Application of Correlation Analysis to Classify Ground Coffee Bean Extracts Using UPLC-HRMS in MSE Mode

Význam tématu

Analytická charakterizace kávových extraktů je klíčová pro zajištění kvality, detekci podvodů a pochopení senzorických vlastností nápoje. Rozlišení mezi odrůdami Coffea arabica a Coffea canephora a vyhodnocení stupně pražení umožňuje lepší kontrolu výrobních procesů a ochranu spotřebitele.

Cíle a přehled studie

Cílem studie bylo pomocí UPLC-HRMS v režimu MSE a korelační analýzy v softwaru Progenesis QI klasifikovat čtyři anonymní vzorky kávových extraktů. Studie sledovala původ kávových zrn (Arabica vs Robusta) a stupeň pražení prostřednictvím charakteristických chemických markerů.

Použitá metodika a instrumentace

Vzorky: Čtyři neoznačené extrakty kávy (A–D), triplikáty, přidána QC. Extrakce v horké vodě, odstředění, 1 µl injekce. Analýza v pozitivním i negativním režimu ESI a APCI.

ULPC podmínky: kolona ACQUITY UPLC HSS T3 (1,8 µm, 2,1 × 150 mm), teplota kolony 40 °C, 0,1% kyselina mravenčí ve vodě (A), 0,1% kyselina mravenčí v acetonitrilu (B), gradient 16 min, průtok 0,6 ml/min.

MS podmínky: Xevo G2-XS QToF, módy ESI+/-, APCI+/-, nábor mas >50–1550 m/z, LE 4 eV, HE ramp 10–45 eV, desolvační teplota 500 °C, řízení MassLynx v4.2.

Instrumen­tace:

• ACQUITY UPLC I-Class PLUS System
• Xevo G2-XS QToF Mass Spectrometer
• MassLynx MS Software
• Progenesis QI Software

Hlavní výsledky a diskuse

V analýze bylo detekováno přes 300 látek (mass error <5 ppm, izotopová podobnost >85 %, fragment score >10). Korelační analýza seskupila 39 sloučenin do 9 profilů:

• Cluster 6: Mozambioside vysoko v A+B → potvrzení Arabica v A a B; nízké hodnoty v C+D → Robusta.
• Cluster 2: Dicaffeoylchinické kyseliny (DiCQA) klesají s intenzivním pražením; nejnižší v D → silně pražená káva.
• Porovnání C vs D: trigonellin (výchozí marker) vs nikotinná kyselina (produkt pražení) → vzorek D silně pražený, C možná nepražený.

Přínosy a praktické využití metody

Rychlé a spolehlivé rozlišení odrůd a stupně pražení kávy. Metoda umožňuje detekci možného falšování Robusta za Arabicu, podporuje kontrolu kvality v potravinářském průmyslu a rozšiřuje poznatky o chemii aroma a chuti.

Budoucí trendy a možnosti využití

Integrace s pokročilými multivariačními a strojově učícími se algoritmy pro automatizovanou klasifikaci. Rozšíření aplikace na další potravinářské či biochemické matrixy. Využití rostoucích online databází pro lepší identifikaci neznámých metabolit.

Závěr

Propojení UPLC-HRMS v režimu MSE s korelační analýzou Progenesis QI umožnilo úspěšnou klasifikaci původu a pražení čtyř kávových extraktů. Metoda nabízí robustní platformu pro kontrolu kvality a autenticity kávy.

Reference

• Lang A. et al. J. Agric. Food Chem. 63(48):10492–10499, 2015.
• Farah A. et al. J. Agric. Food Chem. 53:1505–1513, 2005.
• Lima A. et al. J. Agric. Food Chem. 64:2361–2370, 2016.
• Trugo L. C. In: Encyclopedia of Food Sciences and Nutrition; Academic Press, Oxford, 2003; Vol. 7, p. 498.
• Stennert A., Maier H. G. Z. Lebensm. Unters. Forsch. 199(1994):198. DOI:10.1007/BF01193443.