Name: Construcción de modelos para la predicción no destructiva de Contenidos ingrediente de arándanos por espectroscopia de infrarrojo cercano en base a mediciones de HPLC (Video) | JoVE Journal
Uploaded: 2016-06-28T14:00:00.000+00:00
Duration: 10 min 25 s
Description: Aprende a construir modelos predictivos no destructivos para evaluar azúcares, ácidos orgánicos y antocianinas en arándanos mediante espectroscopia de infrarrojo cercano. Este método permite analizar la calidad de productos agrícolas sin dañarlos.

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

Este trabajo fue parcialmente apoyado por el proyecto "Un Plan para Revitalizar la Agricultura y la Pesca en Áreas de Desastre mediante el Despliegue de Tecnología Altamente Avanzada" del Ministerio de Agricultura, Silvicultura y Pesca, Japón.

1. Recolección de Muestras <ol><li> Decidir qué cultivares será incluida en el objetivo del modelo de calibración. </li><li> Recoger número suficiente y varios tipos de arándanos de muestra de los cultivares de destino. <ol><li> Recoger preferiblemente 100 arándanos para la construcción del modelo de calibración, y al menos 10 para la validación del modelo construido. Con el fin de construir modelos robustos, recoger muestras de diferentes tipos, es decir, con diferentes colores, tamaños y en distintas condiciones de maduración. </li></ol></li><li> Pese cada arándanos. Nota: Los pesos medidos se utilizan más tarde para el cálculo del por ciento de contenido de ingredientes de cada arándanos. </li></ol> 2. Las mediciones de los espectros <ol><li> Calentamiento del espectrofotómetro suficiente (más de 1 hora) antes de las mediciones para obtener espectros fiable. </li><li> Ajuste el espectrofotómetro. Asegúrese de que las condiciones son constantes a lo largo de las mediciones. Unejemplo de condiciones típicas para las mediciones es la siguiente. <ol><li> Ajuste el rango de mediciones de 12,500-3,600 cm -1. </li><li> Ajuste la resolución espectral de 16 cm -1. </li><li> Establecer la acumulación de 32 veces. </li></ol></li><li> Seleccionar reflectancia difusa como el modo de medición. </li><li> Poner el reflector de serie en la ventana del espectrofotómetro para las mediciones de reflectancia difusa. Mediante el uso de la orden de &quot;fondo solo canal&quot;, medir el espectro de fondo que se utiliza automáticamente para el cálculo de los espectros de reflectancia relativa de los espectros de arándanos muestra medida después. </li><li> Poner una muestra de arándano en el centro de la ventana del espectrofotómetro para las mediciones de reflectancia difusa. Al utilizar el comando &quot;muestra de un solo canal&quot;, medir los espectros de cada arándanos preferentemente en varios puntos de la fruta. Nota: Kubelka-Munk transformación 6,7 también se lleva a cabo autocamente para los espectros observados de arándanos de la muestra si la condición de la adquisición de espectro está configurado para hacerlo. transformación Kubelka-Munk altera el espectro medido en el modo de reflectancia difusa a los espectros equivalente a los medidos en el modo de transmisión y es necesario para los análisis de los espectros con alta precisión. Los espectros de absorbancia de la escala se utilizó para los análisis. </li><li> Calcular el espectro medio de los espectros de cada muestra usando un programa de procesamiento de datos, tales como MS Excel si los espectros de una muestra de arándanos se miden en varios puntos. Hacer uso del espectro promediado para los análisis. </li></ol> 3. El tratamiento previo de las mediciones de HPLC de azúcares y ácidos orgánicos 8 Nota: Extracto de azúcares y ácidos orgánicos de cada uno de arándanos, que son solubles en agua, con agua ultrapura como sigue. La totalidad de cada arándano se utiliza para los análisis. <ol><li> Mantenga los arándanos en un congelador por debajo de -30 ° C listos for análisis químicos si no se analizan inmediatamente después de las mediciones espectrales. </li><li> Cortar un arándano en varios trozos para que pueda ser fácilmente homogeneizada en los siguientes pasos. Cortar el arándano y sin descongelar cuando se congela. </li><li> Poner las piezas en un vaso de 50 ml. </li><li> Añadir ca. 10 ml de agua ultrapura (agua destilada cuya conductividad eléctrica es inferior a 0,1 mS / cm) al vaso de precipitados. </li><li> Calentar el arándano corte en agua ultrapura en un horno de microondas durante 20 seg para desactivar las enzimas que pueden descomponer los azúcares durante los análisis. </li><li> Añadir aproximadamente 10 ml de agua ultrapura al vaso de precipitados. </li><li> Homogeneizar la mezcla durante 5 min a 12.000 rpm con un homogeneizador equipado con un eje estándar y el generador. </li><li> Centrifugar la mezcla homogeneizada durante 10 min a 3000 rpm (2000 xg). </li><li> Recoger filtrado por filtración al vacío de la muestra centrifugada usando un filtro de papel 5B. </li><li> Repita el 3,6-3,9 pasos dos veces en el the residuo de filtración para recoger todos los azúcares y ácidos orgánicos, y combinar todos los filtrados. </li><li> Medir el pH del filtrado y ajustarlo a 7 con ácido clorhídrico diluido (0,1 y 0,01 mol L -1) y diluir soluciones acuosas de hidróxido de sodio (0,1 y 0,01 mol L -1). </li><li> Diluir el filtrado a 50 ml con agua ultrapura. </li><li> Dividir la muestra en dos; uno para el análisis de los azúcares y la otra para el análisis de ácidos orgánicos. </li><li> Pasar la primera solución de muestra a través de columnas (dos C18, CM y QMA) conectados en serie para excluir pigmentos, cationes y aniones. Deseche los primeros 1 ml de la solución de la muestra de las columnas. A continuación, utilice la solución de muestra de las columnas para el análisis de los azúcares por HPLC. </li><li> Pasar la segunda solución de muestra a través de columnas (dos C18 y CM) conectadas en serie para excluir pigmentos y cationes. Deseche los primeros 1 ml de la solución de la muestra de las columnas. A continuación, utilice la solución de la muestra de la columns para el análisis de ácidos orgánicos por HPLC. </li><li> Centrifugar cada solución de las etapas 3.14 y 3.15 a 6.600 rpm (5800 xg), durante 10 min en un microtubo equipado con un filtro de 0,45 micras con un mini-centrifugadora antes del análisis por HPLC. </li></ol> 4. Medidas de azúcares con HPLC Nota: En este estudio, el contenido suma de sacarosa, glucosa y fructosa de cada arándano es considerado como el contenido total de azúcar. Por lo tanto, se obtiene la curva de trabajo para cada uno de tres azúcares primero, y luego se obtiene el contenido suma de los azúcares en cada arándanos. El contenido estándar se indican como 0,3-0,4% en peso (sacarosa), 3.8 a 4.8% en peso (glucosa), y 4.2 a 5.3% en peso (fructosa). 9 <ol><li> Medir unos 200 mg de sacarosa con precisión, y se disuelven en 50 ml de agua ultrapura para preparar una solución estándar. Diluir 5 ml de la solución a 50 ml con agua ultrapura para preparar la segunda soluciones estándar. Preparar de manera similar la tercera soporteard solución de la segunda solución estándar. </li><li> Preparar las soluciones estándar de glucosa y fructosa, de manera similar. </li><li> Disponer el sistema de HPLC como sigue: <ol><li> Utilice una columna de permeación de gel en el horno de columna a 40 ° C. </li><li> Use agua ultrapura desgasificada con la velocidad de flujo de 0,1 ml / min como el eluato. </li><li> Utilice un detector de índice de refracción. </li></ol></li><li> Medir los espectrogramas de HPLC de soluciones estándar mediante la inyección de una parte alícuota de 20 l para cada medición. Nota: Aquí, PAC solución se utiliza como el software para la medición. </li><li> Obtener la intensidad área de la banda del azúcar en el cromatograma de cada solución estándar haciendo clic en &quot;re-análisis&quot; con el botón derecho del ratón. </li><li> Trazar las intensidades de área de las concentraciones correspondientes para obtener la curva de trabajo para cada azúcar por la regresión lineal, en donde se obtiene la ecuación que representa la relación entre la intensidad de área y la concentración for cada azúcar. </li><li> Medir los espectrogramas de HPLC de soluciones de muestra mediante la inyección de una parte alícuota de 20 l para cada medición. </li><li> Obtener las intensidades de área de las bandas de los azúcares en el cromatograma de cada solución de la muestra como se describe anteriormente en el paso 4.5. </li><li> Obtener las concentraciones de los azúcares de las soluciones utilizando las ecuaciones correspondientes a las curvas de trabajo obtenidos en el paso 4.6. </li><li> Obtener la cantidad de cada azúcar en cada arándano partir de las concentraciones de la solución de muestra obtenido en la etapa anterior y el volumen total de la solución de muestra (50 ml, véase el paso 3,12). </li><li> Obtener las cantidades totales de azúcar de cada fruto mediante la suma de los contenidos de tres azúcares. </li><li> Obtener el porcentaje de contenido de azúcar total de cada una de arándanos utilizando el peso medido en el paso 1.3. </li></ol> 5. Mediciones de HPLC de ácidos orgánicos Nota: En este estudio, el contenido suma de ácido cítrico, ácido quínico, málicoácido, y el ácido succínico son considerados como el contenido de ácido orgánico total. Por lo tanto, se obtiene la curva de trabajo para cada uno de los cuatro ácidos orgánicos primero, y luego el contenido de ácido orgánico en cada arándano se mide. El contenido estándar se reportan como 0,42 a 0,62% en peso (ácido cítrico), 0 a 0,15% en peso (ácido quínico), 0,08 a 0,23% en peso (ácido málico), y 0,06 hasta 0,25% en peso (ácido succínico). 9 <ol><li> Medir unos 5 mg de ácido cítrico con precisión, y se disuelven en 50 ml de agua ultrapura para preparar una solución estándar. Diluir 5 ml de la solución a 50 ml con agua ultrapura para preparar la segunda soluciones estándar. Preparar de manera similar la tercera solución estándar de la segunda solución estándar. </li><li> Preparar las soluciones patrón de ácido quínico, ácido málico y ácido succínico, de manera similar. </li><li> Disponer el sistema de HPLC como sigue: <ol><li> Use dos columnas de intercambio aniónico conectados en serie en el horno de columna a 40 ° C. </li><li> Uso desgasifica solución acuosa 0,1% de fosfóricoácido con la velocidad de flujo de 0,02 ml / min como el eluato. </li><li> Utilice un conjunto detector de ultravioleta-visible a 210 nm. </li></ol></li><li> Medir los espectrogramas de HPLC de soluciones estándar mediante la inyección de una parte alícuota de 20 l de solución de estándar para cada medición. </li><li> Obtener la intensidad área de la banda de ácido orgánico en el cromatograma de cada solución estándar haciendo clic en &quot;re-análisis&quot; con el botón derecho del ratón. </li><li> Trazar las intensidades de área de las concentraciones correspondientes para obtener la curva de trabajo para cada ácido orgánico por la regresión lineal, en donde se obtiene la ecuación que representa la relación entre la intensidad de área y la concentración de cada ácido orgánico. </li><li> Medir los espectrogramas de HPLC de soluciones de muestra mediante la inyección de una parte alícuota de 20 l de la muestra para cada medición. </li><li> Obtener las intensidades de área de las bandas de los ácidos orgánicos en el cromatograma de cada solución de la muestra como se describe anteriormente en el paso 5.5. </li><li> Obtener las concentraciones de los ácidos orgánicos en las soluciones utilizando las ecuaciones correspondientes a las curvas de trabajo obtenidos en el paso 5.6. </li><li> Obtener la cantidad de cada ácido orgánico en cada arándano partir de las concentraciones de la solución de muestra obtenido en la etapa anterior y el volumen total de la solución de muestra (50 ml, véase el paso 3,12). </li><li> Obtener la cantidad de ácido orgánico total en cada arándano mediante la suma de los contenidos de los cuatro ácidos orgánicos. </li><li> Obtener el porcentaje de contenido de ácido orgánico total de cada una de arándanos utilizando el peso medido en el paso 1.3. </li></ol> 6. El tratamiento previo de las mediciones de HPLC de antocianinas <ol><li> Mantener los arándanos en un congelador por debajo de -80 ° C listo para análisis químicos si no se analizan inmediatamente después de las mediciones espectrales. </li><li> Secar cada fruta congelados con un liofilizador de vacío durante 12 hr. </li><li> Extraer antocianinas del arándano seca en 1% o solución de metanolf ácido trifluoroacético [peso de arándano (g) / volumen de la solución (ml) = 1/10] dejando la mezcla en un refrigerador a 4 ° C durante 12 hr. </li><li> Centrifugar la solución durante 15 min en un microtubo de 2 ml utilizando una ultracentrífuga a -8 ° C y 15.000 rpm (21.900 xg). </li><li> Filtrar el extracto a través de un filtro de 0,45 micras para obtener la muestra para mediciones de HPLC. </li></ol> 7. Las mediciones de HPLC de antocianinas Nota: Cerca de 13 antocianinas tipo están incluidas en los arándanos. Puesto que es difícil de obtener curvas de trabajo para todas las antocianinas, una curva de trabajo para el cloruro de O glucósido de cianidina-3- única, una de las antocianinas más populares de arándanos, se obtiene. La curva de trabajo se aplica para cuantificaciones aproximadas de otros antocianinas. <ol><li> Medir unos 1,5 mg de cianidina-3- O cloruro de glucósido con precisión, y se disuelven en 10 ml de solución en metanol 1% de ácido trifluoroacético a prepare una solución estándar. Diluir 5 ml de la solución a 10 ml con solución de metanol 1% de ácido trifluoroacético para preparar la segunda soluciones estándar. Del mismo modo, preparar la tercera y la cuarta soluciones estándar secuencialmente. </li><li> Disponer el sistema de HPLC como sigue: <ol><li> Utilice una columna de fase inversa C18 en un horno de columna a 40 ° C. </li><li> Aplicar el método del gradiente usando eluidos de 0,1% de ácido trifluoroacético acuoso (eluyen A) y ácido trifluoroacético 0,5% en acetonitrilo (elución B) con la velocidad de flujo de 0,1 ml / min, donde la relación de los aumentos de eluir B de 8% a 15% durante 0-50 min después de la inyección, y de 15% a 75% durante 50 a 60 min después de la inyección. </li><li> Utilizar una matriz de monitoreo fotodiodo detector a 520 nm. </li></ol></li><li> Medir los espectrogramas de HPLC de soluciones estándar mediante la inyección de una parte alícuota de 10 l para cada medición. &quot;Solución LC&quot; se utiliza como el software para la medición. </li><li> Obtener la intensidad área de la banda decloruro de O glucósido de cianidina-3- en el cromatograma de cada solución estándar haciendo clic en &quot;re-análisis&quot; con el botón derecho del ratón. </li><li> Trazar las intensidades en la zona de las concentraciones correspondientes para obtener la curva de trabajo de cianidina-3- cloruro de O glucósido por la regresión lineal, donde se obtiene la ecuación que representa la relación entre la intensidad y la zona de concentración de cloruro de cianidina-3- O glucósido. </li><li> Medir los espectrogramas de HPLC de soluciones de muestra mediante la inyección de una parte alícuota de 10 l para cada medición. </li><li> Obtener la intensidad área de la banda de cada antocianina en el cromatograma de cada solución de la muestra como se describe anteriormente en el paso 7.4. </li><li> Obtener las concentraciones de las antocianinas en las soluciones utilizando la ecuación correspondiente a la curva de trabajo obtenida en la etapa 7.5. </li><li> Obtener las cantidades de cada antocianina en cada una de arándanos de la concentración obtenida en el anteriorpaso y el volumen total de la solución de muestra utilizado en el paso 6.3. </li><li> Obtener la cantidad total de antocianinas en cada uno de arándano mediante la suma de los contenidos de los trece antocianinas. </li><li> Obtener el porcentaje de contenido de la antocianina total de cada una de arándanos utilizando el peso medido en el paso 1.3. </li></ol> 8. Construcción de modelos de calibración para la Predicción de contenidos de ingrediente Nota: regresión PLS, 4,5, que es un tipo de técnica de regresión múltiple utilizando variantes latentes, se utiliza para la construcción de modelos de calibración para cada ingrediente de los espectros observados y los contenidos de ingredientes determinados por los análisis químicos. PLS regresión se realiza ya sea con los programas comerciales o con los programas de fabricación casera. Véanse las referencias de 5,10 para los procesos detallados de la construcción de modelos. <ol><li> Examinan el que pretratamientos para los espectros observados son los más eficaces para la precisa ypredicción robusta. <ol><li> Construir modelos de calibración mediante la aplicación de uno o dos de los siguientes tratamientos previos: MSC (multiplicativo corrección de dispersión), 1,2,5 SNV (estándar normal variable aleatoria), 1,2,5 NMM (Min-Max Normalización), COE (desplazamiento constante eliminación ), y el primero o el segundo cálculo de la derivada por SG (Savitzky-Golay) método. 1,2,5 predecir el contenido de ingredientes de la validación fijar de sus espectros con los modelos construidos. Nota: En MMN, un espectro se normaliza de modo que los valores máximo y mínimo y se vuelven 0 y 1, respectivamente. En COE, la ordenada de un espectro se desplaza de manera que el valor mínimo se convierte en cero. </li><li> Calcular el coeficiente de determinación, R 2, y la desviación residual de predicción, RPD, entre el observado y los valores del conjunto de validación para examinar que pretratamientos para los espectros observados son más eficaces predicho. Elija la combinación de tratamientos previos que dan mayorR2 y RPD. </li></ol></li><li> Examinar qué regiones número de onda son eficaces para la predicción precisa y robusta mediante la aplicación, por ejemplo, en movimiento Escaparates PLS técnica 11 para buscar las regiones efectivas. Nota: El procedimiento corresponde a la eliminación de las regiones de número de onda, donde los espectros no contienen información eficaz para las predicciones o que contienen información que interfiere con las predicciones. </li></ol> 9. La validación de los modelos de calibración construida Nota: Véanse las referencias de 5,10 para los procesos detallados de la validación de los modelos construidos. <ol><li> Predecir el contenido de ingrediente del conjunto de validación de sus espectros con los modelos de calibración construidas con la mejor combinación de tratamientos previos y para las regiones número de onda eficaces para la predicción. 5,10 </li><li> Calcular R2 y RPD entre la observada y predichavalores del conjunto de validación. 5,10 </li><li> Examinar si los criterios generales para la realización práctica de los modelos de calibración, 12,13 R2&gt; 0,85 y RPD&gt; 2.5, están satisfechos. Considere la reconstrucción del modelo si los criterios no se cumplen. </li></ol>

<ol><li>Ozaki, Y., McClure, W. F., Christy, A. A. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aOzaki%2C+Y+%22Near-infrared+Spectroscopy+in+Food+Science+and+Technology%22">Near-infrared Spectroscopy in Food Science and Technology</a>. , John Wiley & Sons, Inc. Hoboken. (2007).</li>
<li>Sun, D. W. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSun%2C+DW+%22Infrared+Spectroscopy+for+Food+Quality+Analysis+and+Control%22">Infrared Spectroscopy for Food Quality Analysis and Control</a>. , Academic Press. New York. (2009).</li>
<li>Bai, W., Yoshimura, N., Takayanagi, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+analysis+of+ingredients+of+blueberry+fruits+by+near+infrared+spectroscopy%5BTitle%5D)+AND+%22J.+Near+Infrared+Spectrosc%22%5BJournal%5D)">Quantitative analysis of ingredients of blueberry fruits by near infrared spectroscopy.</a> J. Near Infrared Spectrosc. 22, 357-365 (2014).</li>
<li>Hasegawa, T. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHasegawa%2C+T+%22Chemometrics+in+infrared+spectroscopic+analysis.+In%3A+Introduction+to+Experimental+Infrared+Spectroscopy%22">Chemometrics in infrared spectroscopic analysis. In: Introduction to Experimental Infrared Spectroscopy</a>. Tasumi, M. , John Wiley & Sons. Chichester. 97-113 (2015).</li>
<li>Varmuza, K., Filzmoser, P. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aVarmuza%2C+K+%22Introduction+to+Multivariate+Statistical+Analysis+in+Chemometrics%22">Introduction to Multivariate Statistical Analysis in Chemometrics</a>. , CRC Press. Boca Raton. (2009).</li>
<li>Kubelka, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((New+contributions+to+the+optics+of+intensely+light-scattering+materials.+Part+I%5BTitle%5D)+AND+%22J.+Opt.+Soc.+Am%22%5BJournal%5D)">New contributions to the optics of intensely light-scattering materials. Part I.</a> J. Opt. Soc. Am. 38, 448-457 (1948).</li>
<li>Juang, R. H., Storey, D. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+determination+of+the+extent+of+neutralization+of+carboxylic+acid+functionality+in+carbopol+974P+NF+by+diffuse+reflectance+fourier+transform+infrared+spectrometry+using+Kubelka-Munk+function%5BTitle%5D)+AND+%22Pharm+Res%22%5BJournal%5D)">Quantitative determination of the extent of neutralization of carboxylic acid functionality in carbopol 974P NF by diffuse reflectance fourier transform infrared spectrometry using Kubelka-Munk function.</a> Pharm Res. 15, 1714-1720 (1998).</li>
<li>Ogiwara, I., Ohtsuka, Y., Yoneda, Y., Sakurai, K., Hakoda, N., Shimura, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Extraction+method+by+water+followed+by+microwave+heating+for+analyzing+sugars+in+strawberry+fruits%5BTitle%5D)+AND+%22J.+Jpn.+Soc.+Hort.+Sci%22%5BJournal%5D)">Extraction method by water followed by microwave heating for analyzing sugars in strawberry fruits.</a> J. Jpn. Soc. Hort. Sci. 68, 949-953 (1999).</li>
<li>Che, J., Suzuki, S., Ishikawa, S., Koike, H., Ogiwara, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fruit+ripening+and+quality+profile+of+64+cultivars+in+three+species+of+blueberries+grown+in+Tokyo%5BTitle%5D)+AND+%22Hort.+Res.+%28Japan%29%22%5BJournal%5D)">Fruit ripening and quality profile of 64 cultivars in three species of blueberries grown in Tokyo.</a> Hort. Res. (Japan). 8, 257-265 (2009).</li>
<li>Pomerantsev, A. L. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aPomerantsev%2C+AL+%22Chemometrics+in+Excel%22">Chemometrics in Excel</a>. , John Wiley & Sons, Inc. Hoboken. (2014).</li>
<li>Jiang, H. J., Berry, R. J., Siesler, H. W., Ozaki, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Wavelength+Interval+Selection+in+Multicomponent+spectral+analysis+by+moving+window+partial+least-squares+regression+with+applications+to+mid-infrared+and+near-infrared+spectroscopic+data%5BTitle%5D)+AND+%22Anal.+Chem%22%5BJournal%5D)">Wavelength Interval Selection in Multicomponent spectral analysis by moving window partial least-squares regression with applications to mid-infrared and near-infrared spectroscopic data.</a> Anal. Chem. 74, 3555-3565 (2002).</li>
<li>Edney, M. J., Morgan, J. E., Williams, P. C., Campbell, L. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Analysis+of+feed+barley+by+near+infrared+reflectance+spectroscopy%5BTitle%5D)+AND+%22J.+Near-Infrared+Spectrosc%22%5BJournal%5D)">Analysis of feed barley by near infrared reflectance spectroscopy.</a> J. Near-Infrared Spectrosc. 2, 33-41 (1994).</li>
<li>Mathison, G. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prediction+of+composition+and+ruminal+degradability+characteristics+of+barley+straw+by+near+infrared+reflectance+spectroscopy%5BTitle%5D)+AND+%22Can.+J.+Anim.+Sci%22%5BJournal%5D)">Prediction of composition and ruminal degradability characteristics of barley straw by near infrared reflectance spectroscopy.</a> Can. J. Anim. Sci. 79, 519-523 (1999).</li>
<li>Chiara, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Analysis+of+anthocyanins+in+commercial+fruit+juices+by+using+nano-liquid+chromatography+electrospray-mass+spectrometry+and+high+performance+liquid+chromatography+with+UV-vis+detector%5BTitle%5D)+AND+%22J.+Separation+Sci%22%5BJournal%5D)">Analysis of anthocyanins in commercial fruit juices by using nano-liquid chromatography electrospray-mass spectrometry and high performance liquid chromatography with UV-vis detector.</a> J. Separation Sci. 34, 150-159 (2011).</li>
<li>Li, Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Antioxidant+anthocyanins+screening+through+spectrum-effect+relationships+and+DPPH-HPLC-DAD+analysis+on+nine+cultivars+of+introduced+rabbiteye+blueberry+in+China%5BTitle%5D)+AND+%22Food+Chemistry%22%5BJournal%5D)">Antioxidant anthocyanins screening through spectrum-effect relationships and DPPH-HPLC-DAD analysis on nine cultivars of introduced rabbiteye blueberry in China.</a> Food Chemistry. 132, 759-765 (2013).</li>
<li>Sinelli, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+quality+and+nutraceutical+content+of+blueberries+%28Vaccinium+corymbosum+L.%29+by+near+and+mid-infrared+spectroscopy%5BTitle%5D)+AND+%22Postharvest+Biol.+Technol%22%5BJournal%5D)">Evaluation of quality and nutraceutical content of blueberries (Vaccinium corymbosum L.) by near and mid-infrared spectroscopy.</a> Postharvest Biol. Technol. 50, 31-36 (2008).</li>
<li>Giusti, M. M., Wrolsted, R. E. Anthocyanins: characterization and measurement with UV-visible spectroscopy. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGiusti%2C+MM+%22Current+Protocols+in+Food+Analytical+Chemistry%22">Current Protocols in Food Analytical Chemistry</a>. Wrolstad, R. E., Schwartz, S. J. , John Wiley & Sons. New York. 1-13 (2001).</li>
</ol>

No tenemos nada que revelar.

Aquí se describen algunos comentarios adicionales sobre el protocolo. En primer lugar, en el paso 1.1, se menciona que decidir los cultivares incluidos en el objetivo. Aunque es posible construir modelos que cubren los arándanos de muchos cultivares o sin especificar cultivares, la precisión de predicción con los modelos son a veces mucho más bajos que aquellos con los modelos de un solo cultivar y para cultivares limitados. También hay que señalar que los modelos de calibración deben ser construidos para los arándanos ...

Infrarrojo cercano (NIR) se aplica ampliamente como una técnica no destructiva para analizar el contenido de frutas y verduras de diversos tipos. Analiza 1,2 no destructiva mediante espectroscopia NIR que el envío de sólo deliciosas frutas y verduras con cualidades garantizados. espectroscopia NIR ya se ha aplicado a la naranja, la manzana, el melón, cereza, kiwi, mango, papaya, melocotón y así sucesivamente para conocer su Brix que corresponde al contenido total de azúcar, acidez, TSC (contenido total de sólidos), y así sucesivamente . Recientemente, se ha informado de la aplicación de la espectroscopia NIR para la evaluación de la calidad de los arándanos. 3 Hemos medido no sólo el contenido total de azúcar y el contenido de ácido orgánico total correspondiente a la acidez, sino también el contenido de antocianinas totales. La antocianina es un componente bioactivo, que se cree que mejora la salud humana. Es conveniente para los consumidores si pueden comprar deliciosos arándanos con una garantía de su contenido de azúcar, acidity, y el contenido de antocianinas. En los espectros de absorción NIR de frutas y verduras, sólo se observan bandas de absorción anchas. Son principalmente las bandas debido a la fibra y la humedad. Aunque muchas bandas débiles debido a los diversos ingredientes de la diana no Destructed se observan al mismo tiempo, las bandas observadas no se pueden asignar a los modos de vibración específicas de los componentes específicos de la diana en la mayoría de los casos. Por lo tanto, la técnica tradicional para determinar el contenido de un componente específico usando la ley de la de Lambert-Beer no es eficaz para los espectros de NIR. En cambio, los modelos de calibración para predecir el contenido de los componentes de destino a partir de los espectros observados son construidos usando quimiometría mediante el examen de la correlación entre los espectros observados y los contenidos de los ingredientes correspondientes a los espectros de 4,5. En este caso, un protocolo para construir y validar los modelos para la predicción del contenido total de azúcares, contenido total de ácido orgánico correspondiente a ACIDIdad, y el contenido total de antocianinas de arándanos de los espectros NIR se presenta. La figura 1 muestra el diagrama de flujo general para la construcción de modelos de calibración fiables y sólidas. Se recogen muestras de número suficiente. Algunos de ellos se utilizan para la construcción de modelos, mientras que los otros se utilizan para la validación de los modelos construidos. Para cada una de las muestras recogidas, un espectro NIR se mide, y luego se analizan los componentes de destino cuantitativamente con los métodos tradicionales de análisis químicos destructivos. Aquí, la cromatografía líquida de alto rendimiento (HPLC) se utiliza para los análisis químicos de azúcares, ácidos orgánicos, y antocianinas. mínimos cuadrados parciales (PLS) de regresión se utiliza para la construcción de modelos de calibración donde los análisis se examina la correlación entre los espectros observados y los contenidos de ingrediente determinado por química. Con el fin de construir modelos robustos con la mejor capacidad de predicción, los pretratamientos de obserTambién se examinan los espectros ved y las regiones de longitud de onda utilizados para la predicción. Por último, los modelos construidos son validados para confirmar su capacidad de predicción suficiente. En la validación, el contenido predecirse a partir de la espectro observado por el modelo construido (valores predichos) se comparan con los contenidos determinados por los análisis químicos (valores observados). Si la correlación suficiente no se encuentra entre los valores predichos y observados, el modelo de calibración debe ser re-construye hasta que se obtiene la correlación suficiente. Aunque es preferible el uso de diferentes grupos de muestras para la construcción y validación de un modelo como se muestra en esta figura (validación externa), las muestras en un mismo grupo se utilizan tanto para la construcción y la validación (validación cruzada) cuando el número de las muestras no es lo suficientemente grande. <img alt="Figura 1" src="/files/ftp_upload/53981/53981fig1.jpg" /> Figura 1. Diagrama de flujo para la construcción y validación del modelo de calibración. Los procedimientos rodeadas por líneas azules y verdes corresponden, respectivamente, a la construcción de un modelo de calibración y su validación. <a href="https://www.jove.com/files/ftp_upload/53981/53981fig1large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>

<table><tbody><tr><td>espectrofotómetro FT-NIR</td><td>Bruker Optics GmbH</td><td>MPA&nbsp;</td><td></td></tr><tr><td>cromatografía líquida de alta resolución</td><td>Shimadzu Corporation</td><td>228-45041-91, 228-45000-31, 228-45018-31</td><td>Para análisis</td></tr><tr><td></td><td></td> de azúcar <td>223-04500-31, 228-45010-31, 228-45095-31 Detector de</td><td>índice de refracción</td></tr><tr><td>Cromatografía líquida de alta resolución</td><td>Shimadzu Corporation</td><td>228-45041-91, 228-45003-31, 228-45000-31</td><td>Para análisis</td></tr><tr><td></td> de ácidos orgánicos<td></td><td>228-45018-31, 228-45010-31, 223-04500-31</td><td>Detector ultravioleta-visible</td></tr><tr><td>Cromatografía líquida de alto rendimiento</td><td>Shimadzu Corporation</td><td>228-45041-91, 228-45018-31, 228-45000-31</td><td>Para análisis</td></tr><tr><td></td><td></td> de antocianinas <td>228-45012-31, 228-45119-31, 228-45005-31</td><td>Detector</td></tr><tr><td></td><td></td> de matriz de fotodiodos <td>228-45009-31</td><td></td></tr><tr><td>Medidor</td> <td>de pHMettler-Toledo</td><td>30019028</td><td>S220, Compensación automática de temperatura</td></tr><tr><td>Equipo de tratamiento de agua ultrapura</td><td>ORGANO Corporation</td><td>ORG-ULXXXM1; PRA-0015-0V0</td><td>PURELAB ultra; </td></tr><tr><td>Congeladores biomédicos PURELITE&nbsp;</td><td>SANYO</td><td>2-6780-01</td><td>MDF-U338</td></tr><tr><td>Congelador de temperatura ultrabaja</td><td>Panasonic healthcare Co., Ltd.</td><td>KM-DU73Y1-80</td> <td>&deg; C</td></tr><tr><td>Liofilizador al vacío</td><td>IWAKI GLASS Co., Ltd</td><td>119770</td><td>DRC-3L; FRD-82M</td></tr><tr><td>Homoginizador</td><td>Microtec Co., Ltd.&nbsp;</td><td>Ultracentrífuga Physcotron</td><td></td></tr><tr><td></td><td>Hitachi Koki Co., Ltd</td><td>S204567</td><td>CF15RXII</td></tr><tr><td>Minicentrífuga</td><td>LMS CO., LTD.</td><td>KN3136572</td><td>Centrífuga MCF-2360</td></tr><tr><td></td><td>Kokusan Co., Ltd</td><td>2-5534-01</td><td>H-103N</td></tr><tr><td>Papel de filtro &nbsp;</td><td>Advantec</td><td>1521070</td><td>5B, Equivalente a Whatman 40</td></tr><tr><td>Sep-Pak Columna C18</td><td>Corporación de Aguas Milford WAT020515</td><td></td><td></td></tr><tr><td>columna CM Sep-Pak</td><td>Corporación de Aguas Milford</td><td>WAT020550</td><td></td></tr><tr><td>Columna de QMA Sep-Pak</td><td>Corporación de Aguas Milford WAT020545</td><td></td><td></td></tr><tr><td>Unidad de filtro centrífugo</td><td>Merck Millipore Corporation</td><td>R2SA18503</td><td>PVDF, 0,45 &mu; m</td></tr><tr><td>Microtube</td><td>As One Corporation</td><td>1-1600-02</td><td>PP, 2 ml</td></tr><tr><td>Filtro de jeringa</td><td>GE Healthcare CO.,LTD.</td><td>6788-1304</td><td>PÁGS., 0,45 &m; m</td></tr><tr><td>Sacarosa</td><td>Wako Pure Chemical Industries,Ltd</td><td>194-00011</td> Glucosa <td>de grado reactivo</td></tr><tr><td></td><td>Wako Pure Chemical Industries,Ltd</td><td>049-31165</td> Fructosa <td>de grado reactivo</td></tr><tr><td></td><td>Wako Pure Chemical Industries,Ltd</td><td>123-02762</td><td>Ácido cítrico de grado reactivo</td></tr><tr><td></td><td>Wako Pure Chemical Industries,Ltd</td><td>036-05522</td><td>Ácido</td></tr><tr><td>málico de grado reactivo</td><td>Wako Pure Chemical Industries, Ltd</td><td>355-17971</td> Ácido succínico <td>de grado reactivo</td></tr><tr><td>&nbsp;</td><td>Wako Pure Chemical Industries, Ltd</td><td>190-04332</td> Ácido quínico <td>de grado reactivo</td></tr><tr><td></td><td>Alfa Aesar, una empresa de Johnson Matthey</td><td>10176328</td> Ácido fosfórico <td>de grado reactivo</td></tr><tr><td></td><td>Wako Pure Chemical Industries, Ltd</td><td>162-20492</td> Ácido trifluoroacético <td>de grado HPLC</td></tr><tr><td></td><td>Wako Pure Chemical Industries, Ltd</td><td>208-02746</td> Metanol puro <td>de grado reactivo</td></tr><tr><td></td><td>Wako Pure Industrias químicas,Ltd</td><td>131-01826</td><td></td></tr><tr><td>Acetonitrilo</td> de grado reactivo <td>Wako Pure Chemical Industries,Ltd</td><td>015-08633</td><td></td></tr><tr><td>Grado de HPLC cianidina-3-O-cloruro de glucósido</td><td>Wako Pure Chemical Industries,Ltd</td><td>306-37661</td><td>Grado de HPLC</td></tr><tr><td>Software para análisis</td><td>Bruker Optics GmbH</td><td>OPUS ver. 6.5</td><td></td></tr><tr><td>Softoware para preprocesamiento</td><td>de Microsoft</td><td>Excel con tecnología de Visual Basic para aplicaciones</td><td></td></tr><tr><td>Software para la construcción de modelos</td><td></td><td>Freemat 4.0</td><td>http://freemat.sourceforge.net/</td></tr></tbody></table>

construcción de modelos para la predicción no destructiva de contenidos ingrediente de arándanos por espectroscopia de infrarrojo cercano en base a mediciones de hplc

Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements

La predicción no destructiva del contenido de ingredientes de los productos agrícolas es útil para enviar y vender los productos con cualidades garantizadas. Aquí, la espectroscopia de infrarrojo cercano se utiliza para predecir de forma no destructiva el contenido total de azúcar, ácido orgánico total y antocianina total en cada arándano. Se espera que la técnica permita seleccionar solo deliciosos arándanos de todos los cosechados. Los espectros de absorción en el infrarrojo cercano de los arándanos se miden con el modo de reflectancia difusa en las posiciones que no están en el cáliz. El contenido de ingredientes de un arándano determinado por cromatografía líquida de alta resolución se utiliza para construir modelos para predecir el contenido de ingredientes a partir de los espectros observados. La regresión de mínimos cuadrados parciales se utiliza para la construcción de los modelos. Es necesario seleccionar adecuadamente los pretratamientos para los espectros observados y las regiones de longitud de onda de los espectros utilizados para los análisis. Las validaciones son necesarias para que los modelos construidos confirmen que los contenidos de ingredientes se predicen con precisión práctica. Aquí presentamos un protocolo para construir y validar los modelos para la predicción no destructiva de contenidos de ingredientes en arándanos mediante espectroscopia de infrarrojo cercano.

La figura 2 muestra como ejemplo un conjunto de espectros de absorción NIR de arándanos, donde los espectros de 70 arándanos se muestran simultáneamente. Dado que las bandas definitivamente asignables a los azúcares, ácidos orgánicos, o antocianinas no se observan en los espectros NIR, la ley de Beer-Lambert tradicional no es aplicable para cuantificar el contenido de ingredientes. Por lo tanto, la construcción de modelos para la predicción del contenido de ingredientes ...

Presentamos aquí un protocolo para construir y validar modelos para la predicción no destructiva del contenido de azúcar total, ácido orgánico total y antocianina total en arándanos individuales mediante espectroscopia de infrarrojo cercano.

Construcción de modelos para la predicción no destructiva de Contenidos ingrediente de arándanos por espectroscopia de infrarrojo cercano en base a mediciones de HPLC

Nondestructive prediction of ingredient contents of farm products is useful to ship and sell the products with guaranteed qualities. Here, near-infrared ...

El objetivo general de este procedimiento es construir y validar modelos para la predicción no destructiva del contenido de azúcares totales, ácidos orgánicos totales y antocianinas totales en arándanos individuales mediante espectroscopía de infrarrojo cercano. Este método responderá problemas clave en el campo de la evaluación de productos agrícolas, como frutas y verduras. Para mí, una ventaja de esta técnica es que una gran cantidad de nuestros productos puede analizarse de forma no destructiva mediante espectroscopía.y los modelos construidos mediante el procedimiento mostrado aquí. La espectroscopía en el infrarrojo cercano es una herramienta poderosa para la evaluación no destructiva de productos agrícolas. Se construyen modelos de predicción examinando la correlación entre el espectro y los contenidos determinados mediante análisis químico de cada objetivo.Quienes demostrarán el procedimiento serán Yusuke Kimura, un estudiante egresado de mi laboratorio, y Jingai Che, de la universidad y uno de los autores de este protocolo. Recolecte un número suficiente y diversos tipos de arándanos de los cultivares objetivo. Recolecte preferiblemente 100 arándanos para la construcción del modelo de calibración.Y al menos 10 para la validación del modelo construido. Para construir modelos robustos, recolecte muestras de diversos tipos, como con diferentes colores, tamaños y en diversas condiciones de maduración. Pese cada arándano.Los pesos medidos se utilizan posteriormente para el cálculo del porcentaje de contenido de los ingredientes de cada arándano. A continuación, coloque una muestra de arándano en el centro de la ventana del espectrofotómetro de infrarrojo cercano para mediciones de reflectancia difusa. Utilizando el comando de canal único para la muestra, mida los espectros de cada arándano.Preferiblemente en varios puntos del fruto. Mantenga los arándanos en un congelador, por debajo de menos 30 grados celsius si no se van a analizar inmediatamente después de las mediciones del espectro. Para comenzar el pretratamiento, corte un arándano en varios trozos para que pueda homogenizarse fácilmente.Cortar el arándano sin descongelarlo cuando está congelado. Colocar los trozos en un vaso de precipitados de 50 mililitros. Añadir aproximadamente 10 mililitros de agua ultrapura al vaso de precipitados.Caliente la fruta cortada en agua ultrapura en un horno de microondas durante 20 segundos para desactivar las enzimas que podrían descomponer los azúcares durante los análisis. Añada aproximadamente 10 mililitros de agua ultrapura al vaso de precipitados. Homogenice la mezcla durante cinco minutos a 12.000 RPM con un homogenizador equipado con un eje y generador estándar.Centrifugue la mezcla homogeneizada durante 10 minutos a 3.000 RPM. A continuación, recoja el filtrado mediante filtración al vacío de la muestra centrifugada utilizando un filtro de papel Whatman n.º 5. Después de repetir los pasos de homogenización dos veces, mida el pH del filtrado y ajústelo a siete con ácido clorhídrico diluido y soluciones acuosas diluidas de hidróxido de sodio.Diluya el filtrado hasta 50 mililitros con agua ultrapura. Divida la muestra en dos: una para el análisis de azúcares y la otra para el análisis de ácidos orgánicos.Pase la primera solución de muestra a través de las columnas conectadas en serie para eliminar pigmentos, cationes y aniones. Deseche el primer mililitro de la solución de muestra que sale de las columnas. Luego, utilice la solución de muestra proveniente de las columnas para el análisis de azúcares mediante cromatografía líquida de alta eficacia o HPLC.Centrifugar la solución a 6 600 RPM durante 10 minutos en un microtubo equipado con un filtro de 0,445 micrones utilizando una mini-centrífuga antes del análisis por HPLC. Configure el sistema de HPLC utilizando una columna de permeación de gel en el horno de columnas a 40 grados celsius. Utilice agua ultra pura desgasificada con un flujo de 0,1 mililitros por minuto como eluyente.Utilice también un detector de índice de refracción. Mida los espectrogramas de HPLC de soluciones estándar inyectando una alícuota de 20 microlitros para cada medición. Aquí se utiliza software de solución empaquetada para la medición.Obtenga la intensidad del área de la banda del azúcar en el cromatograma de cada solución patrón haciendo clic en reanálisis con el botón derecho del ratón. Luego, represente gráficamente las intensidades del área frente a las concentraciones correspondientes para obtener la curva de trabajo para cada azúcar mediante regresión lineal. A partir de la curva, se obtiene la ecuación que representa la relación entre la intensidad del área y la concentración para cada azúcar.Después de obtener la curva patrón, mida los espectrogramas de HPLC de las soluciones de muestra inyectando una alícuota de 20 microlitros para cada medición. Obtenga las intensidades de área de las bandas de azúcares en el cromatograma de cada solución de muestra como antes. Consulte el protocolo escrito para conocer los pasos sobre cómo realizar mediciones de HPLC de ácidos orgánicos.Mantenga los arándanos en un congelador por debajo de menos 80 grados celsius si no van a analizarse para antocianinas inmediatamente después de las mediciones del espectro. Para realizar el pretratamiento para mediciones de antocianinas por HPLC, seque cada fruta congelada mediante un liofilizador al vacío durante 12 horas. Extraiga la antocianina del arándano seco en una solución al uno por ciento de ácido trifluoroacético en metanol dejando la mezcla en un refrigerador a cuatro grados celsius durante 12 horas.Centrifugue el extracto durante 15 minutos en un microtubo de dos mililitros utilizando una ultracentrífuga a menos ocho grados celsius y 15.000 RPM. Luego, filtre el extracto a través de un filtro de 0,45 micrones para obtener la muestra destinada a las mediciones de HPLC. Configure el sistema de HPLC utilizando una columna de fase reversa C18 en un horno de columnas a 40 grados celsius.Aplique el método de gradiente utilizando ácido trifluoroacético acuoso al 0,1 por ciento como LUNA y ácido trifluoroacético al 0,5 por ciento en acetonitrilo como LUNB. Utilice un caudal de 0,1 mililitros por minuto, en el que la proporción de LUNB aumenta del 8 por ciento al 15 por ciento entre los minutos 0 y 50 posteriores a la inyección.Y del 15 % al 75 % durante 50 a 60 minutos después de la inyección. Utilice un detector de arreglo de fotodiodos monitoreando a 520 nanómetros. Mida los espectrogramas de HPLC de las soluciones patrón inyectando un alícuota de 10 microlitros mediante el muestreador automático para cada medición.Utilice el software de solución LC para la medición. Finalmente, mida los espectrogramas de HPLC de las soluciones de muestra inyectando una alícuota de 10 microlitros a través del muestreador automático para cada medición. En este punto, se realiza la construcción de modelos de calibración para la predicción del contenido de ingredientes, seguida de la validación de estos modelos construidos, según se describe en el protocolo escrito.Los modelos de predicción se construyen utilizando los espectros observados y los contenidos de ingredientes determinados mediante el procedimiento mostrado aquí. A continuación se muestra un ejemplo del resultado de la validación cruzada del modelo elaborado para la predicción del contenido total de azúcares. La correlación entre los valores predichos por espectroscopía en el infrarrojo cercano y los determinados por HPLC es satisfactoria.Se observa un resultado similar en la validación cruzada del modelo para el contenido total de antocianinas. Nuevamente, la correlación entre los valores predichos y los observados es satisfactoria. Tras ver este video, deberías tener una buena comprensión de cómo obtener valores previos del contenido de arándanos mediante HPLC.La evaluación diferencial solo es posible mediante el uso de modelos construidos adecuadamente a partir del contenido preestablecido medido por análisis químico destructivo. Esto significa que el análisis químico previo de un objetivo es fundamental para construir modelos de predicción de alto rendimiento. Consulte el protocolo escrito para conocer el procedimiento de construcción de los modelos de predicción que no se muestran en este video.Una vez construidos adecuadamente, los modelos para la predicción son aplicables para estimar el contenido de azúcares, ácidos orgánicos y cualquier otro componente en arándanos. Se espera que la espectroscopía de infrarrojo cercano, como se muestra aquí, sea aplicable para correlacionar muchos tipos de productos agrícolas. No olvide que es necesario obtener límites predeterminados de contenido mediante análisis químico para la construcción de un buen modelo al aplicar la espectroscopía de infrarrojo cercano en la evaluación de cualquier producto agrícola.

construction-models-for-nondestructive-prediction-ingredient-contents

Research

Investigación

JoVE Journal

Chemistry

Química

Un método push-pull para la recolección de plantas volátiles se describe. El método permite la comparación de los volátiles inducidos por la alimentación de los herbívoros, metil jasmonato exógenas, y los daños mecánicos. Esta técnica también se utiliza para investigar la respuesta de la volatilidad de las ramas en buen estado a la exposición a los volátiles de las ramas dañadas por herbívoros en las plantas de arándanos.

Inducida por herbívoros-Volátiles Blueberry y señalización dentro de la planta

Un método rápido para el análisis de compuestos volátiles de las frutas se describe. Los compuestos volátiles presentes en el espacio de cabeza de un homogeneizado de la muestra se separaron rápidamente y se detecta con cromatografía de gases ultra-rápida (GC) acoplado con una onda acústica de superficie (SAW) del sensor. Un procedimiento para el manejo y análisis de datos también se discute.

Frutas volátil análisis mediante una nariz electrónica

Proton Transfer Reaction Time of Flight permite el análisis de compuestos orgánicos volátiles, rápido y no invasivo. Para demostrar su potencial, ponemos tres ejemplos: la fermentación láctica del yogur (monitorización on-line de bioprocesos), diferentes genotipos de manzana (cribado a gran escala) y el espacio retronasal tras beber café (análisis del espacio nasal).

PTR-ToF-MS combinado con un sistema automatizado de muestreo y análisis de datos a medida para estudios alimentarios: monitoreo de bioprocesos, tamizaje y análisis de la nariz y el espacio

En este artículo se describe la aplicación de la metabolómica no focalizados, transcriptómica y análisis estadístico multivariado para transcripciones de bayas de uva y metabolitos con el fin de profundizar en el concepto de terroir, es decir, el impacto del medio ambiente sobre los rasgos de calidad de las bayas.

El concepto Terroir interpretada a través de baya de la uva metabolómica y transcriptómica

Se presenta un protocolo experimental para la evaluación de suelo cultivado planta raíz sistemas RGB y la proyección de imagen hyperspectral. Combinación de tiempo de imagen RGB serie con información quimiométricas de hyperspectral optimiza penetraciones en la dinámica de la raíz de planta.

RGB y la proyección de imagen espectral raíz planta Phenotyping y investigación fisiológica: montaje Experimental y protocolos de la proyección de imagen

El protocolo describe un método para predecir la concentración de o-cresol durante la producción de éter de polifenileno utilizando espectroscopia de infrarrojo cercano y regresión parcial de mínimos cuadrados. Para describir el proceso de forma más clara y completa, se utiliza un ejemplo de predicción de la concentración de o-cresol durante la producción de polifenileno para aclarar los pasos.

Medición en línea de concentración de O-cresol basada en espectroscopia infrarroja cercana a través de la regresión parcial de mínimos cuadrados

Una estrategia rápido-multidisciplinaria para la detección temprana de floraciones de las cianobacterias y de cianotoxinas asociadas se describe aquí. Permite la detección de cianobacterias y cianotoxinas relacionadas en muestras de agua y en matrices orgánicas, como muestras de bivalvos, en 24 h.

Detección Temprana De Floraciones De Cianobacterias Y Cianotoxinas Asociadas Usando Estrategia De Detección Rápida

Aquí se describe una plataforma de microextracción-gas-cromatografía de gases en fase sólida para una identificación y cuantificación volátil rápida, confiable y semiautomatizada en frutas maduras de grosella negra. Esta técnica se puede utilizar para aumentar el conocimiento sobre el aroma de la fruta y para seleccionar cultivares con sabor mejorado con el propósito de la cría.

Perfilado de compuestos volátiles en fruta de grosella negra utilizando microextracción de fase sólida de headspace acoplada a cromatografía de gases-espectrometría de masas

Los ácidos fenólicos son fitoquímicos importantes que están presentes en los granos enteros. Poseen propiedades bioactivas como funciones protectoras antioxidantes. Este trabajo tuvo como objetivo informar sobre un método generalizado para la identificación de HPLC, la estimación del contenido fenólico total y la determinación de la capacidad antioxidante de los ácidos fenólicos en cereales y legumbres.

Un método generalizado para determinar la composición del ácido fenólico soluble libre y la capacidad antioxidante de los cereales y las legumbres

Este artículo presenta el uso de PSYCHE y SAPPHIRE-PSYCHE en el perfil metabólico de las plantas e incluye procedimientos detallados para la preparación de muestras y el registro óptimo de los espectros de RMN de Pure Shift. Se discuten ejemplos a través de los cuales la ganancia en resolución lograda por el desacoplamiento homonuclear permite una comprensión más completa del sistema.

Resonancia magnética nuclear de desplazamiento puro: una nueva herramienta para la metabolómica de las plantas

El presente protocolo desarrolló un método para estimar el rendimiento de compuestos en la placa TLC utilizando la técnica de iluminación azul-LED. Las ventajas de este enfoque son que es seguro, efectivo, económico y permite al investigador medir múltiples muestras simultáneamente.

Estimación del rendimiento de compuestos en la placa TLC mediante la técnica de iluminación Blue-LED

Aprende a construir modelos predictivos no destructivos para evaluar azúcares, ácidos orgánicos y antocianinas en arándanos mediante espectroscopia de infrarrojo cercano. Este método permite analizar la calidad de productos agrícolas sin dañarlos.

Construcción de modelos para la predicción no destructiva de Contenidos ingrediente de arándanos por espectroscopia de infrarrojo cercano en base a mediciones de HPLC (Video) | JoVE Journal

Construcción de modelos para la predicción no destructiva de Contenidos ingrediente de arándanos por espectroscopia de infrarrojo cercano en base a mediciones de HPLC

Explorar más videos