3.2 分類與多元統計結果
實驗挑選 6 種最為常見的食用植物油進行深度的多元統計分析。圖 5 為對 SIEVE 軟件獲得的脂質輪廓譜數據矩陣進行聚類分析的結果，可見， 6 種食用植物油樣品按照各自的植物基源，分類明確。
隨后，為進一步明晰不同脂質分子在脂質整體輪廓分類中的貢獻，實驗又對這 6 種植物油樣本進行了無師監督（unsupervised）的 PCA 分析。結果如圖 6A，得分圖中六種植物油樣品大致聚集為 4 大類，分類趨勢與聚類分析結果相一致。綜合兩種多元統計的結果，可推知花生油、菜籽油與芝麻油三者之間的脂質成分組成譜征間具有更高的類似性，其與大豆油、葵花籽油與亞麻籽油間的整體組間差異更為顯著。
圖 6B 載荷圖中 α、β、γ 區域內的變量對得分圖中的聚類趨勢具有較高的貢獻權重。利用 Q Exative sub-ppm 的高質量精度可準確推定出這些甘油三酯分子的唯一元素組成，同時結合 LipidSearch 軟件的自動譜庫檢索（圖 7），可便利地鑒定這些差異脂質的分子結構，結果見表 1。載荷圖中 α 域內，脂肪酸酰鏈富含亞油酸（Linoleic acid）的脂質分子在大豆油與葵花籽油中高表達。同理而言， β 域內富含油酸（Oleic acid）的甘油三酯在菜籽油與花生油中高表達，而 γ 域內的脂質分子具有高度的不飽和性，亞麻酸（Linolenic acid）含量十分豐富。位居于 PC1 方向中心位置處的芝麻油中油酸與亞油酸的含量比例則相對較為均衡。實驗分別選取上述三類中的兩個典型脂質分子進行統計分析，結果見圖 8。
聚焦食品與健康間的關聯是當今食品科學領域的重要趨勢，鑒于油酸與多不飽和脂肪酸（PUFA）亞油酸、亞麻酸廣泛而具有差異的生物功能，本實驗開展的食品組學研究對于深入理解膳食中不同植物油的功能營養提供了新的工具。
4. 總結
? Thermo Scientific Q Exactive 高分辨準確質譜是食品組學研究中表征功能蛋白與活性小分子物質群的有力技術手段；
? SIEVE 與 LipidSearch 軟件為食品組學中小分子組學研究的信息處理提供了高效的解決方案。
致謝： 感謝中國農科院武漢油料作物研究所王秀嬪博士在樣品采集上的大力幫助。
參考文獻：
[1] Cifuentes A (2009), J. Chromatogr. A, 1216 (43): 7109
[2] García-Ca?as V (2012)Anal. Chem., 84 (23), pp 10150-10159
[3] Antignac JP (2011), Trends Anal. Chem., 30, 292-301
[4] http://www.umetrics.com/products/simca