WHAT DO WE DO WITH ALL THAT DATA? COMPLEMENTARY DATA PROCESSING METHODS FOR TWO-DIMENSIONAL GAS CHROMATOGRAPHY AND MASS SPECTROMETRY

Význam tématu

Komplexní dvourozměrná plynová chromatografie v kombinaci s vysoce rozlišenou hmotnostní spektrometrií umožňuje detailní charakterizaci komplexních směsí, jako jsou aromatické látky z kávy. Tento přístup nabízí hlubší pohled na složení vzorku, identifikaci neznámých sloučenin a srovnání mezi různými vzorky.

Cíle a přehled studie

Analyzovat headspace aroma různých druhů kávy (dvě single-varietal a dvě směsi) pomocí GC×GC-HRTOFMS. Porovnat profil sloučenin a identifikovat odlišnosti mezi vzorky. Použít kombinaci softwarových nástrojů k maximálnímu využití dostupných dat.

Použitá metodika

• Příprava vzorku: zrna kávy rozemleta na jemno, extrakce aroma pomocí SPME vlákna DVB/Carboxen.
• Chromatografická separace: GC×GC s normální fází a termickým modulátorem SepSolve INSIGHT.
• Spektrometrická detekce: JEOL AccuTOF GC-Alpha HRTOFMS s EI a dle potřeby PI nebo FI ionizačním zdrojem.

Použitá instrumentace

• SPME vlákno Supelco DVB/Carboxen.
• SepSolve INSIGHT termický modulátor pro GC×GC.
• Normální fáze kolony pro GC×GC.
• JEOL AccuTOF GC-Alpha HRTOFMS s vysokým rozlišením a EI/PI (příp. EI/FI) ionizací.

Hlavní výsledky a diskuse

Detekováno bylo více než 500 sloučenin v každém analyzovaném vzorku. Chemometrická analýza pomocí AnalyzerPro XD odhalila komponenty unikátní pro jednotlivé kávy, zejména kolumbijskou. Kombinace přesné hmotnosti, indexu retence a fragmentačních dat umožnila identifikaci dříve neznámé sloučeniny. Softwarové nástroje ChromSpace, GC Image a msFineAnalysis AI usnadnily vizualizaci, srovnání a strukturní predikci.

Přínosy a praktické využití metody

• Detailní profilace aromatických látek pro zvyšování kvality a kontroly autenticity kávy.
• Identifikace nových či významných složek ovlivňujících senzorické vlastnosti.
• Možnost porovnání odrůd a procesů pražení z chemotypového hlediska.

Budoucí trendy a možnosti využití

• Aplikace na další komplexní matrice v potravinářství a petrochemii.
• Integrace umělé inteligence a strojového učení pro automatizované rozpoznávání vzorů.
• Rozšíření měkkých ionizačních technik pro detekci termálně nestabilních sloučenin.
• Zdokonalení chemometrických nástrojů pro rychlejší a spolehlivější analýzy.

Závěr

Kombinace GC×GC-HRTOFMS a pokročilých softwarových analýz poskytuje komplexní pohled na chemické složení aroma kávy. Přesná identifikace a kvantifikace stovek sloučenin zlepšuje porozumění aromatickým profilům a nabízí široké možnosti aplikace v potravinářské a průmyslové analytice.