基于質譜的代謝組學技術在肉類科學中的應用

王娟強，李瑩瑩，李石磊，趙文濤，姜 銳，王守偉*

（中國肉類食品綜合研究中心，北京 100068）

代謝組學是繼蛋白質組學、基因組學和轉錄組學后系統生物學中新興的科學技術分支。代謝組學主要研究生物系統中細胞或組織中的小分子代謝產物，并對這些代謝物進行定性定量分析，從而研究代謝物與機體代謝通路的關系、引起代謝物數量和種類變化的因素等[1]，目前已廣泛應用于環境監測[2]、藥物開發[3]、疾病診斷[4-5]、植物育種[6]和食品科學[7-8]等領域。在食品科學中，代謝組學主要應用于食品認證及特征鑒定[9]、食品營養學[10]、食品產地溯源[11]和食品污染物監測[12]等的研究。代謝組學常用的技術平臺有核磁共振（nuclear magnetic resonance，NMR）技術、液相色譜-質譜（liquid chromatography-mass spectrometry，LC-MS）聯用技術、氣相色譜-MS（gas chromatography-MS，GC-MS）聯用技術、毛細管電泳-MS（capillary electrophoresis-MS，CE-MS）聯用技術、色譜技術、穩定同位素分析和光譜技術等[13]，其中使用最多的是MS和NMR兩個分析平臺。NMR的巨大潛力在于它的非歧視性、非破壞性，同時它提供了關于代謝物獨特的結構信息。但是目前基于MS的方法在分析少量復雜混合物時的靈敏度要高于NMR。特別是高分辨率和超高分辨率MS儀的使用極大地提高了分析性能，并提供了選擇性和靈敏度的最佳結合。食品樣品基質成分的極端復雜性和不同化合物含量跨度較寬的動態范圍是當前分析技術的重要挑戰。基于MS的代謝組學方法的發展和應用對食品領域產生了非常重要的影響，甚至進一步提高了現有食品品質和安全法規所要求的限制[14]。基于MS方法在食品代謝組學高通量樣本中是理想的分析技術[15]，將MS中的高分辨率和精確品質與來自碎片化（MS/MS）的數據相結合，有助于確定未知代謝物。近年來，MS的發展主要集中在儀器的改進上，以獲得高分辨率、高質量準確度、更高的靈敏度、更強的破碎能力和更好的線性度。這些優勢使得基于MS代謝組學的方法成為研究和表征復雜代謝混合物的有效工具。

目前，基于MS的代謝組學方法在食品科學中主要應用于食品安全、食品品質和食品可追溯性等方面。Xu Lei等[16]通過基于MS的高檢測覆蓋面靶向代謝組學對不同果汁進行鑒別和認證，能夠有效地區分蘋果汁、橙汁、梨汁、葡萄汁和柑橘汁。Wang Yueqi等[17]采用超高效液相色譜-四極桿-飛行時間質譜儀（ultra performance LC quadrupole/time-of-flight MS，UPLC-Q/TOF-MS）代謝組學分析了魚露發酵過程中的代謝特征，發現了氨基酸、小肽、有機酸、胺和核酸等魚露中的關鍵代謝物，它們可用來評估魚露的味道品質。Daygon等[18]運用GC/GCTOF-MS代謝組學研究不同大米在烹飪過程中釋放出的揮發性化合物，從而選擇優質香米品種風味。Wu Hualing等[19]基于GC-MS的代謝組學研究揭示了紅茶加工過程中化學成分的動態變化。Llorach等[20]利用基于LC-MS的非靶向代謝組學對豆科植物代謝產物指紋圖譜進行比較，可鑒定扁豆、白豆和鷹嘴豆等不同種類豆科植物。基于MS的代謝組學技術優勢顯著，已廣泛應用于食品領域，但這一方法在肉類科學中應用報道相對較少。

本文對近年來基于MS的代謝組學技術在肉類科學研究中的應用進行了綜述，并討論了基于MS代謝組學的研究思路，包括樣品前處理、分析平臺和數據處理方法，展望了該技術在肉品科學中的應用前景。

1 基于MS的代謝組學分析過程

根據不同的研究目的和層次，代謝組學主要可分為非靶向代謝組學、靶向代謝組學和偽靶向代謝組學[21-22]。非靶向代謝組學是對生命體中代謝物進行全面、系統、無偏向分析，盡可能多地定量定性代謝物，獲取大量數據統計分析發現差異代謝物；靶向代謝組學具有針對性，對某個代謝通路或已知的某一些代謝物進行定性定量分析，用于驗證差異代謝物；偽靶向代謝組學整合了非靶向代謝組學和靶向代謝組學的優點，能夠實現高通量、高精密度、準確定性定量代謝物。MS技術是代謝組學最重要的一種分析手段，基于MS的代謝組學在肉類科學中主要工作流程為樣品前處理、樣品中代謝物的分離檢測和數據處理。圖1主要概括了基于MS的非靶向代謝組學和靶向代謝組學的研究思路[13]。

圖1 基于MS代謝組學分析示意圖[13]Fig.1 Schematic diagram of MS-based metabolomics[13]

1.1 樣品前處理

基于代謝組學技術的樣品前處理主要是為了快速有效地終止樣品中新陳代謝反應，同時最大程度地去除樣品中的雜質如蛋白質、脂肪等，并且能夠盡可能多地保留和提取代謝產物或目標代謝物。肉類食品樣品基質非常復雜，分析對象類型多，包括不同畜禽動物的肌肉組織、副產品、肉制品等。代謝物之間結構、化學性質差異較大，還需針對研究目的、代謝物的特點和分析儀器的要求，選取適宜的樣品前處理方法。目前常見的食品中代謝物提取方法主要有溶劑提取法、固液萃取法、固相萃取法和QuEChERS（quick, easy, cheap, effective,rugged, and safe）法等[23-24]。

基于MS的代謝組學方法中，肉品的前處理方法主要是溶劑提取法，根據代謝物極性的不同，選取合適的提取溶劑，從組織中提取最大量的極性代謝物或非極性代謝物。極性代謝物一般選用含水的有機溶劑，如不同比例的甲醇/水溶液[25-27]，非極性代謝物則選取氯仿、二氯甲烷和甲基叔丁基醚等有機試劑[21,28]。Cao Mengsi等[21]采用雙相萃取法，其中上相為甲基叔丁基醚，下相為甲醇水溶液，充分提取了豬肉中脂質和小極性代謝物。Sidwick等[25]依次用甲醇-水（1∶1，V∶V）溶液和二氯甲烷-甲醇（3∶1，V∶V）溶液對雞肉中代謝物進行提取；基于GC-MS的代謝組學前處理可采用衍生化法[26]、頂空固相微萃取法[29-31]。Welzenbach等[26]用甲醇-水（9∶1，V∶V）溶液提取豬肉和雞肉中代謝物，并用含有體積分數1%三甲基氯硅烷的N-甲基-N-(三甲基硅烷基)三氟乙酰胺進行衍生化處理。Shi Yanan等[31]采用頂空固相微萃取對大河黑豬火腿中揮發性成分進行分離富集；新型MS代謝組學，如快速蒸發電離MS（rapid evaporative ionisation mass spectrometry，REIMS）法無需進行樣品前處理[32-33]，能夠實時高效地檢測樣品。樣品前處理過程中雜質的去除方法一般采用甲醇、乙腈和丙酮等有機試劑沉淀蛋白質，氯仿和正己烷等除去脂質。在樣品前處理過程中處理步驟應盡量少，條件應較溫和，盡量多地提取代謝物。

1.2 樣品中代謝物的分離檢測

肉類科學中，基于MS的代謝組學分析技術主要有LC-MS、GC-MS、CE-MS以及基于新型MS技術的代謝組學方法。

LC-MS技術兼具LC和MS的特點，優化LC條件可以實現代謝物的分離，與高靈敏度、高準確性的MS聯用，可以對代謝物準確定性定量。LC-MS樣品的前處理較為簡單，一般采用溶劑提取法，不需要衍生化。一般用于熱穩定性低、極性較大化合物的分析，如有機酸、有機胺、核苷、核苷酸和多胺等代謝產物[34-35]。GC-MS技術具有分離能力強、高分辨率、高靈敏度、標準譜庫比較成熟、易于定性等優點，但前處理過程中部分化合物需衍生化，預處理較為繁瑣。通常用于極性較小化合物、揮發性化合物、半揮發性化合物、熱穩定化合物的定性和定量檢測，如酯類、短鏈脂肪酸和類黃酮等[23,36]。CE-MS技術能夠根據樣品中化合物之間的淌度和分配行為進行分離，再經MS電離化合物。常用于帶電化合物、親水和半疏水化合物的分析，如氨基酸、肽、有機酸以及核酸類物質[28,37-38]。在肉類科學研究中，在與MS聯用技術LC、GC等分離方式的基礎上，針對樣品的復雜性，發展了高分離度、高效耐壓的UPLC[21,39-40]、強極性的親水相互作用色譜（hydrophilic interaction liquid chromatography，HILIC）[26,41]和CE[28,38]等互補的分離技術，從而增加研究系統代謝物的覆蓋率。

近年來，為獲得高分辨率、高質量準確度、更高的靈敏度、更強的破碎能力和更好的線性度，MS技術的發展主要是MS儀器上的改進[37,42]。TOF-MS和四極桿軌道離子阱（quadrupole orbitrap，Q-Orbitrap）-MS可以提供精確的質量分析結果[43-45]。非靶向代謝組學主要選擇TOF-MS特別是Q-TOF-MS。Welzenbach等[26]采用LC-Q-TOF-MS篩選出豬肉中393 種代謝物，Sidwick等[25]通過LC-Q-TOF-MS區分正常和死亡后屠宰雞。高靈敏度、高穩定性的三重四極桿（triple quadrupole，QQQ）-MS和四極桿線性離子阱（quadrupole linear-ion-trap，QTRAP）-MS具有可靠定量代謝物的能力[46]。靶向代謝組學中，高分辨MS提高了目標化合物建立數據庫的可能性，在肉類科學中逐漸使用高分辨質譜（high resolution mass spectrometry，HRMS）分析儀，如尤麗琴等[47]采用高分辨的Triple-TOF-MS研究灘羊風味前體物質，不僅滿足定量水平與高性能的QQQ-MS系統相當的定量能力，而且高質量準確度和高分辨率有助于差異代謝物的鑒定。通過結合TOF/Q-Orbitrap和QQQ/QTRAP的方法具有良好的定性定量、重現性、高靈敏度和較寬的動態范圍[21,48]，在肉類研究中代謝組學的發展方向在于更深層次結合非靶向的廣泛性和靶向的精準性，如Cao Mengsi等[21]通過UPLC-Triple-TOF-MS結合UPLCQTRAP-MS代謝組學用于生豬肉和死豬肉的區分。

此外，同位素比MS（isotope ratio MS，IRMS）法根據樣品中穩定的同位素比值如2H/H、13C/12C、15N/14N、18O/16O和34S/32S，來實現對不同地理區域，不同環境收集的肉品的區分鑒別[49-50]。REIMS法無需進行樣品前處理，實驗裝置能夠在小于5 s的時間范圍內記錄肉樣的MS圖，是一種快速定性的可靠簡便方法，通過提供原位、實時的分子分辨信息，可用于肉品組織的鑒定和正確分類[32-33]。基質輔助激光解吸電離MS（matrix-assisted laser desorption-ionization MS，MALDI-IMS）法可短時間內評估肉品來源的真實性。基于IMS直接分析生物樣品可以檢測廣泛的內源性分子，如脂類、糖脂、肽、揮發性成分、營養素以及藥物。新型MS代謝組學技術的發展實現了對肉品的快速高效檢測，為實時跟蹤和現場檢測分析奠定了技術基礎[51]。

1.3 數據處理

分析儀器提供的原始數據不能提供清晰可比較的代謝物，必須經過一定的處理。數據處理的關鍵是消除數據分析中的方差和偏差、降低復雜性、增強代謝信號。數據處理主要分為兩部分：原始數據預處理和數據分析。

通常，原始數據預處理的工具包括4 個基本模塊，即噪音過濾和基線校正、峰值檢測和反褶積、校準對齊和歸一化[52]。噪音過濾的目的是分離來自化學基體或儀器干擾的背景成分信號，消除測量噪音或基線失真。峰值檢測和反褶積的目的是識別和量化樣本中相對應的代謝物分子，并能顯著降低數據的復雜性。校準對齊是對不同樣本中檢測到的特征信號進行比對，是為了消除給定信號樣本之間的移位，保證后續有用信息的提取。歸一化消除了由于實驗來源引起的混淆變化，如分析噪音或實驗偏差，并保留了由于分析物引起的相關變化。常用的數據預處理工具[52-53]有XCMS（https://xcmsonline.scripps.edu/）、MZmine（http://sourceforge.net/projects/mzmine/）和MetAlign（http://www.metalign.nl）。

預處理后的代謝組學數據借助數據分析軟件可實現單變量分析和多元變量等統計分析，數據分析方法可分為無監督分析和有監督分析[13,52,54-55]。無監督分析方法通常用于研究數據集的整體結構，發現數據集中的趨勢和分組。這些方法提供了數據的無偏向視圖。代謝組學常用的非監督方法有PCA、HCA和SOM。PCA將高維變量轉化為少量的正交因子，提供了樣本在低維（通常是兩維或三維）空間中的投影，使樣本分布可視化。HCA的目標是在一個集群中對相對相似的樣本進行分組，在另一個集群中對相對不同的對象進行分組。SOM是一種神經網絡算法，對于高維數據，SOM可以在規則的低維網格上形成非線性投影，使數據空間的聚類和數據項之間的度量拓撲關系清晰可見。SOM是描述代謝模式和樣本間關系的工具。有監督分析通過已知數據結構建立模式和規則來預測新的數據，突出組間差異。它可以分為線性方法（如PLS-DA、LDA、正交偏最小二乘法-判別分析（orthogonal PLS-DA，OPLS-DA））和非線性方法（如RF和SVM）等。數據分析時一般先采用無監督分析方法區分不同樣本間的代謝物差異，再建立有監督分析方法模型擴大組間差異，對差異明顯的代謝物進行分析[8]。常用的數據分析軟件有MATLAB、SIMCA等[9]，以及不同儀器公司開發的數據分析軟件，如Thermo Fisher Scientific公司的Compound Discoverer軟件、SCIEX公司的Lipid View軟件、Agilent公司的MPP軟件等[10,12]。

代謝組學數據軟件篩選得到的差異代謝物可以通過查閱相關文獻、網站、數據庫或借助通路分析軟件進一步確定代謝物性質、結構鑒定、功能注釋和代謝通路等，為靶向分析、代謝物影響因素的研究提供依據。常用的數據庫有HMDB（http://www.hmdb.ca）、KEGG（https://www.kegg.jp）、NIST（https://webbook.nist.gov），以及儀器公司建立的數據庫，如Thermo Fisher Scientific公司的mzCloud（https://www.mzcloud.org）、Agilent公司的METLIN（https://metlin.scripps.edu）等[10,26,41,56]。

2 MS代謝組學技術在肉品科學中的應用

基于MS的代謝組學技術已被應用于研究影響肉品品質的因素、評估肉品的安全性、解決肉品欺詐問題、追溯確定原料肉來源及產地，以及肉品不同加工方式和貯存條件對肉類食品的影響。近年來，基于MS的代謝組學在肉類科學中的應用總結見表1。

2.1 肉品品質研究

如今，肉品品質已成為肉品行業的主要關注點之一。對肉品品質的評估包括色澤、香氣、風味和營養特性等多個方面，需要通過不同類型的分析方法來評估，使得評估工作較為復雜。而基于MS的代謝組學方法信息豐富，可以最大程度地獲取代謝物信息，將相關特征與食品品質建立聯系，為解決這一復雜問題提供支持。

消費者對食品品質的要求越來越高，其中感官品質是豬肉等產品的主要關注點，決定感官享受的因素有味道、嫩度和多汁等。D’alessandro等[57]基于LC-MS的靶向代謝組學方法對卡瑟塔納豬和大型白豬的骨骼肌中主要代謝途徑的一系列代謝物進行了分析，發現卡瑟塔納豬中甘油-3-磷酸脫氫酶及甘油3-磷酸和甘油代謝物的含量高于大型白豬，這可能與卡瑟塔納豬的較高背脂肪厚度和大型白豬的較高瘦肉厚度有關。這一方法將為篩選良好肉質性狀、口感舒適、高品質的豬肉品種提供技術支持。Welzenbach等[26]基于GC-MS和LC-QTOF-MS非目標代謝組學的方法檢測到97 頭豬中393 種帶注釋的代謝物和1 600 種未知代謝物。研究表明基于MS的非目標代謝組學方法可用于研究生化過程中影響肉質性狀包括肉的滴水損失、宰后不同時間內肉pH值和肉的顏色等潛在關鍵代謝化合物，并通過具有統計學意義的特征標記物來反映肉品狀態。Subbaraj等[41]通過HILIC-MS的代謝組學方法對不同老化程度、貯存條件和暴露時間下綿羊肉中極性代謝物（包括氨基酸、糖、核苷酸、核苷和有機酸等）進行研究，結果表明大多數化合物與肌紅蛋白化學作用有關，具有抗氧化性能的化合物在顏色穩定的樣品中含量較高。對綿羊肉色澤穩定性的研究將為選擇合適的肉品處理方式提供參考。尤麗琴等[47]采用UPLC-MS代謝組學方法研究了寧夏灘羊宰后成熟過程背最長肌中內源性小分子物質代謝變化，研究發現隨著成熟時間的延長，風味特征物質種類和含量總體水平顯著增加，因而灘羊肉的風味特征更為豐富，該方法可為灘羊肉風味物質的調控提供技術指導。

表1 基于MS代謝組學在肉品科學中的應用Table 1 Recent applications of MS-based metabolomics in meat science

風味是影響干腌火腿整體接受度的關鍵屬性，而肉類原料、加工技術和成熟時間等都對風味具有很大的影響。Shi Yanan等[31]對火腿中的揮發性風味化合物進行了GC-MS和多元數據綜合分析，在6 個成熟階段的火腿中共鑒定出407 種揮發性風味化合物。分析結果表明風味物質以醛類和醇類最為豐富，影響大河黑豬火腿香氣的特征關鍵成分有己醛、3-甲基丁醛、壬醛、辛醛等，使其具有青草味、果香、果仁味和焦糖味等特殊香味。Sugimoto等[28]采用CE-MS同時定量分析了日本干腌火腿中氨基酸、有機酸、多肽、核苷酸及其中間代謝物，并研究了火腿成熟時間、代謝產物和感官特征之間的關系。基于MS的代謝組學方法對火腿風味的研究，不僅能在火腿成熟過程中對火腿狀態進行監測，為火腿生產者提供更有針對性的加工途徑和風味轉化機制，而且可用于改善火腿風味、開發新的火腿口味、提高火腿風味品質、優化火腿成熟時間等方面的研究。

2.2 肉品安全性評估

肉品安全是肉類科學分析中最重要的主題之一。為了確保肉品的安全，始終需要進行食品品質安全控制，包括有關肉品中某些特定化合物的含量必須低于某些限值的法規執行、微生物相關腐敗的檢測、檢測環境污染物以及禁用的化合物和評估天然毒素的發生。基于MS代謝組學的方法的使用已大大提高了目前的分析測定水平。

通過對肉類中病原菌的檢測，可以監測肉品品質變化和變質程度。Cevallos-Cevallos等[36]采用基于GC-MS的代謝組學方法監測牛肉和雞肉中的大腸桿菌O157:H7、哈氏沙門氏菌、鼠傷寒沙門氏菌和慕尼黑沙門氏菌微生物，研究發現在大腸桿菌O157:H7和沙門氏菌的生長過程中，揮發性化合物受到影響，而針對揮發性化合物的分析可以預測這些細菌是否存在于肉類樣品中。通過進一步的研究有望實現基于MS的代謝組學方法在畜肉和家禽行業中對沙門氏菌和O157:H7大腸桿菌常規檢測中的應用。Argyri等[30]通過頂空固相微萃取-GC-MS對碎牛肉樣品分析，并進行微生物分析、感官評估、pH值測量。通過PCA、HAC、FDA和PLS-R等多變量數據分析選擇醇類、醛類、酮類和酯類化合物建立肉類腐敗評估模型。該方法可用于對微生物總活菌數的定量估計，評估肉品腐敗狀態是新鮮、半新鮮還是變質。

死豬肉是指因疾病或其他異常原因死后被宰殺的豬肉，由于變質、包含傳染病或藥物殘留而無法食用。然而，出于經濟利益，死豬肉在市場上的非法出售會對消費者的健康構成巨大威脅。通常，消費者通過主觀視覺和嗅覺識別死豬肉，但極易出錯。Cao Mengsi等[21]通過基于UPLC-Triple-TOF-MS的非靶向代謝組學方法篩選出24 種代謝物，結合UPLC-QTRAP-MS的偽靶向代謝組學方法檢測到差異代謝物，用Metlin數據庫和多元統計分析方法進一步鑒定出可能的差異標記物共計14 種，包括肌肽、左旋肉堿、左旋組氨酸和乙酰膽堿等，可用于區分生豬肉和死豬肉。Sidwick等[25]通過LC-Q-TOF-MS對正常屠宰和運往屠宰場時死亡雞的肌肉組織、肝臟和心臟提取物進行檢測，使用Metlin數據庫和標準品對照的方法，鑒定了肌肉組織樣品中的標記物為鞘氨醇，根據代謝譜圖和多變量分析實現對正常屠宰和屠宰前已死亡的區分。通過基于MS的代謝組學方法可以監測肉的正常屠宰，從而保證肉品的新鮮和安全。賀紹君等[58]采用GC-MS分析急性熱應激肉雞血清物質代謝組學變化，鑒定出了30 種差異代謝物和7 種差異代謝通路，它們可作為標志物用于揭示急性熱應激的發病機理，為早期診斷和防治熱應激提供新思路。Nzoughet等[59]運用HPLC-HRMS技術對牛血清中群勃龍醋酸酯、雌二醇等激素類藥物進行檢測，結合建立的標記物篩選模型，能夠區分給藥和正常狀態的牛樣品，為監測違禁藥物濫用提供了技術依據。

2.3 肉品真偽鑒別

肉品摻假是一個全球關注的食品問題，嚴重影響及破壞了肉品市場安全秩序[66]。肉品真偽鑒別需要準確靈敏、經濟有效、實時的分析方法，基于MS的代謝組學技術有望解決這一問題。Balog等[33]研究提出了一種有效鑒別混合肉品的REIMS法。該方法能夠在5 s內分析記錄肉品樣本的MS圖，主要以m/z100～500范圍內的脂肪酸和m/z600～900范圍內的甘油磷脂為特征譜圖，對混合肉餅中來自不同物種（馬、牛和鹿）的肉類進行檢測，其檢測限為5%，較低的檢測限能夠有效監管肉品欺詐行為。Pavlidis等[29]使用頂空固相微萃取-GC-MS分析了直接從肉類加工廠獲得的457 個樣本的大型數據集，以探索不同種類碎肉的揮發性。基于揮發性化合物指紋圖譜，采用無監督（PCA）和有監督（PLS-DA）多元統計方法將樣本可視化、分組和分類，最終能夠將樣品正確分類為牛肉、豬肉和混合肉樣品。

有機食品與傳統食品相比，沒有污染、安全、高品質、味道口感更好。但有機食品的生產加工標準要求嚴格、投資大、風險高，需要更高的成本。不良商販為謀取高利潤，用普通食品代替有機食品在市面銷售，消費者難辨真假。Baira等[39]基于UPLC-HRMS的非靶向代謝組學對膳食補充柚皮苷和橙皮苷后的雞肉組織進行了研究。使用PCA、PLS-DA和OPLS進行多變量分析，發現柚皮苷補充后與對照組相比可檢測到3 個顯著變量，而橙皮苷補充后則可檢測到13 個顯著變量。該方法能夠檢測柚皮苷和橙皮苷作為雞肉營養添加劑在組織中發生的代謝變化，并可加以區分。Ruiz-Aracama等[40]采用UPLCTOF/MS的非目標代謝組學方法鑒定喂食有機飼料和常規飼料的雞中可能存在的差異化合物。該方法能夠發現各種雞飼料的成分差異，適用于對有機食品和傳統食品之間的潛在差異的研究。Valentina等[60]基于GC-MS方法在羔羊肌肉中檢測到的204 種揮發性化合物中，其中33 種化合物可用于區分牧草喂養和精飼料喂養的羔羊肉。基于MS的代謝組學方法能有效地對肉類食品中的有機肉和普通肉進行區分，鑒別不同飼料喂養的動物樣品，為打擊食品欺詐行為奠定一定基礎。

2.4 肉品來源及產地追溯

肉品的產地溯源不僅能確保肉品的營養成分和健康控制，保護產品的地域特色，還可以保證消費者的健康和權益。Ueda等[61]使用GC-MS法鑒定了家畜肉中的代謝物，確定了牛、豬和雞之間的明顯差異代謝物。同時還開展了日本黑牛大理石牛肉不同的組織類型（肌肉、肌內脂肪和肌間脂肪）的代謝物差異比較，結果表明大多數代謝物在肌肉組織中含量較高。多變量統計分析結果表明代謝產物的GC-MS分析可以區分日本黑牛與荷斯坦牛等不同的牛品種。來自不同地理區域的肉類具有同位素特征差異[67]，因此可以通過同位素比值MS法分析來判斷原產地的不真實性。呂軍等[62]采用元素分析儀與同位素MS儀聯用，對山東、山西和內蒙古牛肉樣品粗蛋白中的碳、氮、氫、氧穩定同位素值進行檢測，結果表明可以利用這4 種穩定同位素值較好地區分不同地區牛肉。郭莉等[63]運用IRMS儀針對不同地區、不同部位羊肉中碳、氮穩定同位素進行研究，發現碳、氮同位素可用于內蒙古不同旗縣羊肉的產地溯源。Bong等[49]通過同位素比值MS法研究了美國、墨西哥、澳大利亞、新西蘭和韓國牛肉中的碳、氮和氧同位素組成，結果表明同時使用碳和氧的同位素可鑒別不同來源的牛肉產品。Perini等[50]對意大利不同地理區域的羔羊肉樣品的脫脂干物質（H、C、O、N和S）和脂肪（H、C和O）組分的多元素同位素組成進行示蹤分析。結果表明可以將不同的飼養方式下不同類型的羔羊進行區分，而且可根據羔羊肉的穩定同位素特征跟蹤其攝食情況，得知其地理來源。Zaima等[51]通過基于基質輔助激光解吸/電離成像MS的代謝組學方法來評估牛肉原產地的真實性。從不同來源牛肉中提取的脂質樣品均獲得了高度準確的數據，提取的脂質分析在10 min內結束，該方法可以作為一種簡單的真實性評估，然后通過同位素分析進行最終鑒定。基于MS的代謝組學方法不僅能夠提供肉品可追溯性管理所需的準確性，還能根據肉品代謝物的差異建立區域和品種的差異代謝物譜庫，從而提供有關肉品的來源信息。

2.5 肉品加工和貯存中的應用

肉品加工涉及物理和化學作用的結合，可能會導致肉品結構和營養成分發生重大變化，這些變化可以通過代謝組學檢測。基于MS的代謝組學具有高準確性和高靈敏度的優勢，可以用于檢測肉品不同加工方式和不同貯存條件下的細微變化。Surowiec等[27]從不同加工處理的肉類樣品中提取小分子化合物，用GC-MS和多變量分析，對獲得的代謝產物采用OPLS-DA建模，可以對雞肉和豬肉樣品、模型中未包括的樣品以及商用肉類樣品進行適當的預測，從而對所有類別的產品進行區分。Sugimoto等[38]采用基于CE-TOF-MS的代謝組學方法應用于日本和歐洲的12 種干腌火腿中，共鑒定出203 種代謝物，包括氨基酸、有機酸、核苷酸和肽。比較了不同加工方法如煙熏或使用發酵劑對樣品的代謝物影響，結果顯示代謝物成分與火腿的顏色、脂肪白度等感官特征之間存在顯著的相關性。該方法可以通過評估火腿產品的各種特性，為火腿新產品的加工設計提供參考。

不同包裝方式和不同貯存溫度都會對肉品中代謝物的變化有一定的影響。Jiang Ting等[64]使用LC-MS研究了碎牛肉中與牛肉風味或異味相關的代謝產物。對3 種包裝方法：傳統的外包裝、氣調包裝和透明的塑料零售盒包裝的樣品中576 種代謝物進行了分析，篩選出33 種化合物可用來區分不同包裝方式的牛肉樣品，篩選出22 種與牛肉風味和異味最相關的化合物，并可區分草飼牛肉和天然牛肉產品與其他牛肉產品。Argyri等[30]對不同包裝條件（空氣包裝和氣調包裝）和不同貯存溫度（0、5、10 ℃和15 ℃）下的碎牛肉進行微生物分析、感官評估、pH值測量和頂空固相微萃取GC-MS分析。結果表明，頂空固相微萃取-GC-MS能夠檢測到肉類貯存過程中的138 種揮發性代謝物，其中可根據35 種化合物濃度對早期腐敗階段和保質期結束時肉類的感官進行評價和微生物計數。無論貯存條件（包裝和溫度）如何，該方法都能夠實現對不同微生物的數量估計和肉樣品的感官評分。

肉品在不同的時間段里經歷了各種生物和化學過程引起的分子變化，Gauglitz等[65]基于MS的代謝組學方法、多元統計分析、PCA圖和熱圖數據可視化的組合對常見的食品包括肉類樣品進行了基于時間的化學變化分析。可以觀察到牛肉和火雞在5 d貯存期內的分子變化，在比較抗生素和非抗生素處理過的牛肉和火雞時，有一些特定的低強度分子發生了變化，如油酰基牛磺酸、乙酰肉堿等，可以通過這些化合物的變化來調查肉類腐敗情況。基于MS的非靶向代謝組學能夠成功地識別關鍵的分子特征，為肉品貯存條件的選擇和肉品品質的監督提供方法保障。

基于MS的代謝組學方法，實現了對不同加工方式、不同包裝方式、不同貯存溫度和不同貯存時間下肉品的區分鑒別，并篩選出導致肉品腐敗、影響肉品品質的化合物，為肉品生產加工和貯存方式的選擇、保鮮技術提供了技術支撐，為執法部門對肉品品質監管提供了有效的技術方法。

3 結 語

現有研究表明，基于MS的代謝組學技術在肉類科學中發揮著重要的作用，該技術不僅在提升肉品品質上具有指導意義，還可有效監測控制肉品的安全，解決肉品欺詐問題，追溯、確定原料肉來源及產地，并且對肉品的加工方式和貯存條件的選擇提供技術支持。盡管目前基于MS的代謝組學方法在肉品科學中的應用還存在儀器分析范圍局限、靶向代謝研究少、數據庫不完整和樣品分析結果不穩定等挑戰，但由于MS技術的不斷發展、新方法的開發以及代謝組學食品數據庫的不斷完善，基于MS的代謝組學技術在今后肉品科學的研究中仍將占主導地位。

隨著對基于MS代謝組學技術的深入研究和發展，影響肉品口感、風味、營養特性等的化合物和代謝途徑將會更加清楚，潛在化合物與肉品品質相關的特定特征之間的新關系將得到挖掘，肉品中管制化合物和污染物之外的新的安全風險將會被有效控制，不同品種、不同環境和不同來源等的肉品中功能完整的代謝物數據庫將會進一步豐富和完善，影響肉品生產和商業化鏈生產過程中品質參數的代謝物將會被進一步發現，這些研究將對肉類科學等眾多領域產生重大影響。