《Progress in Nuclear Magnetic Resonance Spectroscopy》：Advances in food metabolomics: Validating NMR-based non-targeted methods and fostering collaborative NMR applications
编辑推荐：
食品代谢组学利用NMR非靶向方法实现复杂食品系统的分子特征分析，其优势在于高重复性和跨实验室数据可比性，为食品真伪鉴别、品质控制及安全评估提供分子指纹支持。通过优化样本制备、数据采集及算法开发，结合区块链技术建立标准化数据平台，可提升食品溯源能力和欺诈检测效率。
比亚吉亚·穆西奥（Biagia Musio）
巴里理工大学（Polytechnic University of Bari）土木、环境、土地、建筑工程与化学系（DICATECh），奥拉博纳街4号（Via Orabona），70125巴里，意大利
摘要
食品代谢组学已成为表征复杂食品系统的强大工具，提供了一种非靶向、高度区分性的方法，用于检测食品的真实性、评估质量并确保安全性。通过捕捉样本的完整光谱特征并将其简化为可管理的变量，该技术提供了全面的代谢物概览，涵盖了从微量化合物到主要成分的所有内容。
NMR光谱技术的可重复性和稳健性是其关键优势，使得即使在不同的仪器和实验室之间也能进行光谱比较。这种可比性促进了合作努力，并有助于建立大型、社区共建的数据集，这对于推进可靠的分类模型和广泛部署非靶向分析方法至关重要。从选择具有代表性的真实样本到优化采集参数、数据处理和分类算法，每个步骤的严谨性对于获得一致的高质量代谢组学数据都是必不可少的。
随着验证和标准化实践的广泛接受，基于NMR的非靶向方法将加速食品产品监测和标签的创新，减少分析不确定性，并应对食品欺诈检测中的新挑战。最终，通过结合一流的协议、协作网络和开放获取的数据存储库，非靶向NMR代谢组学有潜力彻底改变可追溯性，并增强全球消费者对食品供应链真实性和质量的信心。
引言
代谢组学是对生物系统中参与代谢过程的小分子进行全面的高通量分析。它提供了关于生物体功能及其环境适应性的生化过程的快照[1]。食品代谢组学应用相同的分析方法来表征食品和饮料的复杂代谢谱型[2]。它实现了从确保安全性和真实性到提高质量控制和营养分析的广泛目标，从而深入探讨了饮食摄入与人类健康之间的关系[3]。通过利用先进的分析技术（如NMR光谱），食品代谢组学专注于识别和量化食品材料中的代谢物，并旨在捕捉由原材料变异性、加工方法、储存条件甚至掺假行为等因素引起的动态代谢谱型。其对分子组成的整体视图支持更严格的食品质量控制，并为创新产品开发、改进食品安全协议以及深入理解食品组成、健康和疾病之间的关系铺平了道路。在消费者越来越关注食品来源、质量、完整性以及无污染物、掺假物或不需要的成分的市场环境中，这些应用至关重要。
代谢组学主要依赖于两种分析方法：靶向和非靶向[4]。第一种方法基于对研究样本中一组明确定义的代谢物的“先验”知识。通常，这些代谢物的识别和量化是通过与参考化合物的比较以及添加内标来实现的。相反，非靶向方法允许通过多步骤程序定义一组代谢物，这构成了代谢指纹，该程序包括元数据收集和样本分析，后者包括精心规划的样本制备、数据采集和分析。非靶向协议（NTPs）能够识别代谢组组成的细微变化，这些变化可能与样本本身或外部因素有关。
在适合代谢组学研究的分析技术中，NMR光谱因其高选择性和在靶向和非靶向方法中的可重复性而受到广泛关注[[5], [6], [7], [8]]。基于NMR的非靶向方法在食品科学和技术中的应用是一个不断扩展的研究领域，具有多样化的应用[[9], [10], [11], [12], [13], [14], [15], [16]]。这种强大的分析技术能够全面且公正地检查复杂的食品组成。它作为验证真实性、监督生产和加工、确保食品安全、评估食品最终质量以及通过客观方法保证产品可追溯性的宝贵资源。因此，每个NMR光谱可以被视为食品样本的独特指纹，提供有关品种、来源、年份、技术处理等因素的信息。
总体而言，基于NMR的NTPs在食品科学中的应用可以被视为确保符合食品标准和法规的一种方式，同时也有助于加深对食品化学和技术的理解。随着食品行业在消费者意识和监管要求不断增加的压力下不断发展，基于NMR的NTPs成为应对食品科学家和生产者面临的复杂挑战的关键工具。NTPs的有效性取决于是否存在合适的算法，这些算法能够在学习了一组真实参考样本的数据后识别未知样本或其特征。参考样本的详细信息需要存储在包含描述性和分析信息的适当数据库中。为了充分利用这一潜力，仔细组织这些数据库、确保样本数据的准确性以及采用经过验证的方法收集分析数据至关重要。需要注意的是，只有当所有样本在相同条件下使用相同的方法进行研究时，样本之间的比较才有效。尽管基于NMR的NTPs已有许多成功应用，但目前还没有一个被普遍接受的验证框架，这突显了在制定明确规则之前需要进一步讨论的必要性。影响NMR光谱的因素范围广泛，从样本制备和仪器校准到数据加工和算法训练，这使得定义适用于不同食品基质和研究目标的标准化标准变得具有挑战性[17]。此外，代谢组学数据解释的固有复杂性通常需要多学科视角，涉及分析化学家、统计学家、生物信息学家和食品科学家，以达成基于共识的指南，确保结果的稳健性、可比性和可重复性。因此，多个工作组和联盟继续强调为非靶向方法开发明确验证路径的重要性，同时呼吁共同努力，以整合最佳实践、协调工作流程并完善质量控制指标。
这些努力最终将增强基于NMR的非靶向协议的可靠性，并提高其在科学界和食品工业中的接受度。例如，基于非靶向NMR的食品代谢组学可以提供独特的分子指纹，非常适合与基于区块链的可追溯性平台集成，其中每个食品产品都用其参考光谱“标记”。这种协同作用通过使代谢物信息即时可验证来解决农业食品供应链中的安全和真实性问题，对抗潜在的掺假行为，并提供每种产品的化学和物理特性的不可更改记录[18]。特别是，区块链系统能够透明地存储和共享正确验证的NMR“签名”，使最终用户对食品的来源和质量充满信心，并提供有关种植、加工或储存过程中化学品使用的可持续性的见解[19]。此外，数字账本的不可更改性使生产者能够证明其符合标准和协议，利用丰富的NMR获取数据作为强大的营销工具和卓越性的保障[20]。
在这篇综述中，我们系统地回顾了过去十年关于食品代谢组学潜在应用的科学文献。与其研究Mannina最近编辑的一系列文章中已经广泛涵盖的每个具体应用，我们更关注于实现大规模技术可行性所需的方法论方面。特别强调了验证基于NMR的非靶向协议以确保其在现代食品工业背景下的可靠性、稳健性和广泛适用性的关键重要性。
基于NMR的非靶向协议（NTPs）在食品分析中的最新应用及综述目标
在过去十年中，许多科学研究探讨了基于NMR的NTPs在农业食品基质中的应用。例如，在真实性验证方面，非靶向NMR已被用于确定葡萄酒的地理和品种来源[[21], [22], [23], [24]]，以及验证PDO（原产地保护）产品（如橄榄[25]和葡萄酒醋[26,27]）的真实性。此外，非靶向NMR分析的多功能性在多项研究中得到了展示
典型基于NMR的非靶向方法的工作流程
在应用非靶向NMR方法时，一般工作流程应包括以下步骤：(a) 选择真实的参考样本，这对于确保样本群体的代表性以及分析的相关性至关重要；(b) 样本制备，这通常涉及提取、浓缩或纯化等过程；(c) 使用优化和公认的采集方法和条件进行NMR测量；(d) NMR数据处理
结论
在过去十年中，确保食品产品的质量、真实性和安全性的重要性日益增加，推动了基于NMR的非靶向协议（NTPs）在方法论上的显著进步。这些方法能够快速且稳健地表征复杂的食品基质，提供整个代谢组的指纹状谱型。这一策略不仅支持食品欺诈检测，还有助于产品创新、符合监管要求以及消费者信任的建立
CRediT作者贡献声明
比亚吉亚·穆西奥（Biagia Musio）：撰写——审稿与编辑，撰写——初稿，概念化。安东尼诺·里祖蒂（Antonino Rizzuti）：撰写——初稿，概念化。皮耶罗·马斯特罗里利（Piero Mastrorilli）：撰写——审稿与编辑，方法论。维托·加洛（Vito Gallo）：撰写——审稿与编辑，撰写——初稿，监督，方法论，概念化。
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。
术语表
- 1D
- 一维的
- 5-HMF
- 5-羟甲基糠醛
- 16-OMC
- 16-O-甲基咖啡醇
- AIAA
- 美国航空航天学会
- AI-binning
- 自适应智能分箱
- CC
- 正确分类的
- CSN
- 恒和归一化
- CPMG
| Carr–Purcell–Meiboom–gill |
- CMV
| 跨模型验证 |
- CV
| 变异系数 |
- DSS
| 4,4-二甲基-4-硅戊烷-1-磺酸钠盐 |
- FID
| 自由诱导衰减 |
- FT
| 傅里叶变换 |
- GA
| 遗传算法 |
GAN |
组聚合归一化 |
- IEC
| 国际电工委员会 |
iPLS |
|
