基于UHPLC-Q-TOFMS的食品營養成分分析研究

Research on the Analysis of Nutritional Components in Food Based on UHPLC-Q-TOFMS

LI Hongbing （Kunming Preschool Teachers' College， Kunming 651701， China）

Abstract： In order to achieve efcient identification and content difference analysis of a variety of typical nutrients in complex foods，and improve the accuracy and throughput efficiency of nutrient detection.In this paper， Ultra High Performance Liquid Chromatography-Quadrupole-Time of Flight MassSpectrometry （UHPLC-Q-TOFMS） was used to determine representative nutrients such as vitamin C，phenylalanine，quercetin and other representative nutrients in food，and were applied in six types of food samples.The results showed that there were significant differences in the content distribution ofthe three types of target ingredients among different types offood.Principal component analysis and clusteranalysis revealed the nutritional structurecharacteristics offood categories： fruit and vegetable samples were rich in vitamin Cand quercetin，showing typical antioxidant advantages;cereals and nuts were mainly composed of phenylalanine，reflecting the accumulation characteristics of plant protein metabolites. Dairy products and meat products were clustered into independent branches due to the lack of polyphenols detected， andthe nutritional composition was relatively single.This studycan provide effective data support for food nutrition evaluation， label construction and functional ingredient screening.

Keywords： Ultra High Performance Liquid Chromatography-Quadrupole-Time of Flight Mass Spectrometry （UHPLC-Q-TOFMS）; food analysis; nutrients

食品營養成分的精準檢測是評估食品營養價值，保障食品質量的基礎。面對食品種類繁多、基質復雜、營養組分濃度差異顯著等挑戰，急需提高檢測分析方法的靈敏度與分辨率。超高效液相色譜－四極桿－飛行時間質譜聯用（UltraHighPerformanceLiquid Chromatography-Quadrupole-Time of Flight Mass Spectrometry，UHPLC-Q-TOFMS） 技 術將 超高效 液相色譜（UltraHighPerformanceLiquid Chromatography，UHPLC）的高效分離能力與四極 桿-飛行時間質譜聯用（Quadrupole-TimeofFlight

分析檢測

MassSpectrometry，Q-TOFMS）的高靈敏度、高分辨率檢測能力相結合，能實現多類營養成分的同時分離與檢測，并提供結構解析所需的豐富質譜信息[1-2]。盡管該技術已廣泛用于植物代謝物及功能成分篩查，但其在多營養組分并行定性定量方面仍需方法體系支撐。為此，本文以5類常見食品為研究對象，建立適用于復雜基質的營養成分分析流程。

1材料與方法

1.1 試劑與儀器

維生素 C（?99% ，批號V112203）、苯丙氨酸（ ?98% ，批號P212910）、槲皮素（ ≥98% ，批號Q4951）、甲醇（質譜純）、乙腈（質譜純）； 0.1% 甲酸水溶液、 10% 三氯乙酸、實驗用水由Milli-Q超純水系統制備、固相萃取柱為WatersOasisHLB（ 200mg/6mL ）。

WatersACQUITYUPLC系統[配BEH C₁₈ 柱（ 2.1mm×100mm ， 1.7μm ）]、Xevo G2-XSQTOF高分辨質譜儀（ESI源，配LockSpray校準模塊）、Scientz-ⅡID型超聲波清洗儀、Eppendorf 5810R冷凍離心機、HH-4型恒溫水浴鍋及XS205DU電子天平（精度 0.01mg ）

1.2樣品來源與分組設置

本研究共采集5類常見食品樣品，包括蔬果類（蘋果、菠菜）、堅果類（核桃、巴旦木）、谷物類（燕麥、糙米）、乳制品類（純牛奶、酸奶）及肉制品類（雞胸肉、火腿腸），均購自國家食品安全監督抽檢合格的商業超市，保證批次一致性。所有樣品采集后于 -20^°C 避光冷凍條件下保存，并在處理前于4‰ 條件下緩慢解凍，確保其化學性質穩定。每類樣品設定3批獨立樣本，編號處理為A1～A3（蔬果類）Bl～B3 （堅果類） C1～C3 （谷物類）、 D1～D3 （乳制品類）、E1～E3（肉制品類），共計15份樣品[]。為保證數據準確性，每份樣品進行平行處理3次。

1.3樣品預處理

樣品經均質處理后稱取 2.00g 置于 50mL 聚丙烯離心管中，加人 15mL 提取液（甲醇：水：乙腈 Σ=Σ 2：1：1 ，體積比），于冰浴條件下超聲輔助提取（頻率 40kHz ，功率200W） 20min 。提取液在 4‰ 條件下經 10 000r?min^-1 離心 10min ，取上清液。所得上清經 0.22μm 聚四氟乙烯濾膜過濾，必要時經HLB型固相萃取小柱凈化，依次用 5mL 甲醇預活化、5mL 水平衡，樣品加載后洗脫液直接用于上機分析[2]。對乳制品類樣品，額外加入 0.2mL10% 三氯乙酸進行蛋白沉淀，靜置 30min 后處理。為消除批間誤差，處理過程中隨機順序操作并設空白基質對照。

1.4儀器條件

（1）色譜條件。色譜柱：選用ACQUITYUPLCBEHC₁₈ 柱（ 2.1mm×100mm ， 1.7μm ），柱溫為 40°C 流動相：A相（ 0.1% 甲酸水溶液） ^-B 相（ 0.1% 甲酸乙腈）；梯度洗脫程序： 0～2min ， 5%B ： 2～ 8min ， 5%60%B ： 8～10min ， 60%95%B ：10～12min 保持 95%B . 12～13min 恢復至 5%B ，并平衡至 15min ；流速： 0.3mL?min^-1 ；進樣量： 2.0μL 門

（2）質譜條件。采用WatersXevoG2-XSQTOF高分辨質譜儀，配備ESI源，正負離子雙模式掃描;離子源溫度： 120‰ ；毛細管電壓： 3.0kV （正）/-2.5kV （負）；錐孔電壓： 35V ；干燥氣流 800L?h^-1 溫度 400°C ；碰撞能： 5～45eV （質譜觸發式MS/MS）；質量掃描范圍： 50～1200m/z 。內部質譜校準使用LockSpray在線校準技術，以Leucine-enkephalin m/z 556.277 1 ，正離子模式）為鎖定質控離子，確保質量精度在 。

1.5 方法學驗證

方法學評估依據SANCO/12495/2011執行。選取代表性營養成分（維生素C、槲皮素、苯丙氨酸，標準品純度均大于 98% ）進行線性關系（ R²gt; 0.998）、檢出限（ 1.2～5.8ngmL^-1 ）、定量限（ 4.0～ 18.5ng?mL^-1 ）、精密度（相對標準偏差 lt;5.2% ）、準確度（回收率在 87.3%～ 109.2% ）考察，結果均符合方法學要求，具有良好的準確度與基質適應性。

1.6數據分析

所有營養成分的含量數據以均值 ± 標準差表示，采用OriginPro2023軟件進行可視化繪圖及單因變量差異性分析，顯著性水平設定為 plt;0.05 。樣品分類與營養結構特征解析采用SIMCA14.1進行主成分分析（PrincipalComponentAnalysis，PCA），變量標準化方式為Z-score，以提取營養成分含量差異的主要解釋因子，并構建二維得分圖描述樣品分布趨勢[4]。聚類分析（HierarchicalClusterAnalysis，HCA）采用R語言（version4.3.1）中“pheatmap”包實現，距離度量方式為歐氏距離，聚類方法為平均鏈接法，用于挖掘不同食品樣品在多營養維度下的相似性結構與分支關系。

2 結果與分析

2.1色譜分離與質譜響應結果

為驗證UHPLC-Q-TOFMS方法在多組分食品樣品中對目標營養成分的分離效率與質譜響應能力，選取維生素C、苯丙氨酸和槲皮素3種代表性成分，進行系統色譜分離實驗與質譜響應評估。測試樣品采用加標牛奶基質，所得譜圖見圖1。3種代表性成分的保留時間、峰面積、信噪比（SN）及主要碎片離子質荷比 （m/z ）見表1。分析結果顯示，UHPLC-Q-TOFMS系統可在 15min 內實現高效分離，槲皮素與維生素C分別于 8.91min 和 1.73min 洗脫，峰形良好，無干擾，系統對極性物質具有適應性。3種成分均獲得特征母離子，質量誤差在 ±0.003‰ ，信噪比 gt;30 ，靈敏度與穩定性可靠；槲皮素響應最強，主離子 m/z 303.050 7 可裂解出特征碎片，用于結構確認。

圖1牛奶樣品中典型成分的總離子流圖

表1目標成分色譜與質譜響應參數

2.2 目標成分的定性分析

為實現牛奶樣品中營養成分的準確識別，在色譜分離基礎上采用Q-TOF高分辨質譜對維生素C、苯丙氨酸、槲皮素進行定性分析。通過提取離子色譜圖（ExtractedIonChromatogram，EIC）與二級MS/MS碎裂譜圖，結合數據庫比對和文獻對照，對各組分進行結構確認。圖2（a） ～ （c）分別為3種目標成分的MS/MS譜圖及其主要碎裂路徑。質譜數據采集采用信息依賴型采集（Data-DependentAcquisition，IDA）模式，觸發能量范圍設定為 20～45eV ，以確保覆蓋特征碎片離子。

維生素C主離子為 [M+H]⁺ ， m/z 為 177.019 3 ，碎裂后生成 m/z 為139.0142（失去 H₂O ）和113.0091（進一步脫羧）等離子峰，符合其分子結構中端基易失水、環裂解的特征規律，說明儀器對小分子極性物質具備較高的響應能力。

苯丙氨酸母離子為 m/z 166.086 3 ，對應分子式為 C₉H₁₁NO₂ ，主要碎片離子為 m/z120.0808 （失去羧基）、 m/z 103.054 3 （苯基側鏈斷裂），碎裂模式與文獻數據高度一致[5]，證明其結構準確。峰形對稱，峰寬小，適合后續定量建模。

圖2目標物質的MS/MS碎裂譜圖（正離子模式）

槲皮素母離子為 m/z 303.050 7 ，二級碎片中 m/z 153.0180、m/z179.0346分別對應于B環裂解產物 與A環去甲氧基斷裂產物，揭示其典型的黃酮類化 合物碎裂行為。高強度碎片離子信號說明，儀器在 高分子量天然產物檢測中具有較強的響應性能。

2.3定量結果及分布規律分析

在完成目標成分定性確認后，進一步采用外標法對各類食品樣品中維生素C、苯丙氨酸與槲皮素的含量進行分析。其線性方程如下：維生素C為 Y= 12345X+2138 （ R²=0.9991 ），苯丙氨酸為 Y=9876X+ 1024 （ R²=0.998 6 ），槲皮素為 Y=15642X+1715 （ R²=0.9993 ）。各物質線性范圍均覆蓋實際樣品濃度，R² 均大于0.998。每類食品樣品設3個批次，每批平行檢測3次，結果取均值并按干基質量統一換算。部分代表性食品的檢測結果如表2所示。

表2不同食品樣品中典型營養成分的含量分布

單位：mg/100g

注：n.d.表示未檢出或低于定量限。

從表2可以看出，菠菜中的3種成分含量均較高，其中維生素C和槲皮素平均含量分別為 12.58mg/100g 和 6.97mg/100g ，體現出其富含抗氧化物的特點；蘋果中亦富含維生素C與多酚類物質，呈現出果蔬類食品營養成分多樣性的特點。谷物與堅果類樣品則以苯丙氨酸為主，核桃中苯丙氨酸含量最高（ 18.56mg/100g ），槲皮素含量較低。乳制品與肉制品未檢出多酚類物質，推測與其植物來源缺失及加工特性有關。綜合比較發現，果蔬類食品中富含維生素C，苯丙氨酸在植物性蛋白中含量更高，槲皮素則主要分布在綠葉蔬菜與部分水果中。

2.4多變量統計分析

為進一步識別不同食品中營養成分的分布模式與分類特征，基于前文定量數據對維生素C、苯丙氨酸和槲皮素的含量進行主成分分析與層次聚類分析。

原始數據經Z-score標準化處理后輸人至SIMCA14.1軟件中建模，模型累計貢獻率達 92.6% ，其中第一主成分（PC1）與第二主成分（PC2）分別解釋了67.1% 與 25.5% 的數據變異性。由圖3可知，果蔬類（蘋果、菠菜）主要分布于PC1正向區域，結合圖4發現，維生素C與槲皮素在該主成分中負載較高，表明其聚類主要受上述兩類成分驅動；谷物與堅果類樣品（燕麥、核桃）集中在PC2正向區域，PC2中苯丙氨酸載荷貢獻顯著，提示其在樣品區分中起主導作用；乳制品與肉制品樣品因多酚類成分未檢出且總體濃度偏低，集中于左下象限，呈現成分結構較為單一的特征。

圖3食品樣品的PCA得分圖

圖4營養成分PCA載荷圖

此外，采用歐氏距離作為相似性度量指標，構建層次聚類圖（圖5），進一步揭示樣品在三類營養成分維度上的結構相似性。聚類結果顯示，菠菜與核桃首先聚為一類，體現其在苯丙氨酸等成分上的相似性；牛奶與火腿腸首先聚合，隨后與燕麥并為一類，整體表現為目標成分濃度偏低、營養構成較為單一；蘋果則單獨成簇，聚類最晚，顯示其在三類營養維度上的獨特性。

圖5食品樣品的營養成分聚類熱圖

3結論與討論

本研究以UHPLC-Q-TOFMS為分析工具，對6類代表性食品中的維生素C、苯丙氨酸與槲皮素進行準確定量與分布特征解析。結果顯示，菠菜樣品中的3類目標成分含量均較高，維生素C含量達12.58mg/100g ，槲皮素含量為 6.97mg/100g ，凸顯出綠葉蔬菜在抗氧化與多酚供給方面的優勢；谷物與堅果類則以苯丙氨酸為主，核桃中苯丙氨酸含量高達 18.56mg/100g ，說明其富含植物蛋白代謝產物;乳制品與肉制品未檢出多酚類成分，表現出成分類型上的特異性。PCA結果表明，食品樣品按成分特征在PC1與PC2維度上形成明顯聚類，果蔬類聚集于高維生素C/槲皮素軸向，谷物堅果類聚焦于苯丙氨酸主導軸，乳肉制品因成分單一而獨立成簇。層次聚類圖進一步揭示樣品間在多成分維度下的內在聯系與結構差異。上述結果不僅反映了不同食品的營養組成特征，也為營養標簽構建、成分溯源與功能篩選提供了數據支撐。

參考文獻

[1]王邈璇.基于UHPLC-Q-TOFMS技術的食品不同營養成分分析方式研究[J].中國食品，2025（6）：63-65.

[2]孟菊香，夏淼，湯健彬，等.江蘇省69種特色食品營養成分分析[J/OL].衛生研究，1-7[2025-07-08].http：//kns.cnki.net/kcms/detail/11.2158.R.20250123.1748.002.html.

[3]徐珊.食品營養成分的快速檢測與分析方法研究[J].中國食品工業，2024（23）：116-118.

[4]黃雨露，趙秋水.食品營養成分的理化分析[J].科學之友，2024（5）：162-163.

[5]金宇東.營養成分檢測在我國食品安全中的重要作用[J].中國標準化，2017（12）：215-216.