Analyses of the complex essential oil samples using gas chromatography hyphenated with mass spectrometry (GC-MS) generate large three-way data arrays. Processing such large data sets and extracting meaningful information in the metabolic studies of natural products requires application of multivariate statistical techniques (MSTs). From the GC-MS raw data several different input data sets for the MSTs can be created, including total chromatogram average mass spectra (TCAMS), segmented average mass spectra (SAMS) and chemical composition. Herein, we compared the performance of MSTs on average mass spectrum based data sets, TCAMS and SAMS, against chemical composition and attenuated total reflectance - Fourier transformation infrared (ATR-FTIR) spectroscopy in the evaluation of quality of ylang-ylang essential oils, based on their grade, geographical origin and chemical composition, using principal component analysis (PCA), partial least squares regression (PLS) and discriminatory analysis (PLS-DA). PCA based on TCAMS, SAMS and chemical composition showed clear trends amongst the samples based on increase in grade (distillation time). PLS-DA applied to TCAMS, SAMS and ATR-FTIR discriminated between all geographical origins. Predicted relative abundances of the 18 most important compounds, using PLS regression models on TCAMS, SAMS and ATR-FTIR, were successfully applied to ylang-ylang essential oil quality assessment based on comparison with the ISO 3063:2004 standard, where the SAMS data set showed superior performance, compared to other data sets.

中文翻译：

---

依兰精油根据蒸馏时间，来源和化学成分，使用应用于平均质谱和分段平均质谱数据的多元方法进行全面表征。

使用质谱联用的气相色谱（GC-MS）对复杂的精油样品进行分析，可生成大型的三向数据阵列。在天然产物的代谢研究中处理如此大的数据集并提取有意义的信息需要应用多元统计技术（MST）。从GC-MS原始数据可以创建MST的几个不同输入数据集，包括总色谱图平均质谱图（TCAMS），分段平均质谱图（SAMS）和化学成分。在此，我们比较了基于平均质谱数据集TCAMS和SAMS的MSTs与化学成分和衰减的全反射率-傅里叶变换红外（ATR-FTIR）光谱在评估依兰-依兰香精油质量方面的性能，在他们的成绩上 地理起源和化学成分，使用主成分分析（PCA），偏最小二乘回归（PLS）和判别分析（PLS-DA）。基于TCAMS，SAMS和化学成分的PCA在等级（蒸馏时间）的基础上显示出明显的趋势。适用于TCAMS，SAMS和ATR-FTIR的PLS-DA在所有地理来源之间进行了区分。使用TCAMS，SAMS和ATR-FTIR上的PLS回归模型预测的18种最重要化合物的相对丰度已成功通过基于SAMS数据集的ISO 3063：2004标准的比较而成功地用于依兰精油质量评估与其他数据集相比，具有更好的性能。偏最小二乘回归（PLS）和判别分析（PLS-DA）。基于TCAMS，SAMS和化学成分的PCA在等级（蒸馏时间）的基础上显示出明显的趋势。适用于TCAMS，SAMS和ATR-FTIR的PLS-DA在所有地理来源之间进行了区分。使用TCAMS，SAMS和ATR-FTIR上的PLS回归模型预测的18种最重要化合物的相对丰度已成功通过基于SAMS数据集的ISO 3063：2004标准的比较而成功地用于依兰精油质量评估与其他数据集相比，具有更好的性能。偏最小二乘回归（PLS）和判别分析（PLS-DA）。基于TCAMS，SAMS和化学成分的PCA在等级（蒸馏时间）的基础上显示出明显的趋势。适用于TCAMS，SAMS和ATR-FTIR的PLS-DA在所有地理来源之间进行了区分。使用TCAMS，SAMS和ATR-FTIR上的PLS回归模型预测的18种最重要化合物的相对丰度已成功通过基于SAMS数据集的ISO 3063：2004标准的比较而成功地用于依兰精油质量评估与其他数据集相比，具有更好的性能。SAMS和ATR-FTIR区分了所有地理来源。使用TCAMS，SAMS和ATR-FTIR上的PLS回归模型预测的18种最重要化合物的相对丰度已成功通过基于SAMS数据集的ISO 3063：2004标准的比较而成功地用于依兰精油质量评估与其他数据集相比，具有更好的性能。SAMS和ATR-FTIR区分了所有地理来源。使用TCAMS，SAMS和ATR-FTIR上的PLS回归模型预测的18种最重要化合物的相对丰度已成功通过基于SAMS数据集的ISO 3063：2004标准的比较而成功地用于依兰精油质量评估与其他数据集相比，具有更好的性能。