王天石 時浩 陶相宇 安容苗 熊燕 寧莉萍

(四川農業(yè)大學，成都，611134) (木材工業(yè)與家具工程高校重點實驗室(四川農業(yè)大學))

?

基于GC-MS技術的楨楠化學輔助鑒定1)

王天石 時浩 陶相宇 安容苗 熊燕 寧莉萍

(四川農業(yè)大學，成都，611134) (木材工業(yè)與家具工程高校重點實驗室(四川農業(yè)大學))

采用GC-MS直接導入技術建立楨楠指紋圖譜，用以區(qū)分楨楠與其相似木材。研究發(fā)現(xiàn)不同產地的楨楠木材揮發(fā)性成分基本相同，精氣檢測到均有α-古巴烯、γ-桉葉醇、沉香螺旋醇、愈創(chuàng)木醇、愈創(chuàng)藍油烴和7表α-桉葉醇這6種特征化合物，且不同產地楨楠的總離子流圖中相對峰面積的相關系數(shù)大，顯著性明顯；但楨楠與其同屬樹種的木材精氣化學成分差異較大，且相關系數(shù)小，顯著性低。經驗證，該方法可區(qū)分楨楠與其同屬相似樹種，且檢測效率高，待測物損失小，檢測結果較為科學客觀、準確可靠。

GC-MS；楨楠；楨楠化學成分

金絲楠是我國特有的名貴木材，歷史上稱其為“皇帝之木、木中皇帝”[1]，價格在近幾年來一直居高不下，業(yè)內認為最正宗的金絲楠木是楨楠(Phoebezhennan)，楨楠是上等的建筑、家具用料[2-3]，主要生長在四川、貴州、湖北等省，屬于我國二級保護植物[4]。由于楨楠價格遠高于其它相似木種，市場上開始出現(xiàn)大量假冒楨楠的現(xiàn)象，嚴重損害了消費者的利益，與此同時盜伐楨楠的案件也時有發(fā)生。然而，令執(zhí)法部門、消費者協(xié)會以及木材行業(yè)都很困擾的是，目前關于楨楠木種的鑒定還存在不少問題。

目前關于楨楠的識別，主要是通過木材宏微觀構造特征，借助已經正確定名的木材標本進行比對鑒別[5-6]，由于楨楠與同屬以及近源屬的部分樹種在木材構造特征以及材性上相似度極高，僅僅依據(jù)傳統(tǒng)的木材鑒別方法難以區(qū)分它們；且由于木材構造特征識別對個人經驗依賴較大[7]，這導致相似木種識別的誤差率較大。楨楠為高檔木材，主要加工為高端家具及藝術品，由于傳統(tǒng)鑒定取樣無法做到無損，如果取樣過小或者樣品木屑則無法對木材進行鑒定[8]。因此迫切需要將現(xiàn)代儀器的分析技術融入到楨楠木材的鑒定中，以提高木種鑒定的準確性、科學性和客觀性；同時最大限度地減少對待測木材或家具、藝術品的破壞。

傳統(tǒng)的木材識別方法從準確性、科學性和實用性上已很難滿足當前對木種鑒別的需求[9]，隨著科技的發(fā)展，一些以DNA標記、穩(wěn)定同位素和近紅外光譜等技術為代表的木材識別新技術開始逐步引入木材鑒定中[10-14]，其中GC-MS因具有強定性能力和較高靈敏度等特點被廣泛應用于未知復雜樣品的分析中[15-16]。木材是一種天然高分子復合材料，含有可定性和定量的特征化合物，有研究表明同屬的木材化學成分有差異[17]。因此，筆者擬采用GC-MS直接導入技術對楨楠進行分析，建立楨楠的指紋圖譜，探索基于GC-MS直接導入技術[18]對楨楠識別的可行性。

1 材料與方法

1.1 材料

滎經楨楠、多營楨楠、彭州楨楠、新津楨楠、峨眉楨楠、綿陽楨楠、經細葉楠、成都細葉楠、望魚細葉楠、福建閩楠、都江堰紫楠(所有樣本均取自樹干心材部位，樹齡大于50 a)。

氣相色譜質譜聯(lián)用儀Agilent7890A-5975C(Agilent公司)；萃取頭75 μm(AR/PDMS)。

1.2 方法

1.2.1 精氣提取方法

將樣品自然風干或低溫烘干到含水率為10%～15%，粉碎后取通過30目篩網(wǎng)的樣品(4.0±0.1)g于萃取瓶中，將固相微萃取手柄插入瓶中，伸出萃取頭，在85 ℃下保溫40 min；退回萃取頭，拔出SPME手柄，得其揮發(fā)性成分樣品。解析時間3 min。

1.2.2 GC-MS條件

1.2.2.1 色譜條件

色譜柱：HP-INNOWax柱(0.25 mm×30 m×0.25 μm)；分流比5∶1；進樣口溫度250 ℃；載氣為高純氦氣；柱溫箱升溫程序：80 ℃用于2 min，然后5 ℃/min到150 ℃，3 ℃/min到200 ℃；10 ℃/min到260 ℃保持5 min，流速為1 mL/min。

1.2.2.2 質譜條件

離子源為EI，電離能70 eV，輔助加熱區(qū)260 ℃；離子源230 ℃，四級桿150 ℃；采集模式為全掃描；質量掃描范圍50～550 m/z；溶劑延遲1.5 min。

1.2.2.3 積分參數(shù)

Initial Area Reject 10；Initial Peak Width 0.150；Shoulder Detection OFF；Initial Threshold 17.0。

1.3 相關計數(shù)計算

式中：r為相關系數(shù)；X為楨楠對照樣特征峰峰面積；Y為待測樣特征峰峰面積；N為變量數(shù)量[19]。

2 結果與分析

2.1 不同產地楨楠的精氣化學成分

將滎經、彭州、新津、峨眉楨楠樣本進行檢測，得其總離子流如圖1所示。結果滎經楨楠樣本中共分離出47個組分，彭州楨楠樣本中共分離出68個組分，新津楨楠樣本中共分離出51個組分，峨眉楨楠樣本中共分離出41個組分，利用峰面積歸一法計算出各組分的相對質量分數(shù)，其主要成分(相對質量分數(shù)>2%)列于表1。

圖1 各產地楨楠精氣的總離子流圖

由圖1可知，滎經、彭州、新津、峨眉楨楠總離子流圖相似度高，主要保留時間在8～15 min和25～30 min，不同產地楨楠木材的揮發(fā)性成分基本相同。將滎經、彭州、新津、峨眉共有的主要化合物作為楨楠特征化合物經過計算機質譜庫NIST對其自動檢索、解析和人工解析，并查閱文獻，結果列于表2。由于滎經楨楠木材樣品取自目前我國少數(shù)保存完好的滎經云峰寺楨楠野生林區(qū)，其樹齡約300 a以上，故以該樣作為對照樣表征楨楠木材的主要特征化合物及其相對質量分數(shù)。

表1 楨楠精氣的特征化合物成分及相對質量分數(shù)

注：A峨眉楨楠；B新津楨楠；C彭州楨楠；D滎經楨楠。

楨楠共6種特征化合物，相同化合物保留時間基本一致，分別為α-古巴烯，其質量分數(shù)為4.7%；γ-桉葉醇，其質量分數(shù)為4.6%，沉香螺旋醇，其質量分數(shù)為15.8%；愈創(chuàng)木醇，其質量分數(shù)為10.3%；愈創(chuàng)藍油烴，其質量分數(shù)為2.0%；7表α-桉葉醇，其質量分數(shù)為4.5%。

表2 楨楠主要特征化合物及其相對質量分數(shù)

2.2 楨楠與其同屬樹種的木材精氣化學成分

將多營、綿陽楨楠，滎經、成都、望魚細葉楠，福建閩楠，都江堰紫楠樣本用相同控溫程序進行檢測，得其總離子流圖如圖2所示?？芍?，多營、綿陽楨楠出現(xiàn)較高相似度的總離子流圖，主要保留時間在8～15 min和25～30 min，揮發(fā)性成分基本相同；滎經、成都、望魚細葉楠同樣出現(xiàn)較高相似度的總離子流圖，主要保留時間在10～15 min，揮發(fā)性成分基本相同；福建閩楠主要保留時間為10～15 min和25～33 min，都江堰紫楠主要保留時間為15～20 min。

圖2 部分楨楠及相似木材總離子流圖

多營、綿陽楨楠總離子流圖高度相似，且相同化合物保留時間基本一致，驗證了不同產地楨楠揮發(fā)性成分基本相同；楨楠、細葉楠、紫楠、閩楠總離子流圖差異較大，這表明楠木及其同屬不同樹種間揮發(fā)性成分差異較大。

2.3 楨楠與其同屬木材化學成分的相關性

相關系數(shù)是反映變量之間相關關系密切程度的統(tǒng)計指標[20]。將多營楨楠、綿陽楨楠、滎經細葉楠、成都細葉楠、望魚細葉楠、福建閩楠、都江堰紫楠總離子流圖相對峰面積依次與上述楨楠對照樣相對峰面積數(shù)據(jù)導入SPSS軟件，分析其相關系數(shù)。結果表明在多營楨楠中6個楨楠特征峰全部出現(xiàn)，計算所得相關系數(shù)為0.929；在綿陽楨楠中6個楨楠特征峰全部出現(xiàn)，相關系數(shù)為0.956；在滎經細葉楠中只有3個楨楠特征峰出現(xiàn)，相關系數(shù)為-0.466；在成都細葉楠中3個楨楠特征峰出現(xiàn)，相關系數(shù)為-0.440；在福建閩楠中2個楨楠特征峰出現(xiàn)，相關系數(shù)為0.221；在都江堰紫楠中1個楨楠特征峰出現(xiàn)，相關系數(shù)為-0.228；在望魚細葉楠中3個楨楠特征峰出現(xiàn)，相關系數(shù)為-0.322。

表3 楨楠及同屬木材與楨楠對照樣的相關系數(shù)

不同產地楨楠均含有α-古巴烯、γ-桉葉醇、沉香螺旋醇、愈創(chuàng)木醇、愈創(chuàng)藍油烴和7表α-桉葉醇，表明不同產地的楨楠有相同的主要特征化合物，而不同樹種未見與楨楠完全相同的化合物，且差異較大。不同產地楨楠的木材主要特征化合物相關系數(shù)高，且均大于0.900，顯著性高，但與楨楠同屬且木材構造特征相似的木種與楨楠精氣的相關系數(shù)低，且均低于0.200，顯著性低。

3 結論

不同產地楨楠主要保留時間相同，在8～15 min和25～30 min，且同種化合物保留時間基本一致，揮發(fā)性成分基本相同，均有檢測到α-古巴烯、γ-桉葉醇、沉香螺旋醇、愈創(chuàng)木醇、愈創(chuàng)藍油烴和7表α-桉葉醇。這表明楨楠與同屬其他木材的化學成分差異較大。

不同產地楨楠總離子流圖相對峰面積相關系數(shù)高，且均高于0.900；微觀與楨楠較為相似的同屬木材與楨楠總離子流圖相對峰面積相關系數(shù)低，且均低于0.200。

采用GC-MS直接導入技術建立楨楠指紋圖譜，以此區(qū)分楨楠與同種相似樹種，檢測效率高，檢測靈敏度高，待測物損失??；并且兼顧了樣本采集地、樹齡、取樣部位、升溫參數(shù)設置等因素，數(shù)據(jù)較為可靠，檢測結果科學客觀、準確可靠。

[1] 吳思.金絲楠木:傳奇帝王之木[J].走向世界,2012(9):98-100.

[2] XIE J L， QI J Q， HUANG X Y， et al. Comparative analysis of modern and ancient buried Phoebe zhennan wood: surface color, chemical components, infrared spectroscopy, and essential oil composition[J]. Journal of Forestry Research，2015，26(2)：501-507.

[3] 程昊淼，張昕.明代皇家金絲楠木大殿建筑藝術特征分析[J].四川建筑科學研究，2010(5):192-195.

[4] 中國科學院中國植物志編輯委員會.中國植物志：第31卷[M].北京:科學出版社,1982:113-115.

[5] 楊家駒,程放,楊建華,等.木材識別:主要喬木樹種[M].北京:中國建材工業(yè)出版社,2009.

[6] 姜笑梅,殷亞方,劉曉麗,等譯.IAWA針葉樹材顯微特征一覽表[J].木材工業(yè),2004,18(4):37-38.

[7] 鄧沛.論明清時期在金沙江下游地區(qū)進行的“木政”活動[J].青海師專學報(教育科學),2006(2):89-91.

[8] 莊琳,黃群,徐燕紅.楠屬和潤楠屬4種木材的紅外光譜鑒別[J].福建林業(yè)科技,2014(4):21-25.

[9] 姜笑梅,殷亞方,劉波.木材樹種識別技術現(xiàn)狀、發(fā)展與展望[J].木材工業(yè),2010,24(4):36-39.

[10] DEGUILLOUX M F, PEMONGE M H, PETIT R J. Novel perspectives in wood certification and forensics: dry wood as a source of DNA[J]. Proceedings of the Royal Society B Biological Sciences,2002,269:1039-1046.

[11] 伏建國,劉金良,楊曉軍,等.分子生物學技術應用于木材識別的研究進展[J].浙江農林大學學報,2013,30(3):438-443.

[12] 李敏華，譚必明，黃志同，等.古家具木材無損鑒定方法研究[J]. 西北林學院學報,2012,27(6):165-167.

[13] 孫海軍,徐莉,蔣玲.紅外光譜技術在我國木材科學領域的應用研究進展[J].江蘇林業(yè)科技,2016(2):44-47.

[14] CAO C P, GAILING O, SIREGAR I, et al. Genetic variation atAFLPs for the Dipterocarpaceae and its relation to molecular phylogenies and taxonomic subdivisions[J]. Journal of Plant Research,2006,119(5):553-558.

[15] 李靈巧.GC-MS數(shù)據(jù)高性能分析算法研究[D].桂林：桂林電子科技大學,2011.

[16] SCHWARZINGER C, LIST M. Identification of marker compounds in pyrolysis—-GC/MS of various acetylated wood types[J]. Journal of Analytical and Applied Pyrolysis,2010,87(1):144-153.

[17] 程凡.宜昌潤楠化學成分和生物活性的研究[D].北京：北京林業(yè)大學,2013.

[18] 朱濤.基于GC-MS技術不同進樣方式的紅木識別研究及其指紋圖譜構建[D].合肥：安徽農業(yè)大學,2013.

[19] 丁飛鵬,王燦雄,朵藍,等.統(tǒng)計學[M].北京：中國農業(yè)出版社,2013.

[20] 嚴麗坤.相關系數(shù)與偏相關系數(shù)在相關分析中的應用[J].云南財經大學學報,2003,19(3):78-80.

Chemical Assistant Identification ofPhoebezhennanby GC-MS//

Wang Tianshi, Shi Hao, Tao Xiangyu, An Rongmiao, Xiong Yan
(Sichuan Agricultural University, Chengdu 611134, P. R. China);
Ning Liping
(Key Laboratory of Wood Industry and Furniture Engineering, Sichuan Agricultural University)//Journal of Northeast Forestry University，2017,45(6)：57-60.

GC-MS;Phoebezhennan; Chemical compositions of phoebe zhennan

1)“十二五”國家科技支撐計劃項目(2011BAC09B05)；國家級大學生創(chuàng)新性實驗計劃項目(201610626009)。

王天石，男，1996年6月生，四川農業(yè)大學林學院，本科生。E-mail:782611272@qq.com。

寧莉萍，四川農業(yè)大學林學院，教授。E-mail:1374515621@qq.com。

2016年11月3日。

Q946.33

責任編輯：戴芳天。

ThePhoebezhennanfingerprint was established by GC-MS to distinguish betweenP.zhennanand the similar woods. The volatile components ofP.zhennanfrom different regions are almost same. Theα-Copaene,γ-Eudesmo, Agaruspirol, guaiol, guaiazolene and 7-epi-Eudesmol were six main characteristic compounds detected in phytoncidere of allP.zhennanwoods from different regions. The correlation coefficient of the relative peak area in ion flow diagram between theP.zhennanwoods is large and obvious. However, the chemical compositions of the phytoncidere have big difference betweenP.zhennanand the same tree species, and the correlation coefficient is small and indistinctive.P.zhennancould be distinguished from the same tree species with more effective method, less sample, and scientific, accurate and reliable results.