LC/Q-TOF Analysis and Nontargeted Chemometric Profiling of Meats and Plant-Based Alternatives

Význam tématu

Vzhledem k rostoucímu zájmu o alternativní zdroje bílkovin a cíli zlepšit trvanlivost, výživovou hodnotu a chuť produktů jsou nestrukturované analytické přístupy klíčové. LC/Q-TOF s vysokým rozlišením a žádaná chemometrie umožňují objektivní profilování komplexních vzorků masa a rostlinných alternativ bez předem definovaného cílového seznamu látek.

Cíle a přehled studie

Cílem studie bylo vyvinout nestrukturovanou metodiku pro komplexní charakterizaci bioaktivit a chuťových látek v masných i rostlinných výrobcích. Studie zahrnovala:

• Optimalizaci extrakce pomocí 70/30 metanol/voda.
• Nahrávání dat metodou Data-Independent All Ions Fragmentation (DIA) na Agilent Q-TOF.
• Statistickou analýzu pro odlišení produktů podle chuťových profilů.

Použitá instrumentace

Součástí studie byla kombinace vysoce výkonného kapalinového chromatografu Agilent 1290 Infinity II (pumpa, multisamplér, multikolonová termostatovaná komora) a hmotnostního analyzátoru Agilent 6546 Q-TOF. Analýza probíhala na kolóně Poroshell 120 EC-C18 (3,0×100 mm, 2,7 μm) při gradientu 10 mM NH4F/0,1 % FA a acetonitrilu. Vzorky se extrahovaly a filtraci zajistil Agilent PES filtr 0,45 μm.

Hlavní výsledky a diskuse

Charakterizace neznámých látek pomocí PCA a heatmap odhalila:

• Vysoce reprodukovatelné datové sady s úzkými shluky replik v PCA skórovacím prostoru.
• Rozlišení masných a rostlinných vzorků podle chuťových profilů (umami, hořkost apod.).
• Identifikaci klíčových sloučenin ovlivňujících chuť: aminokyseliny, nukleotidy, krátké peptidy.
• Detekci vyššího obsahu hořkých aminokyselin v rostlinné „hovězí“ alternativě (PBB 3,4) a rozdílů v peptidových profilech u rostlinné „kuřecí“ alternativy (PBC 1,2).
• Možnost korelace polohy bodů v PCA se sloučeninami zobrazenými v loading plotu.

Přínosy a praktické využití metody

Díky tomuto workflow mohou výrobci:

• Rychle sledovat a optimalizovat chuťové složení alternativních mas.
• Vyhledávat a kvantifikovat přirozené chuťové enhancery (např. hypoxanthin).
• Lépe porovnávat nutriční a senzorické vlastnosti s živočišnými vzorky.

Budoucí trendy a možnosti využití

Očekávané směry vývoje:

• Rozšíření neřízeného profilování o další ionizační techniky (APPI, APCI).
• Integrace s umělou inteligencí pro automatickou identifikaci nových chuťových markerů.
• Využití v personalizované výživě pro individualizaci chuťových profilů.

Závěr

Studie prokázala, že vysoce rozlišovací LC/Q-TOF s chemometrickou analýzou dokáže spolehlivě profilovat a odlišovat maso a jeho rostlinné analogy. Tento přístup podporuje vývoj produktů s porovnatelnou chutí, texturou a nutriční kvalitou.

Reference

1. Kaczmarska K. et al. Flavor and Metabolite Profiles of Meat, Meat Substitutes, and Traditional Plant-Based High-Protein Food Products Available in Australia. Foods 2021, 10(4), 801.
2. Ueda Y. et al. Flavor Characteristics of Glutathione in Raw and Cooked Foodstuffs. Biosci. Biotechnol. Biochem. 1997, 61(12), 1977–80.
3. Jakse B. et al. Uric Acid and Plant-Based Nutrition. Nutrients 2019, 11(8), 1736.