基于GC-MS技术的桢楠化学辅助鉴定1)

王天石 时浩 陶相宇 安容苗 熊燕 宁莉萍

(四川农业大学，成都，611134) (木材工业与家具工程高校重点实验室(四川农业大学))



基于GC-MS技术的桢楠化学辅助鉴定1)

王天石 时浩 陶相宇 安容苗 熊燕 宁莉萍

(四川农业大学，成都，611134) (木材工业与家具工程高校重点实验室(四川农业大学))

采用GC-MS直接导入技术建立桢楠指纹图谱，用以区分桢楠与其相似木材。研究发现不同产地的桢楠木材挥发性成分基本相同，精气检测到均有α-古巴烯、γ-桉叶醇、沉香螺旋醇、愈创木醇、愈创蓝油烃和7表α-桉叶醇这6种特征化合物，且不同产地桢楠的总离子流图中相对峰面积的相关系数大，显著性明显；但桢楠与其同属树种的木材精气化学成分差异较大，且相关系数小，显著性低。经验证，该方法可区分桢楠与其同属相似树种，且检测效率高，待测物损失小，检测结果较为科学客观、准确可靠。

GC-MS；桢楠；桢楠化学成分

金丝楠是我国特有的名贵木材，历史上称其为“皇帝之木、木中皇帝”[1]，价格在近几年来一直居高不下，业内认为最正宗的金丝楠木是桢楠(Phoebezhennan)，桢楠是上等的建筑、家具用料[2-3]，主要生长在四川、贵州、湖北等省，属于我国二级保护植物[4]。由于桢楠价格远高于其它相似木种，市场上开始出现大量假冒桢楠的现象，严重损害了消费者的利益，与此同时盗伐桢楠的案件也时有发生。然而，令执法部门、消费者协会以及木材行业都很困扰的是，目前关于桢楠木种的鉴定还存在不少问题。

目前关于桢楠的识别，主要是通过木材宏微观构造特征，借助已经正确定名的木材标本进行比对鉴别[5-6]，由于桢楠与同属以及近源属的部分树种在木材构造特征以及材性上相似度极高，仅仅依据传统的木材鉴别方法难以区分它们；且由于木材构造特征识别对个人经验依赖较大[7]，这导致相似木种识别的误差率较大。桢楠为高档木材，主要加工为高端家具及艺术品，由于传统鉴定取样无法做到无损，如果取样过小或者样品木屑则无法对木材进行鉴定[8]。因此迫切需要将现代仪器的分析技术融入到桢楠木材的鉴定中，以提高木种鉴定的准确性、科学性和客观性；同时最大限度地减少对待测木材或家具、艺术品的破坏。

传统的木材识别方法从准确性、科学性和实用性上已很难满足当前对木种鉴别的需求[9]，随着科技的发展，一些以DNA标记、稳定同位素和近红外光谱等技术为代表的木材识别新技术开始逐步引入木材鉴定中[10-14]，其中GC-MS因具有强定性能力和较高灵敏度等特点被广泛应用于未知复杂样品的分析中[15-16]。木材是一种天然高分子复合材料，含有可定性和定量的特征化合物，有研究表明同属的木材化学成分有差异[17]。因此，笔者拟采用GC-MS直接导入技术对桢楠进行分析，建立桢楠的指纹图谱，探索基于GC-MS直接导入技术[18]对桢楠识别的可行性。

1 材料与方法

1.1 材料

荥经桢楠、多营桢楠、彭州桢楠、新津桢楠、峨眉桢楠、绵阳桢楠、经细叶楠、成都细叶楠、望鱼细叶楠、福建闽楠、都江堰紫楠(所有样本均取自树干心材部位，树龄大于50 a)。

气相色谱质谱联用仪Agilent7890A-5975C(Agilent公司)；萃取头75 μm(AR/PDMS)。

1.2 方法

1.2.1 精气提取方法

将样品自然风干或低温烘干到含水率为10%～15%，粉碎后取通过30目筛网的样品(4.0±0.1)g于萃取瓶中，将固相微萃取手柄插入瓶中，伸出萃取头，在85 ℃下保温40 min；退回萃取头，拔出SPME手柄，得其挥发性成分样品。解析时间3 min。

1.2.2 GC-MS条件

1.2.2.1 色谱条件

色谱柱：HP-INNOWax柱(0.25 mm×30 m×0.25 μm)；分流比5∶1；进样口温度250 ℃；载气为高纯氦气；柱温箱升温程序：80 ℃用于2 min，然后5 ℃/min到150 ℃，3 ℃/min到200 ℃；10 ℃/min到260 ℃保持5 min，流速为1 mL/min。

1.2.2.2 质谱条件

离子源为EI，电离能70 eV，辅助加热区260 ℃；离子源230 ℃，四级杆150 ℃；采集模式为全扫描；质量扫描范围50～550 m/z；溶剂延迟1.5 min。

1.2.2.3 积分参数

Initial Area Reject 10；Initial Peak Width 0.150；Shoulder Detection OFF；Initial Threshold 17.0。

1.3 相关计数计算

式中：r为相关系数；X为桢楠对照样特征峰峰面积；Y为待测样特征峰峰面积；N为变量数量[19]。

2 结果与分析

2.1 不同产地桢楠的精气化学成分

将荥经、彭州、新津、峨眉桢楠样本进行检测，得其总离子流如图1所示。结果荥经桢楠样本中共分离出47个组分，彭州桢楠样本中共分离出68个组分，新津桢楠样本中共分离出51个组分，峨眉桢楠样本中共分离出41个组分，利用峰面积归一法计算出各组分的相对质量分数，其主要成分(相对质量分数>2%)列于表1。

图1 各产地桢楠精气的总离子流图

由图1可知，荥经、彭州、新津、峨眉桢楠总离子流图相似度高，主要保留时间在8～15 min和25～30 min，不同产地桢楠木材的挥发性成分基本相同。将荥经、彭州、新津、峨眉共有的主要化合物作为桢楠特征化合物经过计算机质谱库NIST对其自动检索、解析和人工解析，并查阅文献，结果列于表2。由于荥经桢楠木材样品取自目前我国少数保存完好的荥经云峰寺桢楠野生林区，其树龄约300 a以上，故以该样作为对照样表征桢楠木材的主要特征化合物及其相对质量分数。

表1 桢楠精气的特征化合物成分及相对质量分数

注：A峨眉桢楠；B新津桢楠；C彭州桢楠；D荥经桢楠。

桢楠共6种特征化合物，相同化合物保留时间基本一致，分别为α-古巴烯，其质量分数为4.7%；γ-桉叶醇，其质量分数为4.6%，沉香螺旋醇，其质量分数为15.8%；愈创木醇，其质量分数为10.3%；愈创蓝油烃，其质量分数为2.0%；7表α-桉叶醇，其质量分数为4.5%。

表2 桢楠主要特征化合物及其相对质量分数

2.2 桢楠与其同属树种的木材精气化学成分

将多营、绵阳桢楠，荥经、成都、望鱼细叶楠，福建闽楠，都江堰紫楠样本用相同控温程序进行检测，得其总离子流图如图2所示。可知，多营、绵阳桢楠出现较高相似度的总离子流图，主要保留时间在8～15 min和25～30 min，挥发性成分基本相同；荥经、成都、望鱼细叶楠同样出现较高相似度的总离子流图，主要保留时间在10～15 min，挥发性成分基本相同；福建闽楠主要保留时间为10～15 min和25～33 min，都江堰紫楠主要保留时间为15～20 min。

图2 部分桢楠及相似木材总离子流图

多营、绵阳桢楠总离子流图高度相似，且相同化合物保留时间基本一致，验证了不同产地桢楠挥发性成分基本相同；桢楠、细叶楠、紫楠、闽楠总离子流图差异较大，这表明楠木及其同属不同树种间挥发性成分差异较大。

2.3 桢楠与其同属木材化学成分的相关性

相关系数是反映变量之间相关关系密切程度的统计指标[20]。将多营桢楠、绵阳桢楠、荥经细叶楠、成都细叶楠、望鱼细叶楠、福建闽楠、都江堰紫楠总离子流图相对峰面积依次与上述桢楠对照样相对峰面积数据导入SPSS软件，分析其相关系数。结果表明在多营桢楠中6个桢楠特征峰全部出现，计算所得相关系数为0.929；在绵阳桢楠中6个桢楠特征峰全部出现，相关系数为0.956；在荥经细叶楠中只有3个桢楠特征峰出现，相关系数为-0.466；在成都细叶楠中3个桢楠特征峰出现，相关系数为-0.440；在福建闽楠中2个桢楠特征峰出现，相关系数为0.221；在都江堰紫楠中1个桢楠特征峰出现，相关系数为-0.228；在望鱼细叶楠中3个桢楠特征峰出现，相关系数为-0.322。

表3 桢楠及同属木材与桢楠对照样的相关系数

不同产地桢楠均含有α-古巴烯、γ-桉叶醇、沉香螺旋醇、愈创木醇、愈创蓝油烃和7表α-桉叶醇，表明不同产地的桢楠有相同的主要特征化合物，而不同树种未见与桢楠完全相同的化合物，且差异较大。不同产地桢楠的木材主要特征化合物相关系数高，且均大于0.900，显著性高，但与桢楠同属且木材构造特征相似的木种与桢楠精气的相关系数低，且均低于0.200，显著性低。

3 结论

不同产地桢楠主要保留时间相同，在8～15 min和25～30 min，且同种化合物保留时间基本一致，挥发性成分基本相同，均有检测到α-古巴烯、γ-桉叶醇、沉香螺旋醇、愈创木醇、愈创蓝油烃和7表α-桉叶醇。这表明桢楠与同属其他木材的化学成分差异较大。

不同产地桢楠总离子流图相对峰面积相关系数高，且均高于0.900；微观与桢楠较为相似的同属木材与桢楠总离子流图相对峰面积相关系数低，且均低于0.200。

采用GC-MS直接导入技术建立桢楠指纹图谱，以此区分桢楠与同种相似树种，检测效率高，检测灵敏度高，待测物损失小；并且兼顾了样本采集地、树龄、取样部位、升温参数设置等因素，数据较为可靠，检测结果科学客观、准确可靠。

[1] 吴思.金丝楠木:传奇帝王之木[J].走向世界,2012(9):98-100.

[2] XIE J L， QI J Q， HUANG X Y， et al. Comparative analysis of modern and ancient buried Phoebe zhennan wood: surface color, chemical components, infrared spectroscopy, and essential oil composition[J]. Journal of Forestry Research，2015，26(2)：501-507.

[3] 程昊淼，张昕.明代皇家金丝楠木大殿建筑艺术特征分析[J].四川建筑科学研究，2010(5):192-195.

[4] 中国科学院中国植物志编辑委员会.中国植物志：第31卷[M].北京:科学出版社,1982:113-115.

[5] 杨家驹,程放,杨建华,等.木材识别:主要乔木树种[M].北京:中国建材工业出版社,2009.

[6] 姜笑梅,殷亚方,刘晓丽,等译.IAWA针叶树材显微特征一览表[J].木材工业,2004,18(4):37-38.

[7] 邓沛.论明清时期在金沙江下游地区进行的“木政”活动[J].青海师专学报(教育科学),2006(2):89-91.

[8] 庄琳,黄群,徐燕红.楠属和润楠属4种木材的红外光谱鉴别[J].福建林业科技,2014(4):21-25.

[9] 姜笑梅,殷亚方,刘波.木材树种识别技术现状、发展与展望[J].木材工业,2010,24(4):36-39.

[10] DEGUILLOUX M F, PEMONGE M H, PETIT R J. Novel perspectives in wood certification and forensics: dry wood as a source of DNA[J]. Proceedings of the Royal Society B Biological Sciences,2002,269:1039-1046.

[11] 伏建国,刘金良,杨晓军,等.分子生物学技术应用于木材识别的研究进展[J].浙江农林大学学报,2013,30(3):438-443.

[12] 李敏华，谭必明，黄志同，等.古家具木材无损鉴定方法研究[J]. 西北林学院学报,2012,27(6):165-167.

[13] 孙海军,徐莉,蒋玲.红外光谱技术在我国木材科学领域的应用研究进展[J].江苏林业科技,2016(2):44-47.

[14] CAO C P, GAILING O, SIREGAR I, et al. Genetic variation atAFLPs for the Dipterocarpaceae and its relation to molecular phylogenies and taxonomic subdivisions[J]. Journal of Plant Research,2006,119(5):553-558.

[15] 李灵巧.GC-MS数据高性能分析算法研究[D].桂林：桂林电子科技大学,2011.

[16] SCHWARZINGER C, LIST M. Identification of marker compounds in pyrolysis—-GC/MS of various acetylated wood types[J]. Journal of Analytical and Applied Pyrolysis,2010,87(1):144-153.

[17] 程凡.宜昌润楠化学成分和生物活性的研究[D].北京：北京林业大学,2013.

[18] 朱涛.基于GC-MS技术不同进样方式的红木识别研究及其指纹图谱构建[D].合肥：安徽农业大学,2013.

[19] 丁飞鹏,王灿雄,朵蓝,等.统计学[M].北京：中国农业出版社,2013.

[20] 严丽坤.相关系数与偏相关系数在相关分析中的应用[J].云南财经大学学报,2003,19(3):78-80.

Chemical Assistant Identification ofPhoebezhennanby GC-MS//

Wang Tianshi, Shi Hao, Tao Xiangyu, An Rongmiao, Xiong Yan
(Sichuan Agricultural University, Chengdu 611134, P. R. China);
Ning Liping
(Key Laboratory of Wood Industry and Furniture Engineering, Sichuan Agricultural University)//Journal of Northeast Forestry University，2017,45(6)：57-60.

GC-MS;Phoebezhennan; Chemical compositions of phoebe zhennan

1)“十二五”国家科技支撑计划项目(2011BAC09B05)；国家级大学生创新性实验计划项目(201610626009)。

王天石，男，1996年6月生，四川农业大学林学院，本科生。E-mail:782611272@qq.com。

宁莉萍，四川农业大学林学院，教授。E-mail:1374515621@qq.com。

2016年11月3日。

Q946.33

责任编辑：戴芳天。

ThePhoebezhennanfingerprint was established by GC-MS to distinguish betweenP.zhennanand the similar woods. The volatile components ofP.zhennanfrom different regions are almost same. Theα-Copaene,γ-Eudesmo, Agaruspirol, guaiol, guaiazolene and 7-epi-Eudesmol were six main characteristic compounds detected in phytoncidere of allP.zhennanwoods from different regions. The correlation coefficient of the relative peak area in ion flow diagram between theP.zhennanwoods is large and obvious. However, the chemical compositions of the phytoncidere have big difference betweenP.zhennanand the same tree species, and the correlation coefficient is small and indistinctive.P.zhennancould be distinguished from the same tree species with more effective method, less sample, and scientific, accurate and reliable results.