Name: Obst-Volatile-Analyse mit einem elektronische Nase (Video) | JoVE Journal
Uploaded: 2012-03-30T13:00:00.000+00:00
Duration: 11 min 2 s
Description: Lernen Sie die schnelle Analyse flüchtiger Verbindungen in Früchten mit einer elektronischen Nase. Diese Methode ermöglicht Forschern, Fruchtreife, Sorte und Lagerbedingungen effizient zu untersuchen.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

Die Autoren danken Bill Copes (Harris Moran Seed Company, Davis) zur Bereitstellung von Melone Früchte für diese Analyse. Dieses Projekt wird von der Sonderkulturen Research Initiative Competitive Grants Program unterstützt gewähren keine. 2009-51181-05783 von der USDA National Institute of Food and Agriculture.

1. Probenvorbereitung <ol><li> Ernte-Früchte an den gewünschten Reifegrad. Spülen mit Leitungswasser, um Schmutz und Staub zu entfernen. </li><li> Wählen Sie Früchte für die Analyse auf die Abwesenheit von externen und internen Fehlern und Größe Homogenität basiert. </li><li> Schneiden Sie das Obst der Länge nach in Keile für flüchtige Probenahme verwendet werden. Entfernen Sie gegebenenfalls Haut, Samen, Samenhöhle Gewebe oder Grube. Obst Gewebe Auswahl muss für das gesamte Experiment konsistent und berücksichtigen die Variabilität innerhalb einer einzigen Frucht (dh Probe erhalten gleichermaßen von der äquatorialen, Blüte und Stiel Endteile). </li><li> Kombinieren Sie die ausgewählten Obst Gewebe, mischen Sie es, um es zufällig, und dann abwiegen 200 g in einen Mixer geben. </li><li> In 200 ml gesättigter CaCl 2-Lösung (372,5 g bei 20 ° C, in 500 ml VE-Wasser) und 50 ul einer 100 mM Lösung von 2-Methylbutyl Isovalerat in Methanol. Die CaCl 2 zur Verwendung als Inhibitor der enzymatischen ac handelntivität, die nach dem Schneiden und Homogenisieren der Fruchtfleisch auftreten könnten. 2-Methylbutyl Isovalerat wird als interner Standard zugesetzt, um die mögliche Verluste von flüchtigen Verbindungen während der Homogenisierung zu überwachen. </li><li> Homogenisieren Mischung in einer Labor-Mixer (Waring, USA), für 30 Sekunden bei 18.000 UpM, dann sofort in Glasflasche mit Teflon-Dichtung und Deckel gießen. Halten Sie das Homogenat in der Flasche bei Raumtemperatur, bis alle Proben vorbereitet werden. </li><li> Nach dem Gießen des Homogenat in die Flasche 10 Minuten warten, um die Trennung von dem Schaum aus der Flüssigkeit, dann 5 ml Aliquots der Flüssigkeit zu ermöglichen, ohne Schaum, in 20 ml Braunglasflasche, Fläschchen und versiegeln Sie die Flaschen mit Schraubverschlüssen Stahl mit Teflon ausgerüstet / Silikon-Septen. Dieses Verfahren eignet sich für Melone und Birne Homogenat Vorbereitung. Wenn andere Früchte für die Analyse verwendet werden, könnte ein Zentrifugationsschritt erforderlich sein. Daher nehmen Sie den Schaum und dann zentrifugiert, um die Flüssigkeit Pellet-Teilchen, die möglicherweisebehindern die Pipette. Bereiten Sie mindestens drei Fläschchen pro Probe zu dienen als technische repliziert. </li><li> An diesem Punkt können die Proben sofort analysiert werden oder in flüssigem Stickstoff schockgefroren und gelagert bei extrem niedrigen Temperaturen (-80 ° C) für eine spätere Analyse. </li><li> Für tiefgefrorene Proben ist auf die Analyse Tag entfernen die Proben aus dem Gefrierschrank und lassen Sie sie für eine Stunde bei Raumtemperatur auftauen. Nach dem Auftauen und vor der Analyse, ersetzen Sie die Kappe der durch eine neue, die eine saubere, trockene Septum hat. Wenn das Septum nicht ersetzt wird, kann Wasser auf dem Septum beim Auftauen kondensiert in das Gerät gezogen werden und es beschädigen. </li></ol> 2. Gaschromatographie-Surface Acoustic Wave (SAW-GC) Set-up-und Datenkommunikation <ol><li> Legen Sie das entsprechende Analyse-Methode für das zNose. Für die Analyse der Ester-reiche flüchtigen Profil von Melone, sind unsere Parameter in der Version 5.44.22 Microsense Software (Newbury Park, CA, USA) wie folgt: Kopfraum Ansaugen in dieEinlass für 20 Sekunden bei 30 ml min -1 über Pumpe; Eintrittstemperatur bei 200 ° C; Tenax-Fallen-Temperatur bei 225 ° C; Trägergas (Helium Reinheit 99,999%) Fließgeschwindigkeit von 2,9 ml min-1; Spalte (DB-5 Spalte 1 m × 0,25 mm ID × 0,25 um Filmdicke) Temperaturprogramm von 45 ° C bis 180 ° C mit einer Geschwindigkeit von 10 ° C s -1; Sensor Temperatur bei 40 ° C, Ventil bei 165 ° C Die gesamte Analyse beträgt 1 Minute pro Probe. </li><li> Schließen Sie eine Nadel aus Edelstahl mit Nicht-Kern versehene Spitze der zNose Einlass und spülen Sie das System mehrmals mit Umgebungsluft, bis die Basislinie stabil ist und keine Spitzen mehr als 200 Counts (Ct) werden erkannt. </li><li> Stimmen Sie das Instrument mit einer Lösung von geradkettigen Alkanen (C6-C14). Die Melodie wird mit dem Instrument-Software verwendet, um die Verweilzeit der eluierten Peaks von Zeiteinheiten umwandeln in Kovats-Index (KI) Einheiten. Folglich, nachdem das System eingestellt ist, werden die Verweilzeiten in KI-Einheiten angegeben. </li&gt; <li> Vor der Analyse der Probe zu ermöglichen für 30 min lang sich ausgleichen. Um eines der Probenfläschchen analysieren, legen Sie eine Nadel in die Fläschchenseptum, um den Druck zu entlasten. Dann führen Sie die Nadel an das Instrument angeschlossenen Einlass in die Fläschchenseptum und initiieren Headspace Sampling. Analysieren Sie mindestens drei technischen Replikate pro Probe. </li><li> Manuelles Starten des Gerätes, indem Sie auf &quot;Play&quot; drücken, die Pumpe aktiviert wird und zieht sich die Dämpfe über der Probe zu präsentieren. Am Ende der Analyse, wird ein Chromatogramm auf dem Bildschirm, und der Sensor wird automatisch auf 150 ° C für 10 Sekunden erhitzt, um es zu reinigen. Wenn das System Status-Box-Taste wieder gelb wird, ist das Instrument bereit, eine weitere Probe zu analysieren. </li><li> Um eine stabile Grundlinie und ordnungsgemäße Reinigung des Systems zu gewährleisten, führen Sie mindestens eine leere Luft zwischen jeder Probe. Um auf mögliche flüchtige Verunreinigungen aus dem Fläschchen und Kappe überwachen, analysieren zwei Fläschchen-Rohlinge (leeres Fläschchen mit Kappe), am Anfang und am Ende des Tages. &lt;/ Li&gt; </ol> 3. Datenexport und-analyse <ol><li> Exportieren Sie die Daten in eine Microsoft Excel-Datei nach der Übernahme mit dem &quot;Peak Logging&quot;-Funktion in Microsense Software. Sobald die Daten exportiert werden, fügen Sie Spalten mit Etiketten für Variablen und repliziert. </li><li> Verwandeln Sie das Datenformat für eine einfachere Manipulation mit dem Python (Version 2.6; frei verfügbaren Online-) Skript, das wir entwickelt, mit dem Namen &quot;reform_data.py&quot; (siehe Abbildung 1 zeigt ein Beispiel für das Datenformat vor und nach mit dem Skript &quot;reform_data. py &quot;). Der Name der Quelldatei (xls-Format) und Blattname für die eingegebenen Daten sowie den gewünschten Dateinamen für die Ausgabe (xls-Format), werden direkt in dem Skript bearbeitet. </li><li> Start &quot;kim_interface.py&quot; (auch in Python 2.6 geschrieben; siehe Abbildung 2), und importieren Sie die Daten aus der Datei im vorigen Schritt generiert. Insbesondere wird die Analyse zum Anzeigen und Analysieren der Anzahl, wie oft jeder KI-Wert festgestellt wurde basierend(&quot;KI Hits&quot;). So zeigt das Programm ein Balkendiagramm der KI Treffern für jedes KI-Wert. </li><li> Werten Sie die KI Treffern spezifischer Untergruppen von Proben, die Analyse jede Gruppe von technischen Replikaten zusammen. Dazu analysieren jede Behandlung oder Variable einzeln, indem Sie / Deaktivieren der entsprechenden Felder ein. Siehe Abbildung 2 Beschriftung für detaillierte Beschreibung der grafischen Benutzeroberfläche (GUI)-Funktionen. </li><li> Nach der Identifizierung der Breite der einzelnen KI-Fenster über die GUI, nach dem Zufallsprinzip auszuwählen einige der entsprechenden Chromatogramme in Microsense Software und bewerten überlappenden Peaks unter den technischen Replikaten. Siehe Abbildung 3 zeigt ein Beispiel für überlagerte Chromatogramme von zwei technischen Replikaten. </li><li> Sobald die KI-Fenster wird individualisiert, verwenden Sie die &quot;Merge&quot;-Funktion finden Sie in der GUI die KIS, die im Fenster fallen, in den am dichtesten bevölkerten KI verschmelzen. Mit Hilfe dieser Funktion werden Peaks mit einer Reihe von KI-Werte beschriftet unter einem KI-Label, allowi konsolidiertng der Behandlung solcher Gipfel als eine einzelne Variable. Um dies zu tun, zuerst auf dem &quot;Merge&quot;-Taste klicken, um die Funktion zu aktivieren und wählen Sie den am dichtesten bevölkerten KI als die Mitte des Fensters mit der linken Maustaste die entsprechende Leiste. Sobald die Leiste ausgewählt wurde, ändert es seine Farbe und wird grün. Um die KIS, die innerhalb des Fensters lassen sich in dem ausgewählten KI verschmelzen, auf den entsprechenden Balken der rechten Maustaste auf, dies bewirkt, dass die Balken rot werden, während ein blauer Balken der entsprechenden Länge auf der Oberseite des zentralen KI hinzugefügt wird (siehe Abbildung 4 ). Nachdem alle ausgewählten KIS haben in den entsprechenden zentralen KI wurden zusammengelegt, auf der &quot;Merge&quot;-Taste erneut klicken, um die Änderungen zu akzeptieren; dies bewirkt die &quot;Merge&quot;-Taste, um vergilben. Bei Fehlern wird die &#39;Unmerge &quot;-Taste zur Verfügung. Um unmergen, klicken Sie auf den &#39;Unmerge&#39; Button in der GUI, dann auf die rote Leiste Sie unmergen rechten Maustaste darauf. Von rot, wird der Balken blau. Klicken Sie auf die &#39;Unmerge&#39; Taste erneut, um die Änderungen zu übernehmen. </li><li> Wenn man versucht, incorrectly verschmelzen zwei Peaks in einer einzigen Probe in einem einzigen KI-Wert, wird eine Fehlermeldung ausgegeben. In einem solchen Fall genau zu prüfen, das Chromatogramm und definieren die KI-Fenster in dieser Region. </li><li> Nachdem alle der fusionierenden Operationen durchgeführt worden sind, speichern Sie die Datei. </li><li> Bevor Sie mit statistischen Auswertung werden die Chromatogramme der Luft und Fläschchen Leerzeichen analysiert, um mögliche Verunreinigungen zu überwachen. Sobald die KI der Spitzen in die Lücken identifiziert worden sind, subtrahiert die Fläche des Peaks in der Luft und / oder Fläschchen-Rohlings aus der Fläche des Peaks in der Probe vorhanden erkannt. Dann mit statistischer Analyse fortzufahren. </li></ol> 4. Repräsentative Ergebnisse Die elektronische Nase war in der Lage, Unterschiede in der flüchtigen Profile unter Melonenfrucht an verschiedenen Reifestadien (Abbildung 5) geerntet zu erkennen. Zwanzig KI Fenster wurden in allen Proben identifiziert. Eine Varianzanalyse zeigte, dass 14 Gipfel Detected durch die elektronische Nase deutlich zwischen Reife Stufen variiert. In Abbildung 6 werden die Protokolldateien der mittleren Peakflächen von diesen 14 Komponenten aufgetragen, um Unterschiede in der Peak-Häufigkeiten zwischen zwei Reifestadien, früh reif und voll reifer Früchte zu zeigen. <img alt="1" src="/files/ftp_upload/3821/3821fig1.jpg" /> 1. Beispiele für Datenformat Gerätesoftware (A) und nach der Transformation unter Verwendung &quot;reform_data.py&quot; Skript (B). Ausgeführt Um die Datenmanipulation und Analyse zu erleichtern, alle eindeutigen KIS in allen Proben identifiziert werden, dann werden die Daten mit der Probe Informationen in Zeilen und Peakfläche in Spalten, entsprechend einzigartigen KIS neu geordnet werden. Wenn ein Peak nicht für eine KI-Wert in einer Probe nachgewiesen, bleibt die entsprechende Zelle leer. <img alt="2" src="/files/ftp_upload/3821/3821fig2.jpg" /> Abbildung 2. Screen Capture aus der Taschet Datei &quot;kim_interface.py&quot;. Das Grundstück in der Mitte zeigt Anzahl der Treffer pro KI gegen KI. &quot;Hit pro KI &#39;ist die Anzahl der Proben, bei denen ein Peak mit diesem spezifischen KI erkannt wurde. Auf der linken Seite gibt es drei gelben Kästen die Steuerung der ausgewählten Daten. Sie zeigen, um den Parameter-Datensatz (Behandlungen, repliziert, qualitative Variablen, etc.) zu unterteilen. In dieser Abbildung sind sie (von oben nach unten): Variety, Bepflanzung Datum und Reifephase bei der Ernte. Auf dem Boden: mit einem Klick auf den 3 Bars und das Bewegen der blaue Balken nach links oder nach rechts, kann man wählen Sie den minimalen und den maximalen Wert des KI-Bereich und der minimalen Peakfläche (&quot;Threshold&quot;). Auf der rechten Seite: die &quot;Merge&quot;-Taste erlaubt das Zusammenführen von manuell ausgewählten KIS einen Klick auf den Balken in der Handlung. Die &#39;Unmerge&#39; Button erlaubt es, den Prozess für ausgewählte Fälle rückgängig zu machen. <img alt="Abbildung 3" src="/files/ftp_upload/3821/3821fig3.jpg" /> Abbildung 3. Überlagerte Chromatogramme (in<html> schwarz und rot) von zwei technische Replikate aus Melone flüchtigen Kopfraum, um eine Verschiebung der Retentionszeit zu illustrieren. <img alt="Abbildung 4" src="/files/ftp_upload/3821/3821fig4.jpg" /> Abbildung 4. Beispiel für die Verschmelzung KI Prozedur. In der zentralen Handlung, stellt der grüne Balken (Central KI) das bevölkerungsreichste KI, die als Zentrum der KI-Fenster ausgewählt wurde. KI und KI X Y KIS fallen in das Fenster von Interesse und sie benötigen, um in den zentralen KI zusammengeführt werden. Mit der rechten Maustaste auf KI X-Bar, wird sie rot und, zur gleichen Zeit, wird ein blauer Balken die gleiche Länge von KI X-Bar, auf der Oberseite der grünen. Durch Wiederholen der gleichen Verfahren wie für KI Y, die Länge des blauen Balken (fusioniert KIS) wird der entsprechende Länge zu vergrößern. Sobald alle KIS wurden hinzugefügt, indem Sie auf den grünen &quot;Merge&quot;-Taste, um die Zusammenführung Enden, werden die Änderungen gespeichert, und die Farbe der Schaltfläche wird gelb. / Files/ftp_upload/3821/3821fig5.jpg &quot;/&gt; Abbildung 5. Zwei Chromatogramme von Melone Proben bei verschiedenen Reifestadien geerntet, reifen früh (oben) und vollreife (unten), um die Fähigkeit der elektronischen Nase auf Unterschiede in volatilen Häufigkeiten feststellen zu illustrieren. <img alt="6" src="/files/ftp_upload/3821/3821fig6.jpg" /> Abbildung 6. Radar Diagramm, das die Peakfläche von 14 vorhandenen Komponenten in zwei Melone Proben an zwei verschiedenen Reifestadien, früh reif und voll reif. Die Peakflächen werden in Log-Skala gemeldet, um den Vergleich zu visualisieren. Die Zahl am Ende jedes Strahls stellen die entsprechenden Kovats-Indizes.

<ol><li>Kader, A. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Flavor+quality+of+fruits+and+vegetables%5BTitle%5D)+AND+%22Journal+of+the+Science+of+Food+and+Agriculture%22%5BJournal%5D)">Flavor quality of fruits and vegetables.</a> Journal of the Science of Food and Agriculture. 88, 1863-1868 (2008).</li>
<li>Persaud, K., Dodd, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Analysis+of+discriminant+mechanisms+in+the+mammalian+olfactory+system+using+a+model+nose%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Analysis of discriminant mechanisms in the mammalian olfactory system using a model nose.</a> Nature. 299, 352-355 (1982).</li>
<li>Gardner, J. W., Bartlett, P. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+brief-history+of+electronic+noses%5BTitle%5D)+AND+%22Sensors+and+Actuators%22%5BJournal%5D)">A brief-history of electronic noses.</a> Sensors and Actuators. 18, 211-220 (1994).</li>
<li>Rock, F., Barsan, N., Weimar, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Electronic+nose%3A+Current+status+and+future+trends%5BTitle%5D)+AND+%22Chem.+Rev%22%5BJournal%5D)">Electronic nose: Current status and future trends.</a> Chem. Rev. 108, 705-725 (2008).</li>
<li>Li, C., Heinemann, P. H., Irudayaraj, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Detection+of+apple+deterioration+using+an+electronic+nose+and+zNose%5BTitle%5D)+AND+%22Transactions+of+the+Asabe%22%5BJournal%5D)">Detection of apple deterioration using an electronic nose and zNose.</a> Transactions of the Asabe. 50, 1417-1425 (2007).</li>
<li>Li, Z. F., Wang, N., Raghavan, G. S. V., Vigneault, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ripeness+and+rot+evaluation+of+%27Tommy+Atkins%27+mango+fruit+through+volatiles+detection%5BTitle%5D)+AND+%22J.+Food+Eng%22%5BJournal%5D)">Ripeness and rot evaluation of 'Tommy Atkins' mango fruit through volatiles detection.</a> J. Food Eng. 91, 319-324 (2009).</li>
<li>Oh, S. Y., Ko, J. W., Jeong, S. Y., Hong, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Application+and+exploration+of+fast+gas+chromatography-surface+acoustic+wave+sensor+to+the+analysis+of+thymus+species%5BTitle%5D)+AND+%22J.+Chromatogr.+A%22%5BJournal%5D)">Application and exploration of fast gas chromatography-surface acoustic wave sensor to the analysis of thymus species.</a> J. Chromatogr. A. 1205, 117-127 (2008).</li>
<li>Watkins, P., Wijesundera, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Application+of+zNose+for+the+analysis+of+selected+grape+aroma+compounds%5BTitle%5D)+AND+%22Talanta%22%5BJournal%5D)">Application of zNose for the analysis of selected grape aroma compounds.</a> Talanta. 70, 595-601 (2006).</li>
<li>Gan, H. L., Man, Y. B. C., Tan, C. P., NorAini, I., Nazimah, S. A. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Characterisation+of+vegetable+oils+by+surface+acoustic+wave+sensing+electronic+nose%5BTitle%5D)+AND+%22Food+Chem%22%5BJournal%5D)">Characterisation of vegetable oils by surface acoustic wave sensing electronic nose.</a> Food Chem. 89, 507-518 (2005).</li>
<li>Marina, A. M., Man, Y. B. C., Amin, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Use+of+the+SAW+Sensor+Electronic+Nose+for+Detecting+the+Adulteration+of+Virgin+Coconut+Oil+with+RBD+Palm+Kernel+Olein%5BTitle%5D)+AND+%22Journal+of+the+American+Oil+Chemists+Society%22%5BJournal%5D)">Use of the SAW Sensor Electronic Nose for Detecting the Adulteration of Virgin Coconut Oil with RBD Palm Kernel Olein.</a> Journal of the American Oil Chemists Society. 87, 263-270 (2010).</li>
<li>Evans, M. B., Haken, J. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Recent+developments+in+the+gas-chromatographic+index+scheme%5BTitle%5D)+AND+%22Journal+of+Chromatography%22%5BJournal%5D)">Recent developments in the gas-chromatographic index scheme.</a> Journal of Chromatography. 472, 93-127 (1989).</li>
</ol>

Wir haben nichts zu offenbaren.

Elektronische Nasen sind eine vielversprechende Methode für die schnelle, objektive Bewertung der Aromaprofile aus Früchten oder volatile-reichen Proben. Allerdings verschiebt sich in Verweildauer stellen eine Herausforderung für die Identifizierung der Peaks und könnte zu Fehlinterpretationen der Daten führen, wenn zwei Chromatogramme nicht perfekt ausgerichtet sind. Visuelle Inspektion der Chromatogramme zeigten, dass die Variabilität der Retentionszeiten unter den Proben häufig verursacht die gleiche Spitze mit leicht unterschiedlichen KI-Werte (etwa ± 10) gekennzeichnet werden. Diese in eine übertriebene Anzahl von einzigartigen KIS erkannt übersetzt. Um die Vorteile der Sachlage treffen, dass (a) verschiedene Verbindungen befinden sich in unterschiedlichen Reifestadien vorhanden und (b) technische Replikate sind annähernd identisch, zwei Computer-basierte Skripte (&quot;kim_merge.py&quot;, die die Routinen enthält für das Handling der Daten gewählt ist und &quot;kim_interface.py&quot;, die eine grafische Benutzeroberfläche (GUI) bietet) wurden systematisch entwickeltVergleich von Proben in einem semi-automatisiert, sehr zur Verringerung der Zeit für Chromatogramm Analyse großer Datenmengen benötigt werden. Diese Programme erlauben die Zusammenführung gegebenenfalls von Spitzen mit einer Reihe von KI-Werte unter einem KI Marker markiert ist. Dies dient zwei wichtigen Zwecken: (a) Es ermöglicht eine statistische Analyse auf solche Peaks als eine einzelne Variable zu behandeln, und (b) es ermöglicht Identifizierung der Peaks und Vergleich zu anderen Systemen und veröffentlichten Werten. Hier vorgestellten Ergebnisse zeigen, dass Melone Proben basierend auf Reife und Aroma-Profiling mit dem zNose System in Kombination mit angemessener KI Identifizierung konnte nicht benachteiligt werden. Dies stellt eine viel versprechende neue Technologie für die Analyse von flüchtigen Stoffen, die für die Qualitätskontrolle Programme verwendet werden können.

<table border="1"><tbody><tr><td> Name des Reagenzes </td><td> Firma </td><td> Katalog-Nummer </td><td> Kommentare </td></tr><tr><td> Calciumchlorid </td><td> MP Biomedical </td><td> 195088 </td><td></td></tr><tr><td> 2-Methylbutyl Isovalerat </td><td> SAFC Globale </td><td> W350613 </td><td> ≥ 98%, Natur-, FCC- </td></tr><tr><td> Methanol </td><td> Fisher Scientific </td><td> A411-4 </td><td></td></tr><tr><td> Phiole </td><td> Sigma / Supelco </td><td> SU860098 </td><td></td></tr><tr><td> Kappe </td><td> Sigma / Supelco </td><td> SU860101 </td><td></td></tr><tr><td> Labormischer </td><td> Waring Laborwissenschaft </td><td> 7009G </td><td> 2-Gang-Mixer, 1 - Liter-Glasbehälter </td></tr><tr><td> Flasche </td><td> Fisher Scientific </td><td> 06 bis 414-1C </td><td> Pyrex, 500 mL; Polypropylen-Plug-Dichtung </td></tr><tr><td> Nadel </td><td> Elektronischer Sensor Technology </td><td> TLC101046 </td><td> Side Loch Luer </td></tr><tr><td> Alkane Lösung </td><td> Elektronischer Sensor Technology </td><td></td><td> C6-C14-Alkanen Lösung in Methanol </td></tr><tr><td> zNose </td><td> Elektronischer Sensor Technology </td><td> Modell 4500 </td><td></td></tr><tr><td> DB-5 GC-Säule </td><td> Elektronischer Sensor Technology </td><td> SYS4500C5 </td><td></td></tr><tr><td> Microsense </td><td> Elektronischer Sensor Technology </td><td> Version 5.44.22 </td><td></td></tr><tr><td> Python 2.6 </td><td></td><td></td><td> Frei verfügbare Online- </td></tr><tr><td> &quot;Reform_data.py&quot; und &quot;kim_interface.py&quot; scripts</td><td></td><td></td><td> Skripten zur Verfügung stehen als ergänzendes Material auf JoVE </td></tr></tbody></table>

obst-volatile-analyse mit einem elektronische nase

Fruit Volatile Analysis Using an Electronic Nose

Zahlreiche und vielfältige physiologische Veränderungen auftreten, während der Fruchtreife, einschließlich der Entwicklung eines spezifischen flüchtigen Mischung, die Fruchtaromen charakterisiert. Reife bei der Ernte ist einer der wichtigsten Einflussfaktoren für den Geschmack Qualität von Obst und Gemüse ein. Die Validierung robuste Methoden, um einer raschen Einschätzung der Fruchtreife und Aroma-Qualität würde eine bessere Bewirtschaftung der fortgeschrittenen Zuchtprogramme, Produktionsverfahren und Ernte Handhabung zu ermöglichen. In den letzten drei Jahrzehnten hat sich viel Forschung durchgeführt, um so genannte elektronische Nasen, die Geräte in der Lage, schnell zu erkennen Geruchs-und Geschmacksstoffe 2-4 sind zu entwickeln. Derzeit gibt es mehrere kommerziell erhältliche elektronische Nasen in der Lage, flüchtige Analyse, auf unterschiedlichen Technologien basieren durchzuführen. Die elektronische Nase in unsere Arbeit verwendet werden (zNose, EST, Newbury Park, CA, USA), besteht aus ultra-schnellen Gaschromatographie mit einem akustischen Oberflächenwellen-Sensor gekoppelt (UFGC-SAW). Reife und Fäulnis Auswertung in Mango-6;; Diese Technologie wurde bereits für seine Fähigkeit, die Qualität von verschiedenen Rohstoffen, einschließlich der Erkennung von Verschlechterung der Apfel 5 überwachen getestet Aroma Profilierung der Thymus Spezies 7; C 6 flüchtigen Verbindungen in Weintrauben 8; Charakterisierung von Pflanzenöl 9 und Nachweis von Verfälschungen in Virgin Coconut Oil 10. Dieses System kann die drei wichtigsten Schritte der Aroma-Analyse: Headspace-Probenahme, die Trennung von flüchtigen Verbindungen, und Detektion. In etwa einer Minute wird der Ausgang, ein Chromatogramm, hergestellt und nach einem Spülzyklus, das Instrument für die weitere Analyse. Die mit dem zNose erhaltenen Ergebnisse können mit denen anderer gaschromatographische Systeme durch Berechnung der Kovats-Indizes (KI) verglichen werden. Sobald das Instrument mit einem Alkan Standardlösung abgestimmt wurde, werden die Retentionszeiten automatisch umgewandeltKIS. Jedoch werden kleine Änderungen in der Temperatur und Flussrate das mit der Zeit auftreten, wodurch Retentionszeiten zu treiben. Auch abhängig von der Polarität der Kolonne stationären Phase kann die Reproduzierbarkeit von KI Berechnungen mehrere Index-Einheiten 11 variieren. Eine Reihe von Programmen und grafische Schnittstellen wurden daher entwickelt, um berechnete KIS zwischen den Proben in einem halb-automatisiert zu vergleichen. Diese Programme reduzieren die Zeit für Chromatogramm Analyse großer Datenmengen erforderlich ist und um das Risiko für Fehlinterpretationen der Daten, wenn Chromatogramme nicht perfekt ausgerichtet. Wir stellen eine Methode zur schnellen Analyse flüchtige Verbindung in Frucht. Probenvorbereitung, Datenaufnahme und Verfahren für den Umgang werden ebenfalls diskutiert.

Eine schnelle Methode zur Analyse flüchtiger Verbindungen in Obst wird beschrieben. Die flüchtigen Verbindungen in dem Kopfraum eines Homogenats der Probe schnell getrennt werden und damit mit ultra-schnellen Gaschromatographie (GC) mit einem Oberflächenwellen (SAW)-Sensor gekoppelt ist. Ein Verfahren zur Datenverarbeitung und-analyse wird ebenfalls diskutiert.

Obst-Volatile-Analyse mit einem elektronische Nase

Während der Fruchtreifung treten zahlreiche und vielfältige physiologische Veränderungen auf, einschließlich der Entwicklung einer spezifischen Mischung flüchtiger Verbindungen, die charakteristisch für die Frucht ist ...

Das übergeordnete Ziel dieses Verfahrens besteht darin, eine schnelle Analyse flüchtiger Verbindungen in Früchten durchzuführen. Dies wird erreicht, indem das Fruchtgewebe zunächst zerkleinert und homogenisiert wird. Anschließend wird die Dampfphase über der flüssigen Probe mit der elektronischen Nase analysiert.Nach der Analyse mit der elektronischen Nase werden die Daten exportiert und transformiert. Der letzte Schritt des Verfahrens besteht darin, mithilfe der grafischen Benutzeroberfläche Covas-Index-Fenster zu identifizieren und die Peaks unter einem einzigen Covas-Index-Label zusammenzufassen. Letztendlich zeigen die Ergebnisse, dass Unterschiede in der Häufigkeit von Fruchtfollikeln, gemessen mit einer elektronischen Nase, mit experimentellen Behandlungen wie Fruchtvarietät, Reifezustand und Lagerung in Beziehung gesetzt werden können.Der Hauptvorteil dieser Technik gegenüber etablierten Methoden wie der traditionellen Gaschromatographie liegt darin, dass sie eine schnellere Analyse flüchtiger Verbindungen in Früchten ermöglicht. Bei der Durchführung dieser Analyse können geringfügige Änderungen der Retentionszeiten der Analyten auftreten. Dies könnte zu einer Fehlinterpretation der Daten führen, wenn der Peak-Alignierungsprozess nicht sorgfältig berücksichtigt wird.Nach der Ernte der Früchte im gewünschten Reifestadium mit Leitungswasser abspülen. Um Schmutz und Staub zu entfernen, Früchte für die Analyse auswählen. Unter Berücksichtigung des Fehlens äußerer und innerer Mängel sowie der Größe die Früchte homogen längs in Keile schneiden, die für die flüchtige Stoffe-Probenahme verwendet werden sollen.Falls zutreffend, entfernen Sie Haut, Samen, Samenkammergewebe oder Kernobst. Die Gewebewahl muss während des gesamten Experiments konsistent sein, und die Variabilität innerhalb einer einzelnen Frucht sollte berücksichtigt werden. Beispielsweise sollten Proben gleichmäßig aus den äquatorialen Blüten- und Stielspitzenabschnitten entnommen werden.Das ausgewählte Fruchtgewebe zusammengeben, vermischen, um es zu randomisieren, und anschließend 200 Gramm in einen handelsüblichen Mixer abwiegen. 200 Milliliter gesättigte Calciumchloridlösung hinzufügen. Das Calciumchlorid soll als Inhibitor enzymatischer Aktivität wirken, die nach dem Schneiden und Homogenisieren des Fruchtfleisches auftreten kann.Anschießend 50 µL einer 100 mmolaren Lösung von zwei Methylbutylisobutyrat in Methanol hinzufügen. Diese Lösung wird als interner Standard zugegeben, um mögliche Verluste flüchtiger Verbindungen während des Homogenisierungsprozesses zu überwachen. Danach die Mischung 30 Sekunden lang in einem Laborhomogenisator bei 18.000 U/min homogenisieren.Danach sofort in eine Glasflasche gießen und mit einem Teflon-Deckel verschließen. Den Homogenat in der Flasche aufbewahren, bis alle Proben vorbereitet sind. Pipettieren Sie fünf Milliliter Portionen Saft ohne Schaum in 20-Milliliter-Glasbraunfläschchen, wobei pro Probe mindestens drei Fläschchen vorzubereiten sind.Als technische Replikate dienen. Verschließen Sie die Gefäße mit Stahlschraubverschlüssen, die mit Teflon-Silikon-Einsätzen ausgestattet sind. An diesem Punkt können die Proben entweder sofort analysiert oder in flüssigem Stickstoff schockgefroren und bei ultratiefen Temperaturen für eine spätere Analyse gelagert werden.Laden Sie die geeignete Analysemethode auf den Xenos. Geben Sie die in der schriftlichen Anleitung angegebenen Parameter ein. Verbinden Sie eine Edelstahlnadel mit nicht durchdringender Spitze mit dem Eingang des Xenos.Spülen Sie das System mehrfach mit Umgebungsluft, bis die Basislinie stabil ist und keine Peaks größer als 200 Zählungen nachgewiesen werden. Bereiten Sie die Abstimmung des Geräts vor, indem Sie eine Nadel in den Septumverschluss eines Gefäßes mit einer Lösung geradkettiger Alkansäuren einführen, um den Druck auszugleichen. Anschließend führen Sie die mit dem Geräteeinlass verbundene Nadel in den Septumverschluss ein.Führen Sie die Abstimmung durch Initiierung der Headspace-Probenahme durch. Das Abstimmungsergebnis wird von der Instrumentensoftware verwendet, um die Retentionszeit der angedeuteten Peaks von Zeiteinheiten in Kovats-Index- oder KI-Einheiten umzuwandeln. Dementsprechend werden nach der Systemabstimmung die Retentionszeiten in KI-Einheiten angegeben.Beginnen Sie die Probenanalyse nach der 30-minütigen Gleichgewichtseinstellung der Probe, indem Sie die Nadeln in das Septum des Probengefäßes einführen. Wie zuvor bei der Lösung geradkettiger Acas durchgeführt. Starten Sie die Headspace-Probenahme manuell durch Klicken auf den Play-Button, wodurch die Pumpe aktiviert wird und die über der Probe vorhandenen Dämpfe ansaugt.Am Ende der Analyse erscheint ein Chromatogramm auf dem Bildschirm, und der Sensor wird automatisch für 10 Sekunden auf 150 Grad Celsius erhitzt, um ihn zu reinigen. Sobald das Systemstatus-Feld erneut grün wird, ist das Gerät bereit, eine weitere Probe zu analysieren. Um eine stabile Basislinie und eine ordnungsgemäße Systemreinigung sicherzustellen, führen Sie zwischen jeder Probe mindestens eine Luftprobe durch.Analysieren Sie mindestens drei technische Wiederholungen pro Probe sowie Vial-Blanks. Exportieren Sie die Daten nach der Erfassung mithilfe der Funktion „gespeicherte Daten protokollieren“ in der Mense-Software in eine Microsoft Excel-Datei. Sobald die Daten exportiert sind, fügen Sie Spalten hinzu, die Beschriftungen für Variablen und Wiederholungen enthalten.Das von der Gerätesoftware exportierte Datenformat kann mithilfe des von diesem Labor erstellten Python-0.6-Skripts für eine einfachere Bearbeitung umgewandelt werden. Der Name der Quelldatei und der Tabellenblattname für die Eingabedaten sowie der gewünschte Dateiname für die Ausgabe werden direkt im Skript bearbeitet. Dieses Skript erleichtert die Datenmanipulation und -analyse durch die Identifizierung eindeutiger kis in allen Proben.Die Daten werden neu geordnet, wobei die Probeninformationen in Zeilen und die eindeutigen KIS in Spalten angeordnet sind, wobei jede Zelle die entsprechende Peakfläche darstellt. Wenn für einen KI-Wert in einer Probe kein Peak erkannt wird, bleibt die entsprechende Zelle leer. Anschließend werden mithilfe eines zweiten Skripts, das durch diesen Labarbeitsgang generiert wurde, die Daten aus der im vorherigen Schritt bearbeiteten Datei importiert.Die Analyse basiert auf der Betrachtung und Auswertung der Häufigkeit, mit der jeder KI-Wert nachgewiesen wurde. Daher zeigt das Programm ein Balkendiagramm der KI-Treffer an. Für jeden KI-Wert bewerten Sie die K-Treffer spezifischer Teilmengen von Proben, wobei jede Gruppe technischer Replikate gemeinsam analysiert wird.Um dies zu tun, analysieren Sie jede Behandlung oder Variable separat, indem Sie die entsprechenden Kontrollkästchen aktivieren oder deaktivieren. Nachdem Sie die Breite jedes KI-Fensters mithilfe der grafischen Benutzeroberfläche bestimmt haben, wählen Sie zufällig einige der entsprechenden Chromatogramme aus. Bewerten Sie in der mense-Software überlappende Peaks zwischen den technischen Wiederholungen.Nachdem das KI-Fenster festgelegt wurde, wird die Zusammenführungsfunktion in der grafischen Benutzeroberfläche verwendet, um die innerhalb des Fensters liegenden KIS in das am stärksten besetzte ki zuerst zusammenzuführen. Klicken Sie auf die Schaltfläche „Zusammenführen“, um die Funktion zu aktivieren, und wählen Sie durch Linksklick auf den entsprechenden Balken das am stärksten besetzte ki in der Mitte des Fensters aus. Sobald der Balken ausgewählt ist, ändert er seine Farbe und wird grün. Um die innerhalb des Fensters liegenden KIS in das ausgewählte ki zusammenzuführen, klicken Sie mit der rechten Maustaste auf die entsprechenden Balken.Dadurch färben sich die Balken rot, während ein blauer Balken entsprechender Länge auf dem zentralen ki hinzugefügt wird. Sobald alle ausgewählten kis in den entsprechenden zentralen ki zusammengeführt wurden, klicken Sie erneut auf die Schaltfläche „Zusammenführen“, um die Änderungen zu bestätigen. Bei Fehlern färbt sich die Schaltfläche „Zusammenführen“ gelb. Die Schaltfläche zum Aufheben der Zusammenführung ist ebenfalls verfügbar, um die Zusammenführung aufzuheben. Klicken Sie im grafischen Interface auf die Schaltfläche zum Aufheben der Zusammenführung. Klicken Sie dann mit der rechten Maustaste auf den roten Balken, dessen Zusammenführung aufgehoben werden soll.Von rot wird die Anzeige blau. Klicken Sie erneut auf die Schaltfläche zum Aufheben der Zusammenführung, um die Änderungen zu übernehmen. Wenn versucht wird, zwei Peaks in einer einzelnen Probe fälschlicherweise zu einem einzigen KI-Wert zusammenzuführen, wird eine Fehlermeldung ausgegeben.Nachdem alle Zusammenführungsvorgänge gespeichert wurden, wird die Datei vor der Durchführung der statistischen Analyse abgespeichert; die Chromatogramme der Luft- und Vial-Blanks werden analysiert, um mögliche Kontaminationen zu überwachen. Sobald die ki der Peaks und der Blanks identifiziert wurden, wird die Fläche des in der Luft- und/oder Vial-Blankprobe detektierten Peaks von der Fläche des im Probenpeak vorhandenen Signals subtrahiert. Die elektronische Nase konnte Unterschiede in den flüchtigen Profilen von Melonenfrüchten erkennen, die in unterschiedlichen Reifestadien geerntet wurden.Gezeigt sind hier Beispiele von Chromatogrammen aus frühreifen und vollreifen Früchten, die Unterschiede in der Peakfläche aufzeigen. Für zahlreiche Peaks wurden 20-K-Fenster in allen Proben identifiziert. Eine Analyse der Varianten zeigte, dass von diesen verschiedenen kis die Häufigkeit von 14 mittels der elektronischen Nase detektierten Peaks zwischen den beiden Reifestadien signifikant variierte. Hier ist die Peakhäufigkeit der frühreifen Frucht für jedes dieser kis grün dargestellt, und die der vollreifen Frucht orange. Nach Abschluss dieses Verfahrens können weitere Methoden wie die Gaschromatographie gekoppelt mit Massenspektrometrie durchgeführt werden, um die Komponenten zu identifizieren, die den einzelnen Peaks auf der elektronischen Nase nach ihrer Entwicklung entsprechen. Diese Technik stellt ein schnelles Analysewerkzeug bereit und ermöglicht es Forschern auf den Gebieten der Pflanzenpathologie, Pflanzenphysiologie, Post-Harvest-Biologie und Lebensmittelwissenschaft, Veränderungen in der flüchtigen Zusammensetzung von Früchten in Abhängigkeit von Reife, Sorte oder Lagerung zu untersuchen. Nachdem Sie sich dieses Video angesehen haben, sollten Sie ein gutes Verständnis dafür haben, wie man flüchtige Verbindungen mit einer elektronischen Nase schnell analysiert und eine Peak-Alignment mithilfe unserer grafischen Benutzeroberfläche durchführt.

fruit-volatile-analysis-using-an-electronic-nose

Research

Forschung

JoVE Journal

Biology

Biologie

Sekundäre Elektrospray Massenspektrometrie (SESI-MS) ermöglicht die Detektion von flüchtigen organischen Verbindungen (VOC), ohne dass für jede Vorbehandlung der Probe. Dieses Protokoll enthält Anweisungen für die schnelle (innerhalb von Minuten) Charakterisierung von bakteriellen VOCs mit SESI-MS.

Charakterisierung Bakterielle Flüchtige mit Secondary Elektrospray-Ionisation-Massenspektrometrie (SESI-MS)

Verfahren schnell Bildschirm Wirtspflanze flüchtigen Stoffe durch Messung der elektrophysiologische Reaktion von erwachsenen Nabel orangeworm...

Elektroantennographischer Bioassay als Screening-Instrument für Wirtspflanzen Volatile

Geruchssinn vermitteln viele verschiedene Verhaltensweisen bei Insekten, und sind oft komplexe Mischungen von Dutzenden bis Hunderten von flüchtigen Verbindungen bestehen. Mittels Gaschromatographie mit Multi-Kanal-Aufnahme in das Insekt Antennallobus beschreiben wir eine Methode zur Identifizierung von biologisch aktiven Verbindungen.

Identifikation der olfaktorischen Flüchtige mittels Gaschromatographie-Multi-unit Recordings (GCMR) im Insect Antennallobus

Dieses Video stellt ein Protokoll für die massenspektrometrische Analyse von flüchtigen und oxidationsempfindlichen Verbindungen mit Elektronenstoß-Ionisation. Das vorgestellte Verfahren ist insbesondere von Interesse für anorganische Chemie, die Arbeit mit Metallorganylen, Silane oder Phosphane, die mit inerten Bedingungen, wie der Schlenk-Technik behandelt werden müssen.

Analyse flüchtiger und oxidationsempfindlichen Verbindungen mit einem kalten Einlasssystem und Elektronenstoß-Massenspektrometrie

Proton Transfer Reaction Time of Flight Mass Spectrometry ermöglicht eine hochempfindliche, schnelle und nicht-invasive Analyse flüchtiger organischer Verbindungen. Um das Potenzial zu demonstrieren, geben wir drei Beispiele: Milchsäurefermentation von Joghurt (Online-Bioprozessüberwachung), verschiedene Apfelgenotypen (groß angelegtes Screening) und retronasaler Raum nach dem Kaffeetrinken (Nasenraumanalyse).

PTR-ToF-MS gekoppelt mit einem automatisierten Probenahmesystem und einer maßgeschneiderten Datenanalyse für Lebensmittelstudien: Bioprozessüberwachung, Screening und Nasenraumanalyse

Ein Protokoll zur Charakterisierung der chemischen Zusammensetzung der Ausatmungsluft in Echtzeit mithilfe von sekundären Nanoelectrospray Ionisation gekoppelt an hochauflösende Massenspektrometrie nachgewiesen wird.

Echtzeit-Atem-Analyse mithilfe von sekundären Nanoelectrospray Ionisation mit hochauflösenden Massenspektrometrie gekoppelt

Hier präsentieren wir ein Protokoll zum Sammeln der blumigen Duftflüchtige aus blühenden Blüten, mit einem zerstörungsfreien Probenahmeverfahren.

Schnelle Sammlung von floralen Duftflüchtigen mit einer Headspace Volatile Collection Technique für GC-MS Thermal Desorption Sampling

Physiologisch werden durch Geruchsstoff Moleküle in der Dampfphase eingeatmet Geruchsstoff Rezeptoren aktiviert. Jedoch verwenden die meisten in-vitro-Systeme Flüssigphase Geruchsstoff Stimulation. Hier präsentieren wir Ihnen eine Methode, die erlaubt, in-vitro-Echtzeitüberwachung der Duftstoff-Rezeptor-Aktivierung bei Geruchsstoff Stimulation in der Dampfphase.

In-vitro-Überwachung der Duftstoff-Rezeptor-Aktivierung durch einen Geruchsstoff in der Dampfphase in Echtzeit

Wir haben eine effektive Methodik für die Probenahme und Analyse von Geruchssignalen entwickelt, um zu verstehen, wie sie in der Tierkommunikation verwendet werden können. Insbesondere verwenden wir Headspace-Festphasen-Mikroextraktion in Verbindung mit Gaschromatographie-Massenspektrometrie, um die flüchtigen Bestandteile von Tiergerüchen und Geruchsmarkierungen zu analysieren.

Probenahme und Analyse von Tierischen Duftsignalen

Eine Headspace-Festphasen-Mikroextraktions-Gaschromatographie-Plattform wird hier für eine schnelle, zuverlässige und halbautomatische Identifizierung und Quantifizierung flüchtiger Stoffe in reifen Johannisbeerfrüchten beschrieben. Diese Technik kann verwendet werden, um das Wissen über das Fruchtaroma zu erweitern und Sorten mit verbessertem Geschmack für den Zweck der Züchtung auszuwählen.

Profilierung flüchtiger Verbindungen in schwarzen Johannisbeerfrüchten mittels Headspace-Festphasen-Mikroextraktion gekoppelt an Gaschromatographie-Massenspektrometrie

Hier wird eine Methode zur Anreicherung und Analyse der flüchtigen Bestandteile von Teeextrakten mittels lösungsmittelunterstützter Aromaverdampfung und Lösungsmittelextraktion mit anschließender Gaschromatographie-Massenspektrometrie vorgestellt, die auf alle Arten von Teeproben angewendet werden kann.

Tee-Aromaanalyse basierend auf lösungsmittelunterstützter Aromaverdampfungsanreicherung

Lernen Sie die schnelle Analyse flüchtiger Verbindungen in Früchten mit einer elektronischen Nase. Diese Methode ermöglicht Forschern, Fruchtreife, Sorte und Lagerbedingungen effizient zu untersuchen.

Obst-Volatile-Analyse mit einem elektronische Nase

Weitere Videos entdecken