Fast Analysis of Food and Beverage Products using a Mass Spectrometry Based Chemical Sensor
Aplikace | 2003 | GERSTELInstrumentace
Rychlá a spolehlivá kontrola kvality potravin a nápojů je klíčová pro ochranu spotřebitele, optimalizaci výrobních procesů a odhalování kontaminací či padělků. Masově spektrometrické senzory bez chromatografické separace (ChemSensor) nabízejí vysokou propustnost a citlivost a umožňují okamžité získání charakteristických spektrálních otisků vzorků.
Studie demonstruje aplikaci třech technik přímého zavedení vzorku do hmotového spektrometru – headspace, SPME a HSSE – pro analýzu jogurtu, olivového oleje a kávy. Pomocí softwaru pro rozpoznávání vzorů a multivariatní statistiky (PCA, HCA, SIMCA, KNN) autoři vytvořili klasifikační modely pro odhalení kvality, stáří, příchutí, odplyněnosti oleje a původu kávových vzorků.
Analytické systémy sestávaly ze tří konfigurací GERSTEL ChemSensor:
Metoda umožňuje výrazné zkrácení doby analýzy díky eliminaci chromatografického dělení a vysokou propustnost laboratoře. ChemSensor poskytuje spolehlivou a opakovatelnou klasifikaci šarží, detekci podvodů či degradace bez ztráty analytické přesnosti.
Další rozvoj spojí vyšší automatizaci přípravy vzorků, integraci pokročilých algoritmů strojového učení a rozšíření knihoven spektrálních otisků pro nejrůznější potravinářské a farmaceutické aplikace. Výhledově lze očekávat nasazení v terénních testech s přenosnými MS senzory.
Publikovaná aplikace masově spektrometrického senzoru ukazuje, že bez chromatografie lze rychle a přesně rozlišit kvalitu, původ a možné adulterace potravin a nápojů. ChemSensor systémy s vhodnou chemometrií zajišťují spolehlivost a vysokou propustnost kontroly kvality.
GC/MSD, HeadSpace, SPME, Termální desorpce, GC/SQ
ZaměřeníPotraviny a zemědělství
VýrobceAgilent Technologies, GERSTEL
Souhrn
Význam tématu
Rychlá a spolehlivá kontrola kvality potravin a nápojů je klíčová pro ochranu spotřebitele, optimalizaci výrobních procesů a odhalování kontaminací či padělků. Masově spektrometrické senzory bez chromatografické separace (ChemSensor) nabízejí vysokou propustnost a citlivost a umožňují okamžité získání charakteristických spektrálních otisků vzorků.
Cíle a přehled studie
Studie demonstruje aplikaci třech technik přímého zavedení vzorku do hmotového spektrometru – headspace, SPME a HSSE – pro analýzu jogurtu, olivového oleje a kávy. Pomocí softwaru pro rozpoznávání vzorů a multivariatní statistiky (PCA, HCA, SIMCA, KNN) autoři vytvořili klasifikační modely pro odhalení kvality, stáří, příchutí, odplyněnosti oleje a původu kávových vzorků.
Použitá metodika a instrumentace
Analytické systémy sestávaly ze tří konfigurací GERSTEL ChemSensor:
- Headspace ChemSensor: autonómní vzorkovač MPS-2 s PTV čelem a MSD 5973 (Agilent) pro analýzu jogurtů headspace injekcí.
- SPME ChemSensor: MPS-2 se 75 µm Carboxen/PDMS vláknem a PTV čelem s GC-MS (6890/5973N) pro extrakci aromat olivových olejů.
- HSSE/TDS ChemSensor: Twister v režimu headspace, termické desorpce do PTV čela a GC-MS 6890/5973N pro analýzu kávových vzorků.
Hlavní výsledky a diskuse
- Jogurty: Spektrální linie m/z 44 (acetaldehyd) odlišují čerstvé a staré vzorky, vyšší hmotnosti detekují aromatické příchutě. SIMCA 3D model jednoznačně třídil čerstvé vs. stárnuté a rozlišoval použitou příchuť.
- Olivové oleje: SPME senzorem bylo možné odlišit čisté a odplyněné vzorky. SIMCA klasifikace dále rozlišila pět typů čistých olejů na základě charakteristických m/z.
- Káva: HSSE/TDS snímky po odstranění šumu (phthaláty, slitiny) umožnily pomocí SIMCA rozdělit Arabicu a Robustu a dále rozlišit jednotlivé země původu (Brazílie, Keňa, Java vs. Vietnam, Afrika).
Přínosy a praktické využití metody
Metoda umožňuje výrazné zkrácení doby analýzy díky eliminaci chromatografického dělení a vysokou propustnost laboratoře. ChemSensor poskytuje spolehlivou a opakovatelnou klasifikaci šarží, detekci podvodů či degradace bez ztráty analytické přesnosti.
Budoucí trendy a možnosti využití
Další rozvoj spojí vyšší automatizaci přípravy vzorků, integraci pokročilých algoritmů strojového učení a rozšíření knihoven spektrálních otisků pro nejrůznější potravinářské a farmaceutické aplikace. Výhledově lze očekávat nasazení v terénních testech s přenosnými MS senzory.
Závěr
Publikovaná aplikace masově spektrometrického senzoru ukazuje, že bez chromatografie lze rychle a přesně rozlišit kvalitu, původ a možné adulterace potravin a nápojů. ChemSensor systémy s vhodnou chemometrií zajišťují spolehlivost a vysokou propustnost kontroly kvality.
Reference
- Arthur CL, Pawlyszin J. Anal. Chem. 1990;62:2145.
- Baltussen E, Sandra P, David F, Cramers C. J. Microcol. Sep. 1999;11:737.
- Dirinck I, van Leuven I, Dirinck P, Heiden AC. Gerstel App. Note 2002;13.
- Dirinck I, van Leuven I, Dirinck P, Heiden AC, Gil C. ISOEN’02 Proceedings;2002:215.
- Saleeb R, Press L, Parikh M. ISOEN’02 Proceedings;2002:211.
- Kinton VR, Collins RJ, Kolahgar B, Goodner KL. Gerstel App. Note 2003;4.
- Heiden AC et al. Gerstel App. Note 2002;7.
Obsah byl automaticky vytvořen z originálního PDF dokumentu pomocí AI a může obsahovat nepřesnosti.
Podobná PDF
Classification of Coffees from Different Origins by Chemical Sensor Technology
2002|Agilent Technologies|Aplikace
AppNote 13/2002 Classification of Coffees from Different Origins by Chemical Sensor Technology Inge M. Dirinck, Isabelle E. Van Leuven, Patrick J. Dirinck Laboratory for Flavor Research, Catholic Technical University St. Lieven, Gebr. Desmetstraat 1, B-9000 Gent, Belgium Arnd C. Heiden…
Klíčová slova
robusta, robustaarabica, arabicacoffee, coffeechemsensor, chemsensorkenya, kenyaclassification, classificationjava, javanoir, noirafrican, africanvietnam, vietnamsoft, softvarieties, varietiescoffees, coffeesgrain, grainbrazil
Use of a Mass Spectral Based Chemical Sensor to Discriminate Food and Beverage Samples: Olive Oils and Wine as Examples
2004|Agilent Technologies|Aplikace
AppNote 1/2004 Use of a Mass Spectral Based Chemical Sensor to Discriminate Food and Beverage Samples: Olive Oils and Wine as Examples Vanessa R. Kinton, Jacqueline A. Whitecavage Gerstel, Inc., 701 Digital Drive, Suite J, Linthicum, MD 21090, USA Arnd…
Klíčová slova
chemsensor, chemsensortca, tcaolive, oliveoils, oilsabundance, abundancegerstel, gerstelunknown, unknowndegassed, degassedknn, knnpure, pureppb, ppbwine, winefaster, fasterppt, pptwere
Wine Discrimination using a Mass Spectral Based Chemical Sensor
2003|Agilent Technologies|Aplikace
AppNote 2/2003 Wine Discrimination using a Mass Spectral Based Chemical Sensor Vanessa R. Kinton, Edward A. Pfannkoch Gerstel, Inc., Caton Research Center, 1510 Caton Center Drive, Suite H, Baltimore, MD 21227, USA M. Abdul Mabud, Sumer M. Dugar Alcohol &…
Klíčová slova
wines, winesvarietal, varietalabundance, abundancemerlot, merlotwine, winechemsensor, chemsensorpure, puregerstel, gerstelheadspace, headspaceobtained, obtainedmultivariate, multivariatepca, pcaprincipal, principalcabernet, cabernetfingerprint
Analysis of Flavors using a Mass Spectral Based Chemical Sensor
2003|Agilent Technologies|Aplikace
AppNote 6/2003 Analysis of Flavors using a Mass Spectral Based Chemical Sensor Vanessa R. Kinton Gerstel, Inc., 701 Digital Drive, Suite J, Linthicum, MD 21090, USA Kevin L. Goodner USDA, Citrus & Subtropical Products Lab, 600 Ave S, NW Winter…
Klíčová slova
flavor, flavorsensor, sensorgerstel, gerstelabundance, abundanceformulations, formulationschemsensor, chemsensorchemical, chemicalmass, massexploratory, exploratoryspectral, spectralsamples, samplesfingerprints, fingerprintsflavors, flavorsabundances, abundancesfingerprint