多技术数据融合方法在意大利皮埃蒙特Tonda Gentile Trilobata榛子产地溯源中的应用研究

为解决食品真实性鉴定难题，研究人员采用核磁共振(1H-NMR)、液相色谱高分辨质谱(LC-HRMS)和稳定同位素分析(BSIA)技术，结合DIABLO多组学数据融合方法，成功建立了皮埃蒙特Tonda Gentile Trilobata榛子的产地和品种鉴别模型，为食品溯源提供了更稳健的分析策略。

　　

在食品真实性领域，如何准确鉴别高价值农产品的产地和品种一直是亟待解决的难题。以意大利皮埃蒙特特产的Tonda Gentile Trilobata（TGT）榛子为例，作为受保护地理标志（PGI）产品，其市场价值与产地特性密切相关。然而，传统的单一分析技术往往难以应对复杂的生物样本和环境影响，特别是在面对年度气候波动等因素时，鉴别模型的稳健性面临严峻挑战。

为突破这一技术瓶颈，意大利都灵理工大学（Polytechnic of Turin）的研究团队创新性地将三种互补分析技术——核磁共振波谱(¹H-NMR)、液相色谱高分辨质谱(LC-HRMS)和稳定同位素分析(BSIA)相结合，并引入多组学数据融合策略，构建了一套全新的食品溯源分析体系。这项发表在《Results in Chemistry》的研究，不仅验证了多技术联用的可行性，更为食品真实性认证提供了方法论层面的重要参考。

研究团队首先建立了标准化的样本处理流程：将54份来自不同产区的榛子样品经甲醇-水溶液提取后，分别进行¹H-NMR全谱分析（600 MHz，检测28种代谢物）、LC-HRMS非靶向代谢组学（Q-TOF MS正离子模式，注释2464个特征峰）和BSIA稳定同位素比值测定（δ¹³C、δ¹⁵N等4项指标）。通过主成分分析(PCA)和偏最小二乘判别分析(PLS-DA)对单技术数据集进行初步探索后，采用DIABLO框架对¹H-NMR和LC-HRMS数据进行多组学整合，通过分层交叉验证优化模型参数。

研究结果显示三个关键发现：

1. 年度变异的主导作用：所有技术均检测到2020与2021年产样本的显著差异（p<0.05），其中LC-HRMS成功识别出2021年晚期采收样本的独特代谢特征。
2. 产地鉴别能力：BSIA对皮埃蒙特产区的判别准确率达64%（灵敏度），而融合模型将特征相关性提升至r=0.86，关键标志物包括对香豆酸乙酯(p-coumaric acid ethyl ester)和天冬氨酸等。
3. 品种特异性标记：仅¹H-NMR和LC-HRMS可区分TGT品种，其特征性代谢物涉及黄酮类、脂肪酸和苯丙烷途径产物，与先前报道的基因型×环境互作机制相符。

在讨论部分，作者特别强调了多技术融合的协同效应：¹H-NMR的高重现性与LC-HRMS的广覆盖性形成互补，而DIABLO模型通过挖掘跨数据集相关性，使分类错误率降至最低。尽管BSIA因数据维度差异未能参与融合，但其反映的环境印记与其他技术结果相互印证。这项研究的创新性在于：首次在榛子溯源中实现¹H-NMR与LC-HRMS的深度整合，证实了代谢通路网络（如苯丙烷生物合成）在食品真实性标记物筛选中的核心地位，为建立抗干扰的食品认证体系提供了新范式。

该成果的实际意义体现在两方面：技术上，开发的可转移分析流程适用于其他地理标志产品；政策层面，为欧盟PGI认证提供了符合Regulation (EU) No 1151/2012要求的技术支撑。未来研究可通过扩大样本量和引入化合物特异性同位素分析(CSIA)进一步提升模型泛化能力。这项跨学科探索充分展示了多组学方法在应对复杂食品体系挑战中的独特价值。