Der Bau der Modelle für die zerstörungsfreie Vorhersage von Ingredient Inhalt in Heidelbeeren durch Nahinfrarotspektroskopie Basierend auf HPLC-Messungen
Summary
We present here a protocol to construct and validate models for nondestructive prediction of total sugar, total organic acid, and total anthocyanin content in individual blueberries by near-infrared spectroscopy.
Abstract
Nondestructive prediction of ingredient contents of farm products is useful to ship and sell the products with guaranteed qualities. Here, near-infrared spectroscopy is used to predict nondestructively total sugar, total organic acid, and total anthocyanin content in each blueberry. The technique is expected to enable the selection of only delicious blueberries from all harvested ones. The near-infrared absorption spectra of blueberries are measured with the diffuse reflectance mode at the positions not on the calyx. The ingredient contents of a blueberry determined by high-performance liquid chromatography are used to construct models to predict the ingredient contents from observed spectra. Partial least squares regression is used for the construction of the models. It is necessary to properly select the pretreatments for the observed spectra and the wavelength regions of the spectra used for analyses. Validations are necessary for the constructed models to confirm that the ingredient contents are predicted with practical accuracies. Here we present a protocol to construct and validate the models for nondestructive prediction of ingredient contents in blueberries by near-infrared spectroscopy.
Introduction
Nah-Infrarot (NIR) Spektroskopie ist weithin als eine nicht – destruktive Technik angewandt Inhalt von Obst und Gemüse verschiedener Art zu analysieren. 1,2 Zerstörungsfreie Analysen durch NIR – Spektroskopie , um die Lieferung von nur lecker Obst und Gemüse mit garantierten Eigenschaften ermöglichen. NIR-Spektroskopie wurde bereits nach orange angewendet wurde, Apfel, Melone, Kirsche, Kiwi, Mango, Papaya, Pfirsich und so auf ihrer Brix zu kennen, die auf den Gesamtzuckergehalt entspricht, Säure, TSC (Gesamtfeststoffgehalt), und so weiter . Vor kurzem haben wir die Anwendung der NIR – Spektroskopie zur Qualitätsbewertung von Heidelbeeren berichtet. 3 Wir messen nicht nur den Gesamtzuckergehalt und den Gesamtgehalt organischer Säure zu Säure entspricht, sondern auch die Gesamt Anthocyaningehalt. Anthocyan ist ein bioaktives Komponente, die geglaubt wird, die menschliche Gesundheit zu verbessern. Es ist bequemer für die Verbraucher, wenn sie leckeren Heidelbeeren mit der Versicherung ihrer Zuckergehalt kaufen können, acidity und Anthocyan-Gehalt.
In NIR-Absorptionsspektren von Obst und Gemüse, nur breite Absorptionsbanden beobachtet. Sie sind vor allem die Bänder aufgrund von Faser und Feuchtigkeit. Obwohl viele schwache Banden aufgrund verschiedener Bestandteile des nicht zerstörten Ziel gleichzeitig beobachtet werden, können die beobachteten Banden nicht auf bestimmte Schwingungsmoden bestimmter Komponenten des Ziels in den meisten Fällen zugewiesen werden. Daher ist die herkömmliche Technik, um den Gehalt einer bestimmten Komponente unter Verwendung des Lambert-Beer'schen Gesetz zu bestimmen, nicht für die NIR-Spektren wirksam. Stattdessen Kalibrationsmodelle die Inhalte der Zielkomponenten aus den beobachteten Spektren vorherzusagen , werden unter Verwendung der Chemometrie konstruiert , indem die Korrelation zwischen der beobachteten Spektren zu untersuchen und die Bestand Inhalt an den Spektren entsprechen. 4,5 Hier wird ein Protokoll zu erstellen und um die Modelle zu validieren für die Vorhersage des Gesamtzuckergehalts, entsprechende Gesamt Gehalt an organischer Säure zu aCIDIty und insgesamt Anthocyan-Gehalt von Heidelbeeren, die aus NIR-Spektren dargestellt.
Figur 1 zeigt das allgemeine Ablaufdiagramm , zuverlässige und robuste Kalibrierungsmodelle zu konstruieren. Proben von ausreichender Anzahl gesammelt werden. Einige von ihnen sind für die Konstruktion von Modellen verwendet, während die anderen für die Validierung der konstruierten Modelle verwendet werden. Für jedes der gesammelten Proben wird ein NIR-Spektrum gemessen, und dann werden die Zielkomponenten quantitativ mit traditionellen zerstörenden chemischen Analyseverfahren analysiert. Hier Hochleistungsflüssigkeits-Chromatographie (HPLC) für die chemische Analyse von Zuckern, organischen Säuren und Anthocyanine. Partial Least Squares (PLS) Regression wird für die Konstruktion von Kalibrierungsmodelle verwendet, in denen die Korrelation zwischen der beobachteten Spektren und den Bestandteil Inhalt durch chemische Analysen bestimmt untersucht wird. Um robuste Modelle mit der besten Prognose Fähigkeit, die Vorbehandlungen von Obser zu konstruierenved Spektren und die Wellenlängenbereiche für die Vorhersage verwendet werden ebenfalls untersucht. Schließlich werden die konstruierten Modelle validiert ihre ausreichende Vorhersagefähigkeit zu bestätigen. In der Validierung, prognostizierte der Inhalt aus dem beobachteten Spektrum von der konstruierten Modell (vorhergesagten Werte) sind im Vergleich zu den durch die chemischen Analysen ermittelten Gehalte (beobachtete Werte). Wenn eine ausreichende Korrelation kann nicht zwischen den vorhergesagten und beobachteten Werte gefunden werden, sollte die Kalibrierungsmodell neu aufgebaut werden, bis die ausreichende Korrelation erhalten wird. Obwohl es vorzuziehen ist, verschiedene Gruppen von Proben für die Konstruktion und Validierung des Modells zu verwenden, wie in dieser Figur (externen Validierung) gezeigt ist, Proben in einer gleichen Gruppe sind sowohl für den Bau und die Validierung (Kreuzvalidierung) verwendet, wenn die Anzahl der Proben nicht groß genug ist.
Fild 1. Flussdiagramm für die Konstruktion und Validierung des Kalibrierungsmodells. Die von blauen und grünen Linien umgeben Verfahren entsprechen, jeweils mit dem Bau eines Kalibrierungsmodells und dessen Validierung. Bitte hier klicken , um eine größere Version dieser Figur zu sehen.
Protocol
Representative Results
Discussion
Einige zusätzliche Bemerkungen zu dem Protokoll werden hier beschrieben. Zuerst wird in Schritt 1.1 wird erwähnt, die Sorten im Ziel enthalten, zu entscheiden. Obwohl es möglich ist, Modelle zu konstruieren Abdeckung Heidelbeeren, die aus vielen Sorten oder ohne Sorten spezifiziert, sind die Prognosegüten mit den Modellen manchmal viel niedriger als die mit den Modellen für eine einzige Sorte und für begrenzte Sorten. Es sollte auch beachtet werden , dass die Kalibrierungsmodelle für Blaubeeren von jeder Produkti…
Disclosures
The authors have nothing to disclose.
Acknowledgements
This work was partially supported by the project “A Scheme to Revitalize Agriculture and Fisheries in Disaster Area through Deploying Highly Advanced Technology” of Ministry of Agriculture, Forestry and Fisheries, Japan.
Materials
| 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. , (2007).
- Sun, D. W. . Infrared Spectroscopy for Food Quality Analysis and Control. , (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., Tasumi, M. . Chemometrics in infrared spectroscopic analysis. In: Introduction to Experimental Infrared Spectroscopy. , 97-113 (2015).
- Varmuza, K., Filzmoser, P. . Introduction to Multivariate Statistical Analysis in Chemometrics. , (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. , (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., Wrolstad, R. E., Schwartz, S. J. Anthocyanins: characterization and measurement with UV-visible spectroscopy. Current Protocols in Food Analytical Chemistry. , 1-13 (2001).
