脂质在生命体中扮演着诸多角色,主要作用是贮存和供给机体所需能量,同时具有维持细胞膜的完整性和功能、作为信使参与组织细胞间的信息传递、作为激素调节机体生理功能、润滑及防寒等功能。根据美国“脂质代谢途径研究计划”项目Lipid Maps数据库所使用的分类系统,将脂质分为8大类,即脂肪酰类、甘油酯类、甘油磷脂类、鞘脂类、固醇脂类、孕烯醇酮脂类、糖脂类和多聚乙烯类[1]。
不仅在生命体内,脂质在农产品内同样具有举足轻重的地位。作为肉品的主要成分之一,脂质对肉品的外观、风味、质构、营养组成等均有显著影响。在肉品加工及贮存过程中,脂质会参与大量的生化反应,产生各种有利或有害于肉品品质的物质,使肉品感官品质有所改善(如高温烘烤、油炸、蒸煮产生诱人香气),或者发生劣变(如脂质酸败产生哈喇味)。肉品中的不饱和脂肪酸在加工过程中会氧化形成各类风味物质,如醛类、酮类、醇类及酯类相关化合物。对肉类香气形成具有重要贡献的1-辛烯-3-醇,可由n-3、n-6不饱和脂肪酸氧化形成,而己醛、庚醛、辛醛、壬醛和(E,E)-2,4-癸二烯醛也可由多不饱和脂肪酸水解形成,所以肉品的脂肪酸组成与其产品风味紧密相关。高脂肪含量的肉品在高温或长时间热处理的过程中会产生多环芳烃、羟基十八碳二烯酸等有害氧化产物,这些氧化产物具有一定的病理生理学作用,会诱导炎症及某些癌症的发生。同时脂质的大量氧化会诱导蛋白质氧化,不仅会导致色氨酸、精氨酸、酪氨酸等氨基酸含量减少,而且会促进蛋白质的交联聚合,导致肉品的保水性、色泽及质构特性发生劣变。所以肉品的脂质变化关系着产品的食用品质、营养品质及安全品质等,脂质组学通过监测肉制品中脂质组成的变化,可实现对产品质量的预测、监控并辅助加工技术的改善。从养殖场地到餐桌的过程中,肉品的品种、产地、养殖方式、收获季节等原料因素及屠宰、运输、加工、包装、贮存、熟制等各个环节,每个环节都会对肉品中的脂质产生影响,从而影响到肉品的商业价值[2]。因此,确定肉品中的脂质及其衍生物的组成及含量,监测从养殖场地到消费者食用过程中各个环节中脂质的变化,可以帮助更好地了解肉品质量变化的原因,并为鉴定及调控肉品品质、保证肉品安全奠定坚实的理论基础。由于脂质在生物系统中的重要作用,越来越多的研究集中于脂质分子及其与生理病理的联系,脂质组学渐渐从代谢组学中的一支独立了出来,是继基因组学、蛋白质组学、代谢组学之后迅速发展的一门学科[3]。
脂质组学的概念由HAN等[4]在2003年正式提出,即从分子水平上系统、全面地对生物体体液、细胞和组织中的脂质进行分析,以研究脂质在生物代谢中的分子种类、含量和功能的变化。脂质组学在生命科学领域已有广泛的应用,通过揭示异常脂质与各类疾病的紧密联系,对疾病的预防诊断及控制、药物研发等众多方向均可提供理论支撑[5]。近年来,借鉴生命领域的经验及研究方法,食品领域中脂质组学的研究也得到了迅速的发展。其中脂质组学的检测技术随着分离技术及质谱检测技术的快速发展,正朝着多元、快速、精准的方向发展,以期为不同食品基质中脂质分子的定性定量检测提供更多方法及更准确的检测结果。本文探讨了脂质组学分离检测技术的最新进展及脂质组学技术在肉品中的应用。
1 脂质组学的检测技术
脂质分子的种类及含量是脂质组学研究的数据基础,通过色谱、光谱配合质谱检测,可以得到大量质谱信息,配合使用Lipid Maps、Lipid Bank等数据库可获得脂质分子种类、功能及代谢相关信息。对于异构脂质共流出、同位素峰重叠、潜在加和离子干扰和源内碎裂等问题,可采用脂质组学专用软件,例如ALEX、LipidQA和LipidView等进行进一步分析识别。脂质组学研究会产生大量多维数据,通过采用主成分分析(principal components analysis,PCA)、偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)、正交偏最小二乘判别分析(orthogonal partial least squares-discriminant analysis,OPLS-DA)对数据进行降维处理,然后经过t检验和变量权重重要性排序(variable importance in projection, VIP)值分析,即可筛选潜在的生物标志物。所以脂质组学分析首先需要进行的关键步骤就是使用各种分离检测技术对样品中的脂质分子进行鉴定,获得足量数据后进行的生物信息学分析才具有指导意义。
1.1 基于色谱的分离检测技术
色谱技术的发展已经相对成熟,可用于分析复杂食品基质中的脂质。色谱法种类多样,如薄层色谱法(thin-layer chromatography, TLC)、HPLC、GC、超临界流体色谱法(supercritical fluid chromatography, SFC)、毛细管电泳法(capillary electrophoresis, CE)等。对于更高灵敏度及精度的要求,二维色谱技术(two-dimensional, 2D)逐渐开始发展,如2D高效液相色谱法(LC×LC)、2D气相色谱法(GC×GC)等,均可以实现食品基质中的脂质分离检测。
1.1.1 薄层色谱法
薄层色谱法具有简单方便、成本较低、分析速度快、根据标准可快速定量的特点[6]。现代分析方法极少单独使用TLC进行脂质分析,一般会联合其他质谱方法进行分析,如基质辅助激光解吸质谱法(matrix-assisted laser desorption ionization mass spectrometry, MALDI-MS)、电喷雾电离质谱(electrospray ionization mass spectrometry, ESI-MS)等,操作更安全且与目视检查相比分辨率与精确度高得多。
1.1.2 液相色谱法
液相色谱法已经在各检测领域得到广泛应用,具有分辨率高、重现性好的特点。液相色谱用于分析脂质有其独特的特点,比如液相系统与外界隔离,避免了脂质与空气接触,减少其氧化降解。脂类种类众多,可使用不同的色谱柱及检测器分类检测。不需要类似GC的高温,避免了脂质在高温下异构化的风险。
正相液相色谱(normal-phase liquid chromatography, NPLC)可用于分析磷脂,根据磷脂极性的不同引起保留时间的不同区分磷脂种类。反向液相色谱(reverse phase liquid chromatography, RPLC)对磷脂的分离是通过亲脂性的差异完成的,疏水性更强的脂质更容易和固定相结合,保留时间就越长。对于磷脂的分析,亲水相互作用色谱(hydrophilic interaction liquid chromatography, HILIC)是比NPLC更常用的方法[7]。
1.1.3 气相色谱法
气相色谱在脂质组学中的应用较为局限,因为气相色谱在分离前需要进行复杂的衍生化,这个过程会消除很多脂质的结构信息,特别是极性脂质。但是对于脂肪酸的分析,气相色谱是比较常用的手段。最常用的检测方法是使用GC分离后结合火焰离子化检测器(flame ionization detector, FID)进行分析,可以对复杂基质中的脂质进行快速、简便、可靠的分析。但是FID的问题是在存在污染物以及伪影的情况下,其结果的精准度及可靠性相对较差,所以这种检测器在检测丰度较低的脂肪酸时并不适用[8]。
1.1.4 超临界流体色谱
SFC是一种先进的高分辨率色谱,可用于分离不同类别的脂质。超临界流体比液体具有更高的扩散系数及更低的黏度,所以相比HPLC分离度更好且速度更快,可用于同时分析极性相差较大的脂类。近年来有研究对脂质的异构体及手性分子进行分离,发现相比于HPLC和GC,SFC具有更好的分离特性,随着超高效超临界流体色谱(ultrahigh-performance supercritical fluid chromatography,UHPSFC)的发展,这项技术会在越来越多的领域得到应用[9]。
1.2 基于光谱的分离检测技术
光谱技术主要包括2种,红外光谱(infrared spectroscopy, IR)和拉曼光谱(Raman spectroscopy, RS),IR测定的原理是基于红外吸收而RS是基于非弹性光散射。这2种方法都是测定分子振动能级之间的跃迁,即研究样品中化学键相关的振动能级。每个分子都有一个独特的振动光谱,所以根据解读光谱可以推断样品中的化学成分。这2种方法是互补的,2种方法相结合才能得到样品中分子组成的完整信息[10]。GAO等[10]将红外光谱和拉曼光谱结合使用,根据不同的脂质特征峰,成功建立了判别不同来源肉骨粉的物种判别模型。
另外核磁共振波谱(nuclear magnetic resonance spectroscopy, NMR)是光谱的一个分支技术,其不同于先前讨论的振动光谱技术,核磁共振根据原子核的磁性进行测定。这种技术是基于外部磁场激发样品核自旋,记录由于弛豫现象(核自旋回到热力学平衡)而产生的电磁辐射来分析分子结构。
1.3 基于质谱的检测技术
MS是迄今为止分析脂质的主要仪器,其在特异性、灵敏度、检测动态范围及检测吞吐量上具有独特的优势[11]。质谱分析没有通用的检测技术,根据检测试样的不同可以选择合适的分离技术、离子源、质量分析仪等。通常基于MS的脂质分析技术主要可以分为直接进样质谱法(direct infusion-mass spectrometry, DI-MS)和色谱-质谱联用法。近年来离子迁移质谱(ion mobility-mass spectrometry, IM-MS)和质谱成像(mass spectrometry imaging, MSI)取得了巨大进展,扩大了基于质谱的检测技术在脂质组学中的应用。
1.3.1 直接进样质谱法
DI-MS就是在不经过色谱分离的情况下将粗脂质的提取物或组分直接注入MS。ESI是应用最广泛的产生脂质离子流的离子源。HAN等[12]将基于ESI-MS开发的平台称为“鸟枪法脂质组学”,成为了脂质组学研究的主要策略之一。鸟枪法脂质组学通常使用三重四级杆高分辨率质谱(triple quadrupole-high resolution mass spectrometry, QqQ-HRMS)进行MS/MS扫描,包括产物离子扫描(product ion scanning, PIS),中性损失扫描(neutral loss scanning, NLS)模式。通过监测不同扫描模式下的特征片段离子,可以很容易的识别出单个脂质分子种。基于这种模式,YANG等[13]结合化学衍生开发了基于多维质谱的鸟枪脂质组学(multidimensional mass spectrometry-based shotgun lipidomics, MDMS-SL),可以最大限度地利用脂质及其亚基的独特理化性质进行分离分析。ESI可以分离具有不同电性质的脂质,只有带电荷的脂质才能进入MS进行分析,所以对于非极性和不易电离的脂质,可以使用化学衍生来增强极性,提高电离效率。
1.3.2 色谱-质谱联用技术
与DI-MS相比,色谱-质谱联用可以分离异构体及等比重的脂质,在DI-MS中必须通过衍生或专用设备才能区分。最主要的是经过色谱的分离后,离子源室中的竞争离子减少,间接提高了检测的灵敏度[14]。最后通过保留时间来确定单个脂质的分子种,保留时间和脂质的理化性质相关。增加了色谱分离后,脂质分析的分辨率及可靠性都有很大提高,但是分析时间也相应延长。
脂质组学分析中最常见的分离技术是液相色谱(liquid chromatography, LC)。LC-ESI是最常见的组合,而大气压化学电离(atmospheric pressure chemical ionization, APCI)技术通常用于ESI的补充电离技术。APCI-MS已经广泛用于检测非极性或极性较低的脂质,如酰基甘油或甾醇类物质[15]。近年来二维液相色谱配合质谱分析在非靶向脂质组学中有着广泛应用,二维液相色谱可以突破一维液相色谱的峰容量限制,但是会产生高度复杂的数据集。有研究使用ROIMCR(regions of interest multivariate curve resolution)策略对二维液相色谱串联质谱产生的数据进行分析,可以从水稻中分离出超过200种脂质[16]。
GC-MS通常用于挥发性化合物的分离鉴定。对于非挥发性的脂质在GC分离前必须进行衍生化,可能会显著消除脂质的部分结构信息。GC-MS动态范围相对较窄,不适合于大规模的脂质组学研究,但是其分辨率和灵敏度较高,仍是一种分析脂肪酸链,特别是区分顺反异构和区域异构脂肪酸链的有效工具。此外,高温气相(high temperature-gas chromatography, HT-GC)的引入大大扩展了脂质的检测范围。
SFC-MS是近年来的新兴技术,相比LC-MS具有更高的分离效率和更短的分离时间。其可以在6 min内分离鉴定涵盖6个主要脂质类别的30个非极性和极性脂质。此外,通过向流动相中添加改性剂来调整极性,使SFC-MS更适合分离具有广泛极性的脂质[17]。但SFC分离专用设备和色谱柱的高昂成本限制了其在食品脂质分析中的广泛应用。其他分离技术包括薄层色谱法和毛细管电泳法也被应用于脂质分离,但是比例较低。
1.3.3 离子迁移质谱
IM-MS是一种新兴技术,由于其在分离异构和等压脂质能力上的潜力,在脂质组学分析中得到广泛关注。离子迁移谱(ion mobility spectrometry, IMS)使用气相结合电离技术,根据脂质离子的物理化学性质进行分离,这和其他色谱技术的原理截然不同,所以可以作为额外的维度纳入DI-MS和LC-MS的脂质组学分析中,用以提高峰值容量和分辨率[18]。此外,在差示迁移率光谱法(differential-mobility spectrometry, DMS)中,将载气中加入有机溶剂以改变离子迁移率,可以使补偿电压(compensation voltage, CoV)成为分离脂质的最佳参数[19]。而漂移时间(drift-time ion mobility spectrometry, DTIMS)、行波(traveling wave ion mobility spectrometry, TWIMS)中的碰撞截面(collision cross section, CCS)在不同的实验和仪器中高度重复[20]。而IM-MS衍生出的CCS是一种极有价值的理化性质,能够在组学水平上进行脂质的鉴定,提高脂质分子鉴定的可信度,在检测新型脂质分子上具有极高的潜力[21-22]。最近,研究人员建立了一系列脂质CCS数据库,主要来源于真实脂质标准品的实验测量及生物信息学预测。CCS与保留时间、质量、MS/MS谱图构成了脂质鉴定的多维筛选工具,减少了假阳性,提高了可信度[23]。目前IM-MS和LC-IM-MS还处于起步阶段,CCS数据库的信息不完善是限制IMS在脂质组学中应用的主要限制。
1.3.4 质谱成像
一般的脂质组学方法都需要从生物组织或食品基质中将脂质提取出来,而提取过程就会对样品造成破坏,使脂质的空间分布信息丢失。所以MSI就成为了使生物组织中不同脂质类别动态分布变化可视化的工具。MSI是将质谱分析与分子成像结合,相当于使用MS探针在每个像素点进行了一次DI-MS分析[24]。MALDI和解吸电喷雾电离(desorption electrospray ionization, DESI)是脂质MSI分析中最常用的离子源。MALDI依靠激光能量吸收矩阵,以最小的碎片从脂质分子中产生离子,具有分析速度快、操作简便的特点。近年来质谱成像技术在脂质组学研究中已得到广泛应用,有研究使用MALDI-MSI对奇亚籽泡水前后的脂质分布进行分析,认为奇亚籽在泡水24 h后增加了其ω-3的可萃取率及ω-6与ω-3的比率,并且发现所检脂质主要分布在奇亚籽的胚乳中[25]。环境电离质谱,包括实时直接分析质谱(direct analysis in real time-mass spectrometry, DART-MS)和快速蒸发电离质谱(rapid evaporative ionization mass spectrometry, REIMS),也可用于MSI,主要作用是筛选给定样品中的脂质种类,为原位、实时和高通量分析脂质种类提供了研究策略。
表1 基于质谱的检测技术在脂质组学中的应用对比
Table 1 Applications of MS-based detection technologies in lipidomics
方法优势劣势ESI-MS仪器设备及检测成本较低;灵敏度及稳定性较好;定量相对准确存在离子抑制效应,易掩盖低丰度脂质;在分析质谱数据时需要较多的专业知识;对碎裂模式相同的异构体难以区分IM-MS可在常压下电离;预处理方法简单;可分析同分异构体及同位素数据库信息不完善,仅能分析部分脂质DESI-MS前处理简便;可在常压下电离;适用于磷脂及脂肪酸分析仅能对可电离的脂质分子进行分析MALDI-MS分析速度快;设备操作简单;可用于复杂糖脂类分析;多用于质谱成像不易和色谱连用,缺乏预分离过程;需要寻找合适的基质;基质与样品被同时电离,降低了定性定量的灵敏度
2 脂质组学在肉品中的应用
相比于单一的脂质分离鉴定,脂质组学能够将存在于肉品中可检测的脂质进行全面系统的分析,通过对较大的数据量进行生物信息学的分析挖掘,可以得到除脂质种类含量以外的其他信息,这是仅进行脂质定性定量检测所无法获得的信息,也是脂质组学的优势所在。通过脂质组学高通量的检测数据及生物信息学对脂质在分子种水平上的数据挖掘,通过寻找潜在的生物标志物来确定肉品的产地、品种、加工方式等信息,为保障肉品安全、监测肉品品质、改进加工方式等方面提供有力的检测手段及科学依据。
2.1 肉类来源鉴别
2.1.1 产地鉴别
产地是消费者们在购买肉品时相对关心的问题,不同地域出产的肉品在品质上可能存在显著的差异。使用脂质组学对不同产地肉品进行分析,可以找出区分不同产地的潜在标志物。藏猪是一种中国特有的高海拔猪种,具有更强的抗病性、更小的体型、更好的肉质及较慢的生长速度,由于藏猪数量稀少、感官特性良好,其价格往往是其他品种的5倍以上。为了确保产地的真实性,MI等[26]研究了产于西藏、吉林及三门峡的黑猪的脂质指纹图谱,共检测出1 180种脂质,使用偏最小二乘判别分析可以得到100种脂质具有较高潜力判别不同产地的猪肉,包括61种甘油酯、17种甘油磷脂、4种甾醇、2种鞘脂、3种聚酮、7种脂酰基和6种丙烯醇酯。牛肉是主要的肉类之一,根据牛肉产地的不同,价格从每公斤9.4美元至21.8美元不等,所以鉴定牛肉产地是防止经营者欺骗消费者以谋取非法利润的保障。WANG等[27]研究了使用实时直接分析-飞行时间质谱(direct analysis in real time-quadrupole time-of-flight mass spectrometry, DART-QTOF)和LC-ESI-QTOF对来自加拿大、阿根廷、新西兰、巴西、澳大利亚和乌拉圭的牛肉进行脂质组学分析,发现了40种脂质作为潜在标记物区别不同产地的牛肉。
2.1.2 品种鉴别
脂质作为肉品中的主要成分之一,也可以提供全面的信息来评估其营养价值及判断肉品种类,通过脂质组学分析能够可靠地筛选出不同的物种及营养成分。鲑鱼是一种重要的经济鱼类,蛋白质及ω-3脂肪酸含量较高,且经常为生食。但是最近发布了一项有争议的标准,将虹鳟鱼归类为鲑鱼,但是虹鳟鱼寄生虫相对较多,这就引起了消费者们的担忧。SONG等[28]使用iKnife电刀联合REIMS对2种鱼类的脂质进行分析,利用PCA、PLS、OPLS方法对脂质原始数据进行分析,筛选出了12种脂肪酸和37种磷脂可以作为潜在标记物区分鲑鱼和虹鳟鱼。而YU等[29]使用了HILIC-MS技术,通过PCA区分大马哈鱼、大西洋鲑及虹鳟鱼,筛选了PC34∶2和PC36∶0作为潜在标志物区分3种鱼肉,其差异可能来源于遗传或者生活环境。WANG等[30]使用UPLC-QTOF-MS对3种海洋鱼类(尖吻鲷、大菱鲆和钩吻鲷)和一种淡水鱼类(草鱼)的脂质进行分析,认为使用PCA法可以有效区分不同的鱼类,共检测出12类、700多种脂质分子,主要是甘油酯及磷脂,部分磷脂及鞘脂(d19∶3)可作为潜在生物标志物。
2.1.3 野生与养殖肉品鉴别
养殖方式会影响到肉品中的代谢物,进而影响到肉的营养价值和风味品质,使其具有不同的商业价值。近年来经营者宣称野生捕获的动物其肉品的营养价值和风味更好,但是消费者在购买时很难用肉眼直接区分其中的差异。由于动物在养殖及野生条件下摄食方式、摄食环境、摄食内容等均有显著差异,从而对自身脂质的积累产生明显影响,通过脂质组学鉴定,可实现不同养殖方式的区分。FIORINO等[31]使用DART-HRMS研究野生鲑鱼和养殖鲑鱼脂质构成上的区别,认为多不饱和脂肪酸DHA及EPA等存在差异,野生鲑鱼C20或C22的脂肪酸含量更高,而养殖鲑鱼C18的脂肪酸含量更高。MAN等[32]使用UPLC-orbitrap-MS分析了有机养殖和其他养殖方式的牛肉,使用PLS-DA及OPLS-DA建立分类模型,用以寻找脂质铺组间差异及差异代谢物,最后筛选了7种代谢物用以区分养殖方式。WANG等[33]使用UPLC-QTOF-MS平台区分圈养山羊/绵羊及散养山羊/绵羊,散养山羊/绵羊相比圈养山羊/绵羊具有更多的营养和更好的风味,主要是由于摄食周期、总能量摄入、生长速度、脂肪沉积和脂肪酸比例不同造成的,其ω-3脂肪酸、共轭亚油酸及油酸含量更高,所以消费者愿意为此支付更高的价格;还使用PCA及OPLS-DA进行多元统计分析,筛选了46个潜在标记物,区分圈养及散养绵羊/山羊的识别率可以达到89.3%和98.3%。
2.1.4 部位、年龄及性别鉴别
肉品中的脂质组成会随着动物屠宰的年龄、性别及部位发生显著变化,而这种变化会导致肉品的营养品质及风味品质等发生显著改变,所以研究不同部位、年龄及性别的肉品中脂质组成的变化可以帮助消费者更好地选择合适的肉品。MI等[34]使用UPLC-ESI-MS/MS对不同年龄、性别及部位的太和乌骨鸡肉进行脂质组学分析,结果表明,306天的乌骨鸡其不饱和脂肪酸,特别是DHA含量显著高于89天组,说明日龄较大的乌骨鸡其营养价值要高于日龄较小组。雄性乌骨鸡中磷脂及DHA含量显著高于雌性乌骨鸡,所以对孕妇更加适宜。腿部肌肉中甘油三酯、多不饱和脂肪酸及植物神经酰胺含量显著高于胸部肌肉,证明腿部肌肉营养价值相对胸部更高。LI等[35]使用HPLC-TOF-MS对德州驴肉背最长肌、臀肌及腘绳肌的脂质组成进行分析,认为背最长肌的肌内脂肪含量高于臀肌和腘绳肌,主要由富含单不饱和脂肪酸及饱和脂肪酸的甘油三酯构成。共鉴定出73类、1 143种脂质的VIP>1、P<0.05,显著差异主要集中在甘油三酯、甘油磷脂及鞘脂类,这些脂类的形成是调节肌内脂肪沉积的关键途径,可以明显影响肉质的多汁性、嫩度及风味品质。HE等[36]使用UPLC-ESI-Q-TOF-MS平台对罗非鱼头部、内脏及肌肉的脂质组成进行研究,认为头部和内脏的脂质含量明显高于肌肉。甘油三酯是罗非鱼脂质的主要成分,但是磷脂中多不饱和脂肪酸的含量更高,特别是DHA和EPA,头部和内脏脂质中发现了生物活性较高的糖脂类化合物,意味着罗非鱼这部分脂质在婴幼儿配方食品及营养补充剂中有着巨大的应用潜力。使用PCA及PLS-DA法分析脂质原始数据,根据VIP>1、P<0.05筛选了5类、33种脂质用于区分罗非鱼的不同部位,这一研究为了解罗非鱼的脂质组成及副产品高值化利用提供了理论基础。
2.2 肉类加工及贮藏
2.2.1 加工方式及工艺优化
肉品的加工方式是导致其成分变化的主要原因之一。脂质在肉品中是一种不稳定的营养素,极易发生氧化,这种氧化的适当进行可以产生令人愉悦的风味物质,但是过度氧化会产生哈喇味等刺激气味及有害的过氧化产物,导致肉品失去食用价值及营养价值。所以利用脂质组学技术监测分析肉品加工过程中脂质的变化,可以帮助肉品确定合适的加工方法及参数。JIA等[37]使用UPLC-Q-Orbitrap-HRMS平台分析鉴别煮制、蒸制及烘烤滩羊肉中的脂质成分变化,结果表明煮制滩羊肉鞘磷脂损失程度比神经酰胺多,更适合于动脉粥样硬化和癌症(乳腺癌、结直肠癌、前列腺癌)患者。蒸制滩羊肉其磷脂酰胆碱及溶血磷脂酰胆碱损失较少,比较适合老年人及婴幼儿。作者使用PCA、PLS-DA及聚类分析对脂质分子进行筛选分析,鉴定出了6类、90种VIP>1的脂质,可能成为区分不同热加工方式的潜在标记物。SHI等[38]使用UPLC-Q-Exactive Orbitrap-MS对煮制、蒸制、烤制罗非鱼片的脂质分布进行研究,结果显示热加工过程对8类、137种脂质影响显著,与烤罗非鱼片相比,蒸制和煮制对罗非鱼片中不饱和脂肪酸的影响更小,说明蒸煮更容易维持罗非鱼片的营养成分。LIU等[39]使用UPLC-ESI-MS/MS对0～15 min烤羊肉中的脂质变化进行分析,可优化烤羊肉工艺参数,共检测到2 488种脂质,其中TG(16∶0/18∶0/18∶1)和TG(18∶0/18∶0/18∶1)是与香气结合稳定性相关的主要脂质。筛选出20类、488种VIP>1、P<0.05的脂质用于区分不同烘烤时间,其中磷脂酰胆碱及磷脂酰乙醇胺是主要的气味物质前体,13种香气成分确定为烤羊肉的特征风味物质。LU等[40]使用HILIC-MS研究了牡蛎空气煎炸后血浆素的变化,血浆素是一种具有生物功能的乙醚磷脂。结果显示牡蛎在空气煎炸过程中脂肪含量降低,但血浆素损失较大。
2.2.2 品质鉴别
影响肉品品质的因素很多,除了上文提到的品种、产地、养殖及加工方式外,贮藏时间、运输方式等都会对肉品本身品质产生影响,通过脂质组学研究可以从脂质分子层面对这些肉的品质进行区分鉴别。LI等[41]通过UPLC-Q-Exactive Orbitrap MS平台研究了羔羊去势对腰大肌肉质的影响。结果显示去势羔羊的睾酮水平相对较低,这有利于脂肪的沉积,去势后腰大肌中有14类、224种脂质分子增加,提供了更为丰富的风味前体物质,有利于羔羊肉品质的提升。CHEN等[42]使用UPLC-ESI-MS研究了不同贮藏时间下鲑鱼脂肪组成变化,与新鲜样品相比,贮藏5、10、15 d后有92种脂质发生变化。生物信息学分析显示,第10天开始溶血磷脂酰胆碱(LPC)(17∶0)、LPC(18∶0)、LPC(22∶2)和磷脂酰胆碱(PC)(18∶4/16∶1)含量显著增加。传统方法如K值及挥发性盐基氮(total volatile basic nitrogen,TVB-N)分析也显示10 d后开始腐败,所以这4种脂质可以作为新鲜度的潜在标志物。SONG等[43]使用iKnife-REIMS研究了不同贮藏时间下干刺参的脂质谱图变化。在加速贮藏期间,使用PCA及PLS-DA筛选出特征离子m/z 739.5、831.5、847.6、859.6作为候选生物标记物,用以区分不同贮藏时间的干海参,并通过ROC曲线构建预测模型,准确度良好。JIA等[44]依靠UHPLC-Q-Orbitrap MS/MS平台对滩羊肉-20 ℃下贮藏24 d内脂质图谱的变化进行分析,通过PCA及PLS-DA筛选出了6类、66种脂质可以区分不同的贮藏时间,贮藏的前12 d磷脂酰胆碱、磷脂酰乙醇胺及酯酰肉碱短暂增加,导致了脂肪自氧化速度加快,使贮藏12 d后的滩羊肉品质迅速下降,故最佳冷链贮藏时间应控制在12 d内。
2.3 肉类掺假
肉品掺假通常是使用低品质或者其他种类的肉类替代高品质肉类,或者加入非肉类外源物质以掩盖品质问题。脂质组学通过对脂质分子种的定性定量检测,可以帮助研究人员建立肉品掺假的检测方法。BALOG等[45]使用TOF-REIMS对混合肉饼中的肉品种进行分析,该实验可以在5 s内采用PCA-LDA监督模型筛选出肉饼中是否含有马肉、鹿肉或牛肉成分,检出限为5%,为混合肉馅中掺入低品质肉品种的检测提供了一种快速可靠的方法,但痕量检测可能需要采用不同的生物信息学方法。金枪鱼是世界范围内最重要的商业鱼类之一,交易最广泛的金枪鱼是蓝鳍金枪鱼、大眼金枪鱼、长鳍金枪鱼及黄鳍金枪鱼。蓝鳍金枪鱼肉质最好,价格较高,但是大眼金枪鱼和黄鳍金枪鱼在切去小鳍和背鳍后外形特征与蓝鳍金枪鱼没有明显差异,所以SONG等[46]使用iKnife-REIMS平台分析金枪鱼脂质谱图,利用PCA寻找4种金枪鱼脂质差异,使用OPLS-DA构建预测模型,其准确度大于93%。并根据VIP>1、P<0.05筛选了m/z 817.64和809.68作为潜在标记物用以判断蓝鳍金枪鱼肉是否被其他鱼肉掺假。TRIVEDI等[47]使用UPLC-MS对牛肉和猪肉的脂质进行分析,可以鉴定牛肉碎中是否掺入了猪肉碎,且认为脂肪含量与代谢物含量具有一定的相关性。
2.4 肉类营养及安全
食品安全是现代人们面临的最重要的挑战之一。肉品作为食品主要的一部分,在动物饲养、屠宰、运输、分销等各个环节都有几率被污染,可能来源于内源性物质,也可能是生产、加工、存储过程中故意或无意带入的。通过脂质组学鉴定,可以帮助从业者寻找各环节潜在的安全隐患,为保证肉品的安全及营养价值提供一定的指导。CHIESA等[48]使用HPLC-HR orbitrap MS平台对辐照鸡肉、火鸡及混合碎肉(鸡肉、火鸡、猪肉)的脂质谱变化,以判断是否存在任何食品安全问题。5种辐照强度下通过PCA及VP分析鉴定出14类、345种脂类受到辐射强度影响,认为虽然辐照会引起脂质的部分氧化,但是依然可以保持肉类的原始品质,是一种较好的肉类保藏方法。CHIU等[49]使用QuEChERS-GC-MS(Quick, easy, cheap, effective, rugged, and safe-gas chromatography-mass spectrometry)检测胆固醇氧化产物的生成。肉品中都含有一定量的胆固醇,胆固醇在加热后易产生胆固醇氧化产物,易导致动脉粥样硬化及各种心血管疾病。此研究对鸡排、猪排、秋刀鱼、水煮猪肉、熏鸡及香肠6种肉制品及猪油、牛油和黄油3种动物油脂中的胆固醇氧化产物含量的变化进行测定。结论显示,秋刀鱼中的胆固醇氧化产物含量最高,其次是水煮猪肉、香肠、熏鸡、猪排和炸鸡排,而牛油中的胆固醇氧化产物远高于猪油和黄油。
3 展望
随着社会的发展,人们愈发追求食品的安全及更高的品质。脂质组学依靠现代精密仪器,在分离技术、质谱技术及数据处理技术领域的发展允许研究者分析更加复杂的食品基质,为食品安全溯源、食品质量保障、功能成分分析等方面提供了优越的平台。但是由于食品中脂质的复杂性,仍然存在许多亟待解决的问题。如数据库积累不足,肉品贮藏加工过程中脂质变化产生的一些中间产物难以鉴定。对于一些丰度较低的脂质,仪器检测限难以达到,或者前处理过程繁琐,检测成本高昂。由于数据库及分析方法的多样,不同的检测方法可能会得到有差异的脂质组学数据。这些问题在脂质组学未来的发展中将会被慢慢解决,在肉品中将会得到更广泛的应用,为确保肉品质量安全、提供高品质个性化的肉制品提供理论基础。
[1] 胡谦, 张九凯, 韩建勋, 等.脂质组学在食品质量安全领域的应用进展 [J].食品科学, 2019, 40(21):324-333.
HU Q, ZHANG J K, HAN J X, et al.Recent progress in the application of lipidomics in food safety and quality[J].Food Science, 2019, 40(21):324-333.
[2] MUNEKATA P E, PATEIRO M, L
PEZ-PEDROUSO M, et al.Foodomics in meat quality[J].Current Opinion in Food Science, 2021, 38:79-85.
[3] 王杰, 俞喜娜, 张燕平, 等.脂质组学技术及其在水产中的应用研究进展 [J].食品工业科技, 2020, 41(4):333-338;347.
WANG J, YU X N, ZHANG Y P, et al.Progress of lipidomics technologies and their application in aquatic products[J].Science and Technology of Food Industry, 2020, 41(4):333-338;347.
[4] HAN X L, GROSS R W.Global analyses of cellular lipidomes directly from crude extracts of biological samples by ESI mass spectrometry:A bridge to lipidomics[J].Journal of Lipid Research, 2003, 44(6):1071-1079.
[5] 崔益玮, 王利敏, 戴志远, 等.脂质组学在食品科学领域的研究现状与展望 [J].中国食品学报, 2019, 19(1):262-270.
CUI Y W, WANG L M, DAI Z Y, et al.Recent advances and prospect of lipidomics in food science[J].Journal of Chinese Institute of Food Science and Technology, 2019, 19(1):262-270.
[6] RABIEI Z, BIGDELI M R, RASOULIAN B, et al.The neuroprotection effect of pretreatment with olive leaf extract on brain lipidomics in rat stroke model [J].Phytomedicine, 2012, 19(10):940-946.
[7] HINES K M, HERRON J, XU L B.Assessment of altered lipid homeostasis by HILIC-ion mobility-mass spectrometry-based lipidomics[J].Journal of Lipid Research, 2017, 58(4):809-819.
[8] ROACH J A G, YURAWECZ M P, KRAMER J K G, et al.Gas chromatography—High resolution selected-ion mass spectrometric identification of trace 21:0 and 20:2 fatty acids eluting with conjugated linoleic acid isomers[J].Lipids, 2000, 35(7):797-802.
[9] SONG S Y, LIU H W, BAI Y.Supercritical fluid chromatography and its application in lipid isomer separation[J].Journal of Analysis and Testing, 2017, 1(4):330-334.
[10] GAO F, BEN-AMOTZ D, YANG Z L, et al.Complementarity of FT-IR and Raman spectroscopies for the species discrimination of meat and bone meals related to lipid molecular profiles [J].Food Chemistry, 2021, 345:128754.
[11] HOL
APEK M, LIEBISCH G, EKROOS K.Lipidomic analysis[J].Analytical Chemistry, 2018, 90(7):4249-4257.
[12] HAN X L, GROSS R W.Shotgun lipidomics:Electrospray ionization mass spectrometric analysis and quantitation of cellular lipidomes directly from crude extracts of biological samples[J].Mass Spectrometry Reviews, 2005, 24(3):367-412.
[13] YANG K, CHENG H, GROSS R W, et al.Automated lipid identification and quantification by multidimensional mass spectrometry-based shotgun lipidomics [J].Analytical Chemistry, 2009, 81(11):4356-4368.
[14] WANG J N, HAN X L.Analytical challenges of shotgun lipidomics at different resolution of measurements[J].TrAC Trends in Analytical Chemistry, 2019, 121:115697.
[15] FLAKELAR C L, PRENZLER P D, LUCKETT D J, et al.A rapid method for the simultaneous quantification of the major tocopherols, carotenoids, free and esterified sterols in canola (Brassica napus) oil using normal phase liquid chromatography [J].Food Chemistry, 2017, 214:147-155.
[16] NAVARRO-REIG M, JAUMOT J, TAULER R.An untargeted lipidomic strategy combining comprehensive two-dimensional liquid chromatography and chemometric analysis [J].Journal of Chromatography A, 2018, 1568:80-90.
[17] YANG Y, LIANG Y S, YANG J N, et al.Advances of supercritical fluid chromatography in lipid profiling[J].Journal of Pharmaceutical Analysis, 2019, 9(1):1-8.
[18] PAGLIA G, ANGEL P, WILLIAMS J P, et al.Ion mobility-derived collision cross section as an additional measure for lipid fingerprinting and identification[J].Analytical Chemistry, 2015, 87(2):1137-1144.
[19] LINTONEN T P I, BAKER P R S, SUONIEMI M, et al.Differential mobility spectrometry-driven shotgun lipidomics[J].Analytical Chemistry, 2014, 86(19):9662-9669.
[20] STOW S M, CAUSON T J, ZHENG X Y, et al.An interlaboratory evaluation of drift tube ion mobility-mass spectrometry collision cross section measurements[J].Analytical Chemistry, 2017, 89(17):9048-9055.
[21] PAGLIA G, SMITH A J, ASTARITA G.Ion mobility mass spectrometry in the omics era:Challenges and opportunities for metabolomics and lipidomics[J].Mass Spectrometry Reviews, 2022, 41(5):722-765.
[22] TU J, ZHOU Z W, LI T Z, et al.The emerging role of ion mobility-mass spectrometry in lipidomics to facilitate lipid separation and identification[J].TrAC Trends in Analytical Chemistry, 2019, 116:332-339.
[23] ZHOU Z W, SHEN X T, CHEN X, et al.LipidIMMS Analyzer:Integrating multi-dimensional information to support lipid identification in ion mobility-mass spectrometry based lipidomics[J].Bioinformatics (Oxford, England), 2019, 35(4):698-700.
[24] BOWMAN A P, HEEREN R M A, ELLIS S R.Advances in mass spectrometry imaging enabling observation of localised lipid biochemistry within tissues[J].TrAC Trends in Analytical Chemistry, 2019, 120:115197.
[25] ZARE T, RUPASINGHE T W T, BOUGHTON B A, et al.The changes in the release level of polyunsaturated fatty acids (ω-3 and ω-6) and lipids in the untreated and water-soaked chia seed[J].Food Research International, 2019, 126:108665.
[26] MI S, SHANG K, LI X, et al.Characterization and discrimination of selected China’s domestic pork using an LC-MS-based lipidomics approach[J].Food Control, 2019, 100:305-314.
[27] WANG K W, XU L, XUE W, et al.Discrimination of beef from different origins based on lipidomics:A comparison study of DART-QTOF and LC-ESI-QTOF[J].LWT-Food Science and Technology, 2021, 149:111838.
[28] SONG G S, ZHANG M N, ZHANG Y Q, et al.In situ method for real-time discriminating salmon and rainbow trout without sample preparation using iKnife and rapid evaporative ionization mass spectrometry-based lipidomics[J].Journal of Agricultural and Food Chemistry, 2019, 67(16):4679-4688.
[29] YU X N, LI L Q, WANG H H, et al.Lipidomics study of rainbow trout (Oncorhynchus mykiss) and salmons (Oncorhynchus tshawytscha and Salmo salar) using hydrophilic interaction chromatography and mass spectrometry[J].LWT, 2020, 121:108988.
[30] WANG X S, ZHANG H W, SONG Y, et al.Comparative lipid profile analysis of four fish species by ultraperformance liquid chromatography coupled with quadrupole time-of-flight mass spectrometry[J].Journal of Agricultural and Food Chemistry, 2019, 67(33):9423-9431.
[31] FIORINO G M, LOSITO I, DE ANGELIS E, et al.Assessing fish authenticity by direct analysis in real time-high resolution mass spectrometry and multivariate analysis:Discrimination between wild-type and farmed salmon [J].Food Research International, 2019, 116:1258-1265.
[32] MAN K Y, CHAN C O, TANG H H, et al.Mass spectrometry-based untargeted metabolomics approach for differentiation of beef of different geographic origins [J].Food Chemistry, 2021, 338:127847.
[33] WANG J S, XU Z Z, ZHANG H B, et al.Meat differentiation between pasture-fed and concentrate-fed sheep/goats by liquid chromatography quadrupole time-of-flight mass spectrometry combined with metabolomic and lipidomic profiling[J].Meat Science, 2021, 173:108374.
[34] MI S, SHANG K, JIA W, et al.Characterization and discrimination of Taihe black-boned silky fowl (Gallus gallus domesticus Brisson) muscles using LC/MS-based lipidomics [J].Food Research International, 2018, 109:187-195.
[35] LI M M, ZHU M X, CHAI W Q, et al.Determination of lipid profiles of Dezhou donkey meat using an LC-MS-based lipidomics method[J].Journal of Food Science, 2021, 86(10):4511-4521.
[36] HE C, CAO J, BAO Y Y, et al.Characterization of lipid profiling in three parts (muscle, head and viscera) of tilapia (Oreochromis niloticus) using lipidomics with UPLC-ESI-Q-TOF-MS[J].Food Chemistry, 2021, 347:129057.
[37] JIA W, LI R T, WU X X, et al.UHPLC-Q-Orbitrap HRMS-based quantitative lipidomics reveals the chemical changes of phospholipids during thermal processing methods of Tan sheep meat[J].Food Chemistry, 2021, 360:130153.
[38] SHI C P, GUO H, WU T T, et al.Effect of three types of thermal processing methods on the lipidomics profile of tilapia fillets by UPLC-Q-Extractive Orbitrap mass spectrometry[J].Food Chemistry, 2019, 298:125029.
[39] LIU H, HUI T, ZHENG X C, et al.Characterization of key lipids for binding and generating aroma compounds in roasted mutton by UPLC-ESI-MS/MS and Orbitrap Exploris GC[J].Food Chemistry, 2022, 374:131723.
[40] LU W B, ZHANG M, ZHANG T, et al.Impact of air-frying on the plasmalogens deterioration and oxidation in oyster revealed by mild acid hydrolysis and HILIC-MS-based lipidomics analysis[J].Electrophoresis, 2021, 42(16):1552-1559.
[41] LI J, TANG C H, ZHAO Q Y, et al.Integrated lipidomics and targeted metabolomics analyses reveal changes in flavor precursors in psoas major muscle of castrated lambs[J].Food Chemistry, 2020, 333:127451.
[42] CHEN J, KONG Q, SUN Z T, et al.Freshness analysis based on lipidomics for farmed Atlantic salmon (Salmo salar L.) stored at different times[J].Food Chemistry, 2022, 373:131564.
[43] SONG G S, ZHAO Q L, DAI K H, et al.In situ quality assessment of dried sea cucumber (Stichopus japonicus) oxidation characteristics during storage by iKnife rapid evaporative ionization mass spectrometry[J].Journal of Agricultural and Food Chemistry, 2021, 69(48):14699-14712.
[44] JIA W, LI R T, WU X X, et al.Molecular mechanism of lipid transformation in cold chain storage of Tan sheep[J].Food Chemistry, 2021, 347:129007.
[45] BALOG J, PERENYI D, GUALLAR-HOYAS C, et al.Identification of the species of origin for meat products by rapid evaporative ionization mass spectrometry [J].Journal of Agricultural and Food Chemistry, 2016, 64(23):4793-4800.
[46] SONG G S, CHEN K, WANG H X, et al.In situ and real-time authentication of Thunnus species by iKnife rapid evaporative ionization mass spectrometry based lipidomics without sample pretreatment[J].Food Chemistry, 2020, 318:126504.
[47] TRIVEDI D K, HOLLYWOOD K A, RATTRAY N J W, et al.Meat, the metabolites:An integrated metabolite profiling and lipidomics approach for the detection of the adulteration of beef with pork[J].The Analyst, 2016, 141(7):2155-2164.
[48] CHIESA L M, DI CESARE F, MOSCONI G, et al.Lipidomics profile of irradiated ground meat to support food safety[J].Food Chemistry, 2022, 375:131700.
[49] CHIU C W, KAO T H, CHEN B H.Improved analytical method for determination of cholesterol-oxidation products in meat and animal fat by QuEChERS coupled with gas chromatography-mass spectrometry [J].Journal of Agricultural and Food Chemistry, 2018, 66(13):3561-3571.