基于质谱的代谢组学技术在肉类科学中的应用

王娟强，李莹莹，李石磊，赵文涛，姜 锐，王守伟*

（中国肉类食品综合研究中心，北京 100068）

代谢组学是继蛋白质组学、基因组学和转录组学后系统生物学中新兴的科学技术分支。代谢组学主要研究生物系统中细胞或组织中的小分子代谢产物，并对这些代谢物进行定性定量分析，从而研究代谢物与机体代谢通路的关系、引起代谢物数量和种类变化的因素等[1]，目前已广泛应用于环境监测[2]、药物开发[3]、疾病诊断[4-5]、植物育种[6]和食品科学[7-8]等领域。在食品科学中，代谢组学主要应用于食品认证及特征鉴定[9]、食品营养学[10]、食品产地溯源[11]和食品污染物监测[12]等的研究。代谢组学常用的技术平台有核磁共振（nuclear magnetic resonance，NMR）技术、液相色谱-质谱（liquid chromatography-mass spectrometry，LC-MS）联用技术、气相色谱-MS（gas chromatography-MS，GC-MS）联用技术、毛细管电泳-MS（capillary electrophoresis-MS，CE-MS）联用技术、色谱技术、稳定同位素分析和光谱技术等[13]，其中使用最多的是MS和NMR两个分析平台。NMR的巨大潜力在于它的非歧视性、非破坏性，同时它提供了关于代谢物独特的结构信息。但是目前基于MS的方法在分析少量复杂混合物时的灵敏度要高于NMR。特别是高分辨率和超高分辨率MS仪的使用极大地提高了分析性能，并提供了选择性和灵敏度的最佳结合。食品样品基质成分的极端复杂性和不同化合物含量跨度较宽的动态范围是当前分析技术的重要挑战。基于MS的代谢组学方法的发展和应用对食品领域产生了非常重要的影响，甚至进一步提高了现有食品品质和安全法规所要求的限制[14]。基于MS方法在食品代谢组学高通量样本中是理想的分析技术[15]，将MS中的高分辨率和精确品质与来自碎片化（MS/MS）的数据相结合，有助于确定未知代谢物。近年来，MS的发展主要集中在仪器的改进上，以获得高分辨率、高质量准确度、更高的灵敏度、更强的破碎能力和更好的线性度。这些优势使得基于MS代谢组学的方法成为研究和表征复杂代谢混合物的有效工具。

目前，基于MS的代谢组学方法在食品科学中主要应用于食品安全、食品品质和食品可追溯性等方面。Xu Lei等[16]通过基于MS的高检测覆盖面靶向代谢组学对不同果汁进行鉴别和认证，能够有效地区分苹果汁、橙汁、梨汁、葡萄汁和柑橘汁。Wang Yueqi等[17]采用超高效液相色谱-四极杆-飞行时间质谱仪（ultra performance LC quadrupole/time-of-flight MS，UPLC-Q/TOF-MS）代谢组学分析了鱼露发酵过程中的代谢特征，发现了氨基酸、小肽、有机酸、胺和核酸等鱼露中的关键代谢物，它们可用来评估鱼露的味道品质。Daygon等[18]运用GC/GCTOF-MS代谢组学研究不同大米在烹饪过程中释放出的挥发性化合物，从而选择优质香米品种风味。Wu Hualing等[19]基于GC-MS的代谢组学研究揭示了红茶加工过程中化学成分的动态变化。Llorach等[20]利用基于LC-MS的非靶向代谢组学对豆科植物代谢产物指纹图谱进行比较，可鉴定扁豆、白豆和鹰嘴豆等不同种类豆科植物。基于MS的代谢组学技术优势显著，已广泛应用于食品领域，但这一方法在肉类科学中应用报道相对较少。

本文对近年来基于MS的代谢组学技术在肉类科学研究中的应用进行了综述，并讨论了基于MS代谢组学的研究思路，包括样品前处理、分析平台和数据处理方法，展望了该技术在肉品科学中的应用前景。

1 基于MS的代谢组学分析过程

根据不同的研究目的和层次，代谢组学主要可分为非靶向代谢组学、靶向代谢组学和伪靶向代谢组学[21-22]。非靶向代谢组学是对生命体中代谢物进行全面、系统、无偏向分析，尽可能多地定量定性代谢物，获取大量数据统计分析发现差异代谢物；靶向代谢组学具有针对性，对某个代谢通路或已知的某一些代谢物进行定性定量分析，用于验证差异代谢物；伪靶向代谢组学整合了非靶向代谢组学和靶向代谢组学的优点，能够实现高通量、高精密度、准确定性定量代谢物。MS技术是代谢组学最重要的一种分析手段，基于MS的代谢组学在肉类科学中主要工作流程为样品前处理、样品中代谢物的分离检测和数据处理。图1主要概括了基于MS的非靶向代谢组学和靶向代谢组学的研究思路[13]。

图1 基于MS代谢组学分析示意图[13]Fig.1 Schematic diagram of MS-based metabolomics[13]

1.1 样品前处理

基于代谢组学技术的样品前处理主要是为了快速有效地终止样品中新陈代谢反应，同时最大程度地去除样品中的杂质如蛋白质、脂肪等，并且能够尽可能多地保留和提取代谢产物或目标代谢物。肉类食品样品基质非常复杂，分析对象类型多，包括不同畜禽动物的肌肉组织、副产品、肉制品等。代谢物之间结构、化学性质差异较大，还需针对研究目的、代谢物的特点和分析仪器的要求，选取适宜的样品前处理方法。目前常见的食品中代谢物提取方法主要有溶剂提取法、固液萃取法、固相萃取法和QuEChERS（quick, easy, cheap, effective,rugged, and safe）法等[23-24]。

基于MS的代谢组学方法中，肉品的前处理方法主要是溶剂提取法，根据代谢物极性的不同，选取合适的提取溶剂，从组织中提取最大量的极性代谢物或非极性代谢物。极性代谢物一般选用含水的有机溶剂，如不同比例的甲醇/水溶液[25-27]，非极性代谢物则选取氯仿、二氯甲烷和甲基叔丁基醚等有机试剂[21,28]。Cao Mengsi等[21]采用双相萃取法，其中上相为甲基叔丁基醚，下相为甲醇水溶液，充分提取了猪肉中脂质和小极性代谢物。Sidwick等[25]依次用甲醇-水（1∶1，V∶V）溶液和二氯甲烷-甲醇（3∶1，V∶V）溶液对鸡肉中代谢物进行提取；基于GC-MS的代谢组学前处理可采用衍生化法[26]、顶空固相微萃取法[29-31]。Welzenbach等[26]用甲醇-水（9∶1，V∶V）溶液提取猪肉和鸡肉中代谢物，并用含有体积分数1%三甲基氯硅烷的N-甲基-N-(三甲基硅烷基)三氟乙酰胺进行衍生化处理。Shi Yanan等[31]采用顶空固相微萃取对大河黑猪火腿中挥发性成分进行分离富集；新型MS代谢组学，如快速蒸发电离MS（rapid evaporative ionisation mass spectrometry，REIMS）法无需进行样品前处理[32-33]，能够实时高效地检测样品。样品前处理过程中杂质的去除方法一般采用甲醇、乙腈和丙酮等有机试剂沉淀蛋白质，氯仿和正己烷等除去脂质。在样品前处理过程中处理步骤应尽量少，条件应较温和，尽量多地提取代谢物。

1.2 样品中代谢物的分离检测

肉类科学中，基于MS的代谢组学分析技术主要有LC-MS、GC-MS、CE-MS以及基于新型MS技术的代谢组学方法。

LC-MS技术兼具LC和MS的特点，优化LC条件可以实现代谢物的分离，与高灵敏度、高准确性的MS联用，可以对代谢物准确定性定量。LC-MS样品的前处理较为简单，一般采用溶剂提取法，不需要衍生化。一般用于热稳定性低、极性较大化合物的分析，如有机酸、有机胺、核苷、核苷酸和多胺等代谢产物[34-35]。GC-MS技术具有分离能力强、高分辨率、高灵敏度、标准谱库比较成熟、易于定性等优点，但前处理过程中部分化合物需衍生化，预处理较为繁琐。通常用于极性较小化合物、挥发性化合物、半挥发性化合物、热稳定化合物的定性和定量检测，如酯类、短链脂肪酸和类黄酮等[23,36]。CE-MS技术能够根据样品中化合物之间的淌度和分配行为进行分离，再经MS电离化合物。常用于带电化合物、亲水和半疏水化合物的分析，如氨基酸、肽、有机酸以及核酸类物质[28,37-38]。在肉类科学研究中，在与MS联用技术LC、GC等分离方式的基础上，针对样品的复杂性，发展了高分离度、高效耐压的UPLC[21,39-40]、强极性的亲水相互作用色谱（hydrophilic interaction liquid chromatography，HILIC）[26,41]和CE[28,38]等互补的分离技术，从而增加研究系统代谢物的覆盖率。

近年来，为获得高分辨率、高质量准确度、更高的灵敏度、更强的破碎能力和更好的线性度，MS技术的发展主要是MS仪器上的改进[37,42]。TOF-MS和四极杆轨道离子阱（quadrupole orbitrap，Q-Orbitrap）-MS可以提供精确的质量分析结果[43-45]。非靶向代谢组学主要选择TOF-MS特别是Q-TOF-MS。Welzenbach等[26]采用LC-Q-TOF-MS筛选出猪肉中393 种代谢物，Sidwick等[25]通过LC-Q-TOF-MS区分正常和死亡后屠宰鸡。高灵敏度、高稳定性的三重四极杆（triple quadrupole，QQQ）-MS和四极杆线性离子阱（quadrupole linear-ion-trap，QTRAP）-MS具有可靠定量代谢物的能力[46]。靶向代谢组学中，高分辨MS提高了目标化合物建立数据库的可能性，在肉类科学中逐渐使用高分辨质谱（high resolution mass spectrometry，HRMS）分析仪，如尤丽琴等[47]采用高分辨的Triple-TOF-MS研究滩羊风味前体物质，不仅满足定量水平与高性能的QQQ-MS系统相当的定量能力，而且高质量准确度和高分辨率有助于差异代谢物的鉴定。通过结合TOF/Q-Orbitrap和QQQ/QTRAP的方法具有良好的定性定量、重现性、高灵敏度和较宽的动态范围[21,48]，在肉类研究中代谢组学的发展方向在于更深层次结合非靶向的广泛性和靶向的精准性，如Cao Mengsi等[21]通过UPLC-Triple-TOF-MS结合UPLCQTRAP-MS代谢组学用于生猪肉和死猪肉的区分。

此外，同位素比MS（isotope ratio MS，IRMS）法根据样品中稳定的同位素比值如2H/H、13C/12C、15N/14N、18O/16O和34S/32S，来实现对不同地理区域，不同环境收集的肉品的区分鉴别[49-50]。REIMS法无需进行样品前处理，实验装置能够在小于5 s的时间范围内记录肉样的MS图，是一种快速定性的可靠简便方法，通过提供原位、实时的分子分辨信息，可用于肉品组织的鉴定和正确分类[32-33]。基质辅助激光解吸电离MS（matrix-assisted laser desorption-ionization MS，MALDI-IMS）法可短时间内评估肉品来源的真实性。基于IMS直接分析生物样品可以检测广泛的内源性分子，如脂类、糖脂、肽、挥发性成分、营养素以及药物。新型MS代谢组学技术的发展实现了对肉品的快速高效检测，为实时跟踪和现场检测分析奠定了技术基础[51]。

1.3 数据处理

分析仪器提供的原始数据不能提供清晰可比较的代谢物，必须经过一定的处理。数据处理的关键是消除数据分析中的方差和偏差、降低复杂性、增强代谢信号。数据处理主要分为两部分：原始数据预处理和数据分析。

通常，原始数据预处理的工具包括4 个基本模块，即噪音过滤和基线校正、峰值检测和反褶积、校准对齐和归一化[52]。噪音过滤的目的是分离来自化学基体或仪器干扰的背景成分信号，消除测量噪音或基线失真。峰值检测和反褶积的目的是识别和量化样本中相对应的代谢物分子，并能显著降低数据的复杂性。校准对齐是对不同样本中检测到的特征信号进行比对，是为了消除给定信号样本之间的移位，保证后续有用信息的提取。归一化消除了由于实验来源引起的混淆变化，如分析噪音或实验偏差，并保留了由于分析物引起的相关变化。常用的数据预处理工具[52-53]有XCMS（https://xcmsonline.scripps.edu/）、MZmine（http://sourceforge.net/projects/mzmine/）和MetAlign（http://www.metalign.nl）。

预处理后的代谢组学数据借助数据分析软件可实现单变量分析和多元变量等统计分析，数据分析方法可分为无监督分析和有监督分析[13,52,54-55]。无监督分析方法通常用于研究数据集的整体结构，发现数据集中的趋势和分组。这些方法提供了数据的无偏向视图。代谢组学常用的非监督方法有PCA、HCA和SOM。PCA将高维变量转化为少量的正交因子，提供了样本在低维（通常是两维或三维）空间中的投影，使样本分布可视化。HCA的目标是在一个集群中对相对相似的样本进行分组，在另一个集群中对相对不同的对象进行分组。SOM是一种神经网络算法，对于高维数据，SOM可以在规则的低维网格上形成非线性投影，使数据空间的聚类和数据项之间的度量拓扑关系清晰可见。SOM是描述代谢模式和样本间关系的工具。有监督分析通过已知数据结构建立模式和规则来预测新的数据，突出组间差异。它可以分为线性方法（如PLS-DA、LDA、正交偏最小二乘法-判别分析（orthogonal PLS-DA，OPLS-DA））和非线性方法（如RF和SVM）等。数据分析时一般先采用无监督分析方法区分不同样本间的代谢物差异，再建立有监督分析方法模型扩大组间差异，对差异明显的代谢物进行分析[8]。常用的数据分析软件有MATLAB、SIMCA等[9]，以及不同仪器公司开发的数据分析软件，如Thermo Fisher Scientific公司的Compound Discoverer软件、SCIEX公司的Lipid View软件、Agilent公司的MPP软件等[10,12]。

代谢组学数据软件筛选得到的差异代谢物可以通过查阅相关文献、网站、数据库或借助通路分析软件进一步确定代谢物性质、结构鉴定、功能注释和代谢通路等，为靶向分析、代谢物影响因素的研究提供依据。常用的数据库有HMDB（http://www.hmdb.ca）、KEGG（https://www.kegg.jp）、NIST（https://webbook.nist.gov），以及仪器公司建立的数据库，如Thermo Fisher Scientific公司的mzCloud（https://www.mzcloud.org）、Agilent公司的METLIN（https://metlin.scripps.edu）等[10,26,41,56]。

2 MS代谢组学技术在肉品科学中的应用

基于MS的代谢组学技术已被应用于研究影响肉品品质的因素、评估肉品的安全性、解决肉品欺诈问题、追溯确定原料肉来源及产地，以及肉品不同加工方式和贮存条件对肉类食品的影响。近年来，基于MS的代谢组学在肉类科学中的应用总结见表1。

2.1 肉品品质研究

如今，肉品品质已成为肉品行业的主要关注点之一。对肉品品质的评估包括色泽、香气、风味和营养特性等多个方面，需要通过不同类型的分析方法来评估，使得评估工作较为复杂。而基于MS的代谢组学方法信息丰富，可以最大程度地获取代谢物信息，将相关特征与食品品质建立联系，为解决这一复杂问题提供支持。

消费者对食品品质的要求越来越高，其中感官品质是猪肉等产品的主要关注点，决定感官享受的因素有味道、嫩度和多汁等。D’alessandro等[57]基于LC-MS的靶向代谢组学方法对卡瑟塔纳猪和大型白猪的骨骼肌中主要代谢途径的一系列代谢物进行了分析，发现卡瑟塔纳猪中甘油-3-磷酸脱氢酶及甘油3-磷酸和甘油代谢物的含量高于大型白猪，这可能与卡瑟塔纳猪的较高背脂肪厚度和大型白猪的较高瘦肉厚度有关。这一方法将为筛选良好肉质性状、口感舒适、高品质的猪肉品种提供技术支持。Welzenbach等[26]基于GC-MS和LC-QTOF-MS非目标代谢组学的方法检测到97 头猪中393 种带注释的代谢物和1 600 种未知代谢物。研究表明基于MS的非目标代谢组学方法可用于研究生化过程中影响肉质性状包括肉的滴水损失、宰后不同时间内肉pH值和肉的颜色等潜在关键代谢化合物，并通过具有统计学意义的特征标记物来反映肉品状态。Subbaraj等[41]通过HILIC-MS的代谢组学方法对不同老化程度、贮存条件和暴露时间下绵羊肉中极性代谢物（包括氨基酸、糖、核苷酸、核苷和有机酸等）进行研究，结果表明大多数化合物与肌红蛋白化学作用有关，具有抗氧化性能的化合物在颜色稳定的样品中含量较高。对绵羊肉色泽稳定性的研究将为选择合适的肉品处理方式提供参考。尤丽琴等[47]采用UPLC-MS代谢组学方法研究了宁夏滩羊宰后成熟过程背最长肌中内源性小分子物质代谢变化，研究发现随着成熟时间的延长，风味特征物质种类和含量总体水平显著增加，因而滩羊肉的风味特征更为丰富，该方法可为滩羊肉风味物质的调控提供技术指导。

表1 基于MS代谢组学在肉品科学中的应用Table 1 Recent applications of MS-based metabolomics in meat science

风味是影响干腌火腿整体接受度的关键属性，而肉类原料、加工技术和成熟时间等都对风味具有很大的影响。Shi Yanan等[31]对火腿中的挥发性风味化合物进行了GC-MS和多元数据综合分析，在6 个成熟阶段的火腿中共鉴定出407 种挥发性风味化合物。分析结果表明风味物质以醛类和醇类最为丰富，影响大河黑猪火腿香气的特征关键成分有己醛、3-甲基丁醛、壬醛、辛醛等，使其具有青草味、果香、果仁味和焦糖味等特殊香味。Sugimoto等[28]采用CE-MS同时定量分析了日本干腌火腿中氨基酸、有机酸、多肽、核苷酸及其中间代谢物，并研究了火腿成熟时间、代谢产物和感官特征之间的关系。基于MS的代谢组学方法对火腿风味的研究，不仅能在火腿成熟过程中对火腿状态进行监测，为火腿生产者提供更有针对性的加工途径和风味转化机制，而且可用于改善火腿风味、开发新的火腿口味、提高火腿风味品质、优化火腿成熟时间等方面的研究。

2.2 肉品安全性评估

肉品安全是肉类科学分析中最重要的主题之一。为了确保肉品的安全，始终需要进行食品品质安全控制，包括有关肉品中某些特定化合物的含量必须低于某些限值的法规执行、微生物相关腐败的检测、检测环境污染物以及禁用的化合物和评估天然毒素的发生。基于MS代谢组学的方法的使用已大大提高了目前的分析测定水平。

通过对肉类中病原菌的检测，可以监测肉品品质变化和变质程度。Cevallos-Cevallos等[36]采用基于GC-MS的代谢组学方法监测牛肉和鸡肉中的大肠杆菌O157:H7、哈氏沙门氏菌、鼠伤寒沙门氏菌和慕尼黑沙门氏菌微生物，研究发现在大肠杆菌O157:H7和沙门氏菌的生长过程中，挥发性化合物受到影响，而针对挥发性化合物的分析可以预测这些细菌是否存在于肉类样品中。通过进一步的研究有望实现基于MS的代谢组学方法在畜肉和家禽行业中对沙门氏菌和O157:H7大肠杆菌常规检测中的应用。Argyri等[30]通过顶空固相微萃取-GC-MS对碎牛肉样品分析，并进行微生物分析、感官评估、pH值测量。通过PCA、HAC、FDA和PLS-R等多变量数据分析选择醇类、醛类、酮类和酯类化合物建立肉类腐败评估模型。该方法可用于对微生物总活菌数的定量估计，评估肉品腐败状态是新鲜、半新鲜还是变质。

死猪肉是指因疾病或其他异常原因死后被宰杀的猪肉，由于变质、包含传染病或药物残留而无法食用。然而，出于经济利益，死猪肉在市场上的非法出售会对消费者的健康构成巨大威胁。通常，消费者通过主观视觉和嗅觉识别死猪肉，但极易出错。Cao Mengsi等[21]通过基于UPLC-Triple-TOF-MS的非靶向代谢组学方法筛选出24 种代谢物，结合UPLC-QTRAP-MS的伪靶向代谢组学方法检测到差异代谢物，用Metlin数据库和多元统计分析方法进一步鉴定出可能的差异标记物共计14 种，包括肌肽、左旋肉碱、左旋组氨酸和乙酰胆碱等，可用于区分生猪肉和死猪肉。Sidwick等[25]通过LC-Q-TOF-MS对正常屠宰和运往屠宰场时死亡鸡的肌肉组织、肝脏和心脏提取物进行检测，使用Metlin数据库和标准品对照的方法，鉴定了肌肉组织样品中的标记物为鞘氨醇，根据代谢谱图和多变量分析实现对正常屠宰和屠宰前已死亡的区分。通过基于MS的代谢组学方法可以监测肉的正常屠宰，从而保证肉品的新鲜和安全。贺绍君等[58]采用GC-MS分析急性热应激肉鸡血清物质代谢组学变化，鉴定出了30 种差异代谢物和7 种差异代谢通路，它们可作为标志物用于揭示急性热应激的发病机理，为早期诊断和防治热应激提供新思路。Nzoughet等[59]运用HPLC-HRMS技术对牛血清中群勃龙醋酸酯、雌二醇等激素类药物进行检测，结合建立的标记物筛选模型，能够区分给药和正常状态的牛样品，为监测违禁药物滥用提供了技术依据。

2.3 肉品真伪鉴别

肉品掺假是一个全球关注的食品问题，严重影响及破坏了肉品市场安全秩序[66]。肉品真伪鉴别需要准确灵敏、经济有效、实时的分析方法，基于MS的代谢组学技术有望解决这一问题。Balog等[33]研究提出了一种有效鉴别混合肉品的REIMS法。该方法能够在5 s内分析记录肉品样本的MS图，主要以m/z100～500范围内的脂肪酸和m/z600～900范围内的甘油磷脂为特征谱图，对混合肉饼中来自不同物种（马、牛和鹿）的肉类进行检测，其检测限为5%，较低的检测限能够有效监管肉品欺诈行为。Pavlidis等[29]使用顶空固相微萃取-GC-MS分析了直接从肉类加工厂获得的457 个样本的大型数据集，以探索不同种类碎肉的挥发性。基于挥发性化合物指纹图谱，采用无监督（PCA）和有监督（PLS-DA）多元统计方法将样本可视化、分组和分类，最终能够将样品正确分类为牛肉、猪肉和混合肉样品。

有机食品与传统食品相比，没有污染、安全、高品质、味道口感更好。但有机食品的生产加工标准要求严格、投资大、风险高，需要更高的成本。不良商贩为谋取高利润，用普通食品代替有机食品在市面销售，消费者难辨真假。Baira等[39]基于UPLC-HRMS的非靶向代谢组学对膳食补充柚皮苷和橙皮苷后的鸡肉组织进行了研究。使用PCA、PLS-DA和OPLS进行多变量分析，发现柚皮苷补充后与对照组相比可检测到3 个显著变量，而橙皮苷补充后则可检测到13 个显著变量。该方法能够检测柚皮苷和橙皮苷作为鸡肉营养添加剂在组织中发生的代谢变化，并可加以区分。Ruiz-Aracama等[40]采用UPLCTOF/MS的非目标代谢组学方法鉴定喂食有机饲料和常规饲料的鸡中可能存在的差异化合物。该方法能够发现各种鸡饲料的成分差异，适用于对有机食品和传统食品之间的潜在差异的研究。Valentina等[60]基于GC-MS方法在羔羊肌肉中检测到的204 种挥发性化合物中，其中33 种化合物可用于区分牧草喂养和精饲料喂养的羔羊肉。基于MS的代谢组学方法能有效地对肉类食品中的有机肉和普通肉进行区分，鉴别不同饲料喂养的动物样品，为打击食品欺诈行为奠定一定基础。

2.4 肉品来源及产地追溯

肉品的产地溯源不仅能确保肉品的营养成分和健康控制，保护产品的地域特色，还可以保证消费者的健康和权益。Ueda等[61]使用GC-MS法鉴定了家畜肉中的代谢物，确定了牛、猪和鸡之间的明显差异代谢物。同时还开展了日本黑牛大理石牛肉不同的组织类型（肌肉、肌内脂肪和肌间脂肪）的代谢物差异比较，结果表明大多数代谢物在肌肉组织中含量较高。多变量统计分析结果表明代谢产物的GC-MS分析可以区分日本黑牛与荷斯坦牛等不同的牛品种。来自不同地理区域的肉类具有同位素特征差异[67]，因此可以通过同位素比值MS法分析来判断原产地的不真实性。吕军等[62]采用元素分析仪与同位素MS仪联用，对山东、山西和内蒙古牛肉样品粗蛋白中的碳、氮、氢、氧稳定同位素值进行检测，结果表明可以利用这4 种稳定同位素值较好地区分不同地区牛肉。郭莉等[63]运用IRMS仪针对不同地区、不同部位羊肉中碳、氮稳定同位素进行研究，发现碳、氮同位素可用于内蒙古不同旗县羊肉的产地溯源。Bong等[49]通过同位素比值MS法研究了美国、墨西哥、澳大利亚、新西兰和韩国牛肉中的碳、氮和氧同位素组成，结果表明同时使用碳和氧的同位素可鉴别不同来源的牛肉产品。Perini等[50]对意大利不同地理区域的羔羊肉样品的脱脂干物质（H、C、O、N和S）和脂肪（H、C和O）组分的多元素同位素组成进行示踪分析。结果表明可以将不同的饲养方式下不同类型的羔羊进行区分，而且可根据羔羊肉的稳定同位素特征跟踪其摄食情况，得知其地理来源。Zaima等[51]通过基于基质辅助激光解吸/电离成像MS的代谢组学方法来评估牛肉原产地的真实性。从不同来源牛肉中提取的脂质样品均获得了高度准确的数据，提取的脂质分析在10 min内结束，该方法可以作为一种简单的真实性评估，然后通过同位素分析进行最终鉴定。基于MS的代谢组学方法不仅能够提供肉品可追溯性管理所需的准确性，还能根据肉品代谢物的差异建立区域和品种的差异代谢物谱库，从而提供有关肉品的来源信息。

2.5 肉品加工和贮存中的应用

肉品加工涉及物理和化学作用的结合，可能会导致肉品结构和营养成分发生重大变化，这些变化可以通过代谢组学检测。基于MS的代谢组学具有高准确性和高灵敏度的优势，可以用于检测肉品不同加工方式和不同贮存条件下的细微变化。Surowiec等[27]从不同加工处理的肉类样品中提取小分子化合物，用GC-MS和多变量分析，对获得的代谢产物采用OPLS-DA建模，可以对鸡肉和猪肉样品、模型中未包括的样品以及商用肉类样品进行适当的预测，从而对所有类别的产品进行区分。Sugimoto等[38]采用基于CE-TOF-MS的代谢组学方法应用于日本和欧洲的12 种干腌火腿中，共鉴定出203 种代谢物，包括氨基酸、有机酸、核苷酸和肽。比较了不同加工方法如烟熏或使用发酵剂对样品的代谢物影响，结果显示代谢物成分与火腿的颜色、脂肪白度等感官特征之间存在显著的相关性。该方法可以通过评估火腿产品的各种特性，为火腿新产品的加工设计提供参考。

不同包装方式和不同贮存温度都会对肉品中代谢物的变化有一定的影响。Jiang Ting等[64]使用LC-MS研究了碎牛肉中与牛肉风味或异味相关的代谢产物。对3 种包装方法：传统的外包装、气调包装和透明的塑料零售盒包装的样品中576 种代谢物进行了分析，筛选出33 种化合物可用来区分不同包装方式的牛肉样品，筛选出22 种与牛肉风味和异味最相关的化合物，并可区分草饲牛肉和天然牛肉产品与其他牛肉产品。Argyri等[30]对不同包装条件（空气包装和气调包装）和不同贮存温度（0、5、10 ℃和15 ℃）下的碎牛肉进行微生物分析、感官评估、pH值测量和顶空固相微萃取GC-MS分析。结果表明，顶空固相微萃取-GC-MS能够检测到肉类贮存过程中的138 种挥发性代谢物，其中可根据35 种化合物浓度对早期腐败阶段和保质期结束时肉类的感官进行评价和微生物计数。无论贮存条件（包装和温度）如何，该方法都能够实现对不同微生物的数量估计和肉样品的感官评分。

肉品在不同的时间段里经历了各种生物和化学过程引起的分子变化，Gauglitz等[65]基于MS的代谢组学方法、多元统计分析、PCA图和热图数据可视化的组合对常见的食品包括肉类样品进行了基于时间的化学变化分析。可以观察到牛肉和火鸡在5 d贮存期内的分子变化，在比较抗生素和非抗生素处理过的牛肉和火鸡时，有一些特定的低强度分子发生了变化，如油酰基牛磺酸、乙酰肉碱等，可以通过这些化合物的变化来调查肉类腐败情况。基于MS的非靶向代谢组学能够成功地识别关键的分子特征，为肉品贮存条件的选择和肉品品质的监督提供方法保障。

基于MS的代谢组学方法，实现了对不同加工方式、不同包装方式、不同贮存温度和不同贮存时间下肉品的区分鉴别，并筛选出导致肉品腐败、影响肉品品质的化合物，为肉品生产加工和贮存方式的选择、保鲜技术提供了技术支撑，为执法部门对肉品品质监管提供了有效的技术方法。

3 结 语

现有研究表明，基于MS的代谢组学技术在肉类科学中发挥着重要的作用，该技术不仅在提升肉品品质上具有指导意义，还可有效监测控制肉品的安全，解决肉品欺诈问题，追溯、确定原料肉来源及产地，并且对肉品的加工方式和贮存条件的选择提供技术支持。尽管目前基于MS的代谢组学方法在肉品科学中的应用还存在仪器分析范围局限、靶向代谢研究少、数据库不完整和样品分析结果不稳定等挑战，但由于MS技术的不断发展、新方法的开发以及代谢组学食品数据库的不断完善，基于MS的代谢组学技术在今后肉品科学的研究中仍将占主导地位。

随着对基于MS代谢组学技术的深入研究和发展，影响肉品口感、风味、营养特性等的化合物和代谢途径将会更加清楚，潜在化合物与肉品品质相关的特定特征之间的新关系将得到挖掘，肉品中管制化合物和污染物之外的新的安全风险将会被有效控制，不同品种、不同环境和不同来源等的肉品中功能完整的代谢物数据库将会进一步丰富和完善，影响肉品生产和商业化链生产过程中品质参数的代谢物将会被进一步发现，这些研究将对肉类科学等众多领域产生重大影响。