利用ATR-FTIR和NMR技术对商业姜黄精油进行光谱指纹分析，以进行质量控制和真实性评估

《Food Control》：Spectroscopic fingerprinting of commercial turmeric essential oils by ATR-FTIR and NMR for quality control and authenticity assessment

　　莉赞德拉·维阿纳·毛拉特·达罗查（Lizandra Viana Maurat da Rocha）|保罗·塞尔吉奥·兰格尔·克鲁兹·达席尔瓦（Paulo Sergio Rangel Cruz da Silva）|爱德华多·米格尔兹·巴斯托斯·达席尔瓦（Eduardo Miguez Bastos da Silva）|玛丽亚·伊内斯·布鲁诺·塔瓦雷斯（Maria Inês Bruno Tavares）

摘要
商业姜黄精油中的成分多样性给质量控制、真实性评估和化学追溯带来了分析上的挑战。本研究旨在通过结合衰减全反射傅里叶变换红外光谱（ATR-FTIR）、1H和13C核磁共振（NMR）光谱以及附着质子测试（APT）光谱编辑技术，对比两种商业姜黄（Curcuma longa L.）精油，分别标记为样品A和样品B。ATR-FTIR能够快速提供振动指纹图谱，而1H/13C NMR和APT则有助于比较富含萜烯的质子和碳环境。两种样品的ATR-FTIR光谱均显示出与萜烯丰富的挥发性基质一致的特征，包括3000–2850 cm-1处的烷基C–H伸缩振动、1680–1600 cm-1处的不饱和相关振动、1450–1375 cm-1处的甲基弯曲振动以及1260–1000 cm-1处的C–O/C–C骨架振动。样品B在1714 cm-1附近还出现了一个额外的光谱带，初步推测可能与含羰基的成分有关。在1H NMR光谱中，两种精油在δ 0.8–2.2 ppm处显示出主要信号，同时在δ 2.2–3.0 ppm和δ 4.8–6.5 ppm处也有额外信号，这些信号与烷基、烯丙基/含氧和烯烃类萜烯环境相符。13C NMR光谱在烷基、烯烃和羰基区域分别显示出约10–60 ppm、约110–160 ppm和约190–210 ppm的信号。样品A和样品B之间的光谱带强度、信号分布和碳谱特征存在差异，表明它们在成分上存在差异。这些商业精油也与先前报道的姜黄有机提取物有所不同，进一步证实了挥发性精油组分与溶剂衍生提取物之间的区别。总体而言，ATR-FTIR/NMR联合方法能够直接区分样品并解析其化学谱型，适用于商业姜黄精油的质量控制、真实性评估和追溯。

引言
姜黄精油是从姜黄（Curcuma longa L.）根茎中提取的挥发性成分，由于其特有的倍半萜类化合物组成（尤其是姜黄酮含量），在科学、分析和商业领域具有日益重要的价值，广泛应用于食品、化妆品、制药和健康相关产品中。近期研究强调了姜黄根茎精油作为化学复杂性天然产品的重要性，实际样品的挥发性成分存在显著差异，这些差异可能与姜黄酮及其他倍半萜类化合物有关（Carneiro等人，2023；Do等人，2025；Orellana-Paucar等人，2024；Saavedra等人，2026）。这种成分多样性在分析上具有重要意义，因为商业姜黄制品可能包括粉末、提取物、油树脂和精油等多种形式，这些产品通过不同的加工和提取方法获得，因此在技术上需要将挥发性精油组分与溶剂衍生组分区分开来，以确保准确的质量控制和供应链追溯。

姜黄精油的成分受品种、地理来源、生长阶段、储存条件、原材料质量及提取方法的影响，导致不同商业产品之间存在显著差异。此外，精油作为高价值商品，容易受到掺假、错误标注、稀释、替代或误导性标签的影响。掺假行为可能涉及添加廉价植物油、合成化合物或低成本精油，从而损害产品的身份、重现性和市场可靠性（Do等人，2015；Truzzi等人，2021；Yang等人，2024）。这些问题在食品和天然产品领域尤为突出，因为真实性评估和质量评价需要同时考虑故意欺诈和无意成分变化。因此，需要可靠的分析策略来识别主要成分，并比较不同产品、批次或材料类别的化学谱型。

多种分析方法已被用于精油的鉴定和质量评估，如气相色谱-质谱联用（GC-MS）和气相色谱-火焰离子化检测（GC-FID），这些方法能够分离、鉴定和相对定量单个成分。然而，色谱方法可能需要专用仪器、受过培训的分析人员、较长的分析流程，并且在共洗脱、基质复杂或萜烯成分自然变化的情况下需要仔细解读（Do等人，2015；Yang等人，2024）。同位素比值法可以提供关于来源或天然/合成成分的宝贵信息，但通常不适用于常规筛查。基于DNA的方法可用于植物材料的鉴定，但其应用于加工产品和精油时可能受到DNA降解、DNA回收率低或挥发性组分中缺乏代表性遗传物质的影响（Ragupathy等人，2024）。传统的物理化学和感官评价方法适用于初步质量控制，但通常缺乏足够的特异性来进行可靠的真实性评估。

光谱指纹技术作为一种快速且对天然产品破坏性小的分析方法逐渐受到重视。振动光谱技术（如傅里叶变换红外光谱、近红外光谱和拉曼光谱）因能提供全面的化学指纹图谱而备受关注，可与化学计量工具结合用于分类、掺假筛查和质量评估（Ozen等人，2024；Yang等人，2024）。ATR-FTIR特别适用于液体精油，因为它所需的样品准备简单，可直接评估官能团模式。然而，在化学性质相似的基质中，FTIR可能难以区分细微差异，尤其是当光谱带重叠或次要成分被强官能团信号掩盖时。核磁共振（NMR）光谱能提供分子层面的补充信息，无需色谱分离即可直接观察质子和碳环境。基于NMR的指纹技术已应用于天然产品和精油的鉴别、质量评估和掺假检测（Truzzi等人，2021；Ragupathy等人，2024；Zhao等人，2025）。1H NMR可快速提供烷基、烯丙基、含氧、烯烃和芳香族质子的信息，而13C NMR可扩展对碳骨架的解析，包括烷基、烯烃和羰基区域。附着质子测试（APT）光谱编辑技术可通过区分质子化和非质子化碳环境进一步辅助碳谱解析。不过，富含萜烯的精油NMR光谱也可能受到信号重叠的影响，特别是在缺乏色谱分离或真实标准的情况下需谨慎解读。

鉴于上述因素，ATR-FTIR和NMR的结合是一种实用的互补方法，适用于商业姜黄精油的比较分析。ATR-FTIR提供快速的振动筛查，而1H和13C NMR结合APT光谱编辑技术则提供更全面的分子和碳谱信息。当研究目的不是产品的最终鉴定，而是进行质量比较、成分差异分析和真实性评估时，这种组合尤为适用。因此，本研究使用ATR-FTIR和NMR技术（包括1H NMR、13C NMR及APT光谱编辑）对比了两种商业姜黄精油，旨在评估样品之间的光谱相似性和差异，解析其萜烯成分，并探讨联合光谱技术在质量控制、化学追溯和真实性评估中的应用潜力。同时，也参考了先前报道的通过不同提取方法获得的姜黄提取物的1H NMR谱型，以进一步区分挥发性精油组分和化学性质更广泛的溶剂衍生提取物。

**样本**
本研究分析了从巴西国内市场获得的两种商业姜黄精油，分别标记为样品A和样品B。为避免品牌排名、市场评价或促销解读的影响，产品信息进行了匿名处理，因为本研究属于光谱指纹分析，而非委托咨询或商业评估项目。

**ATR-FTIR光谱分析**
ATR-FTIR光谱作为一种补充振动技术，用于评估两种商业精油中的主要官能团，并比较样品A和样品B的光谱指纹。两种精油的光谱均显示出与萜烯丰富的挥发性基质一致的特征，这与姜黄精油及其他富含异戊二烯类化合物的精油中的常见成分一致（Baser等人，2023；Do等人，2025；Orellana-Paucar等人，2024；Saavedra等人，2026）。

**结论**
ATR-FTIR和NMR的联合使用实现了两种商业姜黄精油的比较光谱分析。ATR-FTIR快速提供了主要官能团的振动信息，而1H和13C NMR结合APT光谱编辑技术则提供了关于这些复杂萜烯富集基质中质子和碳环境的补充信息。两种样品的光谱特征均与富含萜烯的精油一致。

**作者贡献声明**
莉赞德拉·维阿纳·毛拉特·达罗查（Lizandra Viana Maurat da Rocha）：撰写-审稿与编辑、初稿撰写、可视化、验证、资源准备、方法学设计、概念构建。
保罗·塞尔吉奥·兰格尔·克鲁兹·达席尔瓦（Paulo Sergio Rangel Cruz da Silva）：撰写-审稿与编辑、初稿撰写、可视化、验证、方法学设计、概念构建。
爱德华多·米格尔兹·巴斯托斯·达席尔瓦（Eduardo Miguez Bastos da Silva）：撰写-审稿与编辑、可视化、验证、方法学设计、数据分析。
玛丽亚·伊内斯·布鲁诺·塔瓦雷斯（Maria Inês Bruno Tavares）：未引用参考文献。

**数据可用性声明**
本研究的数据可向相应作者索取。

**利益冲突声明**
作者声明没有已知的可能影响本文工作的财务利益或个人关系。

**AI辅助技术声明**
在研究过程中，作者使用ChatGPT（OpenAI；GPT-5.4）辅助语言润色、编辑、参考文献和引用标准化以及插图材料的优化。所有AI辅助成果均经过作者的严格审查和验证。研究的整体构思、科学解释、数据分析、图表选择及最终内容责任均由作者承担。

**资助信息**
本研究得到了里约热内卢州研究支持基金会（FAPERJ）通过PDR10计划（项目编号E-26/205.885/2022，项目名称“具有智能包装应用潜力的可持续聚合物纳米复合材料的生产与研究”）的支持，资助对象为莉赞德拉·维阿纳·毛拉特·达罗查（注册编号2017034538），由玛丽亚·伊内斯·布鲁诺·塔瓦雷斯教授指导。资助机构未对研究内容产生任何影响。

**致谢**
作者感谢里约热内卢州研究支持基金会（FAPERJ）通过PDR10计划提供的财政支持，同时感谢里约热内卢联邦大学（UFRJ）Eloisa Mano教授实验室提供的基础设施和机构支持，这些支持对研究的顺利进行起到了重要作用。