血橙果实香气成分色谱保留指数预测

李建凤

(1.“果类废弃物资源化”四川省高等学校重点实验室，四川内江641199;2.内江师范学院化学化工学院，四川内江641199)

血橙属于甜橙类［1］，因果肉具红色血丝或血斑而得名，风味独特、营养丰富、富含VC，具有抗氧化活性、防止心血管疾病和抑制癌症发生等保健作用［2］，颇受消费者的青睐。塔罗科血橙(Tarocco)被誉为血橙之王，是意大利重要的柑橘鲜食栽培品种，1976年引入我国，其肉质细嫩化渣、汁液多、味甜、有浓郁的玫瑰香味。四川、湖北等地区盛产血橙，血橙香气成分是影响果汁质量的重要因素。乔宇等［3］用顶空固相微萃取法提取湖北宜昌地区塔罗科血橙的香气成分，使用气相色谱－质谱分析并鉴定了其中的45种化合物。定量结构－色谱保留关系(quantitative structure－retention relationship，QSRR)的研究对预测保留值、选择分离条件及探索色谱保留机理都具有重要意义［4－6］。分子电性距离矢量(MEDV)在预测化合物色谱保留时间、生物活性、粘度［7－10］等性质方面取得较好的结果。作者采用MEDV对血橙中的45种化合物进行了结构表征，借助多元线性回归(MLR)和逐步回归(SMR)建立了化合物的气相色谱保留指数的QSRR预测模型，取得较好的结果，有望对天然产物及精细化工产品的色谱行为提供有益参考。

1 材料与方法

1.1 材料

45种血橙香气成分的气相色谱保留指数RI(Exp.)取自文献［3］(样品处理:称取 10g果肉放于20mL螺口样品瓶中，加入3.6g NaCl，用聚四氟乙烯隔垫密封，于40℃磁力搅拌器上加热平衡15min)。用DVB/CAR/PDMS 50/30μm(二乙烯基苯/碳分子筛/聚二甲基硅氧烷)萃取头顶空吸附40min后，将萃取头插入GC进样，解析5min;色谱条件:1:J＆W DB－5石英毛细柱(30m×0.25mm×0.25m)，升温程序:30℃ 保持 2min，以 5℃/min升至 250℃，保持5min，载气(He)流速1.0mL/min，进样口250℃，不分流进样;质谱条件:电子轰击(EI)离子源，电子能量70eV，传输线温度250℃，离子源温度200℃，四极杆温度150℃，质量扫描范围m/z 40～400，列于表1。

1.2 实验方法

采用分子电性距离矢量(MEDV)［7－10］为结构描述子对化合物进行结构表征。MEDV原理简要叙述如下:分子的外在性质与分子内部处于骨架地位的非氢原子(即分子顶点)之间的电性相互作用有关，分子顶点依据其所连接的其它分子顶点数分为A1、A2、A3、A4 四类，分别表示与 1、2、3、4 个其它顶点原子相连，如与两个分子顶点相连的仲碳原子属于A2原子类型。化合物分子中四类分子顶点发生相互作用可以组合出以下类型:m11、m12、m13、m14、m22、m23、m24、m33、m34、m44，简写成 x1、x2、x3、x4、x5、x6、x7、x8、x9、x10(共10个描述符)，例如m11(即x1)表示第一类分子顶点之间的相互作用的加和，m12表示第一类分子顶点与第二类分子顶点之间的相互作用的加和。分子中MEDV各描述符按下式计算:

表1 化合物及保留指数Table 1 Compounds and retention indices(RI)

式中 n、l表示原子 i、j的原子类型，Zi、Zj表示原子i、j的相对电负性(即该原子的鲍林电负性Xi比上C原子的鲍林电负性XC，即qi=Xi/XC)，rij表示原子i、j之间的相对距离(即所经最短途径相对于碳碳单键的相对键长之和)。依据以上原理可得45个化合物的结构描述符值。

2 结果与讨论

首先以化合物色谱保留指数(RI)为因变量、10个描述符为自变量，采用多元线性回归(MLR)建立模型，10变量模型(M1)如下:

模型拟合:N=45，R=0.952，SD=103.036，F=33.128;交互检验:RCV=0.925，SDCV=128.632，FCV=20.037。N为回归点数，R为复相关系数，SD为估计标准误差，F为Fischer检验值;RCV为“留一法”交互检验的复相关系数，SDCV为“留一法”交互检验的标准误差，FCV为“留一法”交互检验的Fischer检验值。

上述模型复相关系数(R)、交互检验的复相关系数(RCV)均较为理想，并且两者相差不大，说明模型具有良好的估计能力和预测能力。为了进一步考察各描述符对QSRR建模过程的影响和对模型的贡献大小，消除变量之间可能的共线性，对变量进行了逐步回归(SMR)分析，各变量按其显著性大小逐一引入模型。复相关系数(R)及交互检验的复相关系数(RCV)随变量引入而变化的情况见图1，标准误差(SD)及交互检验的标准误差(SDCV)随变量引入而变化的情况见图2。

图1 R、RCV随逐步回归的变化曲线Fig.1 Plot of R，RCVchange with SMR

图2 SD、SDCV随逐步回归的变化曲线Fig.2 Plot of SD，SDCVchange with SMR

从图1及图2可以看出，应该选择8个变量的子集组合作为最优子集，8个变量入选模型时R、RCV接近最大值，而SD、SDCV也接近最小值。继续增加变量，R、RCV、SD、SDCV变化较小，没有必要继续增加变量建模。用8个变量进行建模，所得模型(M2)如下:

模型拟合:N=45，R=0.947，SD=105.039，F=39.435;交互检验:RCV=0.923，SDCV=126.394，FCV=25.843。

M2的R及SD比M1略差，但是交互检验的RCV及SDCV要优于M1，并且M2的显著性检验F及FCV均优于M1。综合各方面因素，认为M2的建模效果优于M1，M2对所有样本保留指数的计算值见表1中的Cal.栏，实验值与计算值(Cal.)及交互检验值(Pre.)相关图见图3，误差分布见图4。

图3 实验值与计算值相关图Fig.3 Calculated vs.experimental values

图4 计算值残差分布Fig.4 Comparative residuals vs.compounds

从图3可以发现绝大多数样本点紧靠45°对角线，说明模型的预测值与实验值接近，预测误差较小。同时，图4显示模型具有较好的预测准确性，大部分样本点误差分布于中间直线周围并处于±2SD线内，只有3个样本点的预测误差超出±2SD线范围。以上说明模型具有良好的预测能力，预测误差小。另外本研究的样本体系化合物结构跨度也较大(直链、支链、带环、含杂原子等)，这也正是天然产物中挥发性成分的特点，对于这样复杂的样本体系，模型所得的结果是满意的。

3 结论

本文采用分子电性距离矢量(MEDV)为描述符，对血橙中45个挥发性化合物进行了结构表征，采用多元线性回归和逐步回归建立了该类化合物定量结构色谱保留指数(RI)的预测模型。模型具有良好的预测能力和稳定性。结果表明，MEDV描述符可用于该类化合物的结构表征，所得结果满意。描述符可以直接从分子二维结构计算得到，无须考虑构象优化与重叠的问题，计算简单、方便、易懂。本文对于天然产物中挥发性有机化合物的定量结构色谱保留关系研究具有一定的参考价值。

［1］陈竹生，万良珍.中国柑橘良种彩色图谱［M］.成都:四川科学技术出版社，1993.

［2］沈德培，王元欲，陈力耕.柑橘遗传育种学［M］.北京:科学出版社，1998，57.

［3］乔宇，谢笔钧，柴倩，等.血橙果实香气成分的气相色谱－质谱分析［J］.质谱学报，2008，29(1):1－5，9.

［4］Liao Limin，Zhu Jun，Li Jianfeng，et al.QSRR Study on Components of Styrax Japonicus Sieb Flowers Using Improved Molecular Electronegativity－distance Vector(I－MEDV)［J］.Chinese J Struct Chem，2011，30(1):105－110.

［5］Akbar Jamshed，Iqbal Shahid，Batool Fozia，et al.Predicting retention times of naturally occurring phenolic compounds in reversed－phase liquid chromatography:A quantitative structureretention relationship(QSRR)approach［J］.International Journal of Molecular Sciences，2012，3(11):15387－15400.

［6］Hadi Noorizadeh，Mehrab Noorizadeh.QSRR－based estimation ofthe retention time ofopiate and sedative drugs by comprehensive two－ dimensional gas chromatography［J］.Medicinal Chemistry Research，2012，21(8):1997－2005.

［7］Limin Liao，Hu Mei，Jianfeng Li，et al.Estimation and prediction on retention times of components from essential oil of paulownia tomentosa flowers by molecular electronegativity distance vector［J］.Journal of Molecular Structure(THEOCHEM)，2008，850(1－3):1－8.

［8］Yuan Zhou，Lili Sun，Hu Mei，et al.Estimation and prediction of relative retention indices of polychlorinated naphthalenes in GC with molecular electronegativity distance vector［J］.Chromatogr，2006，64(9－10):565－570.

［9］Lili Sun，Liping Zhou，Yu Yu，et al.QSPR study of polychlorinated diphenyl ethers by molecular electronegativity distance vector(MEDV－4)［J］.Chemosphere，2007，66(6):1039－1051.

［10］张莺.醋类液体粘度的定量结构一性质相关性研究［J］.计算机与应用化学，2013，30(2):195－198.