利用气相色谱-飞行时间质谱技术对咖啡和芭蕉副产品面粉中代谢物的保留指数进行表征和化学信息学预测

《Journal of Agricultural and Food Chemistry》：Characterization and Chemoinformatic Prediction of Retention Indices of Metabolites in Coffee and Plantain Byproduct Flours Using Gas Chromatography–Time-of-Flight Mass Spectrometry

　　咖啡渣、芭蕉茎及次级芭蕉制备混合面粉，通过挤压工艺优化其营养成分。采用GC-QTOF-MS分析发现挤压显著降低咖啡因、去氧糖等抗营养因子，同时提高乙醇胺、甘氨酸等有益成分含量。开发了基于QSRR的保留指数预测模型（R2=0.945），为食品代谢组学研究提供新工具。

　　本研究探讨了咖啡果皮、香蕉轴和被废弃的香蕉果在食品工业中的再利用潜力，通过挤压技术生产预煮复合面粉，并分析了其代谢物的组成变化。挤压作为一种广泛应用的食品加工技术，通过高温短时（HTST）烹饪方式对食品基质施加机械剪切、热量和压力，从而促进分子排列和化学转化，提升最终产品的溶解性、乳化能力和脂质-碳水化合物复合物的形成。此外，挤压还能够灭活非营养性化合物，减少微生物负荷，延长食品的保质期。研究通过气相色谱-飞行时间质谱（GC-QTOF-MS）分析，识别了72种代谢物，并进一步构建了一个基于定量结构-保留关系（QSRR）的模型，用于预测这些代谢物的保留指数（RI）。该模型具有良好的预测能力（Q2 = 0.945），并成功应用于估算新代谢物的保留特性，为咖啡和香蕉副产品在食品和制药领域的应用提供了新的思路。

### 1. 背景与意义

随着食品工业对可持续发展的重视，农业副产品的再利用成为研究热点。咖啡果皮和香蕉副产品由于其高生物量和丰富的营养成分，被认为是极具潜力的资源。咖啡果皮占咖啡果实重量的约45%，富含碳水化合物、蛋白质、膳食纤维以及多种植物化学物质，如多酚和生物碱。其中，绿原酸和儿茶素的含量尤为显著。香蕉种植过程中会产生大量副产品，仅有20%-30%的生物质被加工利用，其余则常被丢弃或用于土壤处理。这种处理方式不仅造成资源浪费，还可能引发土壤和水体污染问题，因其具有植物毒性。然而，这些副产品富含宏量营养素和生物活性化合物，如类黄酮和花青素，具备开发食品和医药产品的潜力。通过挤压技术将这些副产品整合到预煮复合面粉的配方中，为开发高附加值产品提供了一种可行的替代方案。

### 2. 材料与方法

#### 2.1 代谢物分析

本研究在哥伦比亚特鲁希略地区采集了咖啡果皮、香蕉轴和被废弃的香蕉果，随后进行了干燥、粉碎和混合处理，形成含36.4%咖啡果皮、33.3%被废弃香蕉果和30.3%香蕉轴的复合面粉。样品通过GC-QTOF-MS分析，提取了代谢物，并对其保留指数进行了计算。通过系统化误差去除方法和随机森林算法对数据进行了标准化处理，确保实验结果的可比性和稳定性。在统计分析过程中，采用了正交偏最小二乘法判别分析（OPLS-DA）来识别差异代谢物，并结合t-Student检验和Benjamini-Hochberg方法对显著变化进行筛选。最终，得到了一系列具有统计显著性的代谢物变化结果，用于后续的QSRR建模和预测。

#### 2.2 QSRR建模与验证

为了预测在HP-5ms毛细管柱上保留指数的变化，研究使用了外部数据库，其中包括310种风味化合物。通过简化分子输入线性输入系统（SMILES）对化合物进行了分子结构的标准化处理，并筛选出265种唯一化合物用于模型校准。随后，采用遗传算法-变量子集选择（GA-VSS）方法对这些分子特征进行筛选，以确保模型的稳定性与泛化能力。模型被分为训练集和测试集，比例为70:30，以评估其在数据校准和预测过程中的表现。通过多种交叉验证方法，如留一法（LOO）、5折Venetian blinds、连续块法、蒙特卡洛法和自助法，验证了模型的内部稳健性。Y随机化方法被用于排除偶然相关性，进一步验证了模型的有效性。最终，模型在测试集中的预测能力得到了确认，Q2值为0.945，预测误差（RMSEP）为67.4，表明该模型具有良好的预测性能。

#### 2.3 软件与数据处理

研究使用了MarvinSketch软件进行分子结构的可视化，并通过alvaMolecule对结构进行校验和合并。分子描述符的计算和降维使用了alvaDesc中的V-WSP算法。数据分割、模型校准、验证和适用域评估均通过alvaModel软件完成。这些软件工具为模型的构建和验证提供了可靠的技术支持。

### 3. 结果与讨论

#### 3.1 代谢物的分析结果

GC-QTOF-MS分析结果显示，挤压过程对复合面粉中的代谢物产生了选择性的影响。某些抗营养物质，如咖啡因、脱氧葡萄糖和半乳糖胺的含量显著下降，这可能对复合面粉的营养价值和功能特性产生积极影响。同时，一些化合物的相对丰度保持不变，表明其在挤压条件下具有较高的稳定性。例如，乙醇胺和甘氨酸的相对丰度显著增加，可能与蛋白质或肽的水解有关。这些变化可能对产品的营养和功能特性产生深远影响，如提高蛋白质的消化率和生物利用度。

此外，部分糖类和有机酸的相对丰度发生了变化。例如，葡萄糖、脱氧葡萄糖和2-脱氧核糖的含量有所减少，这可能与高温和高压下的部分降解或转化有关。而2-呋喃酸的相对丰度增加，可能与美拉德反应或糖类降解有关。这些变化对风味和口感产生了重要影响，有助于提升产品的可接受性。

#### 3.2 QSRR模型的构建与验证

QSRR模型通过分子描述符与保留指数之间的关系进行构建。研究选择了三个具有协同效应的分子描述符：eta sigma VEM计数（Eta_betaS）、所有次级碳原子之间的分子距离边（MDEC-22）和极化率加权的Moran自相关（MATS1p）。这些描述符的标准化回归系数表明，它们在预测保留指数方面具有重要作用。通过交叉验证和Y随机化方法，验证了模型的可靠性和泛化能力。结果显示，模型在训练集和测试集中的表现均良好，Q2值达到0.945，预测误差（RMSEP）为67.4，表明该模型能够准确预测复合面粉中代谢物的保留指数。

#### 3.3 模型的适用域分析

为了评估QSRR模型的适用域（AD），研究使用了Williams图，将杠杆值与标准化残差进行比较。结果显示，48种化合物的保留指数预测在AD范围内，表明这些化合物的预测结果可靠。而19种化合物的杠杆值超过了警告阈值（h* = 0.065），意味着它们的预测结果可能不准确，属于模型的外推范围。因此，模型的适用域分析有助于确保预测结果的可靠性，并为后续的代谢物研究提供指导。

#### 3.4 模型的应用价值

QSRR模型不仅为代谢物的识别提供了便利，还能够用于预测新化合物的保留指数。这对于食品化学家在设计和优化新的色谱分析方法时具有重要意义。此外，该模型还能帮助识别未知色谱峰，尤其是在缺乏参考标准的情况下。研究还指出，QSRR模型可以作为进一步研究的基础，用于预测不同色谱系统下的保留指数，从而促进食品副产物的综合开发和利用。

### 4. 结论

本研究通过GC-QTOF-MS分析，揭示了挤压对复合面粉中代谢物的显著影响，并构建了一个基于QSRR的模型，用于预测这些代谢物的保留指数。该模型具有良好的预测能力和适用域范围，能够为食品化学家提供一种有效的工具，用于分析和预测食品基质中的代谢物行为。研究结果表明，挤压技术能够有效减少抗营养物质的含量，提升复合面粉的营养价值和功能特性。同时，QSRR模型的应用有助于优化色谱分析方法，促进食品副产物的再利用，减少环境污染，并为开发高附加值食品产品提供科学依据。这些发现不仅对食品工业具有重要意义，也为农业废弃物的资源化利用提供了新的思路。