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.

Chemometric methods for botanical classification of Chinese honey based on the volatile compound profile

Aplikace | 2018 | Agilent TechnologiesInstrumentace
GC/MSD, SPME, GC/SQ
Zaměření
Potraviny a zemědělství
Výrobce
Agilent Technologies

Souhrn

Chemometrické metody pro botanickou klasifikaci čínských medů na základě profilu těkavých látek


Význam tématu


Med je vysoce ceněný potravinářský produkt a znalost jeho botanického původu je klíčová pro ověření kvality, autenticity a stanovení tržní ceny. Analytické metody založené na těkavých profilech nabízejí rychlý a nedestruktivní přístup k odhalení rozdílů mezi různými druhy medu.

Cíle a přehled studie / článku


Cílem studie bylo vyvinout a ověřit postup pro diskriminaci medů čtyř botanických původů (akácie, lípy, vitexu a řepky) pomocí nontargeted těkavých profilů získaných SPME-GC/MS a následné vyhodnocení dat chemometrickými metodami.

Použitá metodika a instrumentace


  • Vzorky: 87 autentických vzorků medu (19 akácie, 22 lípy, 22 vitexu, 24 řepky), uchovávané při 4 °C.
  • SPME: vláknová hlava DVB/CAR/PDMS, expozice 30 min při 80 °C, termální desorpce při 250 °C.
  • GC/MS: Agilent 7890A GC, kolona HP-5MS (30 m×0,25 mm×0,25 μm), program pece od 50 °C do 250 °C, Agilent 5975C MS, režim Full scan (40–600 m/z).
  • Zpracování dat: Agilent MassHunter, Mass Profiler Professional (MPP) – filtrace signálů, zarovnání, dekonvoluce.
  • Chemometrie: PCA, ANOVA, PLS-DA, Naïve Bayes, BP-ANN pro klasifikaci a predikci.

Hlavní výsledky a diskuse


Filtrováním dat bylo z původních 2734 entit vybráno 70 klíčových proměnných. PCA ukázala, že první dvě hlavní komponenty vysvětlují přes 60 % variability a oddělují lipový med od ostatních. Modely PLS-DA, NB a BP-ANN dosáhly 100 % úspěšnosti rozpoznání i predikce v rámci cross-validace. Testovací sada 20 nezávislých vzorků byla klasifikována rovněž se 100 % přesností; NB a BP-ANN navíc vykázaly vysoké hodnoty spolehlivosti (confidence > 0,98). PLS-DA se ukázala být mírně méně stabilní u vzorků vitexu.

Přínosy a praktické využití metody


  • Rychlá a přesná autentizace botanického původu medu.
  • Možnost rozšíření do rutinní kontroly kvality v potravinářských laboratořích.
  • Objev markerů specifických pro jednotlivé druhy medu.

Budoucí trendy a možnosti využití


Očekává se rozšíření přístupu na geografickou indikaci medu, integrace s dalšími analytickými daty (např. izotopové analýzy), použití pokročilých strojových učících se metod či miniaturizovaných zařízení pro in-field monitoring.

Závěr


Kombinace SPME-GC/MS a chemometrických algoritmů představuje spolehlivou a univerzální metodu pro klasifikaci medu podle botanického původu s možností identifikace specifických těkavých markerů.

Reference


  1. Cuevas-Glory LF, et al. A review of volatile analytical methods for determining the botanical origin of honey. Food Chem. 2007;103:1032–1043.
  2. Chen H, Jin L, Fan C. Non-targeted volatile profiles for the classification of the botanical origin of Chinese honey by solid-phase microextraction and gas chromatography–mass spectrometry combined with chemometrics. J Sep Sci. 2017;40:4377–4384.
  3. Chudzińska M, Baralkiewicz D. Estimation of honey authenticity by multielements characteristics using inductively coupled plasma-mass spectrometry combined with chemometrics. Food Chem Toxicol. 2010;48:284–290.
  4. Wang M, et al. An integrated approach utilising chemometrics and GC/MS for classification of chamomile flowers, essential oils and commercial products. Food Chem. 2014;152:391–398.
  5. Lušić D, et al. Volatile Profile of Croatian Lime Tree (Tilia sp.), Fir Honeydew (Abies alba) and Sage (Salvia officinalis) Honey. Food Technol Biotechnol. 2007;45:156–165.
  6. Blank I, Fischer KH, Grosch W. Intensive neutral odorants of linden honey Differences from honeys of other botanical origin. Z Lebensm Unters Forsch. 1989;189:426–433.
  7. Piasenzotto L, Gracco L, Conte L. Solid phase microextraction (SPME) applied to honey quality control. J Sci Food Agric. 2003;83:1037–1044.
  8. Špánik I, et al. Characterisation of VOC composition of Slovak monofloral honeys by GC×GC-TOF-MS. Chem Papers. 2013;67:127–134.

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

PDF verze ke stažení a čtení
 

Podobná PDF

Toggle
DLLME-Gas Chromatography-QuadrupoleTime-of-Flight Mass Spectrometry for Classification of Botanical Origin of Chinese Honey
DLLME-Gas Chromatography-Quadrupole Time-of-Flight Mass Spectrometry for Classification of Botanical Origin of Chinese Honey Experimental Introduction Results and Discussion Honey Sample Data Extraction Data Filtering PLS-DA Predictive Model Compound Identification 24 honey samples, including rape flower, acacia, linden and vitex honey,…
Klíčová slova
honey, honeybotanical, botanicallinden, lindenvitex, vitexacacia, acaciadllme, dllmerape, rapeorigins, originsvolatile, volatilempp, mpptof, tofprediction, predictionflower, flowermodel, modelwere
Agilent ICP-MS Journal (August 2014 – Issue 58)
Agilent ICP-MS Journal (August 2014 – Issue 58)
2014|Agilent Technologies|Ostatní
Agilent ICP-MS Journal August 2014 – Issue 58 Inside this Issue 2 Enhanced Integration of LA and ICP-MS with ESI’s LA Plug-in for ICP-MS MassHunter – A Streamlined Workflow 3 Determination of the Region of Origin of Chinese Honey…
Klíčová slova
icp, icphalogenated, halogenatedablation, ablationhoney, honeydbps, dbpsplug, plugactiveview, activeviewdisinfection, disinfectionzircon, zirconsamples, samplesbotanical, botanicalann, annagilent, agilentchloramination, chloraminationatomic
Classification of Chamomile Flowers, Essential Oils, and Commercial Products Using Chemometrics and the Agilent 5975 GC/MSD
Classification of Chamomile Flowers, Essential Oils, and Commercial Products Using Chemometrics and the Agilent 5975 GC/MSD Application Note Food Testing & Agriculture Authors Abstract Mei Wang, Bharathi Avula, A highly accurate statistical model has been developed to determine the exact…
Klíčová slova
chamomile, chamomilegerman, germanjuhua, juhuaherbal, herbalroman, romansupplement, supplementdietary, dietarymodel, modelprediction, predictiontea, teaflowers, flowersentities, entitiesnobilis, nobilisessential, essentialcommercial
Methodologies for Food Fraud
Methodologies for Food Fraud
2019|Agilent Technologies|Ostatní
Food Fraud Guide Methodologies for Food Fraud Tips for robust experimental results Executive summary Knowing that food fraud scandals often drive public awareness and regulatory changes, the goal of this paper is to present analytical techniques and experimental methodologies, and…
Klíčová slova
prediction, predictionrice, ricenontargeted, nontargetedclass, classstatistical, statisticalfood, foodgeographic, geographiccan, canauthenticity, authenticityidentify, identifyfeature, featuretools, toolssors, sorsdata, datafinding
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.