RESEARCH
Peer reviewed scientific video journal
Video encyclopedia of advanced research methods
Visualizing science through experiment videos
EDUCATION
Video textbooks for undergraduate courses
Visual demonstrations of key scientific experiments
BUSINESS
Video textbooks for business education
OTHERS
Interactive video based quizzes for formative assessments
Products
RESEARCH
JoVE Journal
Peer reviewed scientific video journal
JoVE Encyclopedia of Experiments
Video encyclopedia of advanced research methods
EDUCATION
JoVE Core
Video textbooks for undergraduates
JoVE Science Education
Visual demonstrations of key scientific experiments
JoVE Lab Manual
Videos of experiments for undergraduate lab courses
BUSINESS
JoVE Business
Video textbooks for business education
Solutions
Language
pl_PL
Menu
Menu
Menu
Menu
Research Article
Please note that some of the translations on this page are AI generated. Click here for the English version.
Erratum Notice
Important: There has been an erratum issued for this article. View Erratum Notice
Retraction Notice
The article Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size (LEfSe) in Microbiome Data (10.3791/61715) has been retracted by the journal upon the authors' request due to a conflict regarding the data and methodology. View Retraction Notice
Opisana jest szybka metoda analizy związków lotnych w owocach. Lotne związki obecne w przestrzeni nad roztworem homogenatu próbki są szybko rozdzielane i wykrywane za pomocą ultraszybkiej chromatografii gazowej (GC) sprzężonej z czujnikiem powierzchniowej fali akustycznej (SAW). Omówiono również procedurę obsługi i analizy danych.
Podczas dojrzewania owoców zachodzą liczne i różnorodne zmiany fizjologiczne, w tym rozwój specyficznej mieszanki lotnej, która charakteryzuje aromat owoców. Dojrzałość w momencie zbioru jest jednym z kluczowych czynników wpływających na jakość smakową owoców i warzyw1. Walidacja solidnych metod, które szybko oceniają dojrzałość owoców i jakość aromatu, pozwoliłaby na lepsze zarządzanie zaawansowanymi programami hodowlanymi, praktykami produkcyjnymi i obsługą po zbiorach.
W ciągu ostatnich trzech dekad przeprowadzono wiele badań mających na celu opracowanie tak zwanych elektronicznych nosów, które są urządzeniami zdolnymi do szybkiego wykrywania zapachów i smaków2-4. Obecnie dostępnych na rynku jest kilka elektronicznych nosów zdolnych do przeprowadzania analizy lotności, opartych na różnych technologiach. Nos elektroniczny wykorzystywany w naszej pracy (zNose, EST, Newbury Park, CA, USA), składa się z ultraszybkiej chromatografii gazowej sprzężonej z powierzchniowym czujnikiem fal akustycznych (UFGC-SAW). Technologia ta została już przetestowana pod kątem zdolności do monitorowania jakości różnych towarów, w tym wykrywania pogorszenia jakości jabłka5; ocena dojrzałości i zgnilizny mango6; profilowanie aromatyczne gatunków grasicy 7; C6 związki lotne w jagodach winogron8; Charakterystyka oleju roślinnego9 i wykrywanie domieszek w oleju kokosowym z pierwszego tłoczenia10.
Ten system może wykonywać trzy główne etapy analizy aromatu: pobieranie próbek z przestrzeni nad głową, separację lotnych związków i wykrywanie. W ciągu około jednej minuty wytwarzany jest wynik, chromatogram, a po cyklu przedmuchiwania przyrząd jest gotowy do dalszej analizy. Wyniki uzyskane za pomocą zNose mogą być porównane z wynikami innych systemów chromatografii gazowej poprzez obliczenie wskaźników Kovatsa (KI). Gdy instrument zostanie nastrojony za pomocą wzorcowego roztworu alkanów, czasy retencji są automatycznie przeliczane na KI. Oczekuje się jednak, że z czasem wystąpią niewielkie zmiany temperatury i natężenia przepływu, co spowoduje dryf czasu retencji. Ponadto, w zależności od biegunowości fazy stacjonarnej kolumny, odtwarzalność obliczeń KI może różnić się o kilka jednostek indeksu11. W związku z tym opracowano szereg programów i interfejsów graficznych do porównywania obliczonych KI między próbkami w sposób półautomatyczny. Programy te skracają czas potrzebny na analizę chromatogramów dużych zbiorów danych i minimalizują możliwość błędnej interpretacji danych, gdy chromatogramy nie są idealnie wyrównane.
Prezentujemy metodę szybkiej analizy związków lotnych w owocach. Omówiono również procedury przygotowania próbek, pozyskiwania danych i postępowania z nimi.
1. Przygotowanie próbki
2. Chromatografia gazowa z powierzchniową falą akustyczną (GC-SAW) Konfiguracja i akwizycja danych
3. Eksport i analiza danych
4. Reprezentatywne wyniki
Elektroniczny nos był w stanie wykryć różnice w profilach lotnych wśród owoców melona zebranych w różnych stadiach dojrzałości (Rysunek 5). We wszystkich próbkach zidentyfikowano dwadzieścia okien KI. Analiza wariancji wykazała, że 14 pików wykrytych przez elektroniczny nos różniło się istotnie między etapami dojrzałości. Na rysunku 6 logarytm średnich powierzchni pików tych 14 składników przedstawiono w celu pokazania różnic w szczytowej obfitości między dwoma etapami dojrzałości, wczesnymi dojrzałymi i w pełni dojrzałymi owocami.

Rysunek 1. Przykłady formatów danych eksportowanych z oprogramowania przyrządu (A) i po transformacji, wykonywanych za pomocą skryptu "reform_data.py" (B). Aby ułatwić manipulację danymi i analizę, wszystkie unikalne KI są identyfikowane we wszystkich próbkach, a następnie dane są ponownie porządkowane z informacjami o próbce w wierszach i obszarem piku w kolumnach, odpowiadającymi unikalnym KI. Jeśli pik nie zostanie wykryty dla wartości KI w próbce, odpowiednia komórka pozostaje pusta.

Rysunek 2. Zrzut ekranu z pliku skryptu "kim_interface.py". Wykres w środku przedstawia liczbę trafień na KI w funkcji KI. "Trafienie na KI" oznacza liczbę próbek, w których wykryto pik dla tego konkretnego KI. Po lewej stronie znajdują się trzy żółte pola kontrolujące wybrane dane. Wyświetlają parametry dzielące zbiór danych (zabiegi, powtórzenia, zmienne jakościowe itp.). Na tym rysunku są to (od góry do dołu): odmiana, data sadzenia i etap dojrzałości w momencie zbioru. Na dole: klikając na 3 paski i przesuwając niebieski pasek w lewo lub w prawo, można wybrać minimalną i maksymalną wartość zakresu KI oraz minimalną powierzchnię piku ("Próg"). Po prawej: przycisk 'Scal' umożliwia scalenie wybranych KI poprzez ręczne kliknięcie na słupki na wykresie. Przycisk "Rozłącz" pozwala na odwrócenie procesu dla wybranych przypadków.

Rysunek 3. Nałożone na siebie chromatogramy (w kolorze czarnym i czerwonym) dwóch kontrprób technicznych z lotnej przestrzeni nad melonem w celu zilustrowania przesunięcia czasu retencji.

Rysunek 4. Przykład procedury łączenia KI. Na wykresie centralnym zielony pasek (Central KI) reprezentuje najbardziej zaludnioną KI, która została wybrana jako środek okna KI. KI X i KI Y są KI, które mieszczą się w oknie zainteresowania i muszą zostać scalone z centralnym KI. Klikając prawym przyciskiem myszy na pasek KI X, zmienia on kolor na czerwony, a jednocześnie niebieski pasek o tej samej długości co pasek KI X pojawia się na zielonym. Powtarzając tę samą procedurę dla KI Y, długość niebieskiego paska (scalone KI) zwiększy się o odpowiednią długość. Po dodaniu wszystkich KI, po kliknięciu zielonego przycisku "Połącz", proces scalania kończy się, zmiany są zapisywane, a kolor przycisku zmienia kolor na żółty.

Rysunek 5. Dwa chromatogramy próbek melonów zebranych w różnych stadiach dojrzałości, wczesnej dojrzałości (na górze) i w pełni dojrzałej (na dole), w celu zilustrowania zdolności elektronicznego nosa do wykrywania różnic w obfitości substancji lotnych.

Rysunek 6. Wykres radarowy przedstawiający powierzchnię pików 14 składników obecnych w dwóch próbkach melonów w dwóch różnych stadiach dojrzałości, wcześnie dojrzałych i w pełni dojrzałych. Obszary pików są raportowane w skali logarytmicznej, aby ułatwić wizualizację porównania. Liczby na końcu każdego promienia reprezentują odpowiadające im indeksy Kovatsa.
Nie mamy nic do ujawnienia.
Opisana jest szybka metoda analizy związków lotnych w owocach. Lotne związki obecne w przestrzeni nad roztworem homogenatu próbki są szybko rozdzielane i wykrywane za pomocą ultraszybkiej chromatografii gazowej (GC) sprzężonej z czujnikiem powierzchniowej fali akustycznej (SAW). Omówiono również procedurę obsługi i analizy danych.
Autorzy dziękują Billowi Copesowi (Harris Moran Seed Company, Davis) za dostarczenie owoców melona do tej analizy. Projekt ten jest wspierany przez Specialty Crops Research Initiative Competitive Grants Program, grant nr 2009-51181-05783 z Narodowego Instytutu Żywności i Rolnictwa USDA.
| Chlorek wapnia | MP Biomedicals | 195088 | |
| Izowalerianian 2-metylobutylu | SAFC Global | W350613 | ≥ 98%, naturalny, FCC |
| Metanol | Fisher Scientific | A411-4 | |
| Vial | Sigma-Aldrich | SU860098 | |
| Cap | Sigma-Aldrich | SU860101 | |
| Blender laboratoryjny | Waring Laboratory | 7009G | 2-biegowy; Szklany pojemnik o pojemności 1 litra |
| Butelka | Fisher Scientific | 06-414-1C | Pyrex, 500 mL; polipropylenowa uszczelka z zatyczką |
| Igła | Technologia czujników elektronicznych | TLC101046 | Otwór boczny Luer |
| Roztwór alkanów | Technologia czujników | elektronicznych | C6-C14 roztwór alkanów w metanolu |
| Technologia czujników elektronicznych | zNose | Model 4500 | |
| Kolumna DB-5 GC | Technologia czujników elektronicznych | SYS4500C5 | |
| Technologia czujników elektronicznych | MicroSense | Wersja 5.44.22 | |
| Python 2.6 | Swobodnie dostępne | ||
| skrypty | on-line "reform_data.py" i "kim_interface.py" | Skrypty dostępne jako materiał uzupełniający na JoVE |