《Food Chemistry》：SOS-HPTLC: second-order spectral high-performance thin-layer chromatography as a sustainable approach for wine discrimination
编辑推荐：
•开发了一种二阶高性能薄层色谱（HPTLC）策略，用于对红酒进行特征分析。•该方法能够成功区分不同品种和地理来源的样品。•无监督的PCA模型有效地将HPTLC数据与酿酒学表型特征关联起来。•并行平面处理方式使分析通量提高了8倍。•与HPLC-DAD相比，HPTLC减少了超过98%
- •
开发了一种二阶高性能薄层色谱（HPTLC）策略，用于对红酒进行特征分析。
- •
该方法能够成功区分不同品种和地理来源的样品。
- •
无监督的PCA模型有效地将HPTLC数据与酿酒学表型特征关联起来。
- •
并行平面处理方式使分析通量提高了8倍。
- •
与HPLC-DAD相比，HPTLC减少了超过98%的溶剂消耗，并提高了环保性能。
引言
葡萄酒的质量、 authenticity和风味来源于葡萄（Vitis vinifera L.）代谢产生的一系列化学物质，包括酚类化合物、挥发性化合物、有机酸、糖类、氨基酸和矿物质，这些成分共同决定了葡萄酒的感官特性、颜色、口感和化学稳定性。其中，酚类化合物是一组结构多样的物质，具有广泛的物理化学性质，从极性较强的酚酸和花青素到极性较低的黄酮醇和芪类化合物（Bimpilas等人，2015年）。由于酚类化合物在提取过程、抗氧化能力以及葡萄酒陈酿过程中的作用至关重要（Avula等人，2023年；Kalogiouri和Samanidou，2021年），它们成为保护品牌和防止造假的重要化学标志物。高性能液相色谱结合二极管阵列检测（HPLC–DAD）仍然是常规定量分析主要多酚成分的行业标准。尽管HPLC–DAD具有很高的可靠性且应用广泛，但由于其顺序分析的局限性，每个样品的分析时间通常需要45到60分钟，这限制了其分析通量。此外，这类方法对环境和操作成本较高，需要高压泵系统，且每次注射会产生大量有害有机废物（通常超过50毫升的乙腈基溶剂，Agatonovic-Kustrin等人，2015年）。尽管经过优化的HPLC–DAD方法已将背压降低到适用于标准仪器的水平（Fontana等人，2016年），但仍会产生大量有机废物。
此外，联用技术，特别是液相色谱与质谱（LC–MS）结合的方法，是目前鉴定酿酒学样品中酚类标志物的最佳技术。LC–MS凭借其高质谱精度和详细的碎裂模式，能够准确分析复杂的花青素衍生物和微量代谢物，从而确定葡萄酒的化学组成。然而，尽管LC–MS具有优异的选择性和灵敏度，但它仍然存在与HPLC–DAD相同的一些操作和环境问题，如分析时间长、溶剂消耗量大以及产生大量有机废物。此外，对大规模葡萄酒样本进行无针对性LC–MS代谢组学分析会产生大量高维数据（通常每个样本超过10,000个分析特征，Arapitsas等人，2012年；Pisano等人，2015年）。这些大量数据带来了巨大的计算负担，需要复杂的预处理、峰对齐、归一化以及复杂的变量选择步骤，以区分有意义的生物标志物和仪器噪声及冗余信息，这使得该技术更适合作为发现性研究工具，而非常规的高通量鉴定方法。为克服这些限制，全球文献逐渐倾向于使用直接的非破坏性光谱技术（如近红外（NIR）、傅里叶变换红外光谱（FTIR）和拉曼光谱）进行快速筛查；然而，这些方法常常受到水分和乙醇等主要成分的严重信号重叠和基质干扰（Cozzolino，2025年；Li等人，2024年）。
这种操作模式揭示了食品认证领域的一个关键方法论空白：基于柱子的色谱技术（HPLC–DAD、LC–MS）虽然提供了高化学分辨率，但环境负担重、成本高且通量低；而直接光谱技术虽然可以实现快速筛查，但缺乏分离效果，导致严重的基质干扰。为解决这一矛盾，分析平台需要在对化学成分进行高效分离的同时，遵守绿色分析化学的核心原则，尽量减少有害溶剂的使用和能源消耗。在这方面，高性能薄层色谱（HPTLC）提供了一种优越的替代方案，它在光谱采集前实现了化学类别的物理分离，符合绿色分析化学的原则（Sherma，2018年）。虽然传统的基于图像的HPTLC已被广泛使用，但由于光照和层微结构的变化，其定量结果的稳定性较差（Ristivojevi?等人，2019年）。因此，HPTLC正在从仅依赖图像的解释方法发展为以数据为中心的工作流程，能够生成适用于多变量分析的可重复特征谱（Maldini等人，2019年）。重要的是，尽管传统的平面色谱图化学计量评估主要依赖于数字图像提取或单波长密度谱，但直接从固定相获取完整的UV–Vis多波长光谱的数据利用在葡萄酒可追溯性和相关文献中尚未得到充分研究（Ristivojevi?等人，2022年）。通过仅在高变异色谱区域选择性地提取多波长信息，所提出的SOS-HPTLC策略有效地解决了快速非破坏性筛查方法（常受成分干扰）与需要高级物理分离的稳健高维化学计量分析之间的差距（Ristivojevi?等人，2020年）。
基于此，我们提出了一种二阶光谱（SOS）HPTLC分析策略，旨在结合快速筛查和稳健的化学计量分析的优势。我们的方法不是用单个密度图来概括每个样本（可能会掩盖共洗脱的组分），也不是在整个色谱图上收集过多的光谱数据，而是在选定的Rf值处进行UV–Vis光谱采集。这种策略构建了一个紧凑且信息丰富的数据张量（样品 × Rf × 波长），同时保留了两种化学变异的独立来源（色谱极性和光谱特征），从而提高了数据效率。这种针对性的数据收集方式缩短了分析时间并降低了数据复杂性，使其适用于常规应用，同时不影响识别能力。本研究的目的是将这种SOS-HPTLC工作流程实际化，并证明其作为葡萄酒真实性鉴定工具的有效性。为此，我们分析了71个来自不同品种和地理区域的阿根廷红酒样本。在阿根廷，葡萄酒的来源通常通过广大的葡萄种植宏观区域（北部、中部和南部）来划分，这些区域具有相似的农业气候和土壤特征，而不是通过正式的保护 origin 分类。阿根廷的葡萄种植环境具有极鲜明的梯度，从北部山谷的极高海拔和强烈的UV-B辐射到南部巴塔哥尼亚的凉爽高纬度气候，这种地理多样性为研究提供了丰富的条件，可以测试低维平面色谱谱是否能够有效区分复杂的品种和地域特征。我们假设通过利用这种优化的二阶数据结构，HPTLC可以实现品种和地理来源的准确区分。此外，我们还希望通过AGREE指标量化这种方法的可持续性优势，挑战将平面色谱仅视为辅助筛查工具的传统观点，将其确立为一种稳健、高通量且环保的常规质量控制方法。
部分摘录
化学物质和葡萄酒样本
所有使用的溶剂均为分析级。乙酸乙酯、甲醇和醋酸均购自Cicarelli Argentina。硅胶60?F254 HPTLC玻璃板购自Merck（德国达姆施塔特）。共分析了71个红酒样本，来自阿根廷三个主要葡萄种植区：北部（拉里奥哈、卡塔马卡、萨尔塔）、中部（门多萨：乌科谷、卢汉德库约、迈普）和南部（内乌肯/巴塔哥尼亚）。样本包括马尔贝克（Malbec）、赤霞珠（Cabernet Sauvignon）和博纳达（Bonarda）等品种。
红酒样本的HPTLC分析
在硅胶60?F254 TLC板上对71个红酒样本进行了分析（其中52个用于训练集，19个用于验证集）。图1显示了验证样本对应的色谱板。HPTLC分析结果显示，这些红酒样本的色谱图复杂且分辨率高，覆盖了整个迟滞因子（Rf）范围。在366纳米紫外光下，多个荧光峰变得明显；分离效果良好，使得各种化学成分得以清晰区分。
结论
本研究证明，基于在八个离散Rf值处进行UV–Vis光谱采集并随后进行化学计量分析的SOS-HPTLC工作流程，为阿根廷红酒的无监督分类提供了一种稳健且易于解释的方法。尽管与传统的全色谱分析相比数据维度大幅降低，但该方法仍保留了区分样品所需的基本化学信息。
CRediT作者贡献声明
Ignacio Cabezudo：撰写 – 审稿与编辑、初稿撰写、数据可视化、验证、实验设计、资金获取、数据分析、概念构思。Tomás Aviani：验证、方法设计、实验研究、资金获取、数据分析。Ricardo L.E. Furlan：撰写 – 审稿与编辑、实验研究、资金获取、数据分析。Pablo L. Pisano：撰写 – 审稿与编辑、初稿撰写、数据可视化、验证。
Ajabiya, Jawarkar, Rajput和Sengupta, 2026
利益冲突声明
作者声明他们没有已知的可能影响本文研究的财务利益或个人关系。
致谢
特此感谢以下机构提供的 financial 支持：罗萨里奥国立大学（Universidad Nacional de Rosario）（项目编号80020220600144UR）、CONICET（西班牙国家科学研究与技术委员会，项目编号11220200102423CO）、ANPCyT（西班牙国家科学技术促进局，项目编号PICT 2020-1372和PICT-2021-1034）。
Ignacio Cabezudo|Tomás Aviani|Ricardo L.E. Furlan|Pablo L. Pisano|Santiago A. Bortolato
