在气相色谱-质谱分析之前，利用红外加热辅助的基质固相分散-固化技术对小麦样品中的有机氯农药进行浮液-液-液微萃取

《Microchemical Journal》：Infrared heating assisted-matrix solid-phase dispersion-solidification floating droplets dispersive liquid-liquid microextraction of organochlorine pesticides in wheat samples prior to gas chromatography–mass spectrometry

非靶向代谢组学分析表明，通过LC-HRMS和HS-SPME-GC–MS结合多变量分析（PCA、PLS-DA、聚类热图）可区分不同产地香草豆的化学组成差异，地理因素与后处理工艺共同影响代谢物分布。

　　在当今全球市场中，香草作为一种极具价值的产品，因其独特的香气和风味而备受青睐，广泛应用于食品、饮料、化妆品和香水等领域。由于其复杂的种植过程，包括需要人工授粉以及较长的成熟和加工时间，香草的生产成本高昂，成为仅次于藏红花的最昂贵香料之一。随着市场对高品质香草需求的增加，确保其来源的真实性与质量变得尤为重要。本研究旨在通过非靶向代谢组学方法，分析不同地理来源的香草豆（Vanilla planifolia）在加工后所呈现的化学特征，探索其与地理环境及加工方式之间的关系。

研究选取了来自马达加斯加、印度尼西亚、墨西哥、巴布亚新几内亚和乌干达的香草豆样本，覆盖了全球香草市场的主要产区。这些地区在气候条件、地理位置和加工技术方面存在显著差异，从而可能对香草豆的化学组成产生影响。例如，马达加斯加采用“漂白”与“发酵”相结合的方式，将香草豆置于木箱中自然晾干；而墨西哥则依赖传统的日晒或烘烤方式，配合发酵过程，以延长加工周期；印度尼西亚则通过温室效应干燥器加速干燥过程。这些不同的加工方式可能影响香草豆中的酶活性、发酵动态和氧化反应，进而改变其非挥发性和挥发性化合物的组成。

为了全面解析香草豆的化学特征，研究采用了两种互补的分析技术：液相色谱-高分辨率质谱（LC-HRMS）和固相微萃取-气相色谱-质谱（HS-SPME-GC–MS）。LC-HRMS主要用于检测非挥发性、半极性和极性代谢物，如生物碱、酚类化合物和糖苷类物质，而HS-SPME-GC–MS则专注于挥发性有机化合物，这些化合物通常与香草的香气和感官特性密切相关。通过结合这两种技术，研究能够更全面地揭示香草豆的化学多样性，并评估其地理来源的差异。

在数据处理方面，研究首先对LC-HRMS和HS-SPME-GC–MS获得的原始数据进行了预处理，包括对齐、归一化和峰检测等步骤。随后，利用多元统计方法（如主成分分析PCA、偏最小二乘判别分析PLS-DA和层次聚类分析）对数据进行分析，以识别不同样本之间的化学差异。PCA主要用于数据探索和可视化，结果显示不同地区的香草豆样本在化学组成上存在一定的区分，但部分样本之间仍表现出重叠。为了进一步验证这些差异的显著性，研究还进行了置换检验（PERMANOVA），结果显示样本之间的分组具有统计学意义，表明这些差异并非随机发生。

PLS-DA作为监督学习方法，能够更有效地识别与地理来源相关的关键代谢物。研究发现，LC-HRMS和HS-SPME-GC–MS的PLS-DA模型均表现出良好的预测性能，其中LC-HRMS模型的Q2值为0.823，HS-SPME-GC–MS模型的Q2值为0.710。置换检验进一步确认了这些模型的有效性，表明样本之间的分组具有高度的显著性。此外，层次聚类分析揭示了样本之间的潜在关联，例如巴布亚新几内亚的样本在LC-HRMS和HS-SPME-GC–MS分析中均形成了独立的聚类，而墨西哥的样本则在LC-HRMS分析中表现出较高的相似性，但在HS-SPME-GC–MS分析中则与乌干达和马达加斯加样本形成不同的聚类。

研究还识别出一些具有显著地理区分作用的化合物，如香草醛（vanillin）、丙烯酰胺（protheobromine）、酚类物质（specionin）和萜烯类物质（terpinolene）。这些化合物的相对丰度可能受到多种因素的影响，包括气候条件、微生物活动以及加工方式。例如，巴布亚新几内亚的样本在LC-HRMS分析中表现出较低的香草醛含量，而在HS-SPME-GC–MS分析中则显示出较高的香草醛浓度，这可能反映了不同加工方式对香草醛生成路径的影响。此外，研究还发现某些化合物的丰度与特定的环境压力有关，如紫外线照射、高温和病虫害等，这些因素可能通过激活植物的防御机制，影响香草豆的化学组成。

从结果来看，LC-HRMS和HS-SPME-GC–MS在揭示香草豆化学特征方面表现出一定的互补性。LC-HRMS分析主要揭示了非挥发性化合物的分布模式，而HS-SPME-GC–MS则提供了关于挥发性化合物的更详细信息。这种互补性使得研究能够更全面地理解香草豆的化学多样性，并为香草的地理来源鉴定提供更加可靠的依据。然而，研究也指出了一些局限性，例如样本的地理分布不平衡可能会影响某些统计分析的效力，以及基于光谱匹配的化合物注释可能仅限于推测性水平，缺乏绝对的鉴定结果。

研究还强调了非靶向代谢组学在香草鉴定中的重要性。通过整合多种分析策略和多元统计方法，可以更有效地揭示香草豆的化学特征，从而支持其来源的鉴定和质量评估。此外，研究指出，香草的香气和风味可能受到多种因素的影响，包括环境条件、加工技术以及微生物活动等。因此，单一化合物的检测可能不足以准确判断香草的来源，而需要综合考虑多种化学特征的变化。

总体而言，本研究通过LC-HRMS和HS-SPME-GC–MS的联合应用，揭示了不同地理来源的香草豆在化学组成上的差异。这些发现不仅有助于香草的地理来源鉴定，还为香草的品质控制和市场监管提供了科学依据。未来的研究应进一步优化样本采集策略，确保不同地区的样本数量均衡，并结合更精确的化合物鉴定方法，如使用标准品进行验证，以提高鉴定的准确性和可靠性。同时，研究还建议纳入更详细的环境和农业数据，以更全面地理解香草豆化学特征的形成机制，从而为香草的可持续发展和质量保障提供支持。