Introduction
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.
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. Haga clic aquí para ver una versión más grande de esta figura.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Recolección de Muestras
- Decidir qué cultivares será incluida en el objetivo del modelo de calibración.
- Recoger número suficiente y varios tipos de arándanos de muestra de los cultivares de destino.
- 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.
- Pese cada arándanos. Nota: Los pesos medidos se utilizan más tarde para el cálculo del por ciento de contenido de ingredientes de cada arándanos.
2. Las mediciones de los espectros
- Calentamiento del espectrofotómetro suficiente (más de 1 hora) antes de las mediciones para obtener espectros fiable.
- 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.
- Ajuste el rango de mediciones de 12,500-3,600 cm -1.
- Ajuste la resolución espectral de 16 cm -1.
- Establecer la acumulación de 32 veces.
- Seleccionar reflectancia difusa como el modo de medición.
- Poner el reflector de serie en la ventana del espectrofotómetro para las mediciones de reflectancia difusa. Mediante el uso de la orden de "fondo solo canal", 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.
- Poner una muestra de arándano en el centro de la ventana del espectrofotómetro para las mediciones de reflectancia difusa. Al utilizar el comando "muestra de un solo canal", 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. - 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.
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.
- 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.
- 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.
- Poner las piezas en un vaso de 50 ml.
- Añadir ca. 10 ml de agua ultrapura (agua destilada cuya conductividad eléctrica es inferior a 0,1 mS / cm) al vaso de precipitados.
- 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.
- Añadir aproximadamente 10 ml de agua ultrapura al vaso de precipitados.
- Homogeneizar la mezcla durante 5 min a 12.000 rpm con un homogeneizador equipado con un eje estándar y el generador.
- Centrifugar la mezcla homogeneizada durante 10 min a 3000 rpm (2000 xg).
- Recoger filtrado por filtración al vacío de la muestra centrifugada usando un filtro de papel 5B.
- 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.
- 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).
- Diluir el filtrado a 50 ml con agua ultrapura.
- Dividir la muestra en dos; uno para el análisis de los azúcares y la otra para el análisis de ácidos orgánicos.
- 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.
- 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.
- 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.
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
- 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.
- Preparar las soluciones estándar de glucosa y fructosa, de manera similar.
- Disponer el sistema de HPLC como sigue:
- Utilice una columna de permeación de gel en el horno de columna a 40 ° C.
- Use agua ultrapura desgasificada con la velocidad de flujo de 0,1 ml / min como el eluato.
- Utilice un detector de índice de refracción.
- 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.
- Obtener la intensidad área de la banda del azúcar en el cromatograma de cada solución estándar haciendo clic en "re-análisis" con el botón derecho del ratón.
- 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.
- Medir los espectrogramas de HPLC de soluciones de muestra mediante la inyección de una parte alícuota de 20 l para cada medición.
- 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.
- Obtener las concentraciones de los azúcares de las soluciones utilizando las ecuaciones correspondientes a las curvas de trabajo obtenidos en el paso 4.6.
- 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).
- Obtener las cantidades totales de azúcar de cada fruto mediante la suma de los contenidos de tres azúcares.
- Obtener el porcentaje de contenido de azúcar total de cada una de arándanos utilizando el peso medido en el paso 1.3.
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
- 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.
- Preparar las soluciones patrón de ácido quínico, ácido málico y ácido succínico, de manera similar.
- Disponer el sistema de HPLC como sigue:
- Use dos columnas de intercambio aniónico conectados en serie en el horno de columna a 40 ° C.
- Uso desgasifica solución acuosa 0,1% de fosfóricoácido con la velocidad de flujo de 0,02 ml / min como el eluato.
- Utilice un conjunto detector de ultravioleta-visible a 210 nm.
- 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.
- Obtener la intensidad área de la banda de ácido orgánico en el cromatograma de cada solución estándar haciendo clic en "re-análisis" con el botón derecho del ratón.
- 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.
- 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.
- 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.
- 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.
- 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).
- Obtener la cantidad de ácido orgánico total en cada arándano mediante la suma de los contenidos de los cuatro ácidos orgánicos.
- Obtener el porcentaje de contenido de ácido orgánico total de cada una de arándanos utilizando el peso medido en el paso 1.3.
6. El tratamiento previo de las mediciones de HPLC de antocianinas
- 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.
- Secar cada fruta congelados con un liofilizador de vacío durante 12 hr.
- 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.
- 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).
- Filtrar el extracto a través de un filtro de 0,45 micras para obtener la muestra para mediciones de HPLC.
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.
- 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.
- Disponer el sistema de HPLC como sigue:
- Utilice una columna de fase inversa C18 en un horno de columna a 40 ° C.
- 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.
- Utilizar una matriz de monitoreo fotodiodo detector a 520 nm.
- Medir los espectrogramas de HPLC de soluciones estándar mediante la inyección de una parte alícuota de 10 l para cada medición. "Solución LC" se utiliza como el software para la medición.
- Obtener la intensidad área de la banda decloruro de O glucósido de cianidina-3- en el cromatograma de cada solución estándar haciendo clic en "re-análisis" con el botón derecho del ratón.
- 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.
- Medir los espectrogramas de HPLC de soluciones de muestra mediante la inyección de una parte alícuota de 10 l para cada medición.
- 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.
- Obtener las concentraciones de las antocianinas en las soluciones utilizando la ecuación correspondiente a la curva de trabajo obtenida en la etapa 7.5.
- 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.
- Obtener la cantidad total de antocianinas en cada uno de arándano mediante la suma de los contenidos de los trece antocianinas.
- Obtener el porcentaje de contenido de la antocianina total de cada una de arándanos utilizando el peso medido en el paso 1.3.
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.
- Examinan el que pretratamientos para los espectros observados son los más eficaces para la precisa ypredicción robusta.
- 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. - 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.
- 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.
- 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.
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.
- 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
- Calcular R2 y RPD entre la observada y predichavalores del conjunto de validación. 5,10
- Examinar si los criterios generales para la realización práctica de los modelos de calibración, 12,13 R2> 0,85 y RPD> 2.5, están satisfechos. Considere la reconstrucción del modelo si los criterios no se cumplen.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
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 es necesaria.
La Figura 3 muestra los cromatogramas típicos para el análisis cuantitativo de azúcares en los arándanos. Los tres paneles de la parte superior son, respectivamente, los cromatogramas de soluciones estándar de sacarosa, glucosa, y fructosa. El panel inferior muestra un cromatograma de una solución de muestra, es decir, el extracto de un arándano. Los tipos y las concentraciones de azúcares en la solución de muestra se conocen a partir de los tiempos de retención unand la zona intensidades de los picos observados. El contenido total de azúcar se obtiene como la suma de los contenidos de sacarosa, glucosa, y fructosa.
La Figura 4 muestra un ejemplo de cromatograma para el análisis de ácidos orgánicos en un arándano. Al referirse a los cromatogramas de la solución patrón (no mostrado aquí), se conocen los tipos y las concentraciones de ácidos orgánicos en la solución de muestra. Para las asignaciones de los picos observados se muestran en la leyenda de la figura, dos picos se observan para el ácido quínico en los cromatogramas de las soluciones estándar y de muestra. Puede ser que sean asignables a los isómeros del ácido quínico. contenido de ácido orgánico total se obtiene como suma de ácido cítrico, ácido quínico, ácido málico, y el contenido de ácido succínico.
La Figura 5 muestra un ejemplo de cromatograma para el análisis de las antocianinas en un arándano. Muchos picos correspondientes a différéSe observan las antocianinas nt amables. Dado que el orden de elusión para estas antocianinas se informó de 14,15 como se muestra en la Tabla 1, los picos observados se pueden asignar a las antocianinas individuales. contenido de antocianinas total se obtiene como la suma de los contenidos de 13 tipos de antocianinas.
Modelos de calibración se construyen a partir de los espectros observados y los contenidos de ingrediente determinado químicamente. Tabla 2 muestra un ejemplo del examen de tratamientos previos. Seis tratamientos previos de tipo incluyendo "ninguno (sin tratamiento previo)" se examinaron para la construcción del modelo de calibración del contenido total de azúcar usando espectros en una región fija del número de onda 12,500-3,600 cm -1. Diferentes tratamientos previos como resultado diferentes representaciones de predicción. Actuaciones de los modelos fueron evaluados con R2 y RPD. El tipo de tratamientos previos que da la mejor predirendimiento cción se elige. En la Tabla 2, "segunda derivada + MSC", lo que significa MSC después del segundo cálculo de la derivada, da los mejores resultados. A continuación, las regiones número de onda utilizadas para la construcción del modelo se examinan mediante la variación de las regiones con los pretratamientos fijos.
La figura 6 muestra como ejemplo un resultado de la validación transversal del modelo de calibración para el contenido total de azúcar, en donde se muestra la correlación entre los valores predichos por espectroscopía NIR y los determinados por HPLC. El modelo se construyó con "la segunda derivada + MSC", como los tratamientos previos y el uso de los 8,539-7,775 cm -1 región de los espectros. El rendimiento de predicción del modelo es R2 = 0,85 y RPD = 2,6, justo por encima de los criterios para el uso práctico. En este ejemplo, el número de muestras utilizadas para la construcción del modelo era 30, que es demasiado pequeño para los contrastruct modelos de alto rendimiento.
La figura 7 muestra como un ejemplo de un resultado de la validación cruzada del modelo de calibración para el contenido de ácido orgánico total, donde se muestra la correlación entre los valores predichos por espectroscopía NIR y los determinados por HPLC. El modelo se construyó con "la primera derivada + MSC", como los tratamientos previos y el uso de los 7,505-5,446 4,605-4,242 cm-1 y las regiones del espectro. El rendimiento de predicción del modelo es R 2 = 0,92 y RPD = 3,6, que son suficientes para la aplicación práctica.
La Figura 8 muestra como un ejemplo de un resultado de la validación externa del modelo de calibración para el contenido de antocianinas totales, con la correlación entre los valores predichos por espectroscopía NIR y los determinados por HPLC. El modelo se construyó con "el primer derivative "como el tratamiento previo y el uso de los 12,489-6,094 y 4,605-4,242 cm -1 regiones del espectro. El rendimiento de predicción del modelo es R2 = 0.95 y RPD = 4,4, lo que demuestra bastante buen desempeño del modelo construido. Desde antocianina existe principalmente en la cáscara de arándanos, se observa fácilmente con mediciones de reflectancia difusa aunque su contenido en un arándano no es alto. el buen comportamiento se muestra en la Figura 8 podría ser causada también por el gran número de muestras (70) utilizado para la construcción del modelo .
Figura 2. NIR espectros de absorción de los arándanos. Spectra 70 de arándanos se muestran simultáneamente. Por favor, haga clic aquí para ver una versión más grande de esta figura.
Figura 3. Los cromatogramas para el análisis cuantitativo de azúcares en los arándanos. Cromatogramas de soluciones estándar de (A) de sacarosa, (B) la glucosa, (C) fructosa, y (D) un cromatograma de una solución de muestra. Haga clic aquí para ver una versión más grande de esta figura.
Figura 4. Cromatograma para el análisis cuantitativo de ácidos orgánicos en un arándano. Picos observados corresponden a ácido cítrico (1), ácido málico (2), ácido quínico (0 y 3), y ácido succínico (4). Please clic aquí para ver una versión más grande de esta figura.
Figura 5. Cromatograma para el análisis cuantitativo de antocianinas en un arándano. Picos observados son asignados a las antocianinas individuales enumerados en la Tabla 1, donde se muestra el tiempo de retención estándar para cada antocianina. Haga clic aquí para ver una versión más grande de esta figura.
Figura 6. Un resultado de la validación cruzada del modelo para el contenido total de azúcar. Los valores pronosticados por espectroscopia NIR se representan frente a los determinados por HPLC. R 2 = 0,85 y RPD = se obtienen 2,6. Haga clic aquí para ver una versión más grande de esta figura.
Figura 7. Un resultado de la validación cruzada del modelo de contenido de ácido orgánico total. Los valores pronosticados por espectroscopia NIR se representan frente a los determinados por HPLC. R 2 = 0,92 y RPD = 3,6 se obtienen. Haga clic aquí para ver una versión más grande de esta cifra.
Figura 8. Un resultado de la validación externa del modelo de contenido de antocianinas totales. Los valores pronosticados por espectroscopia NIR se representan frente a los determined por HPLC. R 2 = 0,95 y RPD = 4,4 se obtienen. Haga clic aquí para ver una versión más grande de esta figura.
| Fórmula | La antocianina | Tiempo de retención Representante (min) |
| C 21 H 21 O 12 | Delfinidina-3-O -galactoside | 17.3 |
| C 21 H 21 O 12 | Delfinidina-3-glucósido O | 19.7 |
| C 21 H 21 O 11 | Cianidina-3- O -galactoside | 22.8 |
| C 20 H 19 O 11 | Delfinidina-3- | 23.6 | |
| C 21 H 21 O 11 | Cianidina-3- O glucósido | 24.5 |
| C 22 H 23 O 12 | -galactoside O petunidina-3- | 28.7 |
| C 20 H 19 O 10 | Cianidina-3- O -arabinoside | 31.3 |
| C 22 H 23 O 12 | Glucósido O Petunidina-3- | 36.0 |
| C 22 H 23 O 11 | Peonidina-3- O -galactoside | 37.0 |
| C 21 H 21 O 11 | -arabinoside O petunidina-3- | 40.8 |
| C 22 H 23 O 11 | Peonidina-3- O glucósido | 43.7 |
| C 23 H 25 O 12 | -galactoside O malvidina-3- | 45.0 |
| C 23 H 25 O 12 | Glucósido O malvidina-3- | 49.6 |
Tabla 1. Principales antocianinas contenidas en los arándanos. También se enumeran los tiempos de retención de representación en el análisis de HPLC bajo las presentes condiciones experimentales.
| preprocesamiento | Región de número de onda utilizado para el análisis (cm -1) | RPD | R 2 |
| Ninguna | 12,500-3,600 | 1,7 | 0.69 |
| segunda derivada | 12,500-3,600 | 2.6 | |
| primera derivada | 12,500-3,600 | 2.5 | 0.84 |
| MSC | 12,500-3,600 | 2.3 | 0,81 |
| Segunda derivada + MSC | 12,500-3,600 | 2.8 | 0.88 |
| Primera derivada + MSC | 12,500-3,600 | 2.7 | 0.87 |
Tabla 2. Un examen de la dependencia de predicción de rendimiento en los tratamientos previos de los espectros observados. R2 y RPD para la predicción del contenido total de azúcar está listado.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
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 de cada sitio de producción para conseguir un alto rendimiento de predicción porque arándanos cosechadas en diferentes sitios de producción tienen diferentes características que afectan al rendimiento de la predicción. 1
En segundo lugar, en la etapa 2.3, se menciona para seleccionar el modo de reflectancia difusa para las mediciones de los espectros. El modo de transmisión también está preparado para mediciones en el espectrofotómetro. Aunque los espectros medidos en el modo de transmisión son unalso disponible para la construcción de modelos de calibración, los modelos más precisos y más robustos puede ser construido con los espectros medidos en el modo de reflectancia difusa en la mayoría de los casos. El contenido de ácidos orgánicos totales no se pueden predecir con los espectros medidos en el modo de transmitancia. 3
En tercer lugar, para las mediciones de los espectros de arándanos, no se recomienda para medir los espectros en el cáliz ya que el estado de la superficie y el contenido de todo el cáliz son diferentes de los que están en otras posiciones. Sin embargo, es posible construir modelos de calibración usando un amplio número de espectros medidos tanto en el cáliz y otras posiciones. Sin embargo, la precisión de los modelos son en la mayoría de los casos más bajos que los de los modelos construidos con los espectros medidos solamente en posiciones distintas que el cáliz.
En cuarto lugar, un espectro NIR de arándano depende de la temperatura. Por lo tanto, para la predicción precisa o bien es importante para medir siempre espectros a la misma temperatura ambiente o para la construcción de modelos de calibración con compensación de la variación de la temperatura. 1
En quinto lugar, aunque sólo R2 y RPD se utilizan para la elección de los tratamientos previos y evaluar el rendimiento de los modelos construidos aquí, algunos otros valores como la SEC (error estándar de calibración), septiembre (error estándar de predicción), SECV (Error Estándar de la Cruz -Validación), RMSEP (Root Mean Square error de Predicción), y RMSECV (Root Mean Square error de validación cruzada) se utilizan por lo general para un examen más detallado. En nuestro anterior documento, 3 por ejemplo, RMSEP y RMSECV se utilizaron para la elección de tratamientos previos y evaluar el rendimiento de los modelos construidos.
la predicción no destructiva de azúcares totales, ácido orgánico total, y el contenido total de antocianinas en un arándano fue found ser posible si los modelos de predicciones se construyen adecuadamente. Esta técnica es aplicable para la selección de solamente arándanos deliciosos de todos los cosechados, que no se puede conseguir con otras técnicas analíticas tradicionales. 8,9 Aunque los procedimientos de los análisis químicos pueden parecer complicados, que se incluyen en técnicas analíticas populares y no son acompañada de grandes dificultades. Es importante para obtener resultados precisos de los análisis químicos, porque los resultados son la base del modelo construido. En este estudio, RSD (desviación estándar relativa) de las mediciones de HPLC fue de alrededor de 1%. También es necesario seguir el procedimiento básico, por ejemplo, como se muestra en la Figura 1, para la construcción de modelos prácticamente aplicables.
Los métodos simples y rápidos en lugar de HPLC se pueden aplicar para los análisis químicos. El contenido total de azúcar y la acidez se puede medir, respectivamente, con un refractómetro(Metros Brix) y un medidor de pH. El 16,17 método diferencial pH es aplicable para la medición del contenido total de antocianina. La aplicación de los métodos simples hacer la construcción de modelos mucho más fácil a pesar de la exactitud de los valores pronosticados por los modelos podría ser menor que las predichas por los modelos construidos sobre la base de las mediciones de HPLC se muestran aquí. Sin embargo, la exactitud de los modelos construidos sobre la base de los análisis químicos sencillos puede ser aplicable en la práctica en los sitios de producción y los procesos de circulación porque las altas precisiones no siempre se necesitan allí. Los métodos para los análisis químicos, por lo tanto, deben ser seleccionados de acuerdo con las precisiones necesarias para los modelos a ser construidos.
Aunque algunas frutas como la manzana y la naranja se venden generalmente con contenidos y acidez azúcar garantizados, los arándanos no han sido vendidos con cualidades garantizados. Como resultado, la calidad de los arándanos comerciales haceno parece estable al menos en Japón; A veces los arándanos de baja calidad se venden en los mercados. Se espera que los métodos de análisis no destructivos por espectroscopía NIR se muestra aquí para permitir, en principio, el envío y venta de arándanos con cualidades garantizados.
Por último, hay limitaciones de este método. En primer lugar, como se mencionó anteriormente, la construcción de modelos de predicción es bastante problemático. Por otra parte, el modelo de predicción se debe construir para cada sitio y cada año de cultivo debido a que la diferencia en las cantidades de componentes coexistentes (que dependen de la localización y el año de cultivo) afecta a la precisión de la predicción. Por lo tanto, se necesita un poco de esfuerzo para el mantenimiento de los modelos de predicción. En segundo lugar, aunque se ha demostrado que la espectroscopia de infrarrojo cercano es, en principio, aplicable para el control de calidad de los arándanos, el equipo y las técnicas que se muestra aquí sólo se utilizan en el laboratorio y no se aplica a los centros de producción secausan una revisión rápida de las grandes cantidades de bayas en los sitios de producción es imposible. El desarrollo práctico de los equipos y el desarrollo de modelos de calibración robustos adecuados para su uso en centros de producción y los procesos de circulación adecuadas son las direcciones futuras.
Subscription Required. Please recommend JoVE to your librarian.
Materials
| Name | Company | Catalog Number | Comments |
| FT-NIR spectrophotometer | Bruker Optics GmbH | MPA | |
| High-Performance Liquid Chromatography | Shimadzu Corporation | 228-45041-91, 228-45000-31, 228-45018-31 | For sugar analysis |
| 223-04500-31, 228-45010-31, 228-45095-31 | Refractive Index Detector | ||
| High-Performance Liquid Chromatography | Shimadzu Corporation | 228-45041-91, 228-45003-31, 228-45000-31 | For organic acid analysis |
| 228-45018-31, 228-45010-31, 223-04500-31 | Ultraviolet-Visible Detector | ||
| High-Performance Liquid Chromatography | Shimadzu Corporation | 228-45041-91, 228-45018-31, 228-45000-31 | For anthocyanin analysis |
| 228-45012-31, 228-45119-31, 228-45005-31 | Photodiode Array Detector | ||
| 228-45009-31 | |||
| pH meter | Mettler-Toledo | 30019028 | S220, Automatic temperature compensation |
| Ultra-pure water treatment equipment | ORGANO Corporation | ORG-ULXXXM1; PRA-0015-0V0 | PURELAB ultra; PURELITE |
| Biomedical Freezers | SANYO | 2-6780-01 | MDF-U338 |
| Ultra-Low Temperature Freezer | Panasonic healthcare Co.,Ltd. | KM-DU73Y1 | -80 °C |
| Vacuum lyophilizer | IWAKI GLASS Co.,Ltd | 119770 | DRC-3L; FRD-82M |
| Homoginizer | Microtec Co., Ltd. | Physcotron | |
| Ultracentrifuge | Hitachi Koki Co.,Ltd | S204567 | CF15RXII |
| Mini-centrifuge | LMS CO.,LTD. | KN3136572 | MCF-2360 |
| Centrifuge | Kokusan Co.,Ltd | 2-5534-01 | H-103N |
| Filter Paper | Advantec | 1521070 | 5B, Eqivalent to Whatman 40 |
| Sep-Pak C18 column | Waters Corporation Milford | WAT020515 | |
| Sep-Pak CM column | Waters Corporation Milford | WAT020550 | |
| Sep-Pak QMA column | Waters Corporation Milford | WAT020545 | |
| Centrifugal Filter Unit | Merck Millipore Corporation | R2SA18503 | PVDF, 0.45 μm |
| Microtube | As One Corporation | 1-1600-02 | PP, 2 ml |
| Syringe Filter | GE Healthcare CO.,LTD. | 6788-1304 | PP, 0.45 μm |
| Sucrose | Wako Pure Chemical Industries,Ltd | 194-00011 | Reagent-grade |
| Glucose | Wako Pure Chemical Industries,Ltd | 049-31165 | Reagent-grade |
| Fructose | Wako Pure Chemical Industries,Ltd | 123-02762 | Reagent-grade |
| Citric acid | Wako Pure Chemical Industries,Ltd | 036-05522 | Reagent-grade |
| Malic acid | Wako Pure Chemical Industries,Ltd | 355-17971 | Reagent-grade |
| Succinic acid | Wako Pure Chemical Industries,Ltd | 190-04332 | Reagent-grade |
| Quinic acid | Alfa Aesar, A Johnson Matthey Company | 10176328 | Reagent-grade |
| Phosphoric acid | Wako Pure Chemical Industries,Ltd | 162-20492 | HPLC-grade |
| Trifluoroacetic acid | Wako Pure Chemical Industries,Ltd | 208-02746 | Reagent-grade |
| Methanol | Wako Pure Chemical Industries,Ltd | 131-01826 | Reagent-grade |
| Acetonitrile | Wako Pure Chemical Industries,Ltd | 015-08633 | HPLC-grade |
| Grade cyanidin-3-O-glucoside chloride | Wako Pure Chemical Industries,Ltd | 306-37661 | HPLC-grade |
| Software for analyses | Bruker Optics GmbH | OPUS ver. 6.5 | |
| Softoware for preprocessing | Microsoft | Excel powered by Visual Basic for Applications | |
| Software for construction of models | Freemat 4.0 | http://freemat.sourceforge.net/ |
References
- Ozaki, Y., McClure, W. F., Christy, A. A. Near-infrared Spectroscopy in Food Science and Technology. , John Wiley & Sons, Inc. Hoboken. (2007).
- Sun, D. W. Infrared Spectroscopy for Food Quality Analysis and Control. , Academic Press. New York. (2009).
- Bai, W., Yoshimura, N., Takayanagi, M. Quantitative analysis of ingredients of blueberry fruits by near infrared spectroscopy. J. Near Infrared Spectrosc. 22, 357-365 (2014).
- Hasegawa, T. Chemometrics in infrared spectroscopic analysis. In: Introduction to Experimental Infrared Spectroscopy. Tasumi, M. , John Wiley & Sons. Chichester. 97-113 (2015).
- Varmuza, K., Filzmoser, P. Introduction to Multivariate Statistical Analysis in Chemometrics. , CRC Press. Boca Raton. (2009).
- Kubelka, P. New contributions to the optics of intensely light-scattering materials. Part I. J. Opt. Soc. Am. 38, 448-457 (1948).
- Juang, R. H., Storey, D. E. 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. Pharm Res. 15, 1714-1720 (1998).
- Ogiwara, I., Ohtsuka, Y., Yoneda, Y., Sakurai, K., Hakoda, N., Shimura, I. Extraction method by water followed by microwave heating for analyzing sugars in strawberry fruits. J. Jpn. Soc. Hort. Sci. 68, 949-953 (1999).
- Che, J., Suzuki, S., Ishikawa, S., Koike, H., Ogiwara, I. Fruit ripening and quality profile of 64 cultivars in three species of blueberries grown in Tokyo. Hort. Res. (Japan). 8, 257-265 (2009).
- Pomerantsev, A. L. Chemometrics in Excel. , John Wiley & Sons, Inc. Hoboken. (2014).
- Jiang, H. J., Berry, R. J., Siesler, H. W., Ozaki, Y. Wavelength Interval Selection in Multicomponent spectral analysis by moving window partial least-squares regression with applications to mid-infrared and near-infrared spectroscopic data. Anal. Chem. 74, 3555-3565 (2002).
- Edney, M. J., Morgan, J. E., Williams, P. C., Campbell, L. D. Analysis of feed barley by near infrared reflectance spectroscopy. J. Near-Infrared Spectrosc. 2, 33-41 (1994).
- Mathison, G. W., et al. Prediction of composition and ruminal degradability characteristics of barley straw by near infrared reflectance spectroscopy. Can. J. Anim. Sci. 79, 519-523 (1999).
- Chiara, F., et al. Analysis of anthocyanins in commercial fruit juices by using nano-liquid chromatography electrospray-mass spectrometry and high performance liquid chromatography with UV-vis detector. J. Separation Sci. 34, 150-159 (2011).
- Li, Q., et al. Antioxidant anthocyanins screening through spectrum-effect relationships and DPPH-HPLC-DAD analysis on nine cultivars of introduced rabbiteye blueberry in China. Food Chemistry. 132, 759-765 (2013).
- Sinelli, N. Evaluation of quality and nutraceutical content of blueberries (Vaccinium corymbosum L.) by near and mid-infrared spectroscopy. Postharvest Biol. Technol. 50, 31-36 (2008).
- Giusti, M. M., Wrolsted, R. E. Anthocyanins: characterization and measurement with UV-visible spectroscopy. Current Protocols in Food Analytical Chemistry. Wrolstad, R. E., Schwartz, S. J. , John Wiley & Sons. New York. 1-13 (2001).
