Food Authenticity Testing with the Agilent 6546 LC/Q-TOF and MassHunter Classifier

Význam tématu

Adulterace potravin a falešné označování představují významné riziko pro bezpečnost a důvěru spotřebitelů. Přesné a opakovatelné metody autentizace potravin umožňují kontrolu kvality vstupních surovin i finálních výrobků. Kombinace kapalné chromatografie s hmotnostní spektrometrií (LC/Q-TOF) a pokročilého softwaru přináší rychlé a uživatelsky přívětivé řešení pro rutinní laboratoře.

Cíle a přehled studie

Cílem studie bylo demonstrovat workflow pro testování autenticity potravin založené na Agilent 6546 LC/Q-TOF a softwaru MassHunter Profinder, Mass Profiler Professional (MPP) a Classifier. Model potvrdili na třech odrůdách manga (Tommy Atkins, Keitt, Ataulfo) s použitím šesti biologických replikátů, čistých QC i adulterovaných vzorků.

Použitá metodika

Homogenizovaná dužina manga byla extrahována pomocí sady QuEChERS EN. Adulterované vzorky vznikly smícháním čistých QC v poměrech 50:50 a 20:80. Roztoky byly analyzovány na 1290 Infinity II LC spojené s 6546 LC/Q-TOF v pozitronovém režimu (m/z 50–1000). Pro separaci byl použit sloupec ZORBAX SB-Aq (3,0×150 mm, 3,5 µm) s formiátovým pufrem ve vodě a acetonitrilu. Data byla zpracována v Profinder (rekurzivní MFE, pozitivní iony, prahová hodnota 3000), v MPP vyfiltrována podle frekvence, RT, ANOVA a fold change (FC>10, abund.>50000), a nakonec statisticky klasifikována PLS-DA modelem.

Použitá instrumentace

• Agilent 1290 Infinity II LC
• Agilent 6546 LC/Q-TOF
• Software MassHunter Profinder 10.0
• Software Agilent Mass Profiler Professional 15.0
• Software Agilent Classifier 1.0
• QuEChERS EN extrakční sada

Hlavní výsledky a diskuse

Hmotnostní přesnost během pětidenního měření byla lepší než 2 ppm, drift retence <0,1 min a signál interních standardů stabilní s RSD<10 %. Z původních >4000 funkčních entit bylo vybráno 481 klíčových dle statistických filtrů. PLS-DA model zřetelně rozlišoval jednotlivé odrůdy manga. Classifier přesně identifikoval čisté QC i adulterované vzorky s prahovou hodnotou důvěry ≥0,8 a zachoval 100% přesnost i po 14 dnech od modelování. RSD hodnoty predikčních confidencí byla <5 %, což potvrzuje vysokou reprodukovatelnost.

Přínosy a praktické využití metody

• Uživatelsky přívětivé workflow pro rutinní laboratoře
• Minimální potřeba odborné expertízy pro běžné analýzy
• Rychlá příprava vzorků a zpracování dat
• Spolehlivá detekce adulterace i po dlouhodobé době
• Možnost rozšíření na další potravinové matice

Budoucí trendy a možnosti využití

Implementace automatizovaných nástrojů pro tvorbu statistických metod usnadní aktualizace a údržbu modelů. Rozvoj AI-podporovaných algoritmů a integrace s online monitorováním mohou umožnit on-line kontrolu kvality během výroby. Další rozšíření softwaru Classifier o nové biomarkery a matrice posílí univerzálnost metody.

Závěr

Předložené řešení spojuje výkonný LC/Q-TOF s pokročilým softwarem pro rychlou a spolehlivou autentizaci potravin. Díky jednoduchému uživatelskému prostředí Classifier 1.0 lze metodu snadno zavést do rutinní praxe i s omezenými odbornými zdroji.

Reference

1. Agilent Technologies. QuEChERS EN Sample Preparation Method. Online: https://www.agilent.com/en/products/sample-preparation/sample-preparation-methods/quechers/extraction-kits (stav k datu publikace).