Use of a Mass Spectral Based Chemical Sensor to Discriminate Food and Beverage Samples: Olive Oils and Wine as Examples
Aplikace | 2004 | GERSTELInstrumentace
Rychlá a spolehlivá kontrola kvality potravin a nápojů je v praxi nezbytná pro zajištění bezpečnosti a konzistentní chuti výrobků. Tradiční technika GC/MS sice poskytuje detailní informace, avšak vyžaduje dlouhou analýzu a náročné zpracování dat. ChemSensor založený na hmotnostní spektrometrii v kombinaci s multivariační analýzou umožňuje rychlý screening vzorků s minimální přípravou a jednoduchou interpretací výsledků.
Studie se zaměřila na dvě aplikace: klasifikaci olivových olejů (pure vs. degassed) a detekci 2,4,6-trichloroanisol (TCA) ve víně. Cílem bylo porovnat výkon Headspace ChemSensoru s tradiční HS-GC/MS metodou a ověřit možnosti koncentrace TCA pomocí headspace SPME a stir bar sorptive extraction (SBSE) s automatizovanou analýzou a reportováním.
Byly využity dvě koncepce ChemSensoru:
Pro koncentraci ve víně:
U olivových olejů se při HS-MS ChemSensoru projevily odlišné hmotnostní otisky (rozlišení při m/z 48 a 51), PCA zřetelně oddělila pure a degassed vzorky. KNN model správně klasifikoval všech 5 neznámých olejů. U TCA ve víně detekce HS-MS dosáhla nízkých ppm úrovní, PLS kalibrace prokázala lineární závislost koncentrační odezvy. SPME-MS umožnila spolehlivé stanovení TCA na úrovni desítek ppb a SBSE-TD-GC/MS detekci až v ppt rozsahu. Výhodou byla automatizovaná interpretace a reportování výsledků v reálném čase.
Metoda nabízí výrazně zkrácené časy analýzy, sníženou přípravu vzorku a standardizovanou automatickou klasifikaci. Uživatelům usnadňuje rozhodování o přijatelnosti produktu bez nutnosti složitého vyhodnocování TIC chromatogramů.
Další rozvoj se očekává v oblasti zvýšení citlivosti použitím SIM režimu, rozšíření databází spektrálních otisků a integraci umělé inteligence pro pokročilé vzorové rozpoznávání. Metodu lze aplikovat i na jiné potravinářské a environmentální matrice.
Mass spectrometry založený ChemSensor se osvědčil jako rychlá, robustní a uživatelsky přívětivá alternativa k tradičním GC/MS postupům pro kontrolu kvality olivových olejů a detekci TCA ve víně.
GC/MSD, HeadSpace, SPME, Příprava vzorků, GC/SQ
ZaměřeníPotraviny a zemědělství
VýrobceAgilent Technologies, GERSTEL
Souhrn
Význam tématu
Rychlá a spolehlivá kontrola kvality potravin a nápojů je v praxi nezbytná pro zajištění bezpečnosti a konzistentní chuti výrobků. Tradiční technika GC/MS sice poskytuje detailní informace, avšak vyžaduje dlouhou analýzu a náročné zpracování dat. ChemSensor založený na hmotnostní spektrometrii v kombinaci s multivariační analýzou umožňuje rychlý screening vzorků s minimální přípravou a jednoduchou interpretací výsledků.
Cíle a přehled studie
Studie se zaměřila na dvě aplikace: klasifikaci olivových olejů (pure vs. degassed) a detekci 2,4,6-trichloroanisol (TCA) ve víně. Cílem bylo porovnat výkon Headspace ChemSensoru s tradiční HS-GC/MS metodou a ověřit možnosti koncentrace TCA pomocí headspace SPME a stir bar sorptive extraction (SBSE) s automatizovanou analýzou a reportováním.
Použitá instrumentace
Byly využity dvě koncepce ChemSensoru:
- Autosampler headspace přímé do MSD (scan 50–250 amu)
- ChemSensor System s termickou desorpcí Twisteru doplněný GC/MS (HP-5 kolona, He 1,2 mL/min)
Pro koncentraci ve víně:
- SPME 100 µm PDMS fiber
- SBSE s Gerstel Twister
Hlavní výsledky a diskuse
U olivových olejů se při HS-MS ChemSensoru projevily odlišné hmotnostní otisky (rozlišení při m/z 48 a 51), PCA zřetelně oddělila pure a degassed vzorky. KNN model správně klasifikoval všech 5 neznámých olejů. U TCA ve víně detekce HS-MS dosáhla nízkých ppm úrovní, PLS kalibrace prokázala lineární závislost koncentrační odezvy. SPME-MS umožnila spolehlivé stanovení TCA na úrovni desítek ppb a SBSE-TD-GC/MS detekci až v ppt rozsahu. Výhodou byla automatizovaná interpretace a reportování výsledků v reálném čase.
Přínosy a praktické využití metody
Metoda nabízí výrazně zkrácené časy analýzy, sníženou přípravu vzorku a standardizovanou automatickou klasifikaci. Uživatelům usnadňuje rozhodování o přijatelnosti produktu bez nutnosti složitého vyhodnocování TIC chromatogramů.
Budoucí trendy a možnosti využití
Další rozvoj se očekává v oblasti zvýšení citlivosti použitím SIM režimu, rozšíření databází spektrálních otisků a integraci umělé inteligence pro pokročilé vzorové rozpoznávání. Metodu lze aplikovat i na jiné potravinářské a environmentální matrice.
Závěr
Mass spectrometry založený ChemSensor se osvědčil jako rychlá, robustní a uživatelsky přívětivá alternativa k tradičním GC/MS postupům pro kontrolu kvality olivových olejů a detekci TCA ve víně.
Reference
- Marcos Lorenzo I. et al., Anal. Bioanal. Chem., 2002, 374, 1205–1211.
- Marcos Lorenzo I. et al., J. Chromatogr. A, 2002, 945, 221–230.
- Pena F. et al., J. Am. Oil Chem. Soc., 2002, 79(11), 1103–1108.
- Fischer C. & Fischer U., J. Agric. Food Chem., 1997, 45, 1995–1997.
- Martí M. P. et al., Anal. Bioanal. Chem., 2003, 376, 497–501.
- Hayasaka Y. et al., Anal. Bioanal. Chem., 2003, 375, 948–955.
Obsah byl automaticky vytvořen z originálního PDF dokumentu pomocí AI a může obsahovat nepřesnosti.
Podobná PDF
Fast Analysis of Food and Beverage Products using a Mass Spectrometry Based Chemical Sensor
2003|Agilent Technologies|Aplikace
AppNote 1/2003 Fast Analysis of Food and Beverage Products using a Mass Spectrometry Based Chemical Sensor Arnd C. Heiden, Bita Kolahgar, Carlos Gil Gerstel GmbH & Co.KG, Eberhard-Gerstel-Platz 1, D-45473 Mülheim an der Ruhr, Germany Vanessa R. Kinton Gerstel, Inc.,…
Klíčová slova
robusta, robustachemsensor, chemsensorarabica, arabicagerstel, gersteltung, tungdiscrimination, discriminationjava, javaling, lingcoffees, coffeesdiscriminated, discriminatedanalysed, analysedclassification, classificationdifferent, differentcoffee, coffeesamples
Fast Analysis of Beverages using a Mass Spectral Based Chemical Sensor
2003|Agilent Technologies|Aplikace
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
2004|Agilent Technologies|Aplikace
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
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