李建鳳

(1.“果類廢棄物資源化”四川省高等學(xué)校重點實驗室，四川內(nèi)江641199;2.內(nèi)江師范學(xué)院化學(xué)化工學(xué)院，四川內(nèi)江641199)

血橙屬于甜橙類［1］，因果肉具紅色血絲或血斑而得名，風(fēng)味獨特、營養(yǎng)豐富、富含VC，具有抗氧化活性、防止心血管疾病和抑制癌癥發(fā)生等保健作用［2］，頗受消費者的青睞。塔羅科血橙(Tarocco)被譽為血橙之王，是意大利重要的柑橘鮮食栽培品種，1976年引入我國，其肉質(zhì)細(xì)嫩化渣、汁液多、味甜、有濃郁的玫瑰香味。四川、湖北等地區(qū)盛產(chǎn)血橙，血橙香氣成分是影響果汁質(zhì)量的重要因素。喬宇等［3］用頂空固相微萃取法提取湖北宜昌地區(qū)塔羅科血橙的香氣成分，使用氣相色譜－質(zhì)譜分析并鑒定了其中的45種化合物。定量結(jié)構(gòu)－色譜保留關(guān)系(quantitative structure－retention relationship，QSRR)的研究對預(yù)測保留值、選擇分離條件及探索色譜保留機(jī)理都具有重要意義［4－6］。分子電性距離矢量(MEDV)在預(yù)測化合物色譜保留時間、生物活性、粘度［7－10］等性質(zhì)方面取得較好的結(jié)果。作者采用MEDV對血橙中的45種化合物進(jìn)行了結(jié)構(gòu)表征，借助多元線性回歸(MLR)和逐步回歸(SMR)建立了化合物的氣相色譜保留指數(shù)的QSRR預(yù)測模型，取得較好的結(jié)果，有望對天然產(chǎn)物及精細(xì)化工產(chǎn)品的色譜行為提供有益參考。

1 材料與方法

1.1 材料

45種血橙香氣成分的氣相色譜保留指數(shù)RI(Exp.)取自文獻(xiàn)［3］(樣品處理:稱取 10g果肉放于20mL螺口樣品瓶中，加入3.6g NaCl，用聚四氟乙烯隔墊密封，于40℃磁力攪拌器上加熱平衡15min)。用DVB/CAR/PDMS 50/30μm(二乙烯基苯/碳分子篩/聚二甲基硅氧烷)萃取頭頂空吸附40min后，將萃取頭插入GC進(jìn)樣，解析5min;色譜條件:1:J＆W DB－5石英毛細(xì)柱(30m×0.25mm×0.25m)，升溫程序:30℃ 保持 2min，以 5℃/min升至 250℃，保持5min，載氣(He)流速1.0mL/min，進(jìn)樣口250℃，不分流進(jìn)樣;質(zhì)譜條件:電子轟擊(EI)離子源，電子能量70eV，傳輸線溫度250℃，離子源溫度200℃，四極桿溫度150℃，質(zhì)量掃描范圍m/z 40～400，列于表1。

1.2 實驗方法

采用分子電性距離矢量(MEDV)［7－10］為結(jié)構(gòu)描述子對化合物進(jìn)行結(jié)構(gòu)表征。MEDV原理簡要敘述如下:分子的外在性質(zhì)與分子內(nèi)部處于骨架地位的非氫原子(即分子頂點)之間的電性相互作用有關(guān)，分子頂點依據(jù)其所連接的其它分子頂點數(shù)分為A1、A2、A3、A4 四類，分別表示與 1、2、3、4 個其它頂點原子相連，如與兩個分子頂點相連的仲碳原子屬于A2原子類型?；衔锓肿又兴念惙肿禹旤c發(fā)生相互作用可以組合出以下類型:m11、m12、m13、m14、m22、m23、m24、m33、m34、m44，簡寫成 x1、x2、x3、x4、x5、x6、x7、x8、x9、x10(共10個描述符)，例如m11(即x1)表示第一類分子頂點之間的相互作用的加和，m12表示第一類分子頂點與第二類分子頂點之間的相互作用的加和。分子中MEDV各描述符按下式計算:

表1 化合物及保留指數(shù)Table 1 Compounds and retention indices(RI)

式中 n、l表示原子 i、j的原子類型，Zi、Zj表示原子i、j的相對電負(fù)性(即該原子的鮑林電負(fù)性Xi比上C原子的鮑林電負(fù)性XC，即qi=Xi/XC)，rij表示原子i、j之間的相對距離(即所經(jīng)最短途徑相對于碳碳單鍵的相對鍵長之和)。依據(jù)以上原理可得45個化合物的結(jié)構(gòu)描述符值。

2 結(jié)果與討論

首先以化合物色譜保留指數(shù)(RI)為因變量、10個描述符為自變量，采用多元線性回歸(MLR)建立模型，10變量模型(M1)如下:

模型擬合:N=45，R=0.952，SD=103.036，F(xiàn)=33.128;交互檢驗:RCV=0.925，SDCV=128.632，F(xiàn)CV=20.037。N為回歸點數(shù)，R為復(fù)相關(guān)系數(shù)，SD為估計標(biāo)準(zhǔn)誤差，F(xiàn)為Fischer檢驗值;RCV為“留一法”交互檢驗的復(fù)相關(guān)系數(shù)，SDCV為“留一法”交互檢驗的標(biāo)準(zhǔn)誤差，F(xiàn)CV為“留一法”交互檢驗的Fischer檢驗值。

上述模型復(fù)相關(guān)系數(shù)(R)、交互檢驗的復(fù)相關(guān)系數(shù)(RCV)均較為理想，并且兩者相差不大，說明模型具有良好的估計能力和預(yù)測能力。為了進(jìn)一步考察各描述符對QSRR建模過程的影響和對模型的貢獻(xiàn)大小，消除變量之間可能的共線性，對變量進(jìn)行了逐步回歸(SMR)分析，各變量按其顯著性大小逐一引入模型。復(fù)相關(guān)系數(shù)(R)及交互檢驗的復(fù)相關(guān)系數(shù)(RCV)隨變量引入而變化的情況見圖1，標(biāo)準(zhǔn)誤差(SD)及交互檢驗的標(biāo)準(zhǔn)誤差(SDCV)隨變量引入而變化的情況見圖2。

圖1 R、RCV隨逐步回歸的變化曲線Fig.1 Plot of R，RCVchange with SMR

圖2 SD、SDCV隨逐步回歸的變化曲線Fig.2 Plot of SD，SDCVchange with SMR

從圖1及圖2可以看出，應(yīng)該選擇8個變量的子集組合作為最優(yōu)子集，8個變量入選模型時R、RCV接近最大值，而SD、SDCV也接近最小值。繼續(xù)增加變量，R、RCV、SD、SDCV變化較小，沒有必要繼續(xù)增加變量建模。用8個變量進(jìn)行建模，所得模型(M2)如下:

模型擬合:N=45，R=0.947，SD=105.039，F(xiàn)=39.435;交互檢驗:RCV=0.923，SDCV=126.394，F(xiàn)CV=25.843。

M2的R及SD比M1略差，但是交互檢驗的RCV及SDCV要優(yōu)于M1，并且M2的顯著性檢驗F及FCV均優(yōu)于M1。綜合各方面因素，認(rèn)為M2的建模效果優(yōu)于M1，M2對所有樣本保留指數(shù)的計算值見表1中的Cal.欄，實驗值與計算值(Cal.)及交互檢驗值(Pre.)相關(guān)圖見圖3，誤差分布見圖4。

圖3 實驗值與計算值相關(guān)圖Fig.3 Calculated vs.experimental values

圖4 計算值殘差分布Fig.4 Comparative residuals vs.compounds

從圖3可以發(fā)現(xiàn)絕大多數(shù)樣本點緊靠45°對角線，說明模型的預(yù)測值與實驗值接近，預(yù)測誤差較小。同時，圖4顯示模型具有較好的預(yù)測準(zhǔn)確性，大部分樣本點誤差分布于中間直線周圍并處于±2SD線內(nèi)，只有3個樣本點的預(yù)測誤差超出±2SD線范圍。以上說明模型具有良好的預(yù)測能力，預(yù)測誤差小。另外本研究的樣本體系化合物結(jié)構(gòu)跨度也較大(直鏈、支鏈、帶環(huán)、含雜原子等)，這也正是天然產(chǎn)物中揮發(fā)性成分的特點，對于這樣復(fù)雜的樣本體系，模型所得的結(jié)果是滿意的。

3 結(jié)論

本文采用分子電性距離矢量(MEDV)為描述符，對血橙中45個揮發(fā)性化合物進(jìn)行了結(jié)構(gòu)表征，采用多元線性回歸和逐步回歸建立了該類化合物定量結(jié)構(gòu)色譜保留指數(shù)(RI)的預(yù)測模型。模型具有良好的預(yù)測能力和穩(wěn)定性。結(jié)果表明，MEDV描述符可用于該類化合物的結(jié)構(gòu)表征，所得結(jié)果滿意。描述符可以直接從分子二維結(jié)構(gòu)計算得到，無須考慮構(gòu)象優(yōu)化與重疊的問題，計算簡單、方便、易懂。本文對于天然產(chǎn)物中揮發(fā)性有機(jī)化合物的定量結(jié)構(gòu)色譜保留關(guān)系研究具有一定的參考價值。

［1］陳竹生，萬良珍.中國柑橘良種彩色圖譜［M］.成都:四川科學(xué)技術(shù)出版社，1993.

［2］沈德培，王元欲，陳力耕.柑橘遺傳育種學(xué)［M］.北京:科學(xué)出版社，1998，57.

［3］喬宇，謝筆鈞，柴倩，等.血橙果實香氣成分的氣相色譜－質(zhì)譜分析［J］.質(zhì)譜學(xué)報，2008，29(1):1－5，9.

［4］Liao Limin，Zhu Jun，Li Jianfeng，et al.QSRR Study on Components of Styrax Japonicus Sieb Flowers Using Improved Molecular Electronegativity－distance Vector(I－MEDV)［J］.Chinese J Struct Chem，2011，30(1):105－110.

［5］Akbar Jamshed，Iqbal Shahid，Batool Fozia，et al.Predicting retention times of naturally occurring phenolic compounds in reversed－phase liquid chromatography:A quantitative structureretention relationship(QSRR)approach［J］.International Journal of Molecular Sciences，2012，3(11):15387－15400.

［6］Hadi Noorizadeh，Mehrab Noorizadeh.QSRR－based estimation ofthe retention time ofopiate and sedative drugs by comprehensive two－ dimensional gas chromatography［J］.Medicinal Chemistry Research，2012，21(8):1997－2005.

［7］Limin Liao，Hu Mei，Jianfeng Li，et al.Estimation and prediction on retention times of components from essential oil of paulownia tomentosa flowers by molecular electronegativity distance vector［J］.Journal of Molecular Structure(THEOCHEM)，2008，850(1－3):1－8.

［8］Yuan Zhou，Lili Sun，Hu Mei，et al.Estimation and prediction of relative retention indices of polychlorinated naphthalenes in GC with molecular electronegativity distance vector［J］.Chromatogr，2006，64(9－10):565－570.

［9］Lili Sun，Liping Zhou，Yu Yu，et al.QSPR study of polychlorinated diphenyl ethers by molecular electronegativity distance vector(MEDV－4)［J］.Chemosphere，2007，66(6):1039－1051.

［10］張鶯.醋類液體粘度的定量結(jié)構(gòu)一性質(zhì)相關(guān)性研究［J］.計算機(jī)與應(yīng)用化學(xué)，2013，30(2):195－198.