编译：钟嘉豪刘航魏韬（华南农业大学）
全球啤酒年消费量达19.6亿欧元（截至年）。除了葡萄酒之外，啤酒是消费最多的发酵酒精饮料。酿造工艺经历了多年的发展，从年德国纯度法颁布后的古代酿酒师发展到大规模的现代工业酿造。最新的发展，即精酿啤酒革命，拒绝了大型啤酒厂的趋势，出现了大量更小、更多样化的啤酒厂。啤酒花（HumuluslupulusL.）是实验的主要焦点，是啤酒的决定性成分之一。除此之外，（大麦）麦芽、水和酵母是挥发性分子和非挥发性分子（称为啤酒）的复杂水性混合物。小分子（Da）被称为啤酒代谢物，在啤酒特性（如味道、香气、酵母发酵、泡沫稳定性或啤酒老化）中起着重要作用。
在啤酒分析中，傅里叶变换离子回旋共振(FTICR)质谱是一种很有前途的质谱方法。Gougeon等人已经通过与FTICR仪器耦合的直接流动注射esi方法描述了葡萄酒的化学空间。研究表明，这种方法在短时间内可以分解数千个分子，而不是数百个分子。事实上，Fourier变换质谱技术是有关质量精度和分位功率的最先进的质量分析仪。无与伦比的质量分辨率可实现流量喷射分析方法，从而获得宽极性范围的化合物。由于超高分辨率（在m/z时功率为00re.）和精确质量测量（±0.1ppm），FTICR-MS可以分离每个信号并分配分子公式，从而提供有关这些通常未知分析物的（生物）化学类的信息。由于可以描述数千个要素，因此它提供了有关分析样本的通用信息，否则这些样本仍然隐藏。此外，通过质量差分网络连接标记物质并在范克雷维伦图中显示化学成分的模式，可以推断标记的组成性质。这些可视化方法使我们能够对分子组做出持续良好的假设，从而区分不同的样本。因此，可以识别并分配未知样品的已公开的代谢特征。具体成分是某些代谢特征的特征，可以通过快速和整体的FTICR测量的统计评估来感知。然而，FIA-FTICR-MS缺乏关于异构体和具体分子结构的信息，这需要第二种分析技术。TandemUHPLC-ToF-MS能够解析异构化合物并提供更深入的结构信息。根据FTICR中的确切m/z值，专用化合物和异构体的碎片能够识别结构层面上最重要的分子。提出的方法填补了大量分析特征的可用性、其组成注释和深层结构信息之间的差距。它为确认代谢特征和深入搜索独特的隐藏代谢物打开了应用程序。
分子复杂性的可视化
为了探索每种啤酒的成分多样性和分子复杂性，通过流量注入ESI（+）FTICR-MS对样品进行了分析。啤酒的化学空间多种多样，因为各种不同原料及其在酿造过程中处理，包括麦芽、烘烤、煮沸、发酵和过滤。例如，图1显示了皮尔斯纳啤酒的光谱。宏观一般视图（图1a）显示了（寡头）糖化模式的亚化。然而，单个标称质量（图1b）的详细视图显示，质量为的高达27m/z值，该值可分配给平均误差为0.1ppm（电子质量的正差为1/10）的分子公式。啤酒样品的分子种类，从肽[C19H28N4O5]，碳水化合物[C13H24O11]，脂肪酸[C21H40O4]通过它们的硫酸盐[C18H31O7S]到潜在美拉德反应产物的同位素，如脱氧果糖(iso-)leucine[13C1C11H23NO7]。可以通过高分辨率的FTICR测量显示在一个标称质量。总共在每个啤酒光谱中平均有种成分。考虑到一个给定的公式存在不同的异构体，光谱摘录中的27个分子式代表了普通数据库中从0到11个异构体的68个匹配。因此，单个啤酒的FIA-FTICR-MS光谱可以被认为是数千种不同浓度的化合物的瞬时概览。所有m/z值分配给一个分子式和出现在至少5%的啤酒样品中描述二维vanKrevelen图(图2)。从而群众可以联系到化学家庭喜欢碳水化合物、多肽、有机酸、酚类、脂类、核苷酸甚至啤酒花苦酸及其对应的derivatives29。在vanKrevelen图中绘制了超过95%的啤酒光谱中存在的个公式，我们可以发现，啤酒矩阵似乎是由碳水化合物和衍生物、肽，以及啤酒花苦味酸定义的。与此相反，脂类和酚类化合物更特定于单一啤酒或组啤酒(补充图1)。
图1：FTICR-MS光谱揭示了皮尔斯纳啤酒的化学性及其中的生化模式。
全尺寸视图(a)显示己糖缩合模式和名义质量m/z，(b)的摘录说明了啤酒在单一名义质量内解决的化学多样性。在质量峰值上给出了附加的和公式和质量误差。求和公式的色标:CHO蓝色;CHNO橙色;CHOS绿色;CHNOS红色。加合物的形成分别表示为磷酸二氢的+H2PO4和氯化物的+Cl。
图2：VanKrevelen图（H/C与O/C）的啤酒成分显示了其多样性和相关化合物类别。
至少在5%的啤酒样本中显示了注释。特定于某些复合类的区域用虚线标记。颜色代码：CHNO蓝色;CHNO橙色;CHOS绿色;CHNOS红色;P紫罗兰;Cl浅紫罗兰色。气泡大小表示平均相对强度。
通过在质量差值网络中显示分配的元素公式可以利用FTICR-MS提供的精确质量信息，将CHO、CHNO、CHNOS、CHOS和P化学空间设定为关系。图3a显示，含硫空间与高度连接的CHO/CHNO球体分离。磷酸盐的分子也是如此，这些分子大多通过甘油磷酸盐、磷氨基胺、六磷酸酯和磷酸化本身与其他空间相连。主要与氨基酸反应的质量差异在CHNO化学空间内和CHO和CHNO空间之间（±50%）中最占优势。己糖和戊糖的缩合是最丰富的糖相关反应，连接(低聚糖)糖与它们专用的苷元。除了核酸和甘油的缩合外，还可以发现一些更具体的代谢途径的反应，如丙烯酰化(萜类)。总的来说，与原料相关的化学反应(焙烧/麦芽化/沸腾)与生物化学驱动的反应(原料/发酵)是相同的。在图3b中可以找到单个修改频率的提取。
图3：啤酒样品注解的质量差网络及其（生物）化学连通性。
氯加合物在硅中转化成它们专用的[M-H]离子。色标对比图2。标记啤酒花苦味酸衍生物在质差网络(a)内的面积。以下是(生物)化学反应的摘录，包括它们的质量和差异和它们在网络中出现的频率(b)。
多变量分析
层次聚类分析(HCA)显示一个总体概述不同样本的相似性的发现一群典型的啤酒啤酒样品(图4)。质量控制样品,即整除的同一个啤酒啤酒,是正确位于这个群和建立一个自己的子群,这表明这个啤酒的指纹通过不同的批次是守恒的。含有烤麦芽、燕麦、无麸质谷物等特殊谷物的啤酒，还有小麦啤酒和无酒精啤酒。除了这些啤酒群，还有一个主要但不完全由精酿啤酒和比利时特制啤酒组成的集团。一些更传统的啤酒也被分配到这个组中，可能是由于特定分子模式的重叠。对树状图的详细检查显示了来自一个啤酒厂的两对啤酒(下面以“啤酒厂A”命名)——即啤酒厂A的窖藏啤酒和小麦啤酒及其相应的无酒精版本。这些对反映了该啤酒厂的脱醇过程主要是原含醇啤酒的下吸式蒸发过程。酿造过程本身保持不变，这使得这些啤酒非常相似。
图4：:层次聚类将啤酒样品的FTICR质谱按啤酒类型进行排列。
观察集群的颜色代码：啤酒蓝色;用特殊谷物红酿造的啤酒;小麦啤酒绿色;精酿啤酒*色;无酒精啤酒浅蓝色。将QC啤酒样品组框起来。放大的摘录显示了一个酿造场的含酒精和不含酒精的啤酒的集群。
实验显示了高场Fourier变换离子回旋加速器质谱仪的使用，用于对各种啤酒样品进行非靶向代谢分析，并且由于提供的超高分辨率，可实现流量喷射分析。这能够展示卓越的质量精度与组合网络中的注释配对的好处。构建组合质量差网络利用FTICR-MS提供的精确质量信息，使复杂公式和整个构图空间得以覆盖。
作为小麦谷物作为啤酒中标记物质衍生的二级代谢物，其发生强调了分析方法的整体性和深层性。羟基苯甲酮（HBOA）及其衍生物已知是小麦植物中具有抗真菌、抗菌和杀虫剂特性的植物素——血*素储存在气穴中，通过细胞损伤后通过β糖酶活性激活。可以预期，所述硫酸盐在植物素的储存或运输中发挥作用。先前表明，植物素在食品加工和发酵过程中经过改良。因此，麦芽和煮沸期间的化学反应也可能导致小麦和啤酒基质中未知的多种可能衍生物。组成网络即使在啤酒基质中也提供了获得新代谢物的机会，这使得在小麦植物、谷物或其隔间内采用类似方法尤其有希望。值得一提的是，在FTICR和LC-ToF-MS的测量中，仅使用小麦淀粉酿造的啤酒中找不到小麦代谢物的特征。这些啤酒缺乏小麦粒的二级代谢。这里介绍的分析和统计技术的结合，提出了在酿造科学与工业方面尚未提出的问题方面取得重大进展的潜力。FIA-FTICR-MS提供的啤酒类型和谷物的代谢特性，可以通过分别鉴定18种（2级）和（3级）化合物来验证，以鉴定丰富的跳跃和使用小麦。从前景中，用小麦酿造的啤酒和仅用小麦淀粉酿造的啤酒之间的差别显示了超高分辨率在食品检验或质量控制应用方面的潜力。正在进行的工作侧重于花费其他描述性参数的方法和呈现代谢特征的考古学应用。对葡萄酒和啤酒的考古化学调查通常由GC+MS执行和基于红外测量或仅限于目标方法将来提出的代谢特征将有利于对早期现代的古代啤酒饮料和啤酒进行深入剖析。
原文链接：
