Use of MALDI-TOF mass spectrometry and machine learning to detect the adulteration of extra virgin olive oils

Význam tématu

Extra panenský olivový olej (EVOO) má významné nutriční a zdravotní přínosy a zároveň vysokou tržní hodnotu, což jej činí častým cílem falšování levnějšími rostlinnými oleji. Rychlé a spolehlivé metody detekce křivě etiketovaných produktů jsou klíčové pro ochranu spotřebitelů a zachování kvality a důvěry v tento vysokohodnotný potravinářský výrobek.

Cíle a přehled studie / článku

Cílem předložené studie je vyvinout jednoduchý a robustní analytický postup spojující profilování triacylglycerolů (TAG) pomocí MALDI-TOF hmotnostní spektrometrie a strojové učení (evoluční neuronová síť s logistickou regresí), který umožní spolehlivě rozlišit čistý EVOO od vzorků adulterovaných slunečnicovým olejem.

Použitá metodika a instrumentace

V experimentu byly využity komerčně dostupné vzorky extra panenského olivového oleje a slunečnicového oleje. Adulterace byla simulována přípravou směsí obsahujících 5 %, 10 % a 20 % slunečnicového oleje.

• Vzorky: EVOO a slunečnicový olej z lokálního trhu
• Příprava: ředění olejů v chloroformu, přímá aplikace na MALDI terč předpokrytý NaTFA
• Interní standard: tricaprin (m/z 577) pro srovnání a kalibraci intenzit
• Spektrometrie: MALDI-8020 benchtop lineární MALDI-TOF MS (Shimadzu) v LDI režimu
• Software: Clover MS (Clover Bioanalytical Software) pro integraci piků, zarovnání spekter a normalizaci
• Strojové učení: třívrstvá neuronová síť s logistickou regresí, parametry – 75 epoch, batch size 10, skryté vrstvy 50 a 25 uzlů, učící rychlost 0,00025

Hlavní výsledky a diskuse

Analýza spekter odhalila charakteristické TAG signatury pro oleje s vysokým obsahem palmitové (P), olejové (O) a linolové (L) kyseliny. V čistém EVOO dominovaly píky OPO (m/z 881) a OOO (m/z 907), zatímco v slunečnicovém oleji byly nejvýraznější LLL (m/z 901), OLL (m/z 903) a OLO (m/z 905). Změny poměrů TAG (např. 877/907, 901/907, 903/907, 905/907) vykázaly vynikající lineární závislost na úrovni přídavku slunečnicového oleje (R2 > 0,996). Neuronová síť dosáhla validační přesnosti 97,8 % a při testu na 30 skrytých vzorcích 100% úspěšnost klasifikace čistého EVOO, adulterací i čistého slunečnicového oleje.

Přínosy a praktické využití metody

Navržený postup kombinuje rychlou přípravu vzorku (spotting bez matrice), vysokou selektivitu MALDI-TOF MS a automatizaci vyhodnocení pomocí strojového učení. Výsledkem je robustní, škálovatelná a snadno implementovatelná metoda vhodná pro rutinní QC laboratoře v olejárenském průmyslu a orgány potravinové inspekce.

Budoucí trendy a možnosti využití

Rozšíření trénovací databáze o další typy rostlinných olejů, vyšší úrovně adulterace a různé výrobní šarže pomůže zvýšit univerzálnost modelu. Integrace s online spektrometrickými zařízeními a cloudovými platformami strojového učení umožní real-time monitoring kvality a včasné odhalování podvodů v celém výrobním řetězci.

Závěr

Prokázalo se, že spojení MALDI-TOF hmotnostní spektrometrie a neuronových sítí poskytuje spolehlivou a rychlou detekci adulterace extra panenského olivového oleje slunečnicovým olejem. Metoda nabízí kvantitativní i kvalitatívní přístup, vysokou citlivost a potenciál pro širší uplatnění v potravinářské analytice.

Reference

Salivo S., Abban T.K., Duque I., Mancera L., Openshaw M.E. Use of MALDI-TOF mass spectrometry and machine learning to detect the adulteration of extra virgin olive oils. ASMS 2018.