在全面二维气相色谱中，色谱图级别的FID/MS数据融合技术实现了可靠的定量挥发性代谢组学分析：以特级初榨橄榄油为例

《Journal of Chromatography A》：Chromatogram-Level FID/MS Data Fusion in Comprehensive Two-Dimensional Gas Chromatography Enables Robust Quantitative Volatilomics: Application to Extra Virgin Olive Oil

　　•色谱图级别的FID/MS融合实现了统一的GC×GC定量挥发性分析。•这种融合技术能够在广泛的信噪比预处理范围内稳定区分挥发性化合物的特征。•在特级初榨橄榄油（EVOO）的挥发性成分谱中，121种化合物被标记出来，并有109种化合物得到了准确的定量分析。•长期的定量数据库支持对EVOO进行稳健的基准测试和特征分析。

引言
特级初榨橄榄油（EVOO）是最具化学和感官复杂性的食品基质之一，尽管其挥发性成分仅占总组成的微量部分，但却提供了关于品种、地理来源、土壤气候条件、加工技术、新鲜度、储存过程以及感官质量的高度信息性描述[1],[2],[3],[4],[5],[6],[7]。挥发性有机化合物（VOCs）来源于多种生化途径，包括脂氧合酶介导的反应、植物特有的代谢过程以及氧化降解，它们共同生成了反映橄榄生物学历史和橄榄油生产技术历史的特征性化学信号[8]。因此，全面表征EVOO的挥发性成分已成为食品质量评估、真实性验证、感官分析以及数字化食品保障中的关键目标[7],[9],[10],[11],[12]。
在过去十年中，分析策略逐步从选择性地测定少数标志物转向了挥发性成分分析，即在单次实验中分析大量的挥发性代谢物[13,14]。二维气相色谱（GC×GC）尤其适用于这一目的，因为它具有更高的色谱分离效率、基于调制效果的灵敏度以及结构化的分离空间，从而提高了色谱分辨率和特征识别能力[15],[16],[17]。与传统的单维气相色谱相比，GC×GC显著减少了色谱重叠现象，并根据分析物的理化性质合理化了分析元数据，生成了特别适合研究化学复杂基质的可重复色谱特征[18]。
除了分离能力外，GC×GC还能提供可重复的色谱特征，在不同样本之间一致地追踪目标和非目标成分[19,20]。模板匹配算法利用保留时间坐标、检测器响应和光谱描述符来建立成分之间的对应关系，使已标记的成分和未知成分都能参与到相同的挥发性成分谱中[5,18],[21],[22],[23]。这一框架可以扩展到定量分析领域，其中匹配成功的特征成为可用于比较大量样本的定量描述符[20],[24],[25],[26]。因此，定量挥发性分析需要全面的色谱覆盖范围、可靠的特征对应关系、准确的成分注释以及稳健的定量响应[25,27]。
这种发展自然引出了定量挥发性分析的更广泛概念，即全面的VOC分析不仅需要高分辨率的色谱技术，还需要准确的特征对应关系、可靠的化合物注释、稳健的定量响应以及可扩展的数据处理策略。与传统的目标定量分析不同，定量挥发性分析旨在保留整个挥发性成分组的全部定量信息，包括已知化合物和可重复追踪的未知成分，从而提供食品基质挥发性化学特征的全面描述。
同时使用质谱（MS）和火焰离子化检测（FID）进行GC×GC检测是一种实现这些目标的可能分析配置，因为这两种检测器提供了互补的信息[28]。电子电离（EI）-MS通过片段化模式提供分子特异性，结合光谱相似性算法和保留时间信息实现可靠的化合物注释；而FID检测则提供几乎普遍的碳响应、出色的重复性、可预测的相对响应因子（RRF）以及更宽的线性动态范围，使其特别适合于对浓度差异较大的化合物进行精确定量测量。这些互补特性共同满足了定量挥发性分析的定性和定量要求。
然而，尽管MS和FID色谱图是同时获取的，但通常它们被作为独立的数据集进行处理。因此，在下游数据分析中合并定性和定量信息之前，需要分别进行特征提取、色谱对齐、模板匹配和定量测定。这种双重处理策略不仅增加了计算复杂性，还不可避免地引入了特征对应关系的不确定性，尤其是对于缺乏MS特异性信息的FID来说，降低了工作流程效率，并限制了大规模定量挥发性分析研究所需的灵活性。
最近，色谱图级别的检测器融合技术作为一种有前景的方法出现，它通过将互补的检测器响应整合到单一的多维色谱数据集中来克服这些限制，同时保留了MS的光谱信息和FID的定量性能[28]。这种整合的效果远远超出了单纯检测器组合的范围。直接将光谱相似性约束纳入融合后的色谱对象中，增强了模板匹配和特征对应关系[31]，减少了挥发性成分谱分析中的误匹配现象。同时，将FID检测器的定量响应嵌入到同一个分析对象（即光谱信息）中，保持了其在宽浓度范围内的线性和定量稳健性，消除了对独立检测器处理的依赖。因此，色谱图级别的融合将两种互补的检测器输出转化为一个统一的分析表示，同时支持定性表征、定量分析和可扩展的数据处理。

然而，色谱图级别的融合需要适当的仪器和数据处理条件。在并行FID/MS配置中，检测器出口压力和流速限制的差异可能会影响流出物分离，并在两个色谱信号之间引入时间偏移。在融合方法的方法开发过程中，系统研究了包括色谱柱/限流器配置、分流稳定性、检测器同步以及通过色谱登记补偿残余的FID/MS失调等方面的问题[28]。在本研究中，使用EVOO这一化学结构复杂的基准基质，系统地评估了色谱图级别的FID/MS融合在定量挥发性分析中的应用效果，评估了其改进挥发性成分特征对应关系、保留定量信息以及减少处理冗余的能力。特别关注了预处理参数对特征灵敏度和匹配准确性的影响，以及该工作流程在EVOO挥发性成分谱长期定量基准测试中的适用性。

化学品
所有化学品和参考化合物均购自意大利米兰的Merck公司。所用溶剂包括丙酮、环己烷和二丁基邻苯二甲酸酯（DBP，纯度≥99%）。为了计算线性保留指数（IT），使用了一系列正烷烃（C9–C25），并使用真实的参考标准物质通过响应因子和注释验证了化合物的定量分析。分析内标物质α/β-松油醇和甲基2-辛酸被用作分析工具。

结果与讨论
在基于GC×GC的定量挥发性分析中，整合互补的检测器信息仍然是一个方法学挑战。尽管并行FID/MS检测结合了稳健的定量响应和分子特异性，但两种检测器的信号通常被独立处理，需要分别进行峰值检测、对齐、特征对应关系和定量数据提取。色谱图级别的融合通过在检测器响应结合之前将其合并，解决了这一限制。

结论
系统评估了色谱图级别的FID/MS数据融合作为基于GC×GC的定量挥发性分析的有效策略，以EVOO作为基准基质。所提出的工作流程将互补的检测器响应整合到一个色谱对象中，实现了挥发性成分的特征识别、化合物注释和定量数据提取的统一分析。
预处理参数的优化表明，色谱图级别的融合显著提高了...

作者声明
Fatima Zahare El-Mossaid：正式分析、研究、数据管理、可视化、撰写 - 原稿撰写。
Hanaa Abdelmoumen：监督、撰写 - 审稿与编辑。
Sara Tanilli：数据管理、可视化、撰写 - 原稿撰写。
Fulvia Trapani：研究、数据管理、撰写 - 审稿与编辑。
Erica Liberto：监督、方法学、撰写 - 审稿与编辑。
Vladimiro Cardenia：监督、方法学、数据管理、撰写 - 原稿撰写、审稿与编辑。

关于手稿准备过程中使用生成式AI和AI辅助技术的声明
在准备本工作时，作者使用了都灵大学授权的ChatGPT进行英语语言检查和图形摘要生成。作者根据需要进行审查和编辑，并对发表文章的内容负全责。

利益冲突声明
作者声明以下潜在的利益冲突：
Fatima Zahare El-Mossaid博士、Hanaa Abdelmoumen博士、Sara Tanilli博士、Fulvia Trapani博士、Vladimiro Cardenia博士、Ambra Bonciolini博士、Humberto Ribeiro Bizzo教授、Chiara Cordero教授和Andrea Caratti教授声明没有利益冲突。
Qingping Tao博士、Chase Heble先生和Daniel Geschwender先生是GC Image LLC的员工。
Daniela Peroni博士和Andrea Carretta博士是SRA Instruments SpA的员工。

数据可用性声明
数据已上传至Open Science Framework（OSF）网站的专用存储库：https://osf.io/hgbua/overview?view_only=be0336f28e8944fea751cecb271f866e。可以根据请求提供访问权限。

未引用的参考文献
[[66],[67],[68]]

作者贡献声明
Fatima Zahare El-Mossaid：撰写 - 审稿与编辑、撰写 - 原稿撰写、可视化、研究、正式分析、数据管理。
Hanaa Abdelmoumen：撰写 - 审稿与编辑、监督。
Sara Tanilli：撰写 - 审稿与编辑、撰写 - 原稿撰写、可视化、数据管理。
Fulvia Trapani：撰写 - 审稿与编辑、研究、数据管理。
Erica Liberto：撰写 - 审稿与编辑、监督、方法学。
Vladimiro Cardenia：撰写 - 审稿与编辑、撰写。

关于利益冲突的声明
作者声明以下可能被视为潜在利益冲突的财务关系和个人关系：
Qingping Tao与GC Image LLC存在雇佣关系。
Chase Heble与GC Image LLC存在雇佣关系。
Daniel Geschwender与GC Image LLC存在雇佣关系。
Daniela Peroni与SRA Instruments存在雇佣关系。
Andrea Carretta与...

致谢
Humberto Ribeiro Bizzo教授衷心感谢巴西国家科学技术发展委员会（CNPq）提供的研究奖学金（授予编号303475/2025-0）。
Fatima Zahare El-Mossaid博士衷心感谢摩洛哥梅克内斯国立农业学院（ENA Meknès）Agro-p?le Olivier项目的负责人Aadil Bajoub博士对她研究流动性的支持。