本文使用帶高靈敏的 Extractor EI 離子源的 Agilent 5977A 系列 GC/MSD，利用非目標化合物分析和統計工具，對化合物進行分析，以區分五種不同品牌的威士忌。

前言氣相色譜/質譜 (GC/MS) 技術廣泛應用于食品的產品研發、質量控制和*分析中。GC/MS 性能的提高已經可以實現對眾多天然產物中常見的大量痕量化合物進行可靠的檢測。雖然人類的感官測試（氣味和味道）仍然是香精質量控制一部分，但是對于主成分和痕量組分在濃度上的變化和差異，GC/MS可以提供更多有價值的細節，且不受限于人類的感官。化學計量學可同時解決描述性和預測性問題。在描述性應用中，為了了解系統的內在聯系和結構，我們可對化學系統的性能進行建模。在預測性應用中，通過化學系統性能的建模來預測關注的新性能或者表現。在描述性和預測性化學計量學中，GC/MS 技術常用作生成數據的分析手段。在預測性模式中，該技術已用于預測橄欖油是否會通過特級初榨感官測試 [1]、葡萄酒種類辨識 [2]，以及（日本）燒酒是否在生產過程中被污染 [3]。在描述性模式中，可使用該技術區別密切相關的食品，如不同品牌的威士忌。雖然這些化學計量學分析經常使用功能強大的 MS 儀器，但較低成本的單四極桿質譜檢測器同樣也可提供有用的信息。本文描述了通過對 5977A GC/MSD 生成的數據進行復雜的統計分析，來辨識五種不同品牌威士忌之間的差異。5977A MSD 和 7890B GC聯用儀，是一個理想的分析平臺，可以對威士忌等食品進行高靈敏的鑒定分析和復雜的統計分析，并且 PAL 自動樣品進樣器上的自動固相微萃取 (SPME) 裝置可以實現威士忌樣品中芳香類化合物的高靈敏度頂空進樣。Mass Profiler Professional (MPP) 軟件可以利用一系列統計工具實現復雜樣品（如威士忌）組份的分類。本研究使用非目標化合物分析和單因素方差分析 (ANOVA)、主成分分析 (PCA) 和層序聚類分析 (HCA) 等統計工具，來鑒定不同品牌威士忌之間的差異。數據和統計分析使用 NIST AMDIS（自動質譜解卷積和鑒定系統）、Agilent MassHunter ID 瀏覽器和Mass Profiler Professional 軟件。根據 46 種不同組分的相對濃度，該方法可將這些威士忌分為四組。

實驗部分樣品五種不同的威士忌購于美國，詳見表 1。

?

儀器本研究采用配備帶有自動固相微萃取 (SPME) PAL 自動采樣進樣器的 Agilent 7890B GC，并與帶有 Extractor EI 離子源的單四極桿 5977A MSD 聯用。儀器條件列于表 2 和表 3。樣品制備每種樣品中的揮發性組分和芳香成分通過頂空 SPME 采集。取5 mL 威士忌樣品置于 10 mL 頂空樣品瓶中。取一根 50 µm × 2 cmDVB/CAR/PDMS 萃取纖維頭置于樣品頂空中，60 °C 下加熱并不斷攪拌 10 min。揮發性組分被吸附到 SPME 纖維頭上，然后在240 °C 下熱解吸 1 min 進入進樣口。

數據處理和統計分析采用 Agilent MSD Productivity 化學工作站（F.01.00 版）上的AMDIS 對 GC/MS 數據進行組分提取。將 AMDIS 生成的 .ELU文件輸入 Mass Profiler Professional (MPP) 進行差異性分析。MPP 12.1 用于數據過濾和統計分析，使用 NIST 11 MS 譜庫和Agilent MassHunter ID 瀏覽器進行化合物鑒定。這些軟件包的設置見表 4。

結果與討論痕量化合物的檢測，Etune 與 Atune5977A GC/MSD 擁有一個*的 Extractor EI 離子源及 Etune 調諧協議，它可以提高 MSD 的檢測靈敏度，實現更低的檢測限，改善痕量化合物的鑒定。Extractor EI 離子源也可使用前幾代安捷倫質譜檢測器的 Atune 算法。本文中，兩種調諧模式均用于威士忌樣品芳香物質中痕量化合物的檢測，以比較它們的相對效率。采用 Etune 和 Atune 調諧模式分析樣品，通過 4 次重復進樣，得到一個包括了 142 個組分的列表。通過比較相對強度發現，142 種組分中有 48 種在兩種調諧模式間的倍率變化大于 2，在概率 p < 5% 時 通 過 t 檢 驗 ， 見 圖 1 中 火 山 圖 的 紅 色 部 分 。與 Atune 相比，采用 Etune 模式時所有 48 個組分都表現出更高的強度。實際上，在相同的 AMDIS 參數下（圖 2），采用Etune 檢測到的四個組分在 Atune 模式下卻未檢出。