barley Flour

Význam tématu

Moderní potravinářská výroba vyžaduje rychlé a spolehlivé metody pro ověřování původu surovin a odhalování podvodů. Chemické otisky („fingerprints“) potravin umožňují sledovat kvalitu, odlišovat druhy a detekovat nežádoucí příměsi, což je klíčové pro bezpečnost alergiků a zachování důvěry spotřebitelů.

Cíle a přehled studie / článku

Cílem aplikované poznámky bylo demonstrovat využití detektoru Waters ACQUITY RDa ve spojení s multivariační analýzou (MVA) pro rozlišení různých druhů obilných mouk (pšenice, špalda, oves, ječmen, žito). Studie hodnotí postupy přípravy vzorků, akvizice dat a zpracování na jedné platformě (UNIFI + EZinfo) a ukazuje schopnost neřízené PCA rozdělit vzorky podle druhu i podmínek zpracování.

Použitá metodika a instrumentace

• Extrakce: 2,5 g mouky a 10 mL acetonitril/voda (84/16), třesení, odstředění, dvojnásobná čistící centrifugace, naředění vodou s 1 % octové kyseliny.
• Chromatografie: ACQUITY UPLC I-Class PLUS, kolona HSS T3 (2.1 × 100 mm, 1.8 µm), 45 °C, průtok 0,5 mL/min, pevné gradienty s 10 mM amon. formiátu a 0,3 % kys. mravčí ve vodě/methanolu.
• Hmotnostní spektrometrie: ACQUITY RDa Detector, režim full scan 50–2000 m/z, pozitivní ionizace, rychlost 10 Hz, kuželové napětí 30 V, rampování fragmentace 60–120 V, teplota 550 °C.
• Software: UNIFI na waters_connect (verze 1.2.0) a EZinfo (verze 3.0.3) pro PCA a marker selection.

Hlavní výsledky a diskuse

• Technická variabilita byla nízká: QC vzorky se v PCA shlukovaly velmi úzce, což potvrzuje robustnost platformy pro dlouhodobé runy (~300 injekcí za 3 dny).
• PCA neřízeně oddělila skupiny vzorků podle druhu obilí a dále rozdílila pšenici a oves dle zemědělské praxe, doby sklizně či obsahu bílkovin.
• Výběr markerů byl omezen na RT 2–10 min a intenzitu signálu >5 000 cps, což zvýšilo jasnost rozlišení.
• Analýza ztrát neutrálních fragmentů odhalila pravděpodobné glykosidické struktury, typické pro sacharidy v moukách.
• Přesnost hmotnosti standardu imazalilu dosahovala průměrné chyby ~3.1 ppm s RMS 3.6 ppm a %RSD signálu pod 10 %.

Přínosy a praktické využití metody

• Integrovaná LC-HRMS workflow pro rutinní kontrolu integrity potravin.
• Rychlá identifikace druhu mouky a sledování procesních odchylek.
• Možnost nasazení v provozech potravinářské výroby pro QA/QC a odhalování podvodů.

Budoucí trendy a možnosti využití

• Rozšíření metodiky o HILIC separace pro polární složky.
• Větší soubory vzorků pro validaci markerů geografického původu či zemědělských postupů.
• Integrace s dalšími omics technikami (metabolomika, proteomika) pro komplexnější profilování potravin.

Závěr

Waters ACQUITY RDa Detector s UNIFI/EZinfo nabízí uživatelsky přívětivou a robustní platformu pro chemické profilování potravin. Ukázalo se, že systém umožňuje spolehlivou multivariační analýzu mouk, poskytuje nízkou technickou variabilitu a dostatečnou přesnost hmotnosti pro identifikaci markerů.

Reference

1. Allergen Guidance for Food Businesses. Food Standards Agency, 2021.
2. Black C. et al. A Comprehensive Strategy to Detect the Fraudulent Adulteration of Herbs: The Oregano Approach. Food Chem. 2016;210:551–557.
3. Gonzales G. et al. LC-MS Coupled With Multivariate Analysis for Characterization of Polyphenols in Brassica. J Chromatogr A. 2015;1402:60–70.
4. Reid L. et al. Green Tea Screening Using the ACQUITY RDa Detector. Waters Application Note 720007226, 2021.
5. Wang H. et al. Untargeted Metabolomics for Xinyang Maojian Green Tea Variations. Food Chem. 2021;352:129359.
6. Arapitsas P. et al. Untargeted LC-MS Metabolome To Discriminate Italian Monovarietal Red Wines. J Agric Food Chem. 2020;68(47):13353–13366.
7. Mol H. et al. Toward a Generic Extraction Method for Simultaneous Determination of Pesticides, Mycotoxins… Anal Chem. 2008;80(24):9450–9459.