Name: Construction de modèles de prédiction non destructive des matières Ingrédient en Blueberries par spectroscopie proche infrarouge basée sur des mesures de CLHP (Vidéo) | JoVE Journal
Uploaded: 2016-06-28T14:00:00.000+00:00
Duration: 10 min 25 s
Description: Découvrez comment construire des modèles prédictifs non destructifs des teneurs en sucres, acides organiques et anthocyanes dans les myrtilles par spectroscopie proche infrarouge. Cette méthode permet une évaluation rapide de la qualité des produits agricoles.

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

Ce travail a été partiellement soutenu par le projet « Un plan pour revitaliser l’agriculture et la pêche dans les zones sinistrées grâce au déploiement de technologies très avancées » du ministère de l’Agriculture, des Forêts et de la Pêche du Japon.

<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>

Nous n’avons rien à divulguer.

Quelques commentaires supplémentaires sur le protocole sont décrits ici. Tout d&#39;abord, à l&#39;étape 1.1, il est mentionné pour décider les cultivars inclus dans la cible. Bien qu&#39;il soit possible de construire des modèles couvrant les bleuets de nombreux cultivars ou sans préciser les cultivars, les exactitudes de prédiction avec les modèles sont parfois bien inférieurs à ceux des modèles pour un seul cultivar et cultivars limités. Il convient également de noter que les modèles d&#39;étalonnage doivent être con...

Proche infrarouge (NIR) est largement appliquée comme une technique non destructive pour analyser le contenu de fruits et légumes de toutes sortes. 1,2 Nondestructive analyse par spectroscopie NIR permettre à l&#39;expédition de seulement délicieux fruits et légumes avec des qualités garanties. La spectroscopie NIR a déjà été appliquée à l&#39;orange, pomme, melon, cerise, kiwi, mangue, papaye, pêche et ainsi de suite pour connaître leur Brix qui correspond à la teneur totale en sucre, acidité, TSC (solides totaux contenus), et ainsi de suite . Récemment, nous avons signalé l&#39;application de la spectroscopie NIR à l&#39;évaluation de la qualité des bleuets. 3 Nous mesurée non seulement la teneur totale en sucre et la teneur totale en acide organique correspondant à l&#39; acidité, mais aussi la teneur en anthocyanes totale. L&#39;anthocyanine est un composant bioactif qui est censé améliorer la santé humaine. Il est commode pour les consommateurs s&#39;ils peuvent acheter de délicieux bleuets avec une assurance de leur teneur en sucre, acidité et teneur en anthocyanes. Dans les spectres d&#39;absorption NIR de fruits et légumes, seules des bandes d&#39;absorption larges sont observés. Ils sont principalement les bandes dues à la fibre et de l&#39;humidité. Bien que de nombreuses bandes faibles en raison de divers ingrédients de la cible non-destructed sont observées en même temps, les bandes observées ne peuvent pas être attribués à des modes vibratoires spécifiques des composants spécifiques de la cible dans la plupart des cas. Par conséquent, la technique traditionnelle pour déterminer la teneur d&#39;un composant spécifique en utilisant la loi de Beer-Lambert est pas efficace pour les spectres NIR. Au lieu de cela, des modèles d&#39;étalonnage pour prédire la teneur des composants à partir des spectres observés cibles sont construits à l&#39; aide de la chimiométrie , en examinant la corrélation entre les spectres observés et le contenu de l&#39; ingrédient correspondant aux spectres 4,5. Ici, un protocole de construire et de valider les modèles pour la prédiction de la teneur totale en sucre, teneur totale en acide organique correspondant à Acidity, et la teneur en anthocyanes totale de bleuets de spectres NIR est présenté. La figure 1 montre l&#39;organigramme général pour construire des modèles d&#39;étalonnage fiables et robustes. Des échantillons de nombre suffisant sont collectés. Certains d&#39;entre eux sont utilisés pour la construction de modèles, tandis que les autres sont utilisés pour la validation des modèles construits. Pour chacun des échantillons prélevés, un spectre proche infrarouge est mesurée, et ensuite les composants cibles sont analysés quantitativement par des méthodes d&#39;analyse chimique destructive traditionnelles. Ici, la chromatographie liquide à haute performance (HPLC) est utilisée pour les analyses chimiques des sucres, des acides organiques et des anthocyanines. Moindres carrés partiels (PLS) regression est utilisé pour la construction de modèles d&#39;étalonnage, où la corrélation entre les spectres observés et les teneurs en ingrédients déterminée par des analyses chimiques est examinée. Afin de construire des modèles robustes avec la meilleure capacité de prédiction, les prétraitements de obserLes spectres vés et les régions de longueurs d&#39;onde utilisées pour la prédiction sont également examinés. Enfin, les modèles construits sont validés pour confirmer leur capacité de prédiction suffisante. La validation, le contenu prédit à partir du spectre observé par le modèle de construction (valeurs prédites) sont comparées aux teneurs déterminées par les analyses chimiques (valeurs observées). Si la corrélation suffisante ne peut pas être trouvé entre les valeurs prédites et observées, le modèle d&#39;étalonnage doit être à nouveau réalisée jusqu&#39;à ce que la corrélation suffisante soit obtenue. Bien qu&#39;il soit préférable d&#39;utiliser différents groupes d&#39;échantillons pour la construction et la validation d&#39;un modèle, comme indiqué sur cette figure (de validation externe), les échantillons d&#39;un même groupe sont utilisés aussi bien pour la construction et la validation (validation croisée) lorsque le nombre d&#39; échantillons ne sont pas assez grand. <img alt="Figure 1" src="/files/ftp_upload/53981/53981fig1.jpg" /> Figure 1. Diagramme pour la construction et la validation du modèle d&#39;étalonnage. Les procédures entourées par des lignes bleues et vertes correspondent, respectivement, à la construction d&#39;un modèle d&#39;étalonnage et sa validation. <a href="https://www.jove.com/files/ftp_upload/53981/53981fig1large.jpg" target="_blank">S&#39;il vous plaît cliquer ici pour voir une version plus grande de cette figure.</a>

<table><tbody><tr><td>Spectrophotomètre FT-NIR</td><td>Bruker Optics GmbH</td><td>MPA&nbsp ;</td><td></td></tr><tr><td>Chromatographie liquide haute performance</td><td>Shimadzu Corporation</td><td>228-45041-91, 228-45000-31, 228-45018-31</td><td>Pour l’analyse des sucres</td></tr><tr><td></td><td></td><td>223-04500-31, 228-45010-31, 228-45095-31</td><td>Détecteur d’indice de réfraction</td></tr><tr><td>Chromatographie liquide haute performance</td><td>Shimadzu Corporation</td><td>228-45041-91, 228-45003-31, 228-45000-31</td><td>Pour l’analyse</td></tr><tr><td></td> des acides organiques<td></td><td>228-45018-31, 228-45010-31, 223-04500-31</td><td>Détecteur ultraviolet-visible</td></tr><tr><td>Chromatographie liquide haute performance</td><td>Shimadzu Corporation</td><td>228-45041-91, 228-45018-31, 228-45000-31</td><td>Pour l’analyse</td></tr><tr><td></td><td></td> des anthocyanes <td>228-45012-31, 228-45119-31, 228-45005-31</td><td>Détecteur</td></tr><tr><td></td><td></td> à matrice de photodiodes <td>228-45009-31</td><td></td></tr><tr><td>PH-mètre</td><td>Mettler-Toledo</td><td>30019028</td><td>S220, Compensation automatique de la température</td></tr><tr><td>Équipement de traitement de l’eau ultra-pure</td><td>ORGANO Corporation</td><td>ORG-ULXXXM1 ; PRA-0015-0V0</td><td>PURELAB ultra ; Congélateurs biomédicaux PURELITE</td></tr><tr><td>&nbsp ;</td><td>SANYO</td><td>2-6780-01</td><td>MDF-U338</td></tr><tr><td>Congélateur ultra-basse température</td><td>Panasonic healthcare Co., Ltd.</td><td>KM-DU73Y1-80</td> <td>&deg ; C</td></tr><tr><td>Lyophilisateur sous vide</td><td>IWAKI GLASS Co., Ltd</td><td>119770</td><td>DRC-3L ; FRD-82M</td></tr><tr><td>Homoginizer</td><td>Microtec Co., Ltd.&nbsp ;</td><td>Physcotron</td><td></td></tr><tr><td>Ultracentrifuge</td><td>Hitachi Koki Co., Ltd</td><td>S204567</td><td></td></tr><tr><td>CF15RXII Mini-centrifugeuse</td><td>LMS CO., LTD.</td><td>KN3136572</td><td>Centrifugeuse MCF-2360</td></tr><tr><td></td><td>Kokusan Co., Ltd</td><td>2-5534-01</td><td>H-103N</td></tr><tr><td>Papier filtre&nbsp ;</td><td>Advantec</td><td>1521070</td><td>5B, Eqivalent à Whatman 40</td></tr><tr><td>Sep-Pak C18</td><td>colonne Waters Corporation Milford</td><td>WAT020515</td><td></td></tr><tr><td>Sep-Pak CM</td><td>colonne Waters Corporation Milford</td><td>WAT020550</td><td></td></tr><tr><td>Sep-Pak QMA</td><td>colonne Waters Corporation Milford WAT020545</td><td></td><td></td></tr><tr><td>Unité de filtre centrifuge</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>Filtre à seringue</td><td>GE Healthcare CO.,LTD.</td><td>6788-1304</td><td>PP, 0,45 &mu ; m</td></tr><tr><td>Sucrose</td><td>Wako Pure Chemical Industries,Ltd</td><td>194-00011</td> Glucose de <td>qualité réactif</td></tr><tr><td></td><td>Wako Pure Chemical Industries,Ltd</td><td>049-31165</td> Fructose <td>de qualité réactif</td></tr><tr><td></td><td>Wako Pure Chemical Industries,Ltd</td><td>123-02762</td><td></td></tr><tr><td>Acide citrique</td> de qualité réactif <td>Wako Pure Chemical Industries,Ltd</td><td>036-05522</td><td>Acide</td></tr><tr><td>malique de qualité réactif</td><td>Wako Pure Chemical Industries,Ltd</td><td>355-17971</td> Acide succinique <td>de qualité réactif</td></tr><tr><td>&nbsp ;</td><td>Wako Pure Chemical Industries, Ltd</td><td>190-04332</td><td></td></tr><tr><td>Acide quinique</td> de qualité réactif <td>Alfa Aesar, A Johnson Matthey Company</td><td>10176328</td> Acide phosphorique <td>de qualité réactif</td></tr><tr><td></td><td>Wako Pure Chemical Industries, Ltd</td><td>162-20492</td> Acide trifluoroacétique <td>de qualité HPLC</td></tr><tr><td></td><td>Wako Pure Chemical Industries, Ltd</td><td>208-02746</td><td></td></tr><tr><td>Méthanol</td> de qualité réactif <td>Wako Pure Chemical Industries,Ltd</td><td>131-01826</td><td></td></tr><tr><td>Acétonitrile</td> de qualité réactif <td>Wako Pure Chemical Industries,Ltd</td><td>015-08633</td><td></td></tr><tr><td>Cyanidine-3-O-chlorure de glucoside</td><td>Wako Pure Chemical Industries,Ltd</td><td>306-37661</td> Logiciel de <td>qualité HPLC</td></tr><tr><td>pour les analyses</td><td>Bruker Optics GmbH</td><td>OPUS ver. 6.5</td><td></td></tr><tr><td>Softoware pour prétraitement</td><td>Microsoft</td><td>Excel propulsé par Visual Basic pour Applications</td><td></td></tr><tr><td>Logiciel pour la construction de maquettes</td><td></td><td>Freemat 4.0</td><td>http://freemat.sourceforge.net/</td></tr></tbody></table>

construction de modèles de prédiction non destructive des matières ingrédient en blueberries par spectroscopie proche infrarouge basée sur des mesures de clhp

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

La prédiction non destructive de la teneur en ingrédients des produits de la ferme est utile pour expédier et vendre les produits dont les qualités sont garanties. Ici, la spectroscopie proche infrarouge est utilisée pour prédire de manière non destructive la teneur totale en sucre, en acide organique total et en anthocyanes dans chaque myrtille. La technique devrait permettre de sélectionner uniquement de délicieuses myrtilles parmi toutes celles récoltées. Les spectres d’absorption dans le proche infrarouge des bleuets sont mesurés avec le mode de réflectance diffuse à des positions qui ne sont pas sur le calice. La teneur en ingrédients d’un bleuet, déterminée par chromatographie liquide à haute performance, est utilisée pour construire des modèles permettant de prédire la teneur en ingrédients à partir des spectres observés. La régression des moindres carrés partiels est utilisée pour la construction des modèles. Il est nécessaire de bien sélectionner les prétraitements pour les spectres observés et les régions de longueur d’onde des spectres utilisés pour les analyses. Des validations sont nécessaires pour que les modèles construits confirment que les teneurs en ingrédients sont prédites avec une précision pratique. Nous présentons ici un protocole pour construire et valider les modèles de prédiction non destructive de la teneur en ingrédients des myrtilles par spectroscopie proche infrarouge.

La figure 2 montre à titre d&#39;exemple un ensemble de spectres d&#39;absorption NIR de bleuets où les spectres de 70 bleuets sont présentés simultanément. Depuis les bandes définitivement assignables à des sucres, des acides organiques, ou les anthocyanes ne sont pas observées dans les spectres NIR, la loi traditionnelle de Beer-Lambert est sans objet pour quantifier le contenu des ingrédients. Par conséquent, la construction de modèles pour la prédiction du contenu de...

Nous présentons ici un protocole pour construire et valider des modèles de prédiction non destructive de la teneur totale en sucre, en acide organique total et en anthocyanes dans les myrtilles individuelles par spectroscopie proche infrarouge.

Construction de modèles de prédiction non destructive des matières Ingrédient en Blueberries par spectroscopie proche infrarouge basée sur des mesures de CLHP

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

L'objectif général de cette procédure est de construire et de valider des modèles permettant la prédiction non destructive de la teneur totale en sucres, en acides organiques totaux et en anti-cyanines totales dans des myrtilles individuelles par spectroscopie proche infrarouge. Cette méthode répondra à des problèmes clés dans le domaine de l'évaluation des produits agricoles, tels que les fruits et légumes. À mon avis, un avantage de cette technique est que de nombreux produits peuvent être analysés de manière non destructive par spectroscopie.Et les modèles construits selon la procédure présentée ici. La spectroscopie proche infrarouge est un outil puissant pour l'évaluation non destructive des produits agricoles. Les modèles de prédiction sont établis en examinant la corrélation entre le spectre et les teneurs déterminées par analyse chimique de chaque échantillon cible.Le démonstrateur de la procédure sera Yusuke Kimura, étudiant diplômé de mon laboratoire, et Jingai Che, de l'université et coauteur de ce protocole. Prélevez un nombre suffisant et divers types d'échantillons de bleuets provenant des cultivars ciblés. Prélevez de préférence 100 bleuets pour l'élaboration du modèle de calibration.Et au moins 10 pour la validation du modèle construit. Pour élaborer des modèles robustes, collectez des échantillons de différents types, tels que des baies de diverses couleurs, tailles et stades de maturité. Peser chaque myrtille.Les masses mesurées sont utilisées ultérieurement pour le calcul du pourcentage de composition des ingrédients de chaque myrtille. Ensuite, placer un échantillon de myrtille au centre de la fenêtre du spectrophotomètre proche infrarouge pour des mesures de réflectance diffuse. À l'aide de la commande de canal unique pour l'échantillon, mesurer les spectres de chaque myrtille.De préférence à plusieurs endroits du fruit. Conserver les myrtilles au congélateur, à une température inférieure à moins 30 degrés Celsius, si elles ne doivent pas être analysées juste après les mesures spectrales. Pour commencer le prétraitement, couper une myrtille en plusieurs morceaux afin qu'elle puisse être facilement homogénéisée.Couper la myrtille sans la décongeler lorsqu'elle est congelée. Placer les morceaux dans un bécher de 50 millilitres. Ajouter environ 10 millilitres d'eau ultra-pure dans le bécher.Chauffer la myrtille coupée dans de l'eau ultra-pure au four à micro-ondes pendant 20 secondes afin d'inactiver les enzymes susceptibles de dégrader les sucres pendant les analyses. Ajouter environ 10 millilitres d'eau ultra-pure dans le bécher. Homogénéiser le mélange pendant cinq minutes à 12 000 tr/min à l'aide d'un homogénéisateur équipé d'un arbre et d'un générateur standards.Centrifuger le mélange homogénéisé pendant 10 minutes à 3 000 tr/min. Ensuite, recueillir le filtrat par filtration sous vide de l'échantillon centrifugé, en utilisant un filtre en papier Whatman n°5 B. Après avoir répété deux fois les étapes d'homogénéisation, mesurer le pH du filtrat et l'ajuster à 7 à l’aide d’acide chlorhydrique dilué et de solutions aqueuses diluées d’hydroxyde de sodium.Effectuer une dilution du filtrat à 50 millilitres avec de l'eau ultra-pure. Diviser l'échantillon en deux : un pour l'analyse des sucres et l'autre pour l'analyse des acides organiques.Faites passer la première solution échantillon à travers les colonnes connectées en série afin d'éliminer les pigments, les cations et les anions. Jetez le premier millilitre de la solution échantillon provenant des colonnes. Ensuite, utilisez la solution échantillon provenant des colonnes pour l'analyse des sucres par chromatographie liquide à haute performance ou HPLC.Centrifuger la solution à 6 600 tr/min pendant 10 minutes dans un microtube équipé d'un filtre de 0,445 micron à l'aide d'une mini-centrifugeuse avant l'analyse par HPLC. Configurer le système HPLC en utilisant une colonne de perméation de gel dans l'enceinte thermostatée à 40 degrés Celsius. Utiliser de l'eau ultra-pure dégazée avec un débit de 0,1 millilitre par minute comme éluant.Utilisez également un détecteur à indice de réfraction. Mesurez les spectrogrammes HPLC de solutions standards en injectant un aliquot de 20 microlitres pour chaque mesure. Ici, un logiciel de solution conditionnée est utilisé pour la mesure.Obtenir l'intensité surfacique de la bande de sucre sur le chromatogramme de chaque solution étalon en cliquant sur la réanalyse avec le bouton droit de la souris. Ensuite, tracer les intensités surfaciques en fonction des concentrations correspondantes afin d'obtenir la courbe d'étalonnage pour chaque sucre par régression linéaire. À partir de cette courbe, l'équation représentant la relation entre l'intensité surfacique et la concentration est déterminée pour chaque sucre.Après avoir obtenu la courbe standard, mesurer les spectrogrammes HPLC des solutions échantillons en injectant un aliquot de 20 microlitres pour chaque mesure. Obtenir les intensités surfaciques des pics correspondant aux sucres sur le chromatogramme de chaque solution échantillon, comme précédemment. Se référer au protocole écrit pour les étapes relatives à la réalisation des mesures HPLC des acides organiques.Conserver les myrtilles dans un congélateur à moins de 80 degrés Celsius si elles ne doivent pas être analysées pour les anthocyanines immédiatement après les mesures spectrales. Pour effectuer le prétraitement destiné aux mesures HPLC des anthocyanines, sécher chaque fruit congelé au lyophilisateur sous vide pendant 12 heures. Extraire les anthocyanines de la myrtille séchée dans une solution de 1 % d'acide trifluoroacétique dans le méthanol en laissant le mélange au réfrigérateur à 4 degrés Celsius pendant 12 heures.Centrifuger l'extrait pendant 15 minutes dans un microtube de deux millilitres à l'aide d'une ultracentrifugeuse à huit degrés Celsius sous zéro et à 15 000 tr/min. Puis filtrer l'extrait à travers un filtre de 0,45 micron afin d'obtenir l'échantillon destiné aux mesures par HPLC. Mettre en place le système HPLC en utilisant une colonne en phase inverse C18 dans un four à colonne réglé à 40 degrés Celsius.Appliquez la méthode de gradient en utilisant de l’acide trifluoroacétique aqueux à 0,1&nbsp;% comme LUNA et de l’acide trifluoroacétique à 0,5&nbsp;% dans l’acétonitrile comme LUNB. Utilisez un débit de 0,1 millilitre par minute, où le ratio de LUNB augmente de 8&nbsp;% à 15&nbsp;% entre 0 et 50 minutes après l’injection.Et de 15 % à 75 % entre 50 et 60 minutes après l'injection. Utilisez un détecteur à réseau de photodiodes réglé à 520 nanomètres. Mesurez les spectrogrammes HPLC des solutions étalons en injectant un aliquot de 10 microlitres par l'intermédiaire de l'auto-échantillonneur pour chaque mesure.Utilisez le logiciel de solution LC pour le mesurage. Enfin, mesurez les spectrogrammes HPLC des solutions échantillons en injectant un aliquot de 10 microlitres par l'intermédiaire de l'échantillonneur automatique pour chaque mesurage. À ce stade, la construction de modèles de calibration pour la prédiction des teneurs en ingrédients, suivie de la validation de ces modèles construits, est réalisée comme décrit dans le protocole textuel.Des modèles de prédiction sont construits à l'aide des spectres observés et des teneurs en ingrédients déterminées selon la procédure indiquée ici. Un exemple du résultat de la validation croisée du modèle élaboré pour la prédiction de la teneur en sucres totaux est présenté ici. La corrélation entre les valeurs prédites par spectroscopie proche infrarouge et celles déterminées par HPLC est satisfaisante.Un résultat similaire est observé pour la validation croisée du modèle concernant la teneur totale en anthocyanes. Là encore, la corrélation entre les valeurs prédites et les valeurs observées est satisfaisante. Après avoir visionné cette vidéo, vous devriez bien comprendre comment obtenir les valeurs antérieures de la teneur des myrtilles par HPLC.Une évaluation différente n'est possible qu'en utilisant des modèles correctement construits à partir de la teneur prédéfinie mesurée par analyse chimique destructive. Cela signifie que l'analyse chimique préalable d'une cible est essentielle pour construire des modèles de prédiction performants. Veuillez vous reporter au protocole écrit pour la procédure de construction des modèles de prédiction qui ne sont pas montrés dans cette vidéo.Une fois correctement construits, les modèles de prédiction peuvent être appliqués pour estimer la teneur en sucres, en acides organiques et en tout autre constituant des myrtilles. La spectroscopie proche infrarouge, telle qu'illustrée ici, devrait pouvoir être utilisée pour établir des corrélations concernant de nombreux types de produits agricoles. N'oubliez pas qu'il est nécessaire d'obtenir préalablement par analyse chimique des seuils de référence pour la teneur en composés, afin de construire un bon modèle lors de l'application de la spectroscopie proche infrarouge à l'évaluation de tout produit agricole.

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

Research

Recherche

JoVE Journal

Chemistry

Chimie

Une méthode push-pull pour la collecte des plantes volatils est décrite. La méthode permet une comparaison des composés volatils induite par l'alimentation des herbivores, le jasmonate de méthyle exogène, et les dommages mécaniques. Cette technique est également utilisée pour étudier la réponse volatiles de branches intactes à l'exposition aux composés volatils à partir de branches endommagées par des herbivores dans les plants de bleuets.

Herbivores induite Volatiles Blueberry et intra-usine de signalisation

Une méthode rapide pour l'analyse des composés volatils dans les fruits est décrite. Les composés volatils présents dans l'espace de tête d'un homogénat de l'échantillon sont séparés et détectés rapidement à la chromatographie gazeuse ultra-rapide (GC) couplée à une onde acoustique de surface (SAW) du capteur. Une procédure de traitement des données et l'analyse est également discuté.

Analyse de fruits instable avec un nez électronique

La spectrométrie de masse à temps de réaction de transfert de protons en vol permet une analyse à haute sensibilité, rapide et non invasive des composés organiques volatils. Pour démontrer son potentiel, nous donnons trois exemples : la fermentation lactique du yaourt (suivi des bioprocédés en ligne), différents génotypes de pommes (criblage à grande échelle) et l’espace rétronasal après avoir bu du café (analyse nosespace).

PTR-ToF-MS couplé avec un système d&#39;échantillonnage automatisé et une analyse de données sur mesure pour les études alimentaires: analyse du bioprocessus, du dépistage et de l&#39;analyse du nez

Cet article décrit l'application de la métabolomique untargeted, transcriptomique et analyse statistique multivariée à raisin transcriptions de baies et de métabolites, afin de mieux comprendre le concept de terroir, à savoir, l'impact de l'environnement sur les caractéristiques de qualité des baies.

Le concept Terroir Interprété par Grape Berry métabolomique et transcriptomique

Un protocole expérimental est présenté pour évaluation des sols cultivés des systèmes racinaires plante avec RVB et imagerie hyperspectrale. Combinaison du temps d’image RVB scanne de série avec les informations de Chimiométrie de hyperspectral optimise les aperçus de la dynamique des racines végétales.

RVB et l’imagerie spectrale racine pour le phénotypage de l’usine et la recherche en physiologie : montage expérimental et des protocoles d’imagerie

Le protocole décrit une méthode de prévision de la concentration d'o-cresol pendant la production de l'éther de polyphénylène utilisant la spectroscopie proche infrarouge et la régression partielle de moins de carrés. Pour décrire le processus plus clairement et complètement, un exemple de prédiction de la concentration d'o-cresol pendant la production de polyphénylène est utilisé pour clarifier les étapes.

O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression

Une stratégie rapide-multidisciplinaire pour la détection précoce des proliférations de cyanobactéries et des cyanotoxines associées est décrite ici. Il permet la détection de cyanobactéries et de cyanotoxines apparentées dans des échantillons d’eau et dans des matrices organiques, telles que des échantillons de bivalves, en 24 h.

Détection précoce des proliférations de cyanobactéries et des cyanotoxines associées à l’aide d’une stratégie de détection rapide

Une plate-forme de microextraction-chromatographie en phase solide et de chromatographie en phase gazeuse est décrite ici pour une identification et une quantification rapides, fiables et semi-automatisées des volatiles dans les fruits mûrs du cassis. Cette technique peut être utilisée pour augmenter les connaissances sur l’arôme des fruits et pour sélectionner des cultivars à saveur améliorée à des fins de sélection.

Profilage des composés volatils dans les fruits de cassis à l’aide de la microextraction en phase solide de l’espace de tête couplée à la chromatographie en phase gazeuse-spectrométrie de masse

Les acides phénoliques sont des composés phytochimiques importants présents dans les grains entiers. Ils possèdent des propriétés bioactives telles que des fonctions protectrices antioxydantes. Ces travaux visaient à rendre compte d’une méthode généralisée pour l’identification HPLC, l’estimation de la teneur totale en phénols et la détermination de la capacité antioxydante des acides phénoliques dans les céréales et les légumineuses.

Méthode généralisée de détermination de la composition en acide phénolique soluble libre et de la capacité antioxydante des céréales et des légumineuses

Cet article présente l’utilisation de PSYCHE et SAPPHIRE-PSYCHE dans le profilage métabolique des plantes et comprend des procédures détaillées pour la préparation des échantillons et l’enregistrement optimal des spectres RMN Pure Shift. Des exemples à travers lesquels le gain de résolution obtenu par le découplage homonucléaire permet une compréhension plus complète du système sont discutés.

La résonance magnétique nucléaire pure shift : un nouvel outil pour la métabolomique végétale

Le présent protocole a développé une méthode pour estimer le rendement des composés sur la plaque TLC en utilisant la technique d’éclairage bleu-LED. Les avantages de cette approche sont qu’elle est sûre, efficace, peu coûteuse et permet au chercheur de mesurer plusieurs échantillons simultanément.

Estimation du rendement des composés sur la plaque TLC via la technique d’éclairage Blue-LED

Découvrez comment construire des modèles prédictifs non destructifs des teneurs en sucres, acides organiques et anthocyanes dans les myrtilles par spectroscopie proche infrarouge. Cette méthode permet une évaluation rapide de la qualité des produits agricoles.

Construction de modèles de prédiction non destructive des matières Ingrédient en Blueberries par spectroscopie proche infrarouge basée sur des mesures de CLHP (Vidéo) | JoVE Journal

Construction de modèles de prédiction non destructive des matières Ingrédient en Blueberries par spectroscopie proche infrarouge basée sur des mesures de CLHP

Explorer plus de vidéos