ISBN 978-3-86853-872-4

978-3-86853-872-4, Reihe Lebensmittelchemie

Richard M. Röhlig
Metabolite Profiling of Maize Grain: Differentiation due to Genetics, Environment and Input System

127 Seiten, Dissertation Technische Universität München (2011), Softcover, A5

Zusammenfassung / Abstract

Deutsche Zusammenfassung

Metabolite Profiling von Mais: Differenzierung anhand genetischem Hintergrund, Umwelt und Anbaupraxis

Ein auf Gaschromatographie/Massenspektrometrie basierender Metabolite Profiling Ansatz für Mais (Zea mays) wurde verwendet, um ein breites Spektrum niedermolekularer unpolarer (Fettsäuremethylester, freie Fettsäuren, Fettalkohole, Sterole, Kohlenwasserstoffe) und polarer (Zucker, Zuckeralkohole, organische und anorganische Säuren, Aminosäuren, Amine) Verbindungen zu detektieren, identifizieren und zu quantifizieren. Die nicht zielgerichtete Methode erlaubte die Untersuchung des Einflusses von genetischem Hintergrund (Sorte, gentechnische Veränderung), Umwelt (Anbauort, Anbaujahr) und Anbaupraxis (konventionell, organisch) auf die chemische Zusammensetzung von Maiskörnern mittels uni- und multivariater Statistik. Basierend auf den GC/MS Daten wurde Nahinfrarotspektroskopie (NIRS) als potentieller Profiling Ansatz für das Screening von Mais evaluiert. Zur Substantivierung wurden unter direkter Verwendung von GC/MS Metabolite Profiling Daten als Basis NIRS Kalibrierungsmodelle erstellt.

English Summary

Metabolite Profiling of Maize Grain: Differentiation due to Genetics, Environment and Input System

A metabolite profiling approach for maize (Zea mays) based on gas chromatography/mass spectrometry was applied for the simultaneous detection, identification and quantification of a broad spectrum of non-polar (fatty acid methyl esters, free fatty acids, fatty alcohols, sterols, hydrocarbons) and polar (sugars, sugar alcohols, organic and inorganic acids, amino acids, amines) constituents. The non-targeted method allowed the investigation of the influence of genetics (cultivar, genetic modification), environment (location, season) and input system (conventional, organic) to the chemical composition of maize kernels by means of uni- and multivariate statistics. Based on the GC/MS data, the potential of near infrared spectroscopy (NIRS) was evaluated as tool for the screening of maize samples. The straitforward use of GC/MS data as basis for building NIRS calibration models allowed the substantiation of potential differences.