Aromastoffe von Erdbeeren: Verbesserte Messung mittels TD und TOF MS

  • Abb.1 Analyse des Headspaceprofils einer gesamten Erdbeere, das auf einem Sorbensröhrchen mit der Microchamber gesammelt wurde und mittels GC-TOF-MS analysiert wurde. Die 20 größten Peaks sind beschriftet.Abb.1 Analyse des Headspaceprofils einer gesamten Erdbeere, das auf einem Sorbensröhrchen mit der Microchamber gesammelt wurde und mittels GC-TOF-MS analysiert wurde. Die 20 größten Peaks sind beschriftet.
  • Abb.1 Analyse des Headspaceprofils einer gesamten Erdbeere, das auf einem Sorbensröhrchen mit der Microchamber gesammelt wurde und mittels GC-TOF-MS analysiert wurde. Die 20 größten Peaks sind beschriftet.
  • Abb. 2: Versuchsablauf zur Probennahme und Identifizierung von flüchtigen Substanzen aus ganzen Erdbeeren.
  • Tabelle 1: Report einer Probe, die gegen eine Bibliothek mit schwefelhaltigen Substanzen gemessen wurde. time (min) Match
  • Abb. 3A, B: Bestimmung der dekonvolutierten Peaks von Dimethyldisulfid und Ethy(methylthio)acetat (rot) in Gegenwart von coeluierenden Peaks (grau), (C): Die entsprechenden Massenspektren (oben rot) verglichen mit denen in der NIST Bibliothek (unten blau)
  • Abb. 4: Vergleich der TIC Chromatogramme eines Quadrupol und eines TOF-MS einer TDGC- Headspace-Analyse einer ganzen Erdbeere. Die analytischen Bedingungen waren identisch und die beiden Datensätze sind im selben Maßstab dargestellt.
  • Abb. 5: TD-GC/MS (Quadrupol und TOF) Daten einer dynamischen Headspaceprobe wie in Abb. 4, wobei die Quadrupoldaten um den Faktor 100 vergrößert dargestellt sind.

Aromastoffe sind in Lebensmitteln meist über einen großen Konzentrationsbereich enthalten, wobei jedoch die geruchintensivsten Substanzen oft nur in Spurenkonzentrationen vorhanden sind. In diesen Situationen ist ein hochempfindlicher Detektor zur Detektion und Identifikation der Analyten zwingend erforderlich.

Flugzeitmassenspektrometer (TOF, Time Of Flight) sind aufgrund ihrer Leistungseigenschaften für die Analyse solcher Proben besonders gut geeignet. Beispielsweise ermöglicht die direkte Extraktionstechnologie die Aufnahme von Massenspektren über den gesamten Massenbereich in Konzentrationen, die sonst nur im Single-Ion- Monitoring (SIM)-Modus erzielt werden können. Darüber hinaus erzeugt die hier beschriebene Anordnung Spektren mit Referenzqualität, die eine hohe Übereinstimmung mit den Spektren in kommerziell erhältlichen Bibliotheken wie NIST oder Wiley Registry aufweisen. Daher ist ein schneller und sicherer Abgleich sowohl von Zielsubstanzen als auch von unbekannten Verbindungen möglich. Zudem stehen die Ergebnisse schnell zur Verfügung, da 10.000 volle Spektren pro Sekunde aufgenommen werden. Diese erzeugen komplette Datensätze, die mit den neuesten Data-Mining Softwarepaketen verarbeitet werden können. Hier wird die Analyse der Aromastoffe einer ganzen Erdbeere mit einem TOF-MS Aufbau (Bench-TOF) der Firma Almsco vorgestellt.

Über die Software
Die Data-Mining Programme extrahieren aus den MS-Daten die erforderlichen Informationen, wodurch Spurensubstanzen in komplexen GC-MS-Läufen sicher und automatisch identifiziert werden können. Die Software verwendet Algorithmen zur Beseitigung von störenden Hintergrundinterferenzen und darüber hinaus werden coeluierende Substanzen in individuelle Analyten- Peaks dekonvolutiert. Das Massenspektrum jeder dekonvolutierten Substanz kann dann mit Hilfe von chemometrischen Techniken mit einer Datenbank verglichen werden und sowohl bekannte als auch unbekannte Substanzen können sicher in geringen Spuren identifiziert werden. Für die Datenbanksuche können eigene Bibliotheken für zielgerichtete Suchen aber auch kommerzielle Datenbanken für vollständige Suchen verwendet werden.

Ergebnisse und Diskussion
Ein typisches Headspace-Emissionsprofil einer ganzen Erdbeere ist in Abbildung 1 gezeigt.

Das Chromatogramm wurde digital prozessiert, um ungewünschte Hintergrundverunreinigungen zu entfernen. Dadurch konnten sowohl die Identifizierung von Spurensubstanzen als auch die Qualität der Massenspektren verbessert werden.

Danach wurden die 100 größten Peaks in einer kommerziellen Datenbank (NIST 11) prozessiert. Als niedrigster Match-Faktor wurde 700 verwendet, damit nur qualitativ hochwertige Ergebnisse ausgegeben werden.

Das Ergebnis war eine Liste mit 76 Hauptsubstanzen, die in der Probe identifiziert wurden, einschließlich wichtiger olfkatorischer Schlüsselkomponenenten wie Ester und Terpenoide. Aus der Peak-Fläche wurde eine ungefähre Konzentration (in ng pro Gramm Frucht) berechnet, die auf der Peak-Fläche eines Toluolstandards basiert, der unter denselben Bedingungen analysiert wurde (Toluoläquivalente).

Detektion schwefelhaltiger Substanzen
Niedrig konzentrierte schwefelhaltige Komponenten im Aromaprofil von Erdbeeren und anderen Lebensmitteln werden häufig von Kunden bewusst oder unbewusst mit der Qualität und dem Geschmack des Nahrungsmittels in Verbindung gebracht und wahrgenommen. Frühere Studien über deren sensorische Rolle wurden allerdings dadurch erschwert, diese Substanzen in sehr niedrigen Konzentrationen insbesondere in komplexen Proben zu detektieren und zu identifizieren. Oft waren sie im Basislinienrauschen versteckt oder von höher konzentrierten Komponenten verdeckt.

Zum Nachweis von Schwefelkomponenten in der Probe wurde eine Suche im Chromatogramm aus Abbildung 1 durchgeführt, wobei eine Target-Bibliothek mit 26 schwefelhaltigen Substanzen verwendet wurde. Damit nur die verlässlichsten Hits angezeigt werden, wurde ein strengerer Match-Koeffizient von 0,80 verwendet, dies entspricht einem Match-Faktor von 800 in der NIST-Suche. Die Ergebnisse dieser Suche sind in Tabelle 1 dargestellt.

Es konnte gezeigt werden, dass sieben schwefelhaltige Spezies der Bibliothek in der Probe enthalten sind, einschließlich Dimethyldisulfid und Ethyl-(methylthio)acetat. (Abb. 3B). Ein Kreuzvergleich der Spektren dieser Spurensubstanzen gegen NIST bestätigte deren Identität mit sehr guten Forward Match-Koeffizienten von 902 bzw. 812. Dies ist auch ein Beweis für die Qualität der Spektren.

Die Akzeptanz der GC-MS-Technologie mit den systemimmanenten Vorteilen von Sensitivität und Geschwindigkeit wurde historisch dadurch erschwert, dass viele anfängliche TOF-Systeme verfälschte Spektren erzeugten, die nicht für Standardbibliothekssuchen verwendet werden konnten.

Optimierung der Empfindlichkeit
Die Anreicherung mit einer dynamischen Headspace-Methode gefolgt von einer Aufkonzentrierung über Thermodesorption (TD), bietet bei Sammelproben beträchtliche Empfindlichkeitsvorteile für die Analyse von flüchtigen organischen Substanzen (VOCs). Dies konnte für die Dampfraumanalytik von Erdbeeren bestätigt werden. Welchen Einfluss hat jedoch die Empfindlichkeit des Detektors?

Quadrupol Massenspektrometer gelten als robuste MS-Detektoren für die GC und werden in vielen Routine- und Forschungslaboratorien verwendet. Vollständige Massenspektren erhält man mit diesen Detektoren, indem sie wiederholt über den gesamten Massenbereich scannen, wodurch jedoch die Empfindlichkeit des Systems beeinträchtigt wird. Die Nachweisempfindlichkeit kann deutlich verbessert werden, indem man den SIM Modus verwendet. Die Qualität der Analytik insbesondere für unbekannte Substanzen, leidet dann allerdings durch die fehlenden Massenspektren. Mit der TOF-MS Technologie werden alle Ionen ohne zu scannen aufgezeichnet. Daher können vollständige Massenspektren auch bei niedrigen Konzentrationen erstellt werden.

Die Headspace-Erdbeerproben wurden parallel auf einem TD-GC-Quadrupol und einem TD-GC-TOF System gemessen, um die Unterschiede aufzuzeigen. Abbildung 4 zeigt die beiden Chromatogramme mit derselben Skalierung und die Empfindlichkeitsunterschiede der beiden Systeme sind deutlich zu sehen. Zur Veranschaulichung des Vergleichs sind in Abbildung 5 die Quadrupol- Ergebnisse um den Faktor 100 vergrößert dargestellt. Obwohl für die beiden Analysen unterschiedliche Erdbeeren verwendet wurden, sind die VOC-Profile sehr ähnlich.

Die vollständigen spektralen Datensätze können bei Bedarf auch dazu genutzt werden, im Nachhinein – ohne Reanalyse der Probe – nach spezifischen Zielsubstanzen (z. B. Allergenen, Toxinen oder olfaktorischen Komponenten) zu suchen.

Schlussfolgerung
In dieser Studie konnte gezeigt werden, wie durch eine Kombination einer dynamischen Headspace-Methode, gekoppelt mit der Aufkonzentrierung durch Thermodesorption sowie der inhärenten Empfindlichkeit eines TOF-MS Duftstoffe in Lebensmitteln gemessen und in Spuren detektiert werden können.

Darüber hinaus konnten wir zeigen, dass eine Softwarebearbeitung die Zielsubstanzen verlässlich von den Basislinieninterferenzen und anderen Komponenten trennt und somit eine verlässliche Identifizierung möglich macht. Mit dem System können gleichzeitig Zielsubstanzen und unbekannte Verbindungen mit hoher Empfindlichkeit in einer komplexen Matrix detektiert werden.

Erwähnenswert ist auch, dass bei diesem Aufbau der Gasfluss des GC gesplittet werden kann, ohne dass dadurch die Identifizierung der Substanzen beeinträchtigt wird. Dies ist insbesondere in der Analytik von Aromastoffen in Lebensmitteln wertvoll, weil dadurch ein Teil der Probe gesammelt und für eine spätere Analyse mit anderen GC-Parametern verwendet werden kann. So können z. B. die Hauptbestandteile der Probe quantitativ bestimmt werden oder sie kann parallel mit einer anderen Methode wie der Olfaktometrie analysiert werden, um die Chemikalien zu identifizieren, die zum Aroma des untersuchten Stoffs beitragen.

Weitere Beiträge zum Thema GC-MS: http://bit.ly/GIT-GCMS
Mehr Informationen zu MS-Datenbanken: http://bit.ly/Wiley-Registry http://bit.ly/NIST-MS

Autor(en)

Kontaktieren

Jetzt registrieren!

Die neusten Informationen direkt per Newsletter.

To prevent automated spam submissions leave this field empty.