Classifcation and Visualization of Beer Quality Using GC-MS and GC-FID

Význam tématu

Různé výrobní závody a šarže piva vedou i při zachování stejné receptury a postupu k variabilitě organoleptických vlastností. Pro sladovny a pivovary je proto klíčové spolehlivé hodnocení kvality piva nad rámec senzorických testů. Kombinace GC-MS a GC-FID s multivariační analýzou přináší nový přístup ke klasifikaci a vizualizaci kvalitativních odchylek.

Cíle a přehled studie / článku

Hlavním cílem bylo ukázat, jak lze pomocí chromatografických metod a statistiky rozlišit a popsat odlišnosti mezi vzorky piva.

• Studie 1: Komparace pěti různých značek piv (GC-MS vs. GC-FID, PCA).
• Studie 2: Rozlišení šarží téhož piva z různých závodů a výrobních dávek (GC-MS vs. GC-FID, PCA).

Použitá instrumentace

• GC-MS/MS: Shimadzu GCMS-TQ8040, detekce MRM, knihovna Smart Metabolites Database (475 sloučenin).
• GC-FID: Shimadzu GC-2030 s FID detektorem.
• Kolony: DB-5 (30 m×0,25 mm×1 μm) pro GC-MS a SH-Rtx-1 (60 m×0,32 mm×1 μm) pro GC-FID.
• Softwarová podpora: SIMCA 15 pro PCA analýzu.

Metodika

Vzorky piva byly odplyněny a přidán interní standard 2-isopropylmalátové kyseliny. Následovalo extrakční sušení a dvojí derivatizace (metoximace, trimethylsilylace). GC-MS analýza probíhala splitless, lineární rychlostí 39 cm/s, 950 MRM přechodů. GC-FID analýza ve splitu 1:15, 25 cm/s, detektor FID při 330 °C. Data byla zpracována pomocí PCA pro identifikaci klíčových proměnných.

Hlavní výsledky a diskuse

Studie 1 ukázala, že PCA skóre z GC-MS i GC-FID odlišilo pět značek piva. Z GC-MS nádobkové plochy bylo možné vyčíst specifické metabolity (sacharidy, organické kyseliny, aminokyseliny), které ovlivňují chuťové vlastnosti jednotlivých piv. GC-FID potvrdilo klasifikaci, avšak bez detailních identifikačních informací.
Studie 2 prokázala, že i u stejné značky lze rozlišit piva z různých závodů a výrobních dávek. GC-MS načrtlo rozdíly v obsahu fosforylovaných sacharidů a organických kyselin mezi výrobními místy a šaržemi, což umožňuje cílenou úpravu výroby.

Přínosy a praktické využití metody

• Rychlá identifikace a klasifikace odchylek kvality piva.
• Podpora rozhodování o úpravě receptur a technologických parametrů.
• Nákladově efektivní sledování rutinních parametrů pomocí GC-FID.
• Rozšíření senzorických metod o objektivní chemickou charakterizaci.

Budoucí trendy a možnosti využití

Integrace vyššího počtu metabolitů a strojového učení pro predikci senzorických atributů piva. Rozvoj levnějších FID metodiky s vylepšenou selektivitou. Kombinace s dalšími technikami (LC-MS, NMR) pro komplexní metabolomiku potravin.

Závěr

Popsaný přístup GC-MS/FID s PCA nabízí robustní nástroj pro hodnocení a vizualizaci kvality piva. Umožňuje odhalit klíčové složky odpovědné za chuťové rozdíly mezi značkami i šaržemi, přičemž GC-FID nabízí ekonomickou alternativu pro rutinní kontrolu kvality.