利用热辅助介电屏障放电电离(HA-DBDI)质谱技术对市售CBD油进行快速筛查,并结合基于相关性的指纹图谱分析

《Analyst》:Rapid screening of commercial CBD oils by heat-assisted dielectric barrier discharge ionization (HA-DBDI) mass spectrometry and correlation-based fingerprinting

【字体: 大 中 小 】 时间:2026年02月14日 来源:Analyst 3.3

编辑推荐:

  大麻二酚(CBD)市场的迅速扩张催生了对高效分析方法的需求,以评估产品的质量和真实性。传统的色谱技术虽然准确,但需要繁琐的样品制备过程,且不适合高通量筛选。本研究提出了一种结合热辅助介质阻挡放电电离质谱(HA-DBDI-MS)与基于相关性的指纹图谱分析的方法,用于快速对商业CBD

  大麻二酚(CBD)市场的迅速扩张催生了对高效分析方法的需求,以评估产品的质量和真实性。传统的色谱技术虽然准确,但需要繁琐的样品制备过程,且不适合高通量筛选。本研究提出了一种结合热辅助介质阻挡放电电离质谱(HA-DBDI-MS)与基于相关性的指纹图谱分析的方法,用于快速对商业CBD油进行分类。集成的加热元件有助于从粘性油基质中热脱附半挥发性有机化合物,解决了基于等离子体的环境电离方法的一个局限性。通过光谱平均化和总离子电流标准化,实施了一套系统的数据处理工作流程,以减少信号的自然变异性。该方法使用大麻素参考标准和不同浓度、光谱类型及配方的商业CBD油样进行了评估。归一化光谱指纹图的皮尔逊相关性分析显示,结果与产品特性(包括CBD浓度和光谱类型)一致。配方参数相同的样品显示出高相关性(r = 0.98),而成分不同的产品则显示出较低的相似性值。结果表明,这种方法基于整体植物化学成分提供了快速的初步分类,为大麻衍生产品的质量控制应用提供了补充性的筛选工具。

1. 引言

全球大麻二酚(CBD)油市场的迅速扩张,受到不断发展的法规和治疗兴趣的推动,1–5,凸显了化学成分分析和标签准确性方面的显著不一致性。这些产品是大麻素和萜烯的复杂混合物,其组成因品种和提取方法的不同而有很大差异。3,6 因此,迫切需要快速的分析技术来确保产品质量并符合国际标准(如FDA、EFSA)的要求。7,8 尽管传统的液相色谱-质谱(LC-MS)6,9–12 方法具有高灵敏度,但它通常受到繁琐样品制备和长时间分析的限制,不适合高通量筛选。13

环境电离质谱(AI-MS)作为一种强大的替代方法出现,能够在几乎不需要样品预处理的情况下直接快速分析样品。14–16 在各种环境电离技术中,基于等离子体的电离源特别具有优势,因为它们设计简单、操作成本低,并且能够在大气条件下从广泛的分析物中生成离子。17

尽管有这些优点,但对于像商业油基产品这样的复杂和粘性基质进行直接分析,基于等离子体的环境电离源仍面临重大挑战。油基质的高粘度和亲脂性阻碍了样品的有效脱附和电离。18 此外,在大气条件下操作引入了分析信号强度的固有变异性和不可重复性,这是由于分析过程中湿度、温度和大气成分可能的变化所致。14,15 这些因素,加上竞争性电离现象(如离子抑制和/或离子增强)以及样品定位不一致,可能导致离子信号强度不稳定,使得直接定量分析不可靠。14,19 尽管已经探索了几种方法来应对这些挑战,包括使用内标、表面采样技术和样品稀释,但这些策略往往牺牲了环境电离在筛选应用中的速度和简便性。14,15,17 因此,AI-MS在筛选这类产品时的实际应用通常从精确定量转向生成特征性的化学指纹图谱,用于分类和真实性评估。14,20,21 这种方法需要一个稳健的方法论框架来处理本质上多变的原始数据,并通过化学计量分析提取可重复的信息。在我们之前的工作中,我们介绍了一种低成本的、热辅助介质阻挡放电电离(HA-DBDI)源,并展示了其在分析各种食品产品和药物化合物方面的基本能力。22 加入加热元件解决了分析粘性基质时的一个关键限制。热辅助促进了半挥发性和低挥发性化合物从油基质中的挥发,有助于它们进入等离子体区域并提高电离效率。18 这一特性对于大麻素分析尤为重要,因为许多目标分析物在室温下的挥发性有限。23

在这里,我们将HA-DBDI-MS的应用扩展到CBD油等复杂样品的分析中,建立了一个全面的指纹图谱工作流程。所提出方法的核心是一种系统的数据处理策略,结合了光谱标准化和相关性分析,旨在减少基于等离子体的环境电离中固有的信号不稳定性。生成的特征指纹图谱能够根据产品的整体植物化学成分对其进行初步分类。20,24–26 应注意的是,这一应用仅作为概念验证,以展示该方法的分组能力,并非对产品的全面验证。尽管指纹图谱方法在没有串联质谱能力的情况下无法分辨结构异构体,但它为快速、高通量的质量控制提供了有价值的成分信息。因此,这项研究强调了AI-MS指纹图谱作为传统定量分析的补充工具,在快速评估产品真实性和质量方面的价值。

2. 材料与方法

2.1. 标准品、样品和试剂

Δ9-四氢大麻酚(Δ9-THC)、大麻酚(CBN)和CBD的认证参考物质(CRMs)从LGC Standards(英国Teddington)购买,以100 μg/mL的甲醇溶液形式提供。随后通过用LC–MS级甲醇稀释,将各个储备溶液的浓度调整至1 μg/mL。所有储备溶液都储存在-20°C的琥珀色玻璃小瓶中,以最小化光降解和挥发,确保在整个研究过程中分析物的化学稳定性和完整性。除了CRMs外,还从当地零售CBD商店购买了四种商业CBD油。27 这些样品的选择旨在涵盖消费者市场上可获得的产品多样性,包括CBD浓度、制造商来源和添加剂组成的差异。同时考虑了大麻素光谱的分组,样品集中包括了全谱和广谱配方。全谱大麻油含有所有天然存在的大麻素,包括法律允许的Δ9-THC量,以及萜烯、黄酮类和其他植物营养素。相比之下,广谱大麻油保留了许多这些化合物,但不含Δ9-THC,因此更适合担心精神效应的消费者。28 表1详细总结了产品特性,这些信息来自它们的包装说明。

表1 本研究中使用的商业CBD油样品的特性。信息来源于产品标签和包装。

样品编号 制造商 光谱类型 包装 CBD和Δ9-THC含量 添加剂 载体油

1 A 全谱(全株大麻 sativa L. 提取物) 10% CBD(1000 mg/10 mL),不含THC 辛酸、甘油酯、ω-3/6、α-生育酚(维生素E) 有机种子油

2 B 广谱(大麻 sativa L. 提取物) 7% CBD(700 mg/10 mL),不含THC 哌哌啶、天然咖啡萜烯 咖啡豆种子油

3 C 广谱(大麻 sativa L. 叶提取物) 5% CBD(500 mg/10 mL),不含THC 未指定添加剂 中链甘油三酯油(MCT油)

4 A 广谱(大麻 sativa L. 提取物) 5% CBD(500 mg/10 mL),不含THC α-生育酚(维生素E)、亚油酸、辛酸、甘油三酯、黑胡椒提取物(Piper nigrum) 向日葵油

2.2. HA-DBDI-MS系统配置

所有质谱分析均使用Agilent Single Quadrupole LC/MSD(型号G6125B)质谱仪进行,该质谱仪与自制的HA-DBDI源相连。该离子源的设计、构造和基本原理已在之前的研究中详细报道。22 简而言之,该源利用一个位于150毫米硼硅酸盐玻璃吸管(Volac)内的等离子体反应器,等离子体在两个外部电极之间维持,电极之间保持固定的12毫米间隙。完整的实验装置示意图见补充信息(图S1)。等离子体由施加在电极上的高压方波(20 kHz)维持。具体操作参数根据每个实验阶段进行调整。对于参考标准的初步表征,使用了4 W(2.0 kV,2.0 mA)的中间峰值功率,以确保从溶剂基质中电离。对于商业CBD油的光谱指纹图谱分析,采用了2 kV(1.5 mA电流)的操作电压,相当于3 W的标称峰值功率。这种条件被确定为软电离的最佳选择,可以保持复杂油基质中分子离子的完整性。此外,在第3.2节中详细描述的参数研究中,系统地研究了等离子体功率对电离效率的影响,功率范围从3 W到7.5 W。氦气(99.999%,KIMGAS)作为工作气体,流量为0.5标准升每分钟(slm),由Bronkhorst MV质量流量控制器(序列号M21213861A)调节。源的集成电阻加热器始终以8 W的功率运行,将氦气温度升高到吸管出口处约200°C,以促进分析物的热脱附。质谱仪在以下标准化条件下以正离子模式运行:入口温度200°C;干燥气体流量5 L/min;雾化气体压力0 psig;四极杆温度100°C;毛细管电压0 V。质谱数据在m/z 100–1000的质量范围内获取,碎片化电压为110 V,增益为1,步长为0.1 m/z。

2.3. 样品分析协议

对于所有CRM溶液和商业油样品的分析,实施并一致应用了标准化协议,以确保手动采样过程的最大可重复性。样品收集和引入使用一次性玻璃巴斯德吸管进行,以避免分析间的交叉污染。每次测量时,新吸管的尖端浸入样品中,通过毛细作用抽取少量(约100 μL)且体积一致的液体。然后立即将吸管置于仪器入口处。HA-DBDI源相对于MS入口以固定的135度角定位,整个分析过程中吸管尖端与MS入口孔保持大约10毫米的距离。直接、静态分析粘性油样品可能导致由于局部样品加热、表面耗尽或形成非挥发性残留物而迅速导致信号衰减。为了减轻这些影响并获得在整个采集期间更具有代表性的化学指纹图谱,吸管尖端以大约1.5–2 Hz的频率在距离MS入口孔约5毫米的距离内手动振荡。仪器前端接口的复杂几何结构阻碍了自动样品定位阶段的使用,使得标准化的手动程序成为最可行的方法。虽然这种手动程序引入了一定程度的变异性,这反映在总离子电流(TIC)的短期波动中,但发现这对于生成稳定且具有代表性的平均质谱至关重要。对于每个样品,总共获取了2分钟的质量谱数据。

2.4. 实验设计

本研究采用多阶段、系统化的研究方法,从纯参考标准的表征开始,逐步验证复杂商业样品上的完整指纹图谱工作流程。实验设计分为三个不同的阶段,以确保对方法的严格评估。初始阶段专注于确定主要大麻素的基本质谱特性。分别分析了CBD、Δ9-THC和CBN的CRM溶液,浓度为1 μg/mL。这一步的目的是在软电离条件下识别它们的独特光谱特征,并评估光谱相关方法区分结构相关的异构体(CBD/Δ9-THC)和结构相关的CBN化合物的内在能力。在基线表征之后,进行了参数研究,以确定CBD油指纹图谱的最佳等离子体功率条件。这项分析直接在CBD油样品上进行,这是由于初步发现(见第3.1节)表明在挥发性溶剂中制备的标准溶液中存在严重的离子抑制。这些基于溶剂的系统的电离动态与粘性油基质的情况根本不同。因此,选择样品#1进行这项研究,因为它代表了一种高浓度、广谱的油,提供了无添加剂的强健分析信号。为此,该研究系统地评估了三种不同的功率设置:低功率的“软”电离模式(3瓦特)、中等功率模式(5瓦特)和高能量模式(7.5瓦特),以确定在保持质子化分子离子完整性与生成丰富、可重复的光谱特征之间的最佳平衡。最后,基于标准分析和对CBD油的基质优化的见解,将完整的分析和数据处理工作流程应用于四种商业CBD油样品,作为有前景的概念验证。所有商业样品都在前一个阶段确定的优化软电离条件(3瓦特)下进行了分析。这最后一步旨在评估该工作流程在从复杂的实际基质中生成独特且可区分的化学特征方面的有效性,从而证明了其在快速筛选应用中的实用性。

2.5. 数据处理和光谱特征提取工作流程

使用MATLAB R2024b(MathWorks,美国)中的自定义脚本实施了系统的数据处理工作流程,将原始数据转换为稳健且可比较的化学特征。从原始时间分辨数据矩阵到最终标准化特征的整个过程的示意图见图S2。原始数据文件以Agilent的.D格式获取,并使用Chromatography Toolbox(版本1.4.0.0.29)导入MATLAB环境(图S3.1)。

工作流程中的一个关键步骤是质量电荷(m/z)轴的校正。初步分析显示,仪器记录的m/z值在不同分析运行之间并不完全一致(图S3.2),这是妨碍通过化学计量方法直接逐点比较光谱的常见仪器伪影。为了纠正这一点,计算生成了一个固定的m/z轴,范围从m/z 100到1000,步长为0.1 m/z。随后,将每个获取的光谱的原始强度数据重新分配到这个校正后的轴上,为所有后续分析创建了一个一致的数据结构。为了为每个样品生成一个单一的、有代表性的特征,对采集窗口内的所有个别质谱(N = 75)进行了平均处理,这一过程有效地减轻了短期信号波动。然后,将得到的校正后的光谱m/z值归一化为其总离子电流(TIC),TIC计算为平均光谱整个m/z范围内的所有强度值之和。这些步骤的顺序(首先平均,然后归一化)被用来生成一个稳定且化学上具有代表性的特征光谱。直接在原始数据上平均处理本质上赋予了总离子强度较高的时间点更大的权重。这种方法作为一种加权方式,确保最终的平均光谱主要由分析中最具离子产量的阶段塑造,这些阶段被认为是最有信息量的。随后,通过除以所有强度的总和(TIC归一化)将绝对值转换为相对丰度的尺度。这一步骤至关重要,因为它消除了不同分析运行之间总离子通量变化的影响,从而能够基于它们的内部结构而不是整体强度直接比较光谱模式。这两个步骤的结合有效地将不稳定的时间分辨数据转换为每个样品的单一、独特且可比较的光谱特征。这些平均和归一化步骤的视觉解释在补充信息(SI)的第S2节中有明确展示。应当注意的是,这个工作流程中没有应用背景减除。鉴于电离源的开放环境特性,其中背景条件可能是动态的,以及从油基质中获得的高信号强度,光谱平均后进行TIC归一化被认为是保持数据完整性的最稳健方法,而不会引入减除伪影。最后,使用皮尔逊相关系数(r)量化了标准化特征之间的相似性。选择皮尔逊相关系数而不是基于等级的方法(例如,斯皮尔曼相关系数),因为它作为一个相似性指数,保留了相对离子丰度的关键信息,这对于涉及不同浓度样品的特征提取应用至关重要。对于这项统计分析,每个特征都被视为一个高维向量,并使用MATLAB内置的corrcoef函数计算了所有样品对的相关矩阵。所有图形表示都是使用OriginLab Pro 2024b(OriginLab Corporation)生成的。

3. 结果与讨论

3.1. 大麻素标准的表征与区分

研究的初始阶段涉及使用HA-DBDI对CBD、Δ9-THC和CBN CRM溶液的质谱进行表征,以建立它们的基线光谱特征。分析在软电离条件下进行,选择这种条件是为了有利于生成质子化分子[M + H]+。如图1所示,基于溶剂的标准的质谱结果很复杂,预期的质子化分子在m/z 315.1(对于CBD/Δ9-THC)和m/z 311.1(对于CBN)被严重抑制。相反,光谱主要由较低质量范围(m/z 100–300)的大量离子所主导。检查这些信号发现重复的模式,间隔为32 Da(例如,m/z 129、161、193),这是质子化甲醇簇[(MeOH)n + H]+的特征,以及常见的环境背景离子。这些丰富的物种有效地竞争了可用的电荷,导致目标分析物的显著离子抑制。这一观察强调了直接分析中电荷竞争的已知挑战。

图1

在软电离条件下的大麻素标准质谱。这些光谱分别对应于(a)大麻二酚(CBD),(b)大麻酚(CBN)和(c)Δ9-四氢大麻酚(Δ9-THC)。光谱主要由一系列低质量离子所主导,这些离子来源于溶剂基质的电离,导致Δ9-THC/CBD的质子化分子[M + H]+在m/z 315.1处的显著抑制。选择了1 μg/mL的浓度来评估该方法在接近其他基于等离子体的电离技术报告的检测限时的性能。值得注意的是,这些CRM溶液中的信号强度受到离子抑制的影响,这在基于等离子体的电离中很常见。这与随后对油样品的分析形成对比,在那里没有溶剂并且热辅助脱附导致有效的电离。此外,由于基于等离子体的源的电离效率高度依赖于源的几何形状和位置,这些结果为这里使用的HA-DBDI配置建立了一个特定的基线。为了进一步验证这一点,我们分析了100 μg/mL的标准溶液(图S5),其中质子化分子主导了光谱,这证实了1 μg/mL时的较低信号可能是由于溶剂引起的电荷竞争。关于背景离子的潜在干扰,CRM溶液的比较分析提供了内在的验证。虽然所有标准都是以甲醇溶液制备的,但在CBD和Δ9-THC的情况下观察到了m/z 315.1处的峰,而在CBN光谱中则没有(图1b)。这种缺失作为一个阴性对照,确认了m/z 315.1处的离子来源于分析物,而不是来自溶剂背景或环境噪声。此外,通过重复测量验证了这些光谱模式的可重复性(图S4)。除了总体表征之外,一个具体的分析挑战在于区分结构异构体Δ9-THC和CBD。与先前的文献一致,我们的初步视觉评估表明,它们的基础质谱模式在很大程度上是无法区分的(图1a和c)。在诸如电喷雾电离(ESI)等技术中,这种众所周知的相似性通常归因于酸催化的源内异构化,这产生了一个共同的前体离子轮廓。虽然这里使用的等离子体电离在不同的条件下操作,但观察到的光谱相似性突显了一个持续的困难,这通常需要专门的区分策略。

为了研究所提出的特征提取方法的不同区分能力,对三个标准的整个标准化光谱特征(m/z 100–1000)应用了皮尔逊相关分析。每个光谱特征是通过平均和归一化在2分钟窗口内获取的所有原始质谱生成的,确保了化学特征的稳健表示,其可重复性在图S4中得到了证明。得到的相关矩阵(图2)揭示了有趣的趋势。与最初的预期相反,同质体对应该表现出最高的相似性,但实际上观察到CBD和Δ9-THC之间的相关系数相对较低(r = 0.25)。值得注意的是,Δ9-THC与非同质体但结构相关的CBN的特征之间发现了高相关系数(r = 0.96)。

皮尔逊相关矩阵。相关系数(r)是根据在软电离条件下获取的标准化光谱(m/z 100–1000)计算得出的。这些值量化了光谱特征之间的相似程度。这些相关模式可以通过考虑分析物的不同结构及其对气相离子行为的潜在影响来合理化。Δ9-THC和CBN都具有一个刚性的、融合的三环系统(表2)。这种构象限制可能通过一组能量上有利的路径引导电离过程,尽管分析物的分子质量不同,但可能导致高度相似的离子分布模式。相比之下,CBD具有两个通过柔性单键连接的独立环结构。这种构象自由度可能允许质子化分子在气相中访问更广泛的空间排列,可能打开多个竞争性的电离路径,这些路径对于刚性三环结构来说是不可行的,从而产生一个独特的光谱特征。表2

三种主要标准的化学结构。(a)大麻二酚(CBD),其特征是通过单个共价键连接的两个环结构,允许显著的构象灵活性;(b)Δ9-四氢大麻酚(Δ9-THC)和(c)大麻酚(CBN),两者都具有一个刚性的、融合的三环系统。

在这样的分析中,一个关键的问题是相关性是由分析物信号还是主导的背景噪声驱动的。如果相关性主要由高强度的溶剂离子(所有样品都有的)决定的,那么相似性指数将普遍很高。然而,同质体对CBD和Δ9-THC之间观察到的低相关性(r = 0.25)表明,所使用的方法成功地基于独特的光谱特征而不是共同的背景区分了两者,证明了即使在光谱噪声存在的情况下,特征提取方法的稳健性。因此,基于相关性的方法似乎对这些分子拓扑结构的基本差异敏感,提供了关于结构刚性与构象灵活性之间的可量化视角。虽然需要进一步的串联质谱(tandem MS)调查来明确确认这些特定的离子形成路径,但当前的分析为观察到的相关性提供了合理的结构基础,并展示了该方法区分这些相关化合物的潜力。

3.2. 等离子体功率对商业油电离的影响

为了确定粘性油基质的最佳条件,使用样品#1(一种高浓度、宽光谱的油)进行了参数研究。这一步对于定义与最终应用相关的最佳条件以及理解能量变化如何影响整个光谱特征的完整性至关重要,其中包括主要分析物、特征离子、次要大麻素以及油基质中存在的其他植物化学物质的贡献。该样品在三种不同的功率设置下进行了分析:低功率的“软”电离模式(3瓦特)、中等功率模式(5瓦特)和高功率的“硬”电离模式(7.5瓦特)。图3中呈现的标准化质谱显示了一个系统趋势。与从分析标准获得的以溶剂为主的光谱(图1)形成鲜明对比的是,油基质的光谱非常干净,CBD/Δ9-THC的质子化分子在m/z 315.1处作为基峰出现。这一观察证实了HA-DBDI有效地且选择性地引起了大麻素的脱附和电离,同时非挥发性油基质基本保持完整,从而最小化了基于基质的离子抑制和仪器污染。

等离子体功率对代表性商业CBD油(样品#1)质谱的影响。标准化光谱分别在(a)3瓦特,(b)5瓦特和(c)7.5瓦特下获取。随着功率的增加,m/z = 315.1处质子化分子的相对强度系统性地降低。至关重要的是,分析揭示了等离子体功率与分析物光谱特征之间的直接关系。当功率从3瓦特增加到7.5瓦特时,质子化分子的相对强度从0.11 × 10^-3逐渐降低到0.05 × 10^-3;减少了约45.5%(图3a–c)。这种系统性的丰度下降强烈表明正在向“更剧烈”的电离状态转变。对数据的详细检查显示,文献中先前报道的特征碎片离子(例如,m/z 259.1, 135.1)的丰度并没有增加,而是跟随质子化分子的下降趋势。这表明信号强度的显著减少主要不是由于广泛的离子解离,而可能是由于等离子体动力学效应,如离子散射或由于等离子体密度增加而导致的失焦效应,这些效应阻碍了离子有效地传输到质谱仪。

为了进行光谱指纹分析,其目标是保留分子信息并创建一个稳定、可重复的模式,因此在更高功率设置下观察到的质子化分子丰度的减少是不希望出现的,因为它可能会引入变异性并掩盖样本之间的细微差异。因此,低功率电离条件(3 W)被确定为最佳条件,该条件能够最大化m/z 315.1处CBD或Δ9-THC的质子化分子的信号,并随后用于所有商业样本的比较分析。

3.3 将指纹分析工作流程应用于商业CBD油

在3.2节中建立的优化条件下,将完整的分析和数据处理工作流程应用于四种商业CBD油样本(表1)。这一研究阶段的重点是调查工作流程从复杂的实际样品矩阵中生成稳定且可比较的指纹的能力,尽管直接环境分析本身存在固有的变异性。每个样本的TIC信号显示出显著的波动,如图4a所示。这种不稳定性是基于等离子体的AI-MS的一个特征,可能是由多种因素共同作用的结果,包括手动振荡过程中样品位置的微小变化、样品蒸发、不同载体油的粘度和挥发性的差异,以及等离子体-样品相互作用的动态性质。在这种情况下,依赖单一光谱或峰值TIC强度可能会导致不可靠且不可重复的结果。光谱处理工作流程直接解决了这一挑战。通过对采集窗口内的所有光谱进行平均(图4b)并随后进行TIC标准化(图4c),有效地减轻了短期波动。这一过程的输出是四种商业样本的一组具有代表性且可以直接比较的光谱指纹,如图4c所示。

在四种商业CBD油样本上展示了数据处理工作流程的效果。(a) 所有样本的TIC信号都显示出显著的波动。(b) 应用完整处理工作流程后生成的平均和(c) 标准化质谱(指纹)。尽管原始信号有波动,但得到的指纹显示出明显的模式,使得可靠比较成为可能。对这些最终指纹的视觉检查显示,虽然所有样本在m/z 315.1处都有一个峰值,但它们在低质量区域显示出独特且可区分的模式。这些低质量信号(主要在m/z 280附近)对应于不同载体油中不同的脂肪酸组成,这些脂肪酸在光谱上与m/z 315.1处的cannabinoid信号清晰分离。例如,含有添加剂的样本#1、#2和#4显示出比不含添加剂的样本#3更复杂的离子模式。值得注意的是,油样本的标准化强度值(高达0.2)显著高于标准溶液的强度值(约10^-3)。这种差异的出现是因为,在没有溶剂背景的情况下,cannabinoid离子构成了TIC的更大比例,而在标准溶液中,分析物信号在标准化过程中被强烈的溶剂噪声数学上稀释了。

3.4 使用光谱相关性分析对商业油进行分组

这项研究的最后一步是定量评估工作流程在使用最佳3 W条件下获得的光谱指纹进行化学上有意义的区分和分组的能力。必须指出,这项概念验证研究的样本量有限(n = 4),因此无法进行严格的统计验证以推广结果。然而,在探索性背景下,对小数据集进行统计分析可以揭示重要的指示性趋势,前提是基础数据结构良好,并且结果以适当的谨慎态度进行解释。实际上,分析来自非常小样本支持的高维数据的挑战(p ? n问题)已经被充分记录,而且已经建立了针对这种情况的稳健方法。此外,已经证明,当数据显示出强烈的内在结构时,例如明确的组别或类别内的高相关性时,对小样本量的探索性分析可以产生可靠的结果。鉴于我们的数据显示出高组内相关性(r高达0.98),我们进行了探索性相关性分析,并在分析样本的具体背景下解释了结果。所得到的相关矩阵以热图的形式在图5中可视化,提供了四种样本之间关系的定量概览。所有指纹都显示出中等到高度的相似性(r ≥ 0.71),反映了它们作为cannabinoid产品的共同基础化学性质。

热图代表了在3 W条件下获得的四种样本的皮尔逊相关矩阵(r)。观察到了化学上有意义的分组,相关值范围从0.71到0.98。然而,必须承认这种解释的一个关键限制。在没有使用LC-MS/MS等确认技术的正交验证的情况下,我们不能将这种中等到高的相关性完全归因于所声明的CBD含量和光谱类型。同样有可能的是,观察到的相似性也可能源于其他未列出的共同成分、具有相似光谱特征的共享载体油,甚至是类似生产过程中的伪影。因此,这里呈现的分组应被视为初步的,并指示了该方法的不同区分潜力,而不是一个确定的化学分组。最显著的结果是样本#3和样本#4之间的相关性(r = 0.98)。这一发现从化学上来说是直观的;尽管它们来自不同的制造商并且使用不同的载体油,但它们共享了相同的“广谱”标签和相同的标记CBD浓度(5%)。这一发现表明,工作流程可能对核心cannabinoid谱型非常敏感,这似乎是光谱指纹的主要贡献者,超过了其他组成变化的影响。相比之下,样本#2与样本#3之间的相关性最低(r = 0.71)。这也与产品描述一致,因为样本#2是最独特的产品,具有不同的CBD浓度(7%)、不同的添加剂(咖啡萜烯、胡椒碱),这些在样本#3中不存在,并且使用不同的载体油。从同一制造商的不同样本之间的比较中出现了有趣的结果。样本#1和样本#4都来自制造商A,显示出第二高的相关性(r = 0.95)。这一观察特别值得注意,因为它们在CBD浓度(10%对比5%)和光谱类型(全谱对比广谱)上都有所不同。虽然这是基于对同一制造商的不同样本的有限比较,但这种高相似性表明可能存在“制造商特征”,这可能源于共同的基提取物或专有的处理方法。这一初步观察表明,工作流程可能对这些特征敏感,这一假设需要通过使用同一制造商的更多样化和更多样化的样本进行进一步调查。总之,尽管样本集较小,但定量相关值与产品特性之间的一致性和逻辑对齐提供了一个有希望的概念验证。结果表明,HA-DBDI-MS与这种相关性分析的结合,或者更广泛地说,与化学计量分析工作流程的结合,是一种快速的筛选和区分工具。然而,要从初步分组发展到稳健的分组,未来的工作应该包括一个显著更大的样本集,并且至关重要的是,使用LC-MS/MS等成熟技术对化学谱型进行正交验证。

4. 结论

本研究建立了一个系统的分析工作流程,将HA-DBDI-MS与基于相关性的指纹分析相结合,用于快速筛选商业CBD油。通过优化数据处理并采用软电离(3 W),我们生成了可重复的光谱特征,尽管环境电离本身存在变异性,但仍保持了分子离子的完整性。应用于四种商业样本后,得到的相关系数(r = 0.71–0.98)在逻辑上与产品特性一致。具体来说,相同配方之间的高相关性(r = 0.98)证明了该方法对组成差异的敏感性,同时也观察到了特定制造商的特征。尽管在结构异构体分辨率和样本量小(n = 4)方面存在限制,这需要通过LC-MS/MS进行进一步验证,但这一概念验证表明HA-DBDI-MS是一种实用、低成本且快速的筛选工具。所讨论的工作流程为CBD产品和其他复杂粘性基质的质量控制提供了基础。

作者贡献

手稿的撰写是所有作者共同努力的结果。利益冲突

作者声明没有利益冲突。数据可用性

支持本文的数据已作为补充信息(SI)的一部分包含在内。补充信息中包含了HA-DBDI设置的描述、数据处理工作流程的示意图、定制的MATLAB数据处理工作流程、所描述的HA-DBDI-MS方法的光谱再现性,以及对认证cannabinoid标准的确认分析。详见DOI: https://doi.org/10.1039/d5an01179e。致谢

该项目获得了欧盟Horizon 2020研究与创新计划的资助,授予协议编号为810686。E.A.E.还获得了欧盟Marie Sk?odowska-Curie行动的资助(授予编号101109014)。参考文献
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号