GCMS
Další informace
WebinářeO násKontaktujte násPodmínky užití
LabRulez s.r.o. Všechna práva vyhrazena. Obsah dostupný pod licencí CC BY-SA 4.0 Uveďte původ-Zachovejte licenci.

Detection of Spoilage Markers in Food Products using a Mass-Spectrometry Based Chemical Sensor

Aplikace | 2002 | GERSTELInstrumentace
GC/MSD, HeadSpace, GC/SQ
Zaměření
Potraviny a zemědělství
Výrobce
Agilent Technologies, GERSTEL

Souhrn

Význam tématu


Rychlá a spolehlivá detekce ukazatelů zkázy potravin je klíčová pro zajištění kvality a bezpečnosti potravinářských výrobků. Tradiční metody často vyžadují časově náročné separace a jsou citlivé na vlhkost či kolísání teploty. Hmotnostně spektrální chemický senzor nabízí robustní alternativu, odolnou vůči interferencím, s rychlým pořizováním výsledků.

Cíle a přehled studie


Cílem práce bylo vyvinout a ověřit metodu založenou na hmotnostně spektrálním elektronickém nose (Gerstel ChemSensor 4440) pro detekci známých markrů zkázy: dimethylsulfidu v vejcích a kuřecím mase, diacetylu v pomerančovém džusu a trimethylaminu v mléce a rybách. Studie zahrnovala tvorbu klasifikačních a regresních modelů pro rychlou identifikaci přítomnosti a koncentrace těchto látek.

Použitá metodika a instrumentace


  • Vzorkování: dynamické headspace z 5–10 ml tekutiny nebo 1 g homogenizovaného masa/ryb, equilibrace při 80 °C po 20 minutách.
  • Instrumentace: Gerstel ChemSensor 4440 se samplovacím modulem Agilent 7694 a detektorem Agilent 5973 MSD (scan 35–250 amu pro vejce/kuře, 41–180 amu pro ostatní), doba běhu 1,2 minuty.
  • Software: Pirouette 3.02 pro modelování (PCA, HCA, SIMCA, PLS) a Instep 2.0 pro správu modelů.
  • Spiking: dimethylsulfid (10, 50, 100 ppm), diacetyl (10, 50, 100 ppm), trimethylamin (10–1000 ppm dle matrice).

Hlavní výsledky a diskuse


  • PCA i HCA odhalily čtyři jasné klastry odpovídající druhům potravin; vzorky vajec a kuřete se shlukovaly dohromady.
  • Kaskádní klasifikační modely (SIMCA, KNN) dosáhly více než 95 % přesnosti v rozpoznání typu vzorku a přítomnosti markru. Ve druhém stupni (zkáza vs. nezkažené) byla přesnost až 100 %.
  • PLS regresní modely umožnily kvantifikaci markrů na úrovni nízkých až středních ppm, u ryb bylo pro spolehlivou detekci nutné vyšší koncentrace (≥ 100 ppm).

Přínosy a praktické využití metody


Metoda umožňuje rychlou (cca 1,2 min), neinvazivní kontrolu kvality bez chromatografické separace, s odolností vůči vlhkosti a kolísání teploty. Díky chemometrickému zpracování lze detekovat i nízké koncentrace markrů zkázy v různých potravinových matricích.

Budoucí trendy a možnosti využití


  • Rozšíření na další markry zkázy a širší škálu potravinových vzorků.
  • Použití režimu single ion monitoring (SIM) pro zvýšení citlivosti pod 10 ppm.
  • Integrace technik předkoncentrace (SBSE, SPME) pro nízkokoncentrační analýzu.
  • Implementace do online kontrolních systémů v potravinářském průmyslu a automatizace procesu rozhodování.

Závěr


Hmotnostně spektrální chemický senzor prokázal schopnost rychle a přesně detekovat známé markry zkázy v potravinách na úrovni nízkých ppm. Další práce by se měla zaměřit na zvýšení citlivosti, rozšíření počtu analyzovaných látek a aplikaci v reálném výrobním prostředí.

Reference


  1. K. Goodner, R. Russell, Journal of Agricultural and Food Chemistry 2001, 49, 250–253.
  2. R. T. Marsili, Journal of Agricultural and Food Chemistry 1999, 47, 648–654.
  3. L. R. Freeman, G. J. Silverman, P. Angelini, C. Merritt, W. B. Esselen, Applied and Environmental Microbiology 1976, 32, 222–231.
  4. W. S. Hatcher, Special Report, New York State Agricultural Experiment Station 1979, 31(8), 1–4.
  5. D. Natale et al., Sensors and Actuators B 2001, 77, 572–578.

Obsah byl automaticky vytvořen z originálního PDF dokumentu pomocí AI a může obsahovat nepřesnosti.

PDF verze ke stažení a čtení
 

Podobná PDF

Toggle
Fast Analysis of Beverages using a Mass Spectral Based Chemical Sensor
AppNote 4/2003 Fast Analysis of Beverages using a Mass Spectral Based Chemical Sensor Vanessa R. Kinton, Robert J. Collins Gerstel, Inc., Caton Research Center, 1510 Caton Center Drive, Suite H, Baltimore, MD 21227, USA Bita Kolahgar Gerstel GmbH & Co.…
Klíčová slova
koenig, koenigpilsener, pilsenerblend, blendgerstel, gerstelmerlot, merlotabundance, abundancechemsensor, chemsensorjuice, juiceorange, orangesamples, sampleswine, winediacetyl, diacetylcabernet, cabernetmodel, modelprojection
Analysis of Packaging Materials using a Mass Spectral Based Chemical Sensor
AppNote 2/2004 Analysis of Packaging Materials using a Mass Spectral Based Chemical Sensor Vanessa R. Kinton Gerstel, Inc., Caton Research Center, 1510 Caton Center Drive, Suite H, Baltimore, MD 21227, USA Arnd C. Heiden, Carlos Gil Gerstel GmbH & Co.KG,…
Klíčová slova
chemsensor, chemsensorpackaging, packagingtpgda, tpgdagerstel, gerstelclassify, classifysensor, sensorsamples, samplesdetect, detectodor, odorincubation, incubationcartons, cartonsclassification, classificationobjective, objectivemilk, milknearest
Use of Calibration Transfer Algorithms on a Mass Spectrometry Based Chemical Sensor - Preliminary Results
AppNote 3/2003 Use of Calibration Transfer Algorithms on a Mass Spectrometry Based Chemical Sensor - Preliminary Results Arnd C. Heiden, Carlos Gil Gerstel GmbH & Co. KG, Eberhard-Gerstel-Platz 1, D-45473 Mülheim an der Ruhr, Germany Vanessa R. Kinton, Edward A.…
Klíčová slova
simca, simcastune, stuneknn, knnbfbtune, bfbtunetoc, tocatune, atunesource, sourcesamples, samplesmodels, modelsgerstel, gerstelion, ionfingerprints, fingerprintsmass, massfilament, filamentamount
Classification of Food and Flavor Samples using a Chemical Sensor
AppNote 7/2002 Classification of Food and Flavor Samples using a Chemical Sensor Arnd C. Heiden, Carlos Gil Gerstel GmbH & Co. KG, Eberhard-Gerstel-Platz 1, D-45473 Mülheim an der Ruhr, Germany Vanessa R. Kinton, Edward A. Pfannkoch Gerstel, Inc., 701 Digital…
Klíčová slova
bottle, bottlestrawberry, strawberryheadspace, headspacesimca, simcagerstel, gerstelflavors, flavorssamples, samplescan, canraspberry, raspberrysoft, softflavor, flavordifferences, differencesabundance, abundanceplastic, plasticindicates
Další projekty
LCMS
ICPMS
Sledujte nás
Další informace
WebinářeO násKontaktujte násPodmínky užití
LabRulez s.r.o. Všechna práva vyhrazena. Obsah dostupný pod licencí CC BY-SA 4.0 Uveďte původ-Zachovejte licenci.