Methodologies for Food Fraud

Význam tématu

V důsledku opakujících se afér spojených s falšováním potravin, jako byl případ melaminu v krmivech nebo podvodné označování extra panenského olivového oleje, je nezbytné mít k dispozici spolehlivé analytické metody. Cílem komplexních přístupů je zajistit bezpečnost potravin, chránit spotřebitele před ekonomickými ztrátami a podpořit důvěru na trhu.

Cíle a přehled studie

Článek představuje přehled analytických technik a metodologických postupů pro detekci ekonomicky motivované adulterace potravin. Zahrnuje spektroskopické a spektrometrické metody, nelineární chromatografické workflow, multivariační statistiku a nástroje pro predikci zařazení vzorků.

Použitá metodika a instrumentace

Pro sledování adulterace byly využity následující přístupy:

• Spektroskopie IR (FTIR, NIR) a Raman, včetně přenosných zařízení Agilent 4300 Handheld FTIR a Resolve (SORS)
• GC/MS s Agilent 8890 GC a 5977B MSD pro analýzu těkavých složek
• LC/Q-TOF s Agilent 1290 Infinity II a 6546 LC/Q-TOF pro netěkavé kontaminanty
• ICP-MS (Agilent 7900) a ICP/OES (Agilent 5110) pro stopové prvky a geografickou indikaci
• IrMS pro poměry stabilních izotopů
• Genové testy (PCR-RFLP, DNA barcoding a NGS) na Agilent 2100 Bioanalyzer
• Workflow nontargeted analýzy s rekurzivním hledáním vlastností v Agilent MassHunter Profinder a Mass Profiler Professional
• Multivariační statistika a modely strojového učení (PLS-DA, SVM, rozhodovací stromy, neuronové sítě) integrované v Agilent Classifier

Hlavní výsledky a diskuse

Analytické metody pro netěkavé i těkavé složky prokázaly schopnost rozlišit adulteraci na úrovni ppm až ppb. Spektroskopie dokázala odhalit známé i neočekávané změny v profilech vzorků. Kombinace netargeted a targeted přístupů umožnila retrospektivní vyhledávání nových markerů. Elementální fingerprinting s ICP-MS/OES a izotopové metody pomohly při geografické autentizaci (například vína, čaje nebo rýže). Modely strojového učení zvýšily výtěžnost detekce, přičemž nejvyšší robustnosti bylo dosaženo pečlivou volbou proměnných, validací (leave-one-out, N-fold cross validation) a vyvarováním se přeučení.

Přínosy a praktické využití metody

Nasazení přenosných spektroskopických a genetických zařízení umožňuje rychlé předběžné skríningy v terénu. V laboratorních podmínkách poskytují GC/MS a LC/Q-TOF detailní chemické profily, zatímco ICP-MS nabízí vysoce citlivé stanovení prvků pro sledování původu surovin. Integrované softwarové nástroje zkracují dobu zpracování dat a zvyšují reprodukovatelnost výsledků.

Budoucí trendy a možnosti využití

Očekává se další miniaturizace přístrojů a širší využití výpočetní chemometrie a umělé inteligence pro automatizaci analýzy a predikce. Rozvoj metod netargeted metabolomiky a genové metody NGS otevře cestu k hodnocení komplexních směsí potravin. Zásadní bude integrace senzorových polí (elektronické nosy), spektroskopického zobrazování a datových platforem pro online dohled nad kvalitou.

Závěr

Bezpečná a věrohodná detekce ekonomicky motivované adulterace vyžaduje kombinaci cílených a nontargeted metod, pečlivou experimentální přípravu, rekurenční extrakci dat a robustní multivariační statistiku. Integrované přístrojové a softwarové platformy umožňují spolehlivou identifikaci adulterantů a potvrzení geografického původu, což posiluje kontrolu kvality potravin.

Reference

1. Barboza D.; Barrionuevo A. Filler in Animal Feed Is Open Secret in China. The New York Times 30 April 2007.
2. Litzau J. J.; Mercer G. E.; Mulligan K. J. GC-MS Screen for the Presence of Melamine, Ammeline, Ammelide, and Cyanuric Acid. v. 2.1, FDA Center for Veterinary Medicine, original posting May 5, 2007.
3. Bhalla V.; et al. Melamine Nephrotoxicity: an Emerging Epidemic in an Era of Globalization. Kidney International 2009, 75, 774–779.
4. GC-MS Screen for the Presence of Melamine, Ammeline, Amelide, and Cyanuric Acid. U.S. Food and Drug Administration, LIB No. 4423, vol. 4, October 2008.
5. FDA Notice of Public Meeting on Economically Motivated Adulteration. 74 Fed. Reg. 15,497 (April 6, 2009).
6. Frankel E. N.; et al. Tests Indicate That Imported Extra Virgin Olive Oil Often Fails International and USDA Standards. UC Davis Olive Center, July 2010.
7. Cord C. 80 Percent is the New 69 Percent. Olive Oil Times Nov. 30, 2016.
8. Ayton J.; Mailer R. J.; Graham K. The Effect of Storage Conditions on Extra Virgin Olive Oil Quality. RIRDC April 2012, 12/024.
9. Morales M. T.; Luna G.; Aparicio R. S. Comparative Study of Virgin Olive Oil Sensory Defects. Food Chem. 2005, 91(2), 293–301.
10. Stein S. E.; Scott D. R. Optimization and Testing of Mass Spectral Library Search Algorithms for Compound Identification. J. Amer. Soc. Mass Spectrom. 1994, 5(9), 859–866.
11. Taro Q.; et al. New Investigator Tools for Finding Unique and Common Components in Multiple Samples with Comprehensive Two-Dimensional Chromatography. Chromatography Today 2018, 13–18.
12. Smith C. A.; et al. XCMS: Processing Mass Spectrometry Data for Metabolite Profiling Using Nonlinear Peak Alignment, Matching, and Identification. Anal. Chem. 2006, 78(3), 779–782.
13. Hjelmeland A. K.; et al. Characterizing the Chemical and Sensory Profiles of United States Cabernet Sauvignon Wines and Blends. Am. J. Enol. Vitic. 2013, 64(2), 169–179.
14. Bradbury L. M.T.; et al. The Gene for Fragrance in Rice. Plant Biotechnol. J. 2005, 3, 363–370.
15. Bergman C. J.; et al. Rapid Gas Chromatograph Technique for Quantifying 2-Acetyl-1-Pyrroline and Hexanal in Rice (Oryza sativa, L). Cereal Chem. 2000, 77(4), 454–458.
16. Grimm C. C.; et al. Screening for 2-Acetyl-1-Pyrroline in the Headspace of Rice using SPME/GC-MS. J. Agric. Food Chem. 2001, 49, 245–249.
17. Yannell K. E.; Cuthbertson D. Food Authenticity Testing with the Agilent 6546 LC/Q-TOF and MassHunter Classifier. Agilent Technologies Application Note, 5994-0694EN, March 2019.
18. WTO Analytical Index, TRIPS Agreement Articles 2018 22, 23.
19. Ibanez J. G.; et al. Metals in Alcohol Beverages: A Review of Sources, Effects, Concentrations, Removal, Speciation, and Analysis. J. Food Compos. Anal. 2008, 21, 672–683.
20. Förstel H. The Natural Fingerprint of Stable Isotopes – Use of IRMS to Test Food Authenticity. Anal. Bioanal. Chem. 2007, 388, 541–544.
21. Drivelos S. A.; Georgiou C. A. MultiElement and MultiIsotope-Ratio Analysis to Determine the Geographic Origin of Foods in the European Union. Trends Anal. Chem. 2012, 40, 38–51.
22. Nelson J.; Hopfer H. Authentication of Specialty Teas: An Application Note. Food Qual. Saf. 2019, December/January, 32–33.
23. Moore J. C.; Spink J.; Lipp M. Development and Application of a Database of Food Ingredient Fraud and Economically Motivated Adulteration from 1980 to 2010. J. Food Sci. 2012, 77(4), R118–R126.
24. Santos P. M.; Pereira-Filho E. R.; Rodriguez-Saona L. E. Application of Hand-Held and Portable Infrared Spectrometers in Bovine Milk Analysis. J. Agric. Food Chem. 2013, 61, 1205–1211.
25. Pasquini C. New Infrared Spectroscopy: Fundamentals, Practical Aspects and Analytical Applications. J. Braz. Chem. Soc. 2003, 14(2), 198–219.
26. Muthayya S.; et al. An Overview of Global Rice Production, Supply, and Consumption. Ann. N.Y. Acad. Sci. 2014, 1324, 7–14.
27. Vemireddy L. R.; et al. Review of Methods for the Detection and Quantification of Adulteration of Rice: Basmati as a Case Study. J. Food Sci. Technol. 2015, 52(6), 3187–3202.
28. Kim S. S.; et al. Authentication of Rice Using Near-Infrared Reflectance Spectroscopy. Cereal Chem. 2003, 80(3), 346–349.
29. Teye E.; et al. Innovative and Rapid Analysis for Rice Authenticity Using Hand-Held NIR Spectrometry and Chemometrics. Spectrochim. Acta A 2019, 217, 147–154.
30. Yu Y.; et al. Accuracy and Stability Improvement in Detecting Wuchang Rice Adulteration by Piece-Wise Multiplicative Scatter Correction in the Hyperspectral Imaging System. Anal. Methods 2018, 10, 3224–3231.
31. Izake E. L. Forensics and Homeland Security Applications of Modern Portable Raman Spectroscopy. Forensic Sci. Int. 2010, 202(1-3), 1–8.
32. Dooley J.; et al. Improved Fish Species Identification by the Use of Lab-on-a-Chip Technology. Food Control 2005, 16, 601–607.
33. Dooley J. J.; et al. Fish Species Identification Using PCR-RFLP Analysis and Lab-on-Chip Capillary Electrophoresis: Application to Detect White Fish Species in Food Products and an Interlaboratory Study. J. Agric. Food Chem. 2005, 53, 3348–3357.
34. Hebert P. D.; et al. Biological Identifications Through DNA Barcodes. Proc. Biol. Sci. 2003, 270(1512), 313–21.
35. Ratnasingham S.; Hebert P. D. BOLD: The Barcode of Life Data System. Mol. Ecol. Notes 2007, 7, 355–364.
36. Wattoo J. I.; et al. DNA Barcoding: Amplification and Sequence Analysis of rbcL and matK Genome Regions in Three Divergent Plant Species. Adv. Life Sci. 2016, 4(1), 3–7.
37. CBOL Plant Working Group. A DNA barcode for land plants. PNAS 2009, 106(31), 12794–12797.
38. Garrett S.; Clarke M. Use of the Agilent 2100 Bioanalyzer for Basmati Rice Authenticity Testing. Agilent Technologies Application Note, 5989-6836EN, 2007.
39. Handy S. M.; et al. Evaluation of the Agilent Technologies Bioanalyzer-Based DNA Fish Identification Solution. Food Control 2017, 73, 627–633.
40. Cespedes A.; et al. Identification of Flatfish Species Using PCR Amplification and Restriction Analysis of the Cytochrome b Gene. J. Food. Sci. 1998, 63, 206–209.
41. Ellis D. I.; et al. Through-Container, Extremely Low Concentration Detection of Multiple Chemical Markers of Counterfeit Alcohol Using a Handheld SORS Device. Sci. Rep. 2017, 7, 12082.
42. Schultz-Trieglaff O.; et al. Statistical Quality Assessment and Outlier Detection for Liquid Chromatography-Mass Spectrometry Experiments. BioData Mining 2009, 2:4.
43. Tautenhahn R.; et al. XCMS Online: A Web-Based Platform to Process Untargeted Metabolomic Data. Anal. Chem. 2012, 84(11), 5035–5039.
44. Styczynski M. P.; et al. Systematic Identification of Conserved Metabolites in GC/MS Data for Metabolomics and Biomarker Discovery. Anal. Chem. 2007, 79, 966–973.
45. Smilde A. K.; et al. Metabolomics in Practice: Successful Strategies to Generate and Analyze Metabolic Data. Lämmerhofer M.; Weckwerth W., Eds. Wiley-VCH Verlag & Co., 2013, p. 266.