利用NMR技术验证西红柿的地理来源

简介

在市场全球化的时代，食品的地理来源正变得越来越重要。在大多数情况下，咖啡和香蕉这样的产品会标明作物生长的国家。然而，有些产品如果来自一个国家的特定地区，就会备受青睐，比如葡萄酒和蜂蜜。

生产者拿到的产品价格取决于其原产地，因此，产地认证对生产者来说是一个非常重要的问题。因为它提供了一个工具，使他们的产品在全球市场上与众不同，还可以让他们的收入最大化。同样，消费者往往对某一特定地区的产品的特征或口味产生偏好。

因此，产地认证可以作为一个质量指标，除了确认产品的来源，还可以根据特定地区的良好声誉提供质量保证。由于这些原因，世界贸易组织逐渐承认产地认证是全球经济中一个非常有价值的营销工具。

不难理解，为何生产者要保护产品的产地认证。他们积极确保劣质产品不会被错误地销售出去，从而对他们的声誉和市场份额构成风险。

不同地区的特色土壤成分和气候条件会反映在农产品的化学成分中。因此，分析农产品的特定化学成分可以验证其地理来源。现在，有多种不同的技术可利用代谢组学分析确定食品的地理来源。这些技术包括同位素方法、傅里叶变换红外光谱和拉曼光谱，以及与气相色谱法或液相色谱法相结合的质谱法[1, 2]。

番茄种类

番茄是世界上最广泛种植的作物之一，因其营养和抗氧化特性而遍布各地。事实上，西红柿含有许多促进健康的化合物，包括类胡萝卜素、生育酚和植物甾醇。番茄也是全球许多美味佳肴中常见的食材。

在欧洲，西红柿约占新鲜蔬菜总产量的四分之一。意大利是西红柿的主要生产国，有大约92,000公顷的土地专门用于生产西红柿。意大利番茄种植的悠久历史使得传统品种的多样性得到了发展。这包括在意大利许多不同地区的温室中栽培的几种樱桃番茄。

一个简单的分离分析成功地区分了不同产地的西西里樱桃番茄[3]。然而，我们还需要一个多因素的方法来根据栽培品种、季节性和生产年份来区分番茄[4]。

不同年份气候条件的变化会反映在西红柿的最终成分中。举例来说，西红柿的番茄红素含量由当时的温度决定[5]。然而，以前基于核磁共振（NMR）测定的亲脂性代谢特征的PGI Pachino樱桃番茄的特征研究发现，该指标连续三年没有明显差异[3]。

核磁共振技术现在已被应用于确定樱桃番茄的地理来源。

番茄的NMR代谢分析

核磁共振（NMR）已被应用于广泛的食品分析，以促进质量保证、结构特征和掺假检测[6, 7]。NMR还被证明是验证地理来源的一个有价值的工具[8, 9]。

NMR已经被证明有助于确定西红柿的来源，区分有机和常规西红柿，并识别转基因西红柿[10, 11]。

最近，核磁共振被用于验证生长在Pachino（西西里）和Sabaudia（拉蒂姆）的cv Shiren樱桃番茄的产地来源[12]。使用布鲁克AVANCE 400 MHz波谱仪获得了不同樱桃番茄收获的亲脂成分的1H NMR图谱，并使用多变量统计分析的三个步骤进行比较。栽培品种和季节性不是分析的因素，因为所有的西红柿都是在夏季收获的。

此外，植物组织的内部形态组织的图像是通过磁共振成像获得的，使用的是布鲁克Avance 300 MHz波谱仪，配备了5毫米的宽腔探头，在室温条件下操作。

核磁共振谱图显示了不同生产年份的西红柿之间的显著差异[12]。2004年的Sabaudia樱桃番茄的磷脂含量较高，但多不饱和酸和番茄红素的含量比2005年的少。核磁共振数据还检测到两个收获年的番茄果皮的差异，这被认为是2004年期间番茄外层组织的水流减少的结果。

然而，不同产地的核磁共振谱图保持了总体特点，使之有可能将萨博迪亚樱桃番茄与帕奇诺樱桃番茄区分开来。使用近邻算法，84%到87%的Pachino番茄得到了正确分类，大约77%的Sabaudia番茄也是如此[12]。识别能力从82%到84.4%不等，预测能力从76%到95%。

PCA分析也显示了Pachino和Sabaudia樱桃番茄的高度分离，但有更好的识别和预测能力；这些都接近100%。植物甾醇和香味成分的差异是最有利于识别的化合物。

参考文献：

1. Junior ACM, Maione C, Barbosa RM, et al. Journal of Chemometrics. 2018;32(8): 1–10.
2. Danezis GP, Tsagkaris AS, Camin F, et al. Trends Anal Chem. 2016;85:123–132. 
3. Masetti O, Ciampa A, Nisini L, et al. Food Res Int. 2017;100(1):623–630.
4. Masetti O, Ciampa A, Nisini L, et al. Food Chem. 2014;162:215–222.
5. Leyva R, Constán-Aguilar C, Basco B, et al. J Sci Food Agric. 2014;94(1):63–70.
6. Marcone MF, Wang S, Albabish W, et al. Food Res Int. 2013;51:729–747.
7. Dowlatabadi R, Farshidfar F, Zare Z, et al. Metabolomics. 2017;13(2):1‐11.
8. Consonni R, Cagliani LR, Cogliati C. Talanta. 2012;88:420–426.
9. Girelli GR, Del Coco L, Fanizzi FP. Eur.J.Lipid.Sci.Technol. 2016;118:1380–1388.
10. Hohmann M, Norbert C, Wachter H, Holzgrabe U. J Agric Food Chem. 2014;62(33):8530–8540.
11. Le Gall G, Colquhoun IJ, Davis AL, et al. J Agric Food Chem. 2003;51(9):2447–2456.
12. Masetti O, et al. Journal of Chemometrics. 2020;34:e3191.