藏红花酸二钠盐对照品

通过 SFC-UV/MS 分离西红花主要提取物 西红花，又称藏红花，是世界上最昂贵的香料之一，其花朵呈现一种精致的紫色色调，内部的丝状红色柱头非常珍贵。在秋天，红色柱头通过手工采摘并分离，生产一磅(0.45公斤)的西红花柱头需要7万朵花。这些红色柱头可以用作香料、染料并且具有药用价值。▲ 图1：西红花花朵与柱头西红花内有非常多的提取物，主要成分为西红花苷、苦番红花素、西红花酸等。其中许多化合物有公认的药理活性， 比如西红花苷在治疗心血管疾病方面具有一定的作用。西红花苷存在于西红花及栀子属植物中，比较常见的分离法是采用高压液相色谱法（HPLC），C-18色谱柱，流动相为水/乙腈或水/甲醇体系。初始梯度为高含水量，有机溶剂含量随时间而增加，以洗脱非极性化合物，分离过程中也会加入甲酸以改善峰型。[2-6]栀子类药材中西红花苷类成分的定性定量分析：▲ 图2：A.混合对照品；B.栀子；C.水栀子的 HPLC 分离图西红花苷Ⅰ 5. 西红花苷Ⅱ 8. 西红花苷Ⅳ 17. 西红花苷ⅢAcchrom XCharge C18 色谱柱（4.6 mm×250 mm，5μm）；流动相为乙腈（A）和0.1%甲酸水溶液（B），梯度洗脱，洗脱程序为：0～15min，22% A；15～30min，22%～25% A；30～35min，25%～28% A；35～50min，28% A；50～72min，28%～45% A；72～85min，45%～55% A；流速1mLmin-1，柱温30℃，检测波长440 nm，进样体积10μL。本文介绍了一种利用BUCHI Sepiatec SFC-50分离西红花柱头主要提取物的方法。SFC-50内置紫外检测器并与MS（质谱检测器）相连，从而判断峰物质。▲ 图3：Sepiatec SFC-UV/MS系统1实验条件设备Sepiatec SFC-50(UV/MS)色谱柱Nucleodur NH2 5μm 250 x 4 mm流动相种类A=CO2 B=甲醇流动相条件平衡色谱柱5分钟0-1 min: 14 % B1-18 min: 14-18 % B18-40 min: 18-50 % B40-44 min: 50 % B 流速7 mL/min紫外检测器440 nm MASS 检测器ESI (+/-)背压150 bar柱温40 ℃样品1000mg 西红花柱头 10mL 热甲醇提取物进样量100 uL2结果与讨论▲ 图4：西红花提取物在紫外波长440nm下的分离图用甲醇对西红花柱头的主要成分进行了提取后，得到的多数为极性化合物。图4为紫外波长 440nm 下的分离图。在前18分钟，由于流动相为弱极性(86- 82% CO2)，紫外检测器下无化合物被洗脱下来。当流动相的极性通过梯度增加时，几种极性化合物被依次洗脱。其中的主要提取物西红花酸易与几种糖(葡萄糖、龙胆二糖和三氯蔗糖)结合形成西红花苷。因为西红花酸与糖分子的共价键导致极性的强烈增加，并使西红花苷具有亲水性，所以在氨基柱上的分离出峰时间比较晚[7-9]。在质谱检测上，我们使用电喷雾离子源（ESI），这是一种常压下的温和电离方法，可以在正离子(ESI+)或负离子(ESI-)下进行。在正离子模式下，通常会形成钠加合物([M+Na]+)或质子加合物([M+H]+)。在负离子模式下，([M-H]-)离子通常是由于失去一个质子而形成的。根据样品及其性质的不同，也可以形成多种带电产物。▲ 图5：(a) UV-440 nm (b) mass 999-999.5 (ESI+) (c) mass 836.9-837.4 (ESI+) (d) mass 674.8-675.3 (ESI+) (e) mass 975.5- 976 (ESI-) (f) mass 813.4-813.9 (ESI-) (g) mass 651.4-651.9 (ESI-) (h) mass 341.2-341.7 (ESI-)▲ 图6：西红花苷Ⅰ(a) ESI+ and (b) ESI-, 西红花苷Ⅱ(c) ESI+ and (d) ESI-, 西红花苷Ⅲ (e) ESI+ and (f) ESI- 以及西红花酸单甲酯(g)ESI-的质谱图图5与图6展示了西红花甲醇提取物通过 Sepiatec SFC-50 结合 MS 检测器后的分离图谱，信号基于不同的 m/z（质子数/电荷数）。根据质谱结果我们可以推断出表1的结构式结果。No.化合物名称结构式m/z1西红花苷Ⅰ976.4C44H64O242西红花苷Ⅱ814.8C38H54O193西红花苷Ⅲ652.7C32H44O144西红花酸单甲酯342.4C21H26O4▲ 表1：根据图5推断的西红花主要提取物的结构式和摩尔m/z西红花苷Ⅰ是由西红花酸和两个龙胆二糖分子组成。在图5中，该化合物 ESI+ 模式下的检测 m/z 为 999-999.5，其加合物由钠(m/z 23 g/mol)和样品分子(m/z 976.4 g/mol)组成。在 ESI- 模式下也可以检测到西红花苷Ⅰm/z 为975.5-976。其对应的图6质谱图为(a)与(b)。西红花苷Ⅱ由西红花酸、葡萄糖和龙胆二糖分子组成。在 ESI+ 模式(图5(c))和 ESI- 模式(图5(f))下，分别为(m/z 836.9-837.4[M+Na]+)和(m/z 813.4-813.9[M- H]-)。其对应的图6质谱图为(c)与(d)。西红花苷Ⅲ在 ESI+ 模式(图5(d))和 ESI- 模式(图5(g))下，分别为(m/z 674.8-675.3[M+Na]+)和(m/z 651.4-651.9[M-H]-)。其对应的图6质谱图为(e)与(f)。西红花酸单甲酯只能在 ESI- 模式(图5(h))下鉴别，m/z为341.2-341.7[M-H]-。其对应的图6质谱图为(g)。在 ESI 过程中，样品分子会被碎片化，特别是在 ESI- 模式中。例如，西红花苷Ⅰ和西红花苷Ⅱ上的葡萄糖基团在ESI-模式下的脱离，导致其在图5(g) m/z 651.4-651.9[M-H]- 中也被鉴定出来。3结论Sepiatec SFC-50 可以有效分离西红花柱头内结构相似的提取物，为了鉴别里面的未知成分，采用 SFC-UV/MS 结合的形式，适用于多数天然产物应用。相比 HPLC 的流动相，超临界二氧化碳具有高扩散系数和低粘度的特点，并且得益于二氧化碳的弱酸性，无需加入甲酸也能获得不错的峰型。在选择性上，由于 SFC 属于正相色谱，在出峰顺序和时间上与传统的 RP-LC 完全不同，这使得 SFC 在分离一些化合物组分时具备出峰时间上的优势。比如本次分离中的西红花苷Ⅲ，在图2的 RP-LC 中，出峰顺序靠后，时间在 60 分钟之后；而在图5的 SFC 中，其出峰顺序靠前，时间在 28-29 分钟。这在分离一些极性偏弱的化合物时可以节省很多时间。4参考DOI: 10.13140/RG.2.2.19634.40649http://dx.doi.org/10.1016/j.foodchem.2015.06.090DOI: 10.1081/FRI-100100281DOI: 10.1016/j.foodchem.2005.11.020https://doi.org/10.1016/j.jpba.2020.113094叶潇，张东，冯伟红，梁曜华，刘晓谦，李春，王智民．栀子类药材中西红花苷类成分的定性定量分析[J/OL]．中国中药杂志.https://doi.org/10.19540/j.cnki.cjcmm.20220214.301https://doi.org/10.1021/acs.jafc.5b03194https://doi.org/10.1073/pnas.140462911DOI: 10.1007/s00425-004-1299-1

近日，海南大学食品科学与工程学院云永欢联合清华大学、英国贝尔法斯特女王大学的知名学者，在国际知名期刊《Food Chemisty》（IF=8.5，中科院大类一区TOP）上发表题为“Smartphone video imaging: A versatile, low-cost technology for food authentication”的重要研究结果。研究背景 随着食品行业的快速发展和食品市场的日益全球化，消费者越来越关注食品标签的准确性。传统上以感官分析来评估食品的真实性。但由于各种人为因素，感官分析被认为是主观的、不一致的和不可预测的。 色谱仪和气相色谱-质谱法等仪器方法被认为是准确、可重复和可再现的食品真实性评估技术。然而，这些方法成本高昂、耗时且具有破坏性，并且需要复杂的样品预处理和专业技能。 在过去的十年中，各种成像和光谱技术已成为食品鉴定的快速、无损检测工具。特别是高光谱成像 （HSI） ，将成像和光谱学相结合以获取样品的空间和光谱信息。与计算机视觉 （CV） 等传统成像技术相比，HSI 显著增加了与样品化学属性相关的信息量，克服了光谱技术无法提供有关非均质样品空间信息的局限性。 然而，HSI 尚未在食品认证中实现广泛和大规模的商业应用。其价格通常从数万美元到数十万美元不等，并且获取和处理高光谱图像的过程耗时较长。为了降低测量的成本和复杂性，多光谱成像 （MSI） 为 HSI提供了一种低成本替代方案，其可在多个特定波长下捕获图像。然而，MSI 的价格仍然超出用户预期，并且较少的波长数量限制了其分析性能。因此，HSI 和 MSI 目前不适合广泛地进行面向消费者的食品认证。成果简介 本研究提出了一种基于智能手机的低成本成像技术，即智能手机视频成像 （SVI）。此技术可用于捕获由变色屏照亮的样品短视频，并在人工智能辅助下开发出了新的功能，使 SVI 成为一种类似高光谱成像 （HSI）的多功能成像技术。此技术能对非均质含量的样品进行分类，分析物质含量的空间表示，并从视频中重建高光谱图像。当SVI与残差神经网络集成时，在人参分类任务上优于传统的计算机视觉方法。此外，此技术有效地绘制了粉末混合物（藏红花和姜黄粉）中藏红花纯度的空间分布，其预测性能与 HSI 相当。另外，当SVI 与 U-Net 深度学习模块相结合，能生成与 HSI 采集的目标图像非常相似的高质量图像。综上，SVI 技术可以作为一种面向消费者的食品认证解决方案。研究亮点1. 提出了一种基于智能手机视频的低成本成像技术。2. 通过ResNet 提取了智能手机视频的空间和光谱信息。3. 基于智能手机视频在空间上呈现了分析物的浓度。4.从智能手机视频中重建了高质量的高光谱图像。图文赏析图形摘要图1. 智能手机视频成像示意图图2. 智能手机视频分类的 ResNet 架构 （a） 和频谱重建的 U-Net 架构 （b）图3. 人参视频数据分类的t-SNE 图（a） 、基于 SVI 的混淆矩阵（b） 和基于 CV 的混淆矩阵（c） 图4. 基于 SVI 和 HSI 测量的粉末混合物中不同藏红花纯度的预测图图5. 基于 SVI （a） 和 HSI （b） 的藏红花纯度的真实值与预测值图6. 在选定波长和相应目标下重建的高光谱图像图7. 从智能手机视频 （R） 和相应目标 （T） 重建的光谱# 研究结论 # 本研究提出了一种基于智能手机的食品认证成像技术，SVI。它录制了由变色屏照亮的样品短视频，并将视频帧分解为 RGB 通道。当SVI 与神经网络耦合时，能对非均质样本进行分类，分析物质浓度的空间表示以及从智能手机视频中重建高光谱图像。本研究评估了SVI 在食品分析任务中的有效性，并与HSI 和 CV 技术进行性能比较。具体而言，SVI 与 ResNet 相结合，区分不同类型人参样品的分类准确率为可达0.987，比 CV 的准确率高出 0.054。此外，在测定混合物（藏红花和姜黄粉）中藏红花的纯度时，SVI 可得到与 HSI 相当的准确结果 （R2P= 0.98）。获得的分布图清楚地描绘了藏红花纯度的不同水平。最后，SVI 结合 U-Net 和 CBAM 有效地重建了智能手机视频中的高光谱图像。与CV 相比，这些重建的高光谱图像与目标更相似。结果表明，在人工智能的辅助下，SVI 是一种可行的、面向消费者的食品认证解决方案。我们未来的工作是将 SVI 与近红外光谱和拉曼光谱等技术融合。此外，我们将使用光谱重建和光谱超分辨率来提高 SVI 分析性能。原文链接https://doi.org/10.1016/j.foodchem.2024.140911作者简介云永欢，博士，副教授，博士生导师。现为海南大学食品科学与工程学院副院长，海南省院士团队创新中心负责人。入选海南省南海创新人才，海南省科协青年托举人才，海南省拔尖人才。2022和2023年连续两年入选“年度科学影响力”全球前2%顶尖科学家榜单。担任海南省食品安全风险评估专家委员会和食品安全地方标准委员会委员，海南省食品科学技术学会副秘书长。研究方向为食品品质安全的智能化快速无损检测技术与真实性研究，主要从事化学计量学与人工智能算法与应用、围绕椰子水、山茶油、热带果蔬、水产品等海南地理标志农产品的开发利用、品质评价、分类分级与真实性鉴别研究。主持2项国家自然科学基金、10余项省部级及各类项目以及1项海南省高等学校教育教学改革研究重点项目。以第一作者或通讯作者在TRAC-trends in Anal. Chem, Trends in Food Science &Technology, Food chem., Anal. Chim. Acta等期刊发表论文40余篇（JCR1区30余篇，入选ESI高被引1篇）。谷歌学术总引用次数5500余次，h指数为38。合著出版英文学术专著1部。担任Food Safety and Health, Journal of Analysis and Testing和Metabolites等国际期刊青年编委和《食品安全质量检测学报》青年编委。获2022年中国仪器仪表学会第四届“陆婉珍近红外光谱奖”青年奖。获海南省教学成果二等奖（2020）和中国仪器仪表学会科技进步三等奖（2023）。获海南大学“十佳好老师”“优秀班主任”和“五一劳动之星”等荣誉称号。获全国高校食品科学与工程专业实验教学案例一等奖（2024）。获海南大学第五届青年教师“教学能手”比赛一等奖（2024）。为一定程度促进食品真实性及溯源技术的进步，仪器信息网将于9月13日举办“第三届食品真实性及产地溯源鉴定新技术”主题网络研讨会，我们将会邀请权威专家及厂商技术人员带来精彩分享，把最新的技术和科研成果呈现给大家。报名链接：https://www.instrument.com.cn/webinar/meetings/fat240913/

2023年4月13日，北京大学武阳丰教授团队在 国际顶尖医学期刊Nature Medicine上发表了题为： Salt substitution and salt-supply restriction for lowering blood pressure in elderly care facilities: a cluster-randomized trial 的研究论文。 该研究发现， 将养老院厨房中的普通盐更换为富钾低钠盐，在2年干预期间，入住老人的收缩压平均下降7.1mmHg，舒张压平均下降1.9mmHg，主要心血管事件减少40%。 与此同时，逐步减少厨房供盐的措施未能取得成功，24小时尿钠、血压及主要心血管病事件均未见显著下降。 高血压是中国居民发生心血管病的最主要危险因素。减少人群钠摄入是全球公认的高血压及慢性病防治重要策略。然而，世界卫生组织的最新报告表明：实现“到2025年将钠摄入量减少30%”的全球目标仍面临巨大的困难和挑战。 集体养老人群中低钠盐和逐步减少厨房供盐的干预效果和安全性评价 （DECIDE-Salt） 研究，正是为了探索适合全人群推广的有效减钠策略。它试图通过一项严格设计的整群随机对照试验，同时评价两种减盐策略的有效性和安全性：一是用富钾低钠盐替换普通食盐，二是逐步减少厨房供盐量。 食用富钾低钠盐作为一种减盐策略，在降低钠摄入的同时，增加钾的摄入，能够实现“双重降压”。阶梯式逐步减少厨房供盐是研究团队开发的一项创新干预策略，以每3个月为一个阶梯，每次减少5%-10%的厨房供盐，试图使养老人群在不知不觉中实现减少钠摄入。 DECIDE-Salt研究于2017年至2020年期间，在山西省长治县和阳城县、陕西省西安市和内蒙古自治区呼和浩特市四地共48所养老机构中开展，纳入1612名符合入组条件 （55岁以上且测量了基线血压） 的入住老人作为评价干预效果的研究对象。研究采用2×2析因、整群随机对照设计，将养老机构按所在地区分层，随机分组。分别于第6、12、18和24月进行随访，测量血压并了解主要心血管病事件发生情况。 研究结果显示：在有效性方面：与24家仍食用普通盐的养老院老人相比，24家更换为富钾低钠盐的养老院老人收缩压、舒张压分别平均降低-7.1mmHg、-1.9mmHg；主要心血管病事件显著减少40%；全因死亡减少16%，但未达到统计学显著性；24小时尿钾显著升高,尿钠下降但未达统计学显著性水平。 在安全性方面：与食用普通盐的养老院老人相比，更换为富钾低钠盐的养老院老人，化验检出高血钾增加、低血钾减少；两年间仅发生3例持续高血钾 （血钾5.5mg/dL） ，低钠盐组2例，普通盐组1例，但均未发生不适症状或其他不良反应；化验检出高血钾的51人中，发生2例死亡，低钠盐组与普通盐组各1例，分别死于髋骨骨折后并发症和肺癌。“阶梯式逐步减少厨房供盐”策略未能取得成功，所有观察指标，包括24小时尿钠、收缩压、舒张压及主要心血管病事件等在逐步减供组和常规供应组间均未见到显著性差异。低钠盐组和普通盐组在基线和干预期间收缩压的变化低钠盐组和普通盐组干预期间心血管事件累计发生风险 2021年武阳丰教授团队发表于《新英格兰医学杂志》 （NEJM） 的SSaSS研究显示， 在患有脑卒中或未控制的高血压人群中使用低钠盐替换普通盐，可显著降低脑卒中、心血管事件和全因死亡风险。与SSaSS研究相比，DECIDE-Salt的研究人群更加宽泛，有一半的养老院在城市，有脑卒中或冠心病的老人仅占1/3，近40%血压正常，近1/4的人基本健康。即使如此，DECIDE-Salt仍取得了远较SSaSS研究更好的降压效果和更好的减少主要心血管病事件的效果。这说明只要能够较好地解决依从性，确保长期坚持食用低钠盐，就会取得良好的心血管病防控效果。 与既往所有的低钠盐临床试验不同，DECIDE-Salt没有将患有慢性肾病或正在服用保钾药物的老人排除在外，而是采取了较为严格的高钾血症高危人群监测计划来及时发现和处理研究期间可能发生高钾血症的情况。研究中，有5.5%的老人患有慢性肾病、5.3%长期卧床、8.3%正在服用有保钾作用的药物。尽管如此，研究结果表明，低钠盐组未增加临床高钾血症和其他严重不良事件。这些结果说明养老人群中推广应用低钠盐是较为安全的，也间接说明将低钠盐向其他发生高钾血症风险较低的人群（如年轻人）推广将更加安全。 DECIDE-Salt研究课题负责人、我国著名心血管病防治专家武阳丰教授指出： DECIDE-Salt的研究结果，为中国减盐行动选择合适的减盐策略提供了重要的循证决策依据。低钠盐简单、易行、安全、有效，具有很大的公共卫生价值，值得政府、企业和社会各界大力推广。消费者应尽可能采用低钠盐替代普通食盐，进行烹饪、调味和腌制食物。论文链接：https://www.nature.com/articles/s41591-023-02286-8