Differenzierung von Kaffeespezies mittels GC-IMS-MS und multivariater Datenauswertung

Abstract

Kaffee ist eines der wichtigsten Handelsgüter im weltweiten Handel und spezifisch die beiden Kaffeearten Coffea (C.) arabica und C. canephora. Ein häufiges Phänomen ist der Verschnitt von i.d.R. höherpreisigem C. arabica mit dem meist günstigeren C. canephora. Beide Arten sind stark vom Klimawandel betroffen, was sich in sprunghaft angestiegenen Rohwaren-Preisen in den letzten Jahren widerspiegelt. Daher erleben alte Kaffeearten wie z.B. C. liberica mit ihrer höheren Toleranz gegenüber klimatischen Veränderungen [1] eine regelrechte Renaissance und sind durch den geringen Marktanteil im Spezialitätenhandel oft deutlich teurer als die etablierten Arten. Aufgrund dieser oft sehr deutlichen Preisunterschiede sind nahezu alle Arten von Kaffee attraktive Ziele für Verfälschung mit den jeweils günstigeren Produkten. Während in der stationären Laboranalytik zwar bereits einige Ansätze zur Authentifizierung vor allem von Röstkaffees etabliert sind [2, 3]. z.B. auf Basis von SPME-GC-MS oder NMR, so sind Ansätze für die Authentifizierung von Rohkaffee deutlich seltener zu finden. Idealerweise sollten solche Strategien keine hohen Anforderungen an die Laborinfrastuktur stellen, günstig und „dealerweise sogar direkt am Verbringungsort einsetzbar sein („Point-of-Need”). In diesem Zusammenhang bietet sich die Headspace-Gaschromatographie-lonenmobilitätsspektrometrie (HS-GC-IMS) als robuste, schnelle und sehr sensitive PoN-Plattform an. Ziel dieser Studie war es daher, ein solches System zur Differenzierung der Kaffeespezies in Roh- und Röstware zu entwickeln. Dazu wurde ein authentischer Probensatz mit Proben bekannter Spezies, Varietät, geografischer Herkunft, Verarbeitung sowie Röstprofil generiert. Die Proben wurden auf einem prototypischen HS-GC-IMS-MS-System zur simultanen IMS- und MS-Detektion analysiert. MCR-ALS wurde zur intelligenten Feature Selektion aus den komplexen IMS-Fingerprints verwendet, welche dann anschließend zur Klassifizierung mittels PLS-DA genutzt wurden. Aus derselben Messung wurden potenziell charakteristische Metabolite anhand der m/z-Daten und Metabolomics-Workflows vorläufig annotiert. Diese Studie zeigt die Leistungsfähigkeit der HS-GC-IMS zur schnellen Authentifizierung von Roh-und Röstkaffees der drei meistgehandelten Kaffeearten.