综述：用于食品真实性控制的蛋白质、肽和小分子的质谱分析——系统性综述

本综述系统性地探讨了质谱（MS）技术在食品真实性控制中的应用，涵盖了谷物、果蔬、肉类、乳制品等主要食品类别的蛋白质组学（proteomics）和代谢组学（metabolomics）分析方法。文章重点讨论了物种鉴别、产地溯源、生产方式认证及成分掺假等核心问题，强调了开发标准化、可常规应用且经过全面验证的MS方法的重要性，并指出结合人工智能（AI）构建食品数据库是未来防范食品真实性危机的关键方向。

　　

食品真实性是贯穿从原材料到最终产品整个食品供应链的核心议题。随着全球食品链日趋复杂，食品掺假和经济动机的 adulteration（EMA）不仅涉及经济利益，更可能带来健康风险，例如2008年中国奶粉中添加三聚氰胺的事件及2013年欧洲马肉丑闻。因此，开发高效、可靠的分析方法以保障食品真实性具有重要的法律和社会意义。在众多分析技术中，质谱（MS）凭借其高灵敏度、高选择性、高通量以及多组分同时分析能力，已成为食品真实性研究中的前沿工具。

质谱在食品真实性分析中的应用主要包括蛋白质组学和代谢组学两个方向。蛋白质组学聚焦于蛋白质及其酶解肽段，适用于物种鉴别和特定组织来源的确认；而代谢组学则针对分子量小于1500 Da的小分子代谢物，广泛应用于产地、品种、生产方式的判别。此外，非靶向筛查与靶向验证相结合的策略进一步增强了质谱在复杂食品体系中的分析能力。

谷物、伪谷物、豆类及淀粉质块茎

针对水稻、小麦等主要谷物，研究多集中于品种鉴别与地理溯源。例如，通过脂质组学分析区分不同马铃薯品种，或利用特征肽段辨别硬质小麦与普通小麦。LC-MS和GC-MS是主流分析方法，而直接质谱技术（如DART、REIMS）因前处理简单、分析速度快，在筛查应用中展现出良好前景。值得注意的是，建立跨年度、多产地的样本库对提高鉴别模型的稳健性至关重要。

水果、蔬菜、蘑菇、坚果、茶、咖啡豆和可可豆

高价值且易于保存的产品（如咖啡、茶叶、松露）成为真实性研究的热点。物种与产地鉴别占研究目的的绝大部分，其中使用非靶向代谢组学结合化学计量学方法（如PCA、OPLS-DA）进行数据解析是主流策略。尽管许多方法在概念上可行，但其在实际监管中的应用仍面临方法验证、标准化与跨实验室重现性等挑战。近年来，基于直接质谱技术（如DART-MS、PTR-MS）的高通量方法发展迅速，部分设备已实现小型化乃至现场检测，为监管机构提供了新的技术选择。

植物油与脂肪

橄榄油的真实性研究最为广泛，涉及品种、产地、工艺等多方面内容。尽管非靶向脂质组学能够发现潜在标志物，但其向靶向定量方法的转化及实际应用仍需大量验证工作。样本集的合理设计（如涵盖多个产区、品种及采收年份）对标志物的筛选和模型构建具有决定性影响。此外，单一标志物易被恶意规避，因此建议采用多指标共同判断以提高鉴别可靠性。

香料与草药

香料由于价格较高、供应链复杂，掺假现象较为严重。研究集中于物种替代、违法添加染料（如罗丹明B、苏丹红）及产地伪造。非靶向代谢分析与化学计量学结合可实现多物种同时鉴别，而靶向方法则更适用于已知添加物（如合成色素）的定量检测。建立涵盖多种香料和草药的多组分同时检测方法是未来的发展趋势。

肉类及肉制品

肉类真实性研究以物种鉴别为核心，基于特征肽段的LC-MS/MS方法已成为鉴别猪、牛、马、禽类等的有效手段，其检测限多低于1%。此外，质谱技术在组织特异性鉴别（如血浆与肌肉组织）及非肉蛋白添加（如植物蛋白、过敏原）检测方面具有独特优势。部分方法（如微生物转谷氨酰胺酶的检测）已完成标准化与跨实验室验证，显示出良好的应用前景。

水产品

鱼类及海产品的真实性研究涵盖物种鉴别、产地追溯、养殖与野生区分以及新鲜度评价。REIMS等技术能够快速区分类似物种（如鳕鱼与油鱼），而代谢组学方法可用于识别冻融循环引起的代谢物变化。整体上，基于元素分析（如IRMS、ICP-MS）的方法在地理溯源中仍占主导，而蛋白质和代谢物质谱则更集中于物种及加工特性研究。

乳与乳制品

乳制品真实性研究重点关注物种掺假（如牛乳掺入羊乳）、成分添加（如三聚氰胺、植物油）及生产过程（如巴氏杀菌验证）。基于特征肽段的LC-MS/MS方法可实现多物种乳蛋白的定量鉴别，而脂质组学分析则适用于外来脂肪添加的检测。非靶向代谢组学与化学计量学结合，在保护 designation of origin（PDO）奶酪的产地鉴别中亦显示出良好潜力。

蛋与蛋制品

相关研究多集中于禽蛋品种、饲养方式（如有机vs常规）及新鲜度评价。脂质组学分析结合机器学习算法可实现不同生产系统鸡蛋的鉴别，而代谢物分析则为储存时间和温度的影响提供了分子依据。

昆虫与蜂蜜

作为新兴食品领域，昆虫物种鉴别及蜂蜜的产地、植物源认证是研究重点。MALDI-ToF-MS 和LC-MS/MS 可用于可食用昆虫的快速鉴别，而蜂蜜的真实性研究则涉及糖浆添加、花粉源判别等议题。

总体而言，虽然质谱技术在食品真实性研究中取得了显著进展，但大多数方法仍处于实验室研究阶段，距实际监管应用仍有距离。未来需重点发展经过全面验证、标准化、适合常规检测的质谱方法，并推动跨国际、多中心的合作研究。同时，结合人工智能与大型数据库的“预测-预防”模式，有望在全球范围内构建更加智能、高效的食品真实性监控体系。