论文部分内容阅读
茶是当今世界上消耗量极大的大众化饮品之一。随着社会的发展与科学的进步,茶叶的研究日益受到人们的关注。研究的内容也从传统的根据外形、色泽、口感、汤色等的主观评估过渡到依靠一些化学分析方法,揭示茶叶品质的化学内涵。本论文将近年来兴起的“代谢物指纹识别”的理念和方法引入对茶叶的分析研究,建立起了一种基于NMR技术的茶叶样本指纹识别方法。主要研究工作包括:样品预处理、测试方法的选择与实验参数的调制、数据预处理与多变量分析等内容。
样品预处理是建立指纹图谱的一个重要环节,是决定最终结果可靠性的关键因素。本工作依据生物化学工作者的实际工作经验和NMR指纹实验对样品的特定要求,提出了一种快捷的样品预处理方案。根据样本体系复杂的特点,利用适用于多元数据样本集分类分析的PCA方法对样本预处理过程中的关键参数(溶剂配比、样品用量、提取温度等)进行了筛选；最终确定了以氘代溶剂为提取剂一次完成化合物提取和NMR样品制备的样品预处理方法。实验结果表明所建立的样品预处理方法稳定可靠,所得到的测试样品可满足1HNMR指纹实验的要求。
利用1D-NOESY预饱和脉冲序列获取了86个茶叶样本的1H NMR谱图。通过谱峰指认与文献比对可以确认所获取的谱图相关化学信息完整、特征信号清晰,并具有较好的重现性,具备了指纹图谱的基本特征。1H NMR指纹谱所含信息丰富,同时也存在着谱峰重叠严重,信号指认难度大的问题,故此将代谢组学指纹识别中采用的多变量分析方法引入本项研究工作中,目的是根据已知样本建立一种多变量分析分类模型,并将所构建的分类模型用于对未知茶叶样本的分析和鉴别。多种多元分析方法的比对研究表明,PLS(偏最小二乘法)方法对自变量间多重相关性和样本数少于变量数的样本集具有良好的适应性,因而采用该方法建立起了已知茶叶样本分类模型,运用此模型对未知茶叶样本进行分析鉴别,结果准确可靠。
本工作利用了NMR技术优势和PLS多元分析的能力,建立了一种基于NMR的茶叶指纹识别方法。该方法具有实验环节少且符合天然产物化学工作经验理念的特点,对小样本集的复杂样品分析与鉴别具有适应性,因而该方法不仅可用于茶叶研究,也可能会在食品安全评估和生物样品的鉴定中具有潜在的应用前景。