MS-eNose与化学计量学用于杜兰小麦的地理来源判别

《Food Chemistry》：MS-eNose and chemometrics for the geographic origin discrimination of durum wheat

　　

• •
  采用MS-eNose方法预测意大利硬粒小麦。
• •
  使用不同的分类算法和变量选择方法开发的流程。
• •
  基于VIP的变量选择与ANN分类相结合获得了最高准确率。
• •
  确定了10种与硬粒小麦地理来源直接相关的VOCs。

引言

硬粒小麦（Triticum aestivum L. ssp. Durum）是全球生产和消费最广泛的谷物之一（Liu et al., 2021）。该谷物存在于来自不同文化的众多菜肴中，并且由于其化学成分——主要是碳水化合物和蛋白质——它被认为对人类健康至关重要（Shewry & Hey, 2015）。

意大利是欧洲最大的硬粒小麦生产国，2024年种植面积为118万公顷，总产量为3500吨（European Commission, 2025），在加拿大之后位居全球第二（同时也是全球最大的硬粒小麦出口国）。其他主要的欧洲硬粒小麦生产国有西班牙、法国、希腊和葡萄牙。在全球范围内，美国、土耳其、墨西哥、澳大利亚、摩洛哥、阿尔及利亚和澳大利亚也是硬粒小麦的重要生产国（Grosse-Heilmann et al., 2024）。然而，在意大利，硬粒小麦的产量不足以覆盖生产硬粒小麦产品（主要是意大利面）的国内需求，因此硬粒小麦通常从其他国家进口。众所周知，环境因素包括地理来源、生长季节、栽培方式、天气条件、收获/收获后技术以及物理特性（如含水量、堆积密度、密度、大小、颜色、硬度、活力和损伤情况）会影响小麦品质（Guzmán et al., 2022）。最后，活力和出粉率等功能特性影响蛋白质含量，从而影响小麦的品质（Fattahi et al., 2024; Nadimi et al., 2023）。

欧盟委员会通过第1169/2011号欧盟法规（EC, 2011）对标签中包含生产国信息进行了规范。一项意大利部长令规定标签上必须包含种植国和加工国的信息（Italian Ministerial, 2017; Italian MASAF Decree 2025）。

确保食品供应链的完整性需要紧急开发鉴定方法以检测欺诈行为，特别是防止掺假和地理标签欺诈，并实施现代的监管技术。因此，科学界致力于寻找快速可靠的分析方法，对于验证食品来源和打击食品欺诈至关重要。

基于化学计量学和机器学习技术的支持的食品真实性筛查方法正变得越来越流行。此外，不同的研究致力于探索评估意大利硬粒小麦地理来源的新分析方法。液相色谱-高分辨率质谱与化学计量分析相结合已成功应用于鉴定小麦的地理来源（即意大利、欧洲或非欧洲）（Cavanna et al., 2020）。另一项研究使用⁸⁷Sr/⁸⁶Sr比值，结合多元素分析和化学计量方法，将意大利小麦样品与来自13个外国的小麦样品区分开来（Monti et al., 2023）。此外，近红外光谱与化学计量分类方法相结合作为非靶向快速方法应用于区分意大利硬粒小麦与其他国家栽培的小麦（De Girolamo et al., 2019）。

直接质谱（MS）是一种新兴且极具前景的食品真实性评估技术，具有快速、高选择性、高灵敏度和高通量分析等多个优势（Danezis et al., 2016）。

由于食品是复杂的基质，由各种挥发性和非挥发性化合物组成，可靠的分析方法至关重要。一种用于生成全面挥发性有机化合物（VOC）指纹的前沿方法基于顶空固相微萃取（HS-SPME）与质谱的直接联用。这种强大的联合技术称为基于MS的电子鼻（MS-eNose），以其快速提供结果的能力著称（通常在5分钟以内），并且需要最少的样品前处理（Peris & Escuder-Gilabert, 2009）。该过程涉及通过HS-SPME从样品顶空隔离VOCs，然后直接将其引入质谱仪离子源（通常为飞行时间或单四极杆）中进行碎裂。在该系统中，每个质荷比（m/z）作为一个独立的传感器工作，其信号强度来源于各种收集的碎片。产生的复杂数据集随后通过多元统计分析进行系统处理。虽然MS-eNose仪器往往比传统的传感器系统更昂贵且较少见，但其优势十分显著，在更广泛的应用范围、更高的灵敏度以及过滤化学干扰的能力方面表现突出。事实上，该技术最近已被应用于区分100%意大利硬粒小麦意面与混合地理来源硬粒小麦生产的意面，证实了MS-eNose指纹图谱和化学计量建模作为食品真实性快速评估工具的潜力（Cervellieri et al., 2022）。

在文献中，基于挥发性组学方法，能够快速、非靶向且可靠地区分大量意大利硬粒小麦样品与在其他国家生产的小麦样品的筛查方法仍然缺乏。为了弥补这一不足，我们首次开发了一种整合工作流程，将HS-SPME/MS-eNose指纹图谱与先进的化学计量学建模相结合，能够快速生成信息量丰富的挥发性组学数据集，用于对意大利和非意大利样品进行分类。本研究的主要贡献在于使用大规模且地理多样化的硬粒小麦数据集验证了该筛查方法，展示了MS-eNose指纹图谱在支持产地鉴定方面的能力。所提出的方法提供了一种高通量和具有成本效益的工具，用于区分意大利和非意大利硬粒小麦，支持供应链透明度、防止欺诈以及保护消费者权益和意大利硬粒小麦的经济价值。

具体而言，使用一组在世界各主要产区分布良好且数量充足的小麦样品开发了稳健的统计模型。

此外，为了鉴定负责小麦地理区分的关键VOC标志物，对部分样品采用了基于HS-SPME/GC–MS技术的互补分析方法进行了进一步研究。

章节摘要

化学品和试剂

甲醇（HPLC级）购自Mallinckrodt Baker（意大利米兰）。正构烷烃混合物（C5-C29）购自o2si Smart Solutions（美国南卡罗来纳州查尔斯顿）。化学标准品（3-甲基癸烷、丁酸甲酯、己酸甲酯、1-戊醇、1-己醇、1-辛烯-3-醇、丙酮、3-甲基-1-丁醇、2-庚醇、1-辛醇、己醛、辛酸甲酯、2-戊基呋喃、γ-己内酯、γ-壬内酯）购自Ultra Scientific Italia S.r.l.（意大利博洛尼亚）。芳樟醇

基于HS-SPME/MS-eNose的硬粒小麦鉴定

两类硬粒小麦样品（即在意大利栽培的"意大利硬粒小麦"和来自不同产地的"非意大利硬粒小麦"）的平均HS-SPME/MS-eNose光谱对比结果如图3所示。两个光谱表现出相似的趋势，存在强度差异，尤其在前半部分光谱（40至150 m/z）中。

然而，在构建任何分类模型之前，使用PCA检查了数据中的异常值，同时也进行了

结论

本研究首次证明了将HS-SPME/MS-eNose与化学计量学建模相结合可有效区分意大利和非意大利硬粒小麦样品。该工作流程使用分类算法（PLS-DA、SVM或ANN）配合两种变量选择技术（Fisher Score和VIP），在校准和预测阶段均始终产生超过88%的分类准确率。值得注意的是，基于VIP的变量

CRediT作者贡献声明

Tiziana Forleo：写作 – 审阅与编辑、写作 – 初稿、软件、调查、形式化分析、数据整理。Salvatore Cervellieri：写作 – 审阅与编辑、写作 – 初稿、验证、调查、形式化分析。Francesco Longobardi：写作 – 审阅与编辑、写作 – 初稿、验证、方法论、概念构思。Annalisa De Girolamo：写作 – 审阅与编辑、验证、监督、方法论、概念构思。Michele Suman：写作 –

未引用参考文献

MISAF. 农业、粮食主权和林业部，2025

利益冲突声明

作者声明，他们不存在已知可能影响本文所述工作的竞争性经济利益或个人关系。

致谢

本研究得到AgriTech国家研究中心项目的支持，并获得了欧盟下一代欧盟基金资助（国家复苏与韧性计划（PNRR）——第4任务，第2组成部分，投资1.4——2022年6月17日第1032号法令，CN00000022）。作者感谢Giuseppe Panzarini博士（ISPA-CNR，意大利）提供的技术支持。

Tiziana Forleo|Salvatore Cervellieri|Francesco Longobardi|Annalisa De Girolamo|Michele Suman|Antonio Moretti|Vincenzo Lippolis