Metabolite and Sensory Differences of Soy-Sauce-Like Seasoning Produced from Different Raw Materials
Aplikace | 2021 | ShimadzuInstrumentace
Výroba a ochucování potravin představuje klíčový segment potravinářského průmyslu. Sojová omáčka, bohatá na umami, se tradičně vyrábí ze sójových bobů, pšenice a soli. V posledních letech však roste zájem o varianty „sojové omáčky“ připravené z obilovin či luštěnin, které nabízí různé chuťové profily a nutriční vlastnosti. Analytická chemie hraje v tomto kontextu důležitou roli, zejména při charakterizaci metabolitů, které ovlivňují finální chuť a vlastnosti výrobku.
Cílem studie bylo porovnat komponentní složení a intenzitu umami u devíti vzorků sojových omáčkových dochucovadel vyrobených z různých surovin. Použit byl přístup založený na profilování nízkomolekulárních sloučenin pomocí GC–MS a na smyslové evaluaci metodou párových porovnání. Studie se zaměřila na pět obilných a čtyři luštěninové varianty.
Pro přípravu vzorků byla aplikována dvoustupňová derivatizace: nejprve oximační reakce s methoxyaminem, poté silylace s MSTFA. Analýza proběhla na přístroji Shimadzu GCMS-QP2010 Ultra vybaveném kolonkou InertCap 5 MS/NP. Hlavní parametry GC-MS:
Smyslová evaluace spočívala v párovém porovnání intenzity umami a sladkosti mezi obilnými a luštěninovými vzorky.
PCA analýza 133 anotovaných sloučenin rozlišila obilné a luštěninové vzorky podél první hlavní složky (PC1, 48,1 % rozptylu). Obilné varianty se vyznačovaly vyšším obsahem sacharidů (glukóza, trehalóza), zatímco luštěninové bohaté na aminokyseliny (zejména glutamovou kyselinu). Smyslové testy potvrdily, že luštěninové omáčky vykazují statisticky významně vyšší vjem umami, zatímco sladkost se mezi skupinami nevýrazně lišila.
Profilování prostřednictvím GC–MS v kombinaci s multivariačními metodami poskytuje detailní pohled na rozdíly v metabolomech ochucovadel. Výrobci mohou tento přístup využít k optimalizaci receptur a volbě surovin pro cílené ladění chuťového profilu produktů.
Očekává se rozvoj integrovaných přístupů spojujících metabolomiku se senzomickými daty, což umožní precizní design potravin podle preferencí spotřebitelů. Dalšími trendy jsou:
Diferenciace surovin ovlivňuje složení metabolitů i intenzitu umami v sójových omáčkových dochucovadlech. GC–MS profilování doplněné PCA nabízí spolehlivý nástroj pro analýzu a optimalizaci těchto produktů.
GC/MSD, GC/SQ
ZaměřeníPotraviny a zemědělství, Metabolomika
VýrobceShimadzu
Souhrn
Význam tématu
Výroba a ochucování potravin představuje klíčový segment potravinářského průmyslu. Sojová omáčka, bohatá na umami, se tradičně vyrábí ze sójových bobů, pšenice a soli. V posledních letech však roste zájem o varianty „sojové omáčky“ připravené z obilovin či luštěnin, které nabízí různé chuťové profily a nutriční vlastnosti. Analytická chemie hraje v tomto kontextu důležitou roli, zejména při charakterizaci metabolitů, které ovlivňují finální chuť a vlastnosti výrobku.
Cíle a přehled studie / článku
Cílem studie bylo porovnat komponentní složení a intenzitu umami u devíti vzorků sojových omáčkových dochucovadel vyrobených z různých surovin. Použit byl přístup založený na profilování nízkomolekulárních sloučenin pomocí GC–MS a na smyslové evaluaci metodou párových porovnání. Studie se zaměřila na pět obilných a čtyři luštěninové varianty.
Použitá metodika a instrumentace
Pro přípravu vzorků byla aplikována dvoustupňová derivatizace: nejprve oximační reakce s methoxyaminem, poté silylace s MSTFA. Analýza proběhla na přístroji Shimadzu GCMS-QP2010 Ultra vybaveném kolonkou InertCap 5 MS/NP. Hlavní parametry GC-MS:
- objem injekce 1 µL, split 25:1
- nosičový plyn helium, průtok 1,12 mL/min
- teplotní program: 80 °C (2 min), 15 °C/min do 330 °C (6 min)
- ionizace: elektronová (EI), rozsah m/z 85–500
Smyslová evaluace spočívala v párovém porovnání intenzity umami a sladkosti mezi obilnými a luštěninovými vzorky.
Hlavní výsledky a diskuse
PCA analýza 133 anotovaných sloučenin rozlišila obilné a luštěninové vzorky podél první hlavní složky (PC1, 48,1 % rozptylu). Obilné varianty se vyznačovaly vyšším obsahem sacharidů (glukóza, trehalóza), zatímco luštěninové bohaté na aminokyseliny (zejména glutamovou kyselinu). Smyslové testy potvrdily, že luštěninové omáčky vykazují statisticky významně vyšší vjem umami, zatímco sladkost se mezi skupinami nevýrazně lišila.
Přínosy a praktické využití metody
Profilování prostřednictvím GC–MS v kombinaci s multivariačními metodami poskytuje detailní pohled na rozdíly v metabolomech ochucovadel. Výrobci mohou tento přístup využít k optimalizaci receptur a volbě surovin pro cílené ladění chuťového profilu produktů.
Budoucí trendy a možnosti využití
Očekává se rozvoj integrovaných přístupů spojujících metabolomiku se senzomickými daty, což umožní precizní design potravin podle preferencí spotřebitelů. Dalšími trendy jsou:
- využití pokročilých datových analýz a strojového učení pro predikci chuťových vlastností
- rozšíření portfolia surovin o netradiční obiloviny a luštěniny
- personalizované potravinářské produkty na základě genetických nebo senzorických profilů
Závěr
Diferenciace surovin ovlivňuje složení metabolitů i intenzitu umami v sójových omáčkových dochucovadlech. GC–MS profilování doplněné PCA nabízí spolehlivý nástroj pro analýzu a optimalizaci těchto produktů.
Reference
- Yamana T., Taniguchi T., Nakahara T., Ito Y., Okochi N., Putri S.P., Fukusaki E. Component Profiling of Soy Sauce-like Seasoning Produced from Different Raw Materials. Metabolites. 2020;10(4):134.
Obsah byl automaticky vytvořen z originálního PDF dokumentu pomocí AI a může obsahovat nepřesnosti.
Podobná PDF
Science-Based Evaluation and Visualization of Sake Flavors and Providing this Information to Consumers
2023|Shimadzu|Technické články
C190-E302 Technical Report Science-Based Evaluation and Visualization of Sake Flavors and Providing this Information to Consumers Keiko Matsumoto1, 2, Kenichiro Wakayama3, Satomi Kunieda2, and Shinji Kawabata3 Ab stract: One of the appeals of Japanese sake is the wide variety of…
Klíčová slova
junmai, junmaikamikawa, kamikawagoryo, goryoginjo, ginjotokachi, tokachidaiginjo, daiginjosake, sakeyamahai, yamahaikoji, kojiaroma, aromatokubetsu, tokubetsuisoamyl, isoamylflavor, flavortaste, tastesuisei
Investigation of Components that Affect Flavors and Visualizing Differences in Tastes
2022|Shimadzu|Aplikace
C190-E290 Technical Report Investigation of Components that Affect Flavors and Visualizing Differences in Tastes Keiko Matsumoto1 A b s tra c t: Sensory analysis of food is based on the five senses—taste, smell, touch, sight, and hearing. In recent years,…
Klíčová slova
fukurami, fukuramiwithout, withoutdisaccharide, disaccharidesensory, sensoryacid, acidyeast, yeastisobutanol, isobutanolcytidine, cytidineflavor, flavorcomponents, componentsornithine, ornithineglyoxylic, glyoxylicmalic, malicisobutyl, isobutylisocitric
Analyzing Flavor Scientifically - Analytical and Testing Instruments for Food Development
2018|Shimadzu|Ostatní
C10G-E052 Analyzing Flavor Scientifically Analytical and Testing Instruments for Food Development World Map of Shimadzu Sales, Service, Manufacturing, and R&D Facilities Sales and Service Manufacturing R&D 2 Analyzing Flavor Scientifically At Shimadzu, we are using our technologies to support the…
Klíčová slova
texture, texturedeliciousness, deliciousnessfood, foododors, odorscomponents, componentsacids, acidsitems, itemsanalysis, analysisodor, odoramino, aminochromatograph, chromatographflavor, flavorparticle, particlebeer, beeracid
Construction of a Regression Model for a Coffee Sensory Evaluation Through the Comprehensive Analysis of Metabolites
2018|Shimadzu|Aplikace
LAAN-A-MS-E040 Application News No. Gas Chromatograph Mass Spectrometer M274 Construction of a Regression Model for a Coffee Sensory Evaluation Through the Comprehensive Analysis of Metabolites Taste evaluation of food is an extremely important factor for food product development and quality…
Klíčová slova
sensory, sensorybitterness, bitternessvip, vipregression, regressioncoffee, coffeevariables, variablesexplanatory, explanatorymetabolites, metabolitestaste, tasteevaluation, evaluationtms, tmsconstruction, constructionmodel, modelscore, scorebeans