《Molecules》：Signal-Corrected LC–MS/MS Approaches in Amino Acid and Biogenic Amine Profiling for Chemometric Characterization of Commercial Dark Chocolates According to Cocoa Content and Manufacturer
编辑推荐：
巧克力的化学成分受多种因素影响，包括可可基因型、发酵、焙烤和配方，这些因素使得识别可靠的成分描述符变得复杂。在本研究中，研究人员通过LC–MS/MS测定了91种商业黑巧克力（可可含量56–100%）的氨基酸和生物胺（biogenic amines, BAs）谱
巧克力的化学成分受多种因素影响，包括可可基因型、发酵、焙烤和配方，这些因素使得识别可靠的成分描述符变得复杂。在本研究中，研究人员通过LC–MS/MS测定了91种商业黑巧克力（可可含量56–100%）的氨基酸和生物胺（biogenic amines, BAs）谱，以评估其用于产品表征的潜力。由于分析序列持续数天，在化学计量学分析之前，评估了不同的信号校正策略（包括内标归一化（internal standard normalization）和基于质量控制（quality control, QC）的漂移校正）以补偿仪器变异性。观察到信号衰减高达91%，所选校正程序将测量精度提高了高达18倍。共检测到19种氨基酸和8种胺，其中酪氨酸（tyrosine, Tyr）、羟脯氨酸（hydroxyproline, Hyp）、脯氨酸（proline, Pro）、亮氨酸（leucine, Leu）、苯丙氨酸（phenylalanine, Phe）和缬氨酸（valine, Val）是最丰富的化合物。主成分分析（Principal Component Analysis, PCA）揭示了主要与可可含量相关的成分梯度，而基于可可品种、地理来源和认证状态的分类显示出有限的区分能力。相比之下，偏最小二乘判别分析（Partial Least Squares-Discriminant Analysis, PLS-DA）在重复M折交叉验证下，根据制造商对样品进行分类时，达到了75.2%的平衡分类准确率。此外，还进行了置换检验（permutation tests），确认观察到的分类性能极不可能由偶然因素引起。这些发现表明，商业黑巧克力中的氨基酸和生物胺谱主要受可可含量和制造商相关因素影响，而可可原产地和品种的影响在所评估的产品中不太明显。
**论文解读：基于信号校正LC–MS/MS的氨基酸和生物胺谱分析用于商业黑巧克力的化学计量学表征**
**研究背景与问题**
巧克力作为全球重要的食品工业产品，其化学成分受可可基因型、发酵、焙烤、配方及加工工艺等多重因素影响，导致可靠成分描述符的识别面临挑战。氨基酸和生物胺作为风味前体物质及关键化学指标，在生可可豆中已被广泛研究，但针对成品巧克力的系统分析相对有限。此外，大样本的LC–MS/MS分析序列通常持续数天，期间仪器响应漂移可导致数据质量下降，进而掩盖真实化学差异或引入人为趋势。现有研究对信号校正策略在巧克力化学计量学模型中的影响关注不足，且缺乏对商业成品巧克力中氨基酸和生物胺谱的综合评估。因此，本研究旨在建立稳健的LC–MS/MS工作流程，通过评估多种信号校正方法来保障数据可靠性，并探究这些成分谱在根据可可含量、品种、地理来源及制造商对商业黑巧克力进行表征和分类中的潜力。论文发表在《Molecules》。
**主要技术方法**
本研究纳入91种商业黑巧克力样品（可可含量56–100%），涵盖31个品牌，产地涉及欧洲、美洲、澳洲等10国，可可豆来源包括非洲、亚洲、美洲及大洋洲。样品经酸提取、丹磺酰氯（DNSCl）衍生化后，采用LC–MS/MS（多反应监测模式）分析。为校正仪器漂移，评估了四种信号校正策略：内标归一化（IS）、最近质量控制归一化（NQC）、两点校正（bracketing）及组合NQC–IS法，通过重复测量的质量控制样品（QCT和QMR）的精度不确定性（urep）选择最优方法。统计分析采用主成分分析（PCA）进行无监督探索，偏最小二乘判别分析（PLS-DA）结合重复M折交叉验证（20次重复、3折）和置换检验（1000次）进行有监督分类，预测距离选择马氏距离。
**研究结果**
**2.1 数据质量评估与信号校正**
通过将质量控制样品的相对峰面积按进样顺序作图，发现信号衰减显著（54%–91%），其中瓜氨酸（Cit）和酪胺（TA）、多巴胺（DOP）降幅最大。回归模型（线性、对数、幂函数）校正效果有限（最多降低50%变异性）。传统NQC和内标法仅对约45%化合物有效。组合NQC–IS和两点校正法因能同时补偿局部波动和全局漂移表现最佳。最终为每种化合物选择不确定性最低的校正策略，使精度提升最高达18倍，urep值降至1.76%（Pro）至16.75%（MA），确保后续多元分析可靠性。
**2.2 氨基酸和胺谱**
从38种初始监测化合物中，在91个样品中鉴定出19种氨基酸和8种胺。主要氨基酸为Tyr、Hyp、Pro、Leu、Phe和Val（浓度通常>700 mg kg
?1，占总量的约75%），而瓜氨酸和鸟氨酸水平极低（<10 mg kg
?1），蛋氨酸未检出。胺类中，亚精胺（SPD）最丰富（占26%），其次为羟色胺（HTA）和乙胺（EA，各约16%）。不同可可品种间存在趋势：Criollo和Trinitario样品总氨基酸含量较高，Forastero样品脂肪族胺（如二甲胺DMA、乙胺EA）浓度最高，但Tukey HSD检验显示多数差异不显著（p>0.05）。
**2.3 巧克力样品的探索性分析**
对校正后数据矩阵进行PCA（排除QC），前两个主成分解释约60%方差。样品分布主要沿PC1呈现与可可含量相关的连续梯度：低可可含量（51–70%）位于正侧，高可可含量（81–100%）位于负侧。载荷图显示Pro、His、Tyr、PEA、SPD在可可含量较高样品中更丰富，而EA、Gly、Phe则在低可可含量样品中更高。基于可可品种、地理来源或认证（公平贸易、有机等）的聚类均不明显，表明商业巧克力配方和加工工艺的复杂性掩盖了更细微的差异。
**2.4 基于PLS-DA的样品分类**
由于品种、产地、认证分类效果差，分析聚焦于制造商（至少5个样品的品牌：Blanxart、Kallari–Yumbos、Sprüngli、Tibito、Xocolata Jolonch）。优化后的PLS-DA模型（3个隐变量，解释75%方差）在马氏距离预测下，重复M折交叉验证平衡分类准确率达75.2%（BER=0.248）。置换检验（1000次）确认无置换模型达到或超过此准确率（p<0.001）。得分图显示Blanxart、Kallari–Yumbos、Xocolata Jolonch形成清晰簇，而Sprüngli和Tibito部分重叠。变量贡献图表明Ser、His、Tyr、Lys、Leu、Ile、Cit及SPD、PEA是区分制造商的关键化合物。敏感性介于49%（Tibito）至97.5%（Kallari–Yumbos），特异性均在92.5%–96.3%之间，反映了制造商相关加工实践对成分谱的显著影响。
**讨论与结论**
讨论部分指出，氨基酸和胺谱的差异可能源于可可原料、发酵、焙烤、精炼及配方等多个环节。其中焙烤过程中氨基酸参与Maillard和Strecker反应，影响疏水性氨基酸（Leu、Phe、Tyr、Val）的丰度。商业巧克力中多种因素交织，使得基于品种或产地的分类不如基于制造商有效，本研究分类准确率与复杂食品基质中其他化学计量学模型结果相当。结论部分翻译如下：本研究对大量商业巧克力中的氨基酸和胺谱进行了全面表征，揭示了主要与可可含量和制造商加工实践相关的显著化学变异性。同一制造商生产的巧克力往往呈现相似成分模式，表明制造商相关因素贡献了大部分观察到的变异。在多元分析之前，对仪器漂移进行了仔细评估和校正，显著提高了数据质量，确保了化学计量学结果的可靠解释。结果表明，最优信号校正方法因分析物而异，但内标归一化和基于质量控制的校正（单独或组合）通常能显著提升数据质量和分析精度。无监督PCA揭示了巧克力中的自然趋势，表明可可含量是样品分布的影响因素，但分类不够完全，这与成分谱的多因素性质有关。有监督PLS-DA进一步揭示了品牌特异的化学特征，部分制造商轮廓高度一致，另一些则出现重叠。总体而言，这些发现表明氨基酸和生物胺谱主要受可可含量和加工相关因素驱动，而可可原产地和品种的影响在商业巧克力中可能被工业加工和配方实践部分掩盖。本研究是迄今为止对商业黑巧克力中氨基酸和生物胺的最大规模评估之一，证明了其作为巧克力产品成分描述符的用途。但需要更多研究来强化这些发现，并评估其在巧克力行业质量保证和产品认证中的潜在应用。
