Study of the Metabolites and Flavor Characteristics in Different Subtypes of White Tea by Metabolomics Profiling

Význam tématu

White tea se vyznačuje jemnou chutí a řadou zdravotních benefitů, což z něj činí komoditu s vysokou přidanou hodnotou. Analýza nevolatilních metabolitů umožňuje detailní pochopení rozdílů mezi odrůdami, zajišťuje kvalitu, detekci padělků a optimalizaci výrobního procesu.

Cíle a přehled studie

Studie se zaměřila na tři podtypy bílé čaje (Silver Needle, White Peony, Shoumei) a využila netargetované metabolomické profilování pomocí UHPLC-Q-TOF/MS. Cílem bylo identifikovat charakteristické sloučeniny lišící se mezi odrůdami a korelovat jejich hladiny s vnímanou chutí (umami, hořkost, svrchovanost).

Použitá metodika a instrumentace

Vzorky bílé čaje se připravily macerací 0,1 g prášku ve 10 mL vroucí vody, následnou vortexací, sonikací, centrifugací a filtrací (0,22 μm). Analytická separace probíhala na Agilent 1290 Infinity II LC s kolonkou ZORBAX Eclipse Plus C18 (150×3,0 mm, 1,8 μm) při 40 °C a gradientním eluci, mobilní fáze: 0,1 % kyseliny mravenčí ve vodě a methanol; průtok 0,4 mL/min, injekce 3 μL. Detekce pomocí Agilent 6540/6545 Q-TOF s ESI v pozitivním režimu. Datový tok: TOF scan + autoMS/MS; referenční ionty m/z 121,0509 a 922,0098. Zpracování dat zahrnovalo extrakci molekulárních rysů v MassHunter Profinder, vyrovnání a filtrace v Mass Profiler Professional, následně PCA, PLS-DA, shlukování a Pearsonovu korelaci.

Hlavní výsledky a diskuse

Bylo detekováno 1 915 metabolitních rysů, z nichž PCA i PLS-DA jasně oddělily tři podtypy čajů. Pomocí standardů a databází bylo identifikováno 99 klíčových sloučenin (aminokyseliny, alkaloidy, fenolické kyseliny, flavan-3-oly, flavonoidové glykosidy, nukleotidy a prekurzory aroma). Šedesát čtyři metabolitů vykázalo statisticky významné rozdíly mezi odrůdami, přičemž 41 z nich korelovalo s vnímanými chuťovými vlastnostmi (R2 ≥0,9). Umami chuť pozitivně korelovala s theaninem, asparaginem, kyselinou asparagovou a AMP, zatímco hořkost a svrchovanost s flavan-3-oly (katechin, epikatechin), theasinensiny, procyanidinem B3 a theobrominem. Hierarchické shlukování dále potvrdilo schopnost metabolomického přístupu rozlišit podtypy na základě vzorců složek.

Přínosy a praktické využití metody

• Komplexní profilování metabolitů bez nutnosti cíleného nastavení
• Rychlá identifikace markerů kvality a autenticity
• Možnost detekce padělků a nesprávného označení
• Podpora optimalizace výrobních parametrů pro žádoucí chuťový profil

Budoucí trendy a možnosti využití

• Integrace výsledků s cílenou kvantifikací klíčových metabolitů
• Rozšíření aplikace na další druhy čajů a potravinářské produkty
• Využití strojového učení pro predikci kvality na základě metabolomických dat
• Vývoj přenosných nebo miniaturizovaných MS systémů pro on-site analýzu
• Kombinace s dalšími „omics“ (transkriptomika, proteomika) pro hlubší biologické porozumění

Závěr

Netargetované metabolomické profilování UHPLC-Q-TOF/MS prokázalo vysokou účinnost při rozlišení podtypů bílé čaje a navázání specifických metabolitů na chuťové atributy. Identifikované sloučeniny lze využít jako spolehlivé markery kvality, autenticity a pro optimalizaci výrobního procesu.

Reference

1. Mao J. T. et al. White Tea Extract Induces Apoptosis in Non–Small Cell Lung Cancer Cells: the Role of PPAR-γ and 15-Lipoxygenases. Cancer Prev. Res. 2010, 3(9), 1132–1140.
2. Ning J.-M. et al. Chemical Constituents Analysis of White Tea of Different Qualities and Different Storage Times. Eur. Food Res. Technol. 2016, 242(12), 2093–2104.
3. Tan J. et al. Flavonoids, Phenolic Acids, Alkaloids and Theanine in Different Types of Authentic Chinese White Tea Samples. J. Food Compos. Anal. 2017, 57, 8–15.
4. Dai W. et al. Nontargeted Analysis Using UPLC-Q-TOF/MS Uncovers the Effects of Harvest Season on Metabolites and Taste Quality of Tea. J. Agric. Food Chem. 2015, 63, 9869–9878.
5. Tan J. et al. Study of Dynamic Changes in Non-Volatile Chemical Constituents of Black Tea during Fermentation by a Non-Targeted Metabolomics Approach. Food Res. Int. 2016, 79, 106–113.