指紋圖譜在食品分析中的應用研究進展

鄭振佳，朱文卿，梁 浩，張 利，張 鵬，馬 越

（1.北京市農林科學院蔬菜研究中心，果蔬農產品保鮮與加工北京市重點實驗室，農業農村部蔬菜產后處理重點實驗室，北京 100097；2.山東農業大學食品科學與工程學院，山東省高校食品加工技術與質量控制重點實驗室，山東泰安 271018；3.龍大食品集團有限公司，煙臺龍大食品有限公司，山東煙臺 265231；4.山東中平藥業有限公司，山東臨沂 273300）

為確保食品安全和質量，需要建立嚴格的質量標準，不斷完善食品質量控制體系。隨著科技的發展，多種檢測儀器和分析方法應用到食品評價中，常采用高效液相色譜法、氣相色譜法等色譜指紋圖譜，紫外、紅外、熒光光譜等光譜指紋圖譜，生物指紋圖譜以及非線性化學指紋圖譜對各類食品進行產地與種類鑒別、摻假鑒別、名優產品的鑒別、批次一致性評價及品種選育等。但由于食品本身具有復雜易變的特性，每種方法都難以有效分析食品的復雜組分。指紋圖譜可以將食品進行綜合分析，并能全面地反映食品內部不同化合物的內在作用關系，有利于食品的快速、精確檢測，可有效解決食品復雜性的問題，因此該技術已在食品分析中得到了廣泛的應用。

指紋圖譜是基于食品的固有品質特性，運用光譜、色譜等現代儀器檢測得到的能反映該食品內部特征的圖譜，具有整體性、系統性、特征性和穩定性的特點。指紋圖譜結合色譜和光譜等技術能夠獲得食品化學成分的特征譜圖，是食品產地鑒別、真偽鑒別、優劣鑒別的有效工具，還可用于生產過程的質量控制：追蹤化學成分的變化、監測各批次產品質量的一致性和穩定性[1?4]。此外，食品指紋圖譜可以用于探究基因型、遺傳多樣性及品種選育等領域，對食品各個方面的分析評價都具有重大意義[5?6]。本文將以指紋圖譜常用的技術手段和分析方法為依據分類闡述近年來指紋圖譜在各類食品質量控制與分析評價中的研究進展并對其在食品中的發展進行展望，以期指紋圖譜能為食品質量控制、食品的現代化和國際化發展提供參考。

1 化學指紋圖譜

化學指紋圖譜是根據食品本身化學成分的不同，經過不同的檢測儀器和分析方法得到的可以表征食品特性的指紋圖譜，主要包括色譜指紋圖譜和光譜指紋圖譜兩種技術[7]。

1.1 色譜指紋圖譜

色譜法具有簡便快速、靈敏度高和操作性強等優勢，在目前的檢測領域中應用最為廣泛[8],主要包括高效液相色譜法（HPLC）、氣相色譜法（GC）、毛細管電泳法（PCE）和薄層色譜法（TLC）等[9?10]。

1.1.1 高效液相色譜技術 高效液相色譜是構建指紋圖譜時應用最廣的方法，可分離樣品中的非揮發性成分，適用于高沸點、大分子、熱穩定性較差的化合物，具有快速高效、靈敏度高、適用范圍廣等優點，但成本較高，且易受“柱外效應”的影響導致色譜峰加寬，柱效降低[11]。HPLC 指紋圖譜在種類鑒別方面應用廣泛。胡毅等[12]通過建立超高效液相色譜（UPLC）指紋圖譜發現7 種雷山銀球茶與標準品指紋圖譜的相似度大于0.96，表明7 種銀球茶的化學成分相似且穩定；同時銀球茶與綠茶的指紋圖譜有較大差別，可以區分茶葉的品種。Kus 等[13]發現HPLC 可有效區分蜂蜜的類型，并且在210 nm 處的指紋圖譜最適合通過化學計量分析來鑒別蜂蜜的花源，此法快速、準確。在鑒別樣品摻假方面，王琴等[14]通過高效液相色譜-蒸發光散射檢測（HPLC-ELSD）建立了可可粉的脂質指紋圖譜，此法可鑒別摻入1.2%及以上的摻假樣品，此法簡便快捷、靈敏度高，在鑒別樣品摻假方面表現出良好的發展前景。HPLC 是目前技術手段最成熟最廣泛的，尤其是UPLC、多維UPLC 的應用以及與其它檢測儀器連用，為檢測不同物質提供了可能，在檢測分析方面發揮著不可替代的作用。

1.1.2 氣相色譜及串聯質譜技術 氣相色譜法常用于揮發性化合物的檢測分析，具有靈敏度高、選擇性強、分離效能好等優點，但定性能力較弱、對難揮發和熱不穩定的物質難以分析。在產地鑒別方面，Rottiers 等[15]運用氣相色譜法-電子鼻技術結合主成分分析（PCA）成功地鑒別出14 種可可酒的地理起源，同時鑒別出了酸、醇、醛、酮等8 種化合物，此法為酒類活性成分的研究以及溯源追究提供了重要參考。在真假鑒定方面，喻鳳香等[16]采用GC 建立了常見油摻入量與玉米油指紋圖譜相似度的線性模型，該模型可對玉米油中摻入的植物油進行定量分析，為玉米油的純度鑒定及真假鑒定提供了有效的手段。此外，氣相色譜-質譜（GC-MS）指紋圖譜技術在鑒別揮發性生物標志物方面具有獨特的優勢，Zhang 等[17]采用GC-MS 結合多變量分析報告了3 種獼猴桃的揮發性指紋和生物標記，從圖譜中得到了95 種揮發物，并確定了6 種化合物為揮發性生物標志物，這對于獼猴桃生產中的標記輔助風味育種具有一定的參考價值。GC 指紋圖譜操作簡單，選擇性高，靈敏度高，能夠準確的描述揮發性成分的總體特征，客觀反映樣品質量，可用于食品中揮發性成分的鑒別與分析。

1.1.3 毛細管電泳色譜技術 毛細管電泳色譜法適用于復雜物質中有機酸類、核酸類和氨基酸類等提取物的分離和分析[8]，有速度快、進樣量小和選擇性強等優點，但重現性較差[18]。PCE 指紋圖譜可用于判斷樣品的摻假情況，李克宏等[19]采用高效毛細管電泳法（HPCE）建立了大豆、花生、核桃和杏仁樣品中蛋白提取物的指紋圖譜，可根據色譜圖中是否出現新的色譜峰或特征蛋白含量是否減少來判斷樣品的摻假情況。毛月慧等[20]通過PCE 指紋圖譜技術成功地對洋槐蜜、棗花蜜及蜂王漿蜜的氨基酸進行了組成分析及定量分析，為蜂蜜的真假鑒定提供了參考。魏新軍等[21]采用HPCE 建立了9 個批次干紅葡萄酒的乙醚提取物的指紋圖譜，經重疊率分析發現樣品間的重疊率均大于85%，表明產品質量均一、穩定[22]，該方法簡便快捷，可用于評價不同批次產品的一致性。PCE 是分析科學中繼HPLC 之后的又一重大進展，它簡單快速、試劑用量少，可同時測定多種成分，在復雜樣品提取物的檢測分析中表現出了良好的發展前景。

1.1.4 薄層色譜技術 薄層色譜分析是把支持物均勻涂布于支持板上形成薄層，然后用相應溶劑展開，從而對混合樣品進行分離、鑒定和定量的一種層析分離技術，常用于快速分離諸如脂肪酸、氨基酸、核苷酸等物質，具有簡便快速、形象直觀等優點，但受外界影響大、重現性與精密度也較差[23]。TLC 指紋圖譜技術常用于產地鑒別與種類鑒別。關明[24]采用高效薄層色譜（HPTLC）結合PCA 和聚類分析（HCA）判定不同來源的藥食兩用大蒜中活性成分的組成和含量存在明顯差異，可用于大蒜的產地鑒別。周漩等[25]采用該技術分析了14 種不同地區的高良姜中的黃酮類提取物，并且經定量掃描和PCA 可以將不同產地的高良姜樣品準確區分開來。TLC 技術操作簡單，只需通過觀察薄層板，就可以快速的對不同樣品進行鑒別，在食品的質量控制與評價方面具有一定的實用性。

1.2 光譜指紋圖譜

近年來，紫外光譜、紅外光譜、近紅外光譜、熒光光譜、拉曼光譜、核磁共振光譜等均被用于食品質量控制中[26]。光譜分析技術難以分析出食品中的具體化合物信息，但對色譜分析具有補充與完善作用[8]。

1.2.1 紫外光譜技術 紫外光譜是由分子的外層價電子躍遷產生的，主要用于對某種特定的結構（特別是共軛結構）進行研究，具有簡便、快速、成本低等優點，但缺點是不能很好地區分吸光度相似的物質[27]。紫外光譜技術能夠通過分析樣品的結構進行產地及種類的鑒別。張麗等[28]采用紫外光譜結合PCA 和偏最小二乘判別分析（PLS-DA）發現碧螺春的產地和等級得到了很好的區分，且此法精密度、重復性、穩定性的RSD 均在1%以下，是碧螺春產地鑒別與品質優劣評價的有效工具。解華東等[29]對34 種食醋進行紫外掃描并建立指紋圖譜，結果顯示有33 種食醋的相似度小于0.9，具有明顯差異，可判斷它們屬于不同類型。該方法重現性好，可用于食醋的質量控制。此外，紫外光譜還可以定量分析樣品中的化學成分。Belguidoum 等[30]利用紫外光譜結合HPLC對咖啡樣品的結構進行分析，可以完整地監測及評價咖啡的質量。以上研究表明，紫外光譜技術精密度、重復性、穩定性良好，在食品的質量控制中有著廣泛的應用。

1.2.2 紅外光譜技術 紅外光譜是被應用于鑒別化學成分的官能團的一種光譜技術，樣品用量少、靈敏度高、重現性好，但精密度較低[31]。具有不同官能團的樣品，其對應的紅外光譜特征不盡相同，因此其光譜特征可作為區分樣品種類與真假的指標。姜川等[32]采用紅外光譜結合PCA 發現洋槐蜜與其它9 種蜂蜜指紋圖譜間存在明顯差異，表明蜂蜜的種類及蜜源不同；此外洋槐原蜜與市售洋槐蜜有兩處吸收峰明顯不同，可判斷在加工過程中添加了輔料，此法對蜂蜜的種類鑒別和加工過程的質量控制具有重要意義。吳娜等[33]發現普洱生茶和熟茶的紅外指紋圖譜變化趨勢基本一致，但生茶吸收峰相對較多，在波長1500～3000 nm 范圍內可以清晰地表現熟茶的特征吸收，可區分出普洱生茶和熟茶。楚剛輝等[34]建立了10 個批次的喀什樹莓酒及5 種偽品的紅外指紋圖譜，結果顯示不同批次樹莓酒的圖譜一致性良好，而樹莓酒與偽品之間有較大差異，表明此法可以為不同批次樹莓酒質量的一致性評價和真偽鑒別提供依據。此外，紅外光譜還可應用于農產品的品質檢測，如卷煙煙氣中苯并芘含量的測定[35]、番茄汁中的多組分質量性狀的監測[36]、麥麩中營養成分的測定[37]等。以上研究表明，紅外光譜技術在樣品鑒別與檢測方面具有廣泛的應用。

1.2.3 近紅外光譜技術 近紅外光譜作為一種快速無損的檢測技術，波長范圍780～2526 nm，該區域主要是由含H 基團（C-H、O-H、N-H 和S-H）的倍頻和合頻吸收產生的，常用于化學成分的定性及定量分析，具有簡便、快速、無損的優點，但抗干擾性差、靈敏度較低且需要基于大量的樣品[38?39]。Hao 等[40]建立了基于PLS-DA 的近紅外光譜模型，此模型成功地對巴戟天中的果糖、葡萄糖、蔗糖等14 個主要成分進行了定性及定量分析，為巴戟天藥理活性的進一步研究提供了依據。牛智有等[41]利用近紅外光譜結合PCA 和HCA 對4 種茶葉進行定性定量分析，結果顯示種類識別準確率達100%，定量分析模型的決定系數均大于0.91，故通過該技術可以快速定性茶葉的種類以及定量茶葉成分的含量。Scholz 等[42]采用近紅外光譜對不同品種生咖啡豆中的二萜含量進行了定量分析，得知樣品中咖啡醇的含量范圍為1.8262～13.0862 mg/g，咖啡豆醇含量范圍為1.8269～12.6541 mg/g，此法準確可靠，為生咖啡豆的準確定量評價提供了一種新方法。較紅外光譜，近紅外光譜的準確度更高，樣品前處理更簡便，甚至無需樣品前處理，因此越來越多的采用該法對樣品進行定性定量分析。

1.2.4 熒光光譜技術 熒光光譜是由包含所有待測組分的物理、化學和結構信息的重疊熒光譜帶組成的，可用于元素含量的測定、產品真偽鑒別等，操作簡便、精密度高、穩定性好，但缺點是只有少部分化合物產生熒光[43]。不同產品因所含熒光物質的分子結構或含量的差異，其熒光光譜具有指紋特征，可用于不同產品的質量控制。Sosa 等[44]采用熒光光譜法測定了馬鈴薯塊莖中Fe 和Zn 的含量，結果顯示Fe含量為1.10～1.44 mg/kg，Zn 含量為0.91～1.06 mg/kg，此法可以對Fe 和Zn 含量進行高精度分析。Kashif等[45]采用該技術分析了不同商業等級的牛肉，結果顯示在250～300 nm 波長范圍內顯示出5 個突出的熒光特征，可以反映牛肉品質的優劣。杜麗娟[46]分別采用三維內源熒光和二維外源熒光結合計量學方法分析了生鮮乳和摻入奶粉的還原乳，結果顯示兩種方法均可以判斷還原乳的摻假情況，而后者只通過PCA 即可得到快速準確的結果，且其分類模型的準確率達100%，表明采用二維外源熒光優勢更為明顯。熒光光譜節能環保、無損測量，能夠提供熒光基團的信息，將其與多元數據分析結合，能夠實現對食品的控制和分類。

1.2.5 拉曼光譜技術 拉曼光譜是基于拉曼效應，對與入射光頻率不同的散射光譜進行收集分析，得到待測物分子振動和轉動方面的信息，從而為分析物提供特有的光譜指紋圖譜，可用于食品中糖類、脂肪、蛋白質等天然產物的測定，具有靈敏度高、重現性好等優點，但抗干擾能力較差[47]。由于不同的化學成分具有不同的拉曼峰，因此可根據特征峰分析樣品中的化學成分進行質量控制與分析評價。祁龍凱等[48]建立了20 批荔枝蜜拉曼指紋圖譜，在452、564、596 cm?1等處清晰地表現出了蛋白質、氨基酸、糖類等天然產物的特征峰；且20 批荔枝蜜指紋圖譜的相似度較高，表明拉曼光譜技術可以直接、快速地判定荔枝蜜中的主要天然產物，同時指紋圖譜的建立可以為蜂蜜的質量控制提供依據。Gussem 等[49]建立了49 種真菌的指紋圖譜，PCA 和線性判別分析（LDA）成功地將樣品分為3 類，且判別正確率達90%，故拉曼光譜在真菌屬的分類研究方面具有一定可行性。Boyaci 等[50]測定了132 種從豬、牛、羊等肉中提取的脂肪樣品及其薩拉米香腸產品，且PCA 成功地在30 s 內區分出不同來源肉類及其香腸產品，此法快速簡便。以上研究表明，拉曼光譜技術在食品檢測中發揮了重要作用。

1.2.6 核磁共振光譜技術 核磁共振光譜是基于原子核對射頻電磁波輻射的吸收，產生核磁能級共振躍遷的圖譜技術，具有高度的特征性和重現性，但靈敏度較低[51]。該技術可用于食品真偽鑒別、品種鑒別、化學成分的確定等方面。魯惠玲等[52]建立了不同油類及不同品牌保健品魚油的指紋圖譜，結果顯示各圖譜能夠很好地表征出主要成分的特征信號，可鑒別出保健品魚油的摻兌情況。楊娟[53]構建了基于核磁共振光譜結合LDA 鑒別5 種蜂蜜的識別模型，建模集和驗證集對5 種蜂蜜的判別率分別在93.3%和90%以上，總體判別率分別達96.9%和94.4%，可以準確有效的鑒別蜂蜜品種。Monakhova 等[54]研究了含有101 個咖啡樣品的親脂性提取物，光譜顯示在親脂性提取物中檢測到了Robusta 咖啡和Arabica咖啡的存在，同時還可以定量Robusta 咖啡的含量，此法為咖啡的質量控制提供了參考。綜上所述，核磁共振光譜技術可以為產品的質量控制提供一種新方法，在食品分析方面具有巨大的應用潛力。

基于上述分析可以看出，近些年色譜法和光譜法等技術在食品質量控制和分析評價中均得到了廣泛的應用，但不同的技術手段有不同的優缺點和適用性，因此在實際應用的過程中應該基于物質特性選擇合適的指紋圖譜。

2 生物指紋圖譜

生物指紋圖譜可分為蛋白質指紋圖譜和DNA指紋圖譜，具有高度的特異性和穩定性。蛋白質指紋圖譜主要是以聚丙烯酰胺凝膠電泳技術來完成的，DNA 指紋圖譜是檢測具有高變異性且能在本類群或個體中穩定遺傳的DNA 序列[55]，兩種技術廣泛用于小麥、水稻、玉米等作物的品種鑒定與分類中。

呂亞麗[56]分別采用生化標記、隨機擴增多態性DNA 分子標記和簡單序列重復區間擴增多態性分子標記技術建立了11 個玉米品種的蛋白質和DNA 指紋圖譜并進行HCA 分析，結果表明3 種方法均能把11 個玉米品種區分開來，且HCA 結果顯示3 種技術可得到基本一致的結果。史圓圓等[57]采用相關序列擴增多態性分子標記技術對23 個無核葡萄品種的種質親緣關系進行了分析鑒定，遺傳相似分析結果顯示，23 個葡萄品種在遺傳相似系數為0.61 處可分為2 大類群，在相似系數為0.66 處可分為4 大類群，因此可根據遺傳相似分析結果判斷物種的親源關系以選擇最為合適的親本進行雜交育種。以上研究表明，生物指紋圖譜是化學指紋圖譜的一個良好的補充與完善，在農作物的品種鑒定及選育、種群結構和親緣關系分析方面發揮著獨一無二的作用。

3 非線性化學指紋圖譜

非線性化學指紋圖譜是在化學振蕩、化學湍流等非線性化學反應基礎之上建立的一種可鑒別與評價復雜樣品品質的新技術，無需分離、提純等預處理，能適用于各種相態和劑型樣本的分析鑒別，具有速度快、成本低、直觀性好的特點，已在食品質量檢測方面取得了廣泛的應用[58?59]。

張海珍等[60]發現不同蜂蜜的非線性化學指紋圖譜形狀相似但振蕩壽命存在一定差異，可快速直觀地判斷蜂蜜的品種；同時指紋圖譜相似度在90%以上，表明不同品種蜂蜜質量穩定。樊成等[61]通過此技術建立了快速檢測羊乳摻雜牛乳的方法，結果表明牛乳和羊乳指紋圖譜的誘導時間、停波時間和最大振幅等具有顯著差異，能夠判斷羊乳的摻假情況。李永玲[62]利用振蕩反應體系建立了8 種速溶咖啡樣品的非線性化學指紋圖譜，有效鑒別出了不同的品種及品牌；PCA 和HCA 成功地區分出咖啡種類和口味，為速溶咖啡的質量控制提供了一種快速有效的電化學方法。Ma 等[63]采用非線性化學指紋圖譜技術結合PLS 計算了奶粉中的尿素和三聚氰胺，得出兩者的檢出限分別為0.33 和0.05 μg/g，定量限分別為1.11和0.18 μg/g，此法相對標準偏差在0.60%～4.12%范圍內，穩定可靠，可以用于奶粉的定量分析。以上研究表明，非線性化學指紋圖譜擁有豐富的定性和定量信息，操作簡便，無需復雜的前處理過程，可以為食品等復雜樣本的摻假鑒別和相對整體含量評價提供一種簡單快捷的方法，必將會在食品的質量控制與品質分析中獲得越來越廣泛的應用。

4 食品指紋圖譜分析方法

4.1 化學模式識別

化學模式識別是將數理統計學、計算機信息技術與化學圖譜解析結合起來的整合技術[64]，往往基于色譜、光譜及其聯用技術，利用計算機對食品所含的化學成分進行描述、分析、分類和識別。化學模式識別方法包括有監督模式識別、無監督模式識別以及其它化學模式識別方法[65]，具體分類見表1。

表1 化學模式識別方法Table 1 Chemical pattern recognition method

有監督模式識別是將已知類別的樣本隨機分為訓練集和測試集，利用已知類別的訓練集建立判別模型，通過測試集的正確率來表征所建立模型的性能[66]，應用較多的方法有PLS、LDA 和簇類獨立軟模式法（SIMCA）。穆同娜等[67]采用PLS 法建立了20 個嬰兒配方奶粉的近紅外模型，用此模型對驗證集中奶粉樣品的總脂肪酸、飽和脂肪酸和不飽和脂肪酸進行預測，預測值與化學測定值較為接近，表明PLS 法具有較好的預測能力。王勝威[68]采用LDA構建了純羊肉與摻假羊肉的判別模型，此模型可以有效區分純羊肉與摻假羊肉，交叉驗證中正確區分率達100%。陳全勝等[69]采用近紅外光譜結合SIMCA建立了龍井、碧螺春、祁紅和鐵觀音4 種茶葉的判別模型，此模型對4 種茶葉的訓練集的識別率分別為90%、100%、100%和100%，對預測集的識別率分別為100%、80%、100%和100%，拒絕率均為100%，結果準確可靠。

無監督模式識別針對不利用或沒有樣本所屬類別信息的情況，可以把復雜的數據以分類圖的形式顯示出來，常用的是PCA 和HCA[70?71]。李剛鳳等[72]采用PCA 對空心李果實的活性成分進行了綜合評價，結果顯示能體現空心李理化性狀的主成分有3 個，決定第1 主成分的為可溶性蛋白、維生素C、總酚和黃酮，決定第2 主成分的為總氨基酸和可溶性固形物，決定第3 主成分的為可溶性糖和可滴定酸，通過該方法可以直觀地看出各成分在樣品中的地位，便于對樣品進行全面的分析評價。王曉敏等[73]采用紅外光譜結合HCA 對13 個不同產地的香椿樣品進行了分析，HCA 成功地將香椿樣品分為4 類，此法為香椿的產地鑒別提供了一種有效的手段。

指紋圖譜結合有監督模式識別和無監督模式識別的使用，可以全面、準確的反映樣品的質量，增加分析結果的準確性，已成為食品分析時不可缺少的工具。

4.2 其它相似度評價方法

其它相似度評價方法如表2 所示，表內方法均有其適用情況，并非在指紋圖譜相似度評價中全部適用，需要科研工作者不斷進行試驗和篩選，以選擇不同情況下最為合適的評價方法。應用較多的為夾角余弦法、系統相似度法和全定性和全定量相似度法。謝建軍等[81]采用夾角余弦法計算了85 份紅葡萄酒樣品和3 種勾兌葡萄酒樣品的氣相色譜指紋圖譜的相似度，結果表明紅葡萄酒指紋圖譜的相似度大于0.9700，勾兌葡萄酒指紋圖譜相似度均小于0.6128，可判斷它們為假葡萄酒，此法能為葡萄酒的真假鑒別提供可靠的依據。孫國祥等[82]采用全定性和全定量相似度法評價了甜瓜蒂的毛細管電泳指紋圖譜，結果表明該方法能同時監測指紋圖譜大峰和小峰的變動與缺失，可解決指紋圖譜的宏觀定性和定量評價問題，實現了對甜瓜蒂宏觀定性定量的質量控制。可以看出，相似度評價方法是對指紋圖譜進行方法學驗證時必不可少的工具，可判斷所建立的方法是否準確、可靠。

表2 其它相似度評價方法Table 2 Other similarity evaluation methods

續表 2

5 展望

指紋圖譜技術擁有豐富的定性和定量信息，更能體現食品成分色譜或光譜的整體性，直觀性和重現性均較好，是評價食品優劣、鑒別真偽、區分品種和確保其一致性和穩定性的有效方法。本文根據指紋圖譜分析技術的分類，綜述了各類食品指紋圖譜的研究進展，對食品的質量控制具有一定的參考價值。同時在食品指紋圖譜研究過程中，大多數指紋圖譜的建立都進行了方法學的驗證，說明所建立的方法真實、可靠。但是在研究過程中依然存在一些問題，仍需進一步研究探討，今后可以考慮從以下幾方面進行深入研究：

目前對于食品指紋圖譜的研究大都是關于食品中化學成分的種類與含量的表征，對微量元素的研究較少，因此我們可以研究食品中微量元素的指紋圖譜，更加全面的反映食品內在品質，使食品質量控制體系更加完善。

目前指紋圖譜的分析手段都是基于高端設備，需要經過嚴格的前處理或者較為繁瑣的步驟，因此我們可以基于方法改良，簡化前處理；此外，還可嘗試將指紋圖譜技術與其它儀器集成聯合應用，實現更高端的目標需求，為食品質量控制提供更高的標準。

應進一步擴大指紋圖譜技術的應用范圍。食品存在組分復雜，多種成分、多種機制協同作用，可通過指紋圖譜技術綜合分析各種化學成分分布的整體狀況，以全面衡量其功效與質量；指紋圖譜還可用于研究食品代謝產物的變化規律，對所有代謝物進行高通量的代謝分析，找出與之相關的生物標志物，為標記輔助育種提供理論依據。

此外，食品指紋圖譜的技術手段和分析方法多種多樣，但較為單一，缺少系統的有機整合比較，應建立各種手段的指紋圖譜的綜合數據庫，使食品控制體系更加立體、系統、全面。