Extra-virgin olive oil authentication: triacylglycerol profiling and machine learning using the Shimadzu MALDI-8020/MALDI-8030 and eMSTAT Solution

Význam tématu

Extra panenský olivový olej (EVOO) je ceněným potravinovým produktem díky svému nutričnímu profilu a zdravotním benefitům. Vysoká cena EVOO ho činí náchylným k podvodnému ředění levnějšími rostlinnými oleji, což ohrožuje jak spotřebitele, tak kvalitní producenty. Rychlé a spolehlivé metody detekce padělků jsou proto klíčové pro udržení integritu trhu a bezpečnost potravin.

Cíle a přehled studie

Tato studie předkládá analytický workflow založený na profilování triacylglycerolů (TAG) pomocí lineárního MALDI-TOF hmotnostního spektrometru Shimadzu (MALDI-8020/MALDI-8030) pracujícího v pozitivním iontovém režimu. Jako modelový padělek byl použit slunečnicový olej přidávaný do EVOO v koncentracích 5, 10 a 20 %. Cílem bylo demonstrovat minimalizaci přípravy vzorku, rychlou automatizovanou analýzu a následnou klasifikaci s využitím multivariační analýzy a strojového učení.

Použitá metodika

Vzorky EVOO a slunečnicového oleje se rozpustily v chloroformu a na cílovou MALDI desku očíslovanou sodnou solí (NaTFA) se naneslo 0,5 µl roztoku vzorku. Pro srovnání hmotností bylo použito tricaprinu jako interního standardu. Analýzy proběhly metodou matrix-free LDI v pozitivním módu. Získaná spektra se zpracovala v softwaru eMSTAT Solution, kde proběhlo zarovnání hmotností, škálování log10 a výpočet PCA. Pro diskriminační analýzu byl nasazen algoritmus RandomForest s KFold validací.

Použitá instrumentace

• Shimadzu MALDI-8020 benchtop lineární MALDI-TOF MS (pozitivní mód)
• Shimadzu MALDI-8030 benchtop lineární MALDI-TOF MS (duální polarita)
• Software eMSTAT Solution pro data processing, PCA a RandomForest klasifikaci

Hlavní výsledky a diskuse

Analýza ukázala charakteristické TAG otisky v EVOO bohatém na palmitovou a olejovou kyselinu (signály m/z 881, 907) versus slunečnicový olej bohatý na linolovou kyselinu (signály m/z 877, 901, 903, 905). I při 5% přídavku slunečnicového oleje se ve spektru EVOO objevily signály m/z 901 (LLL), což bylo potvrzeno změnou poměrů klíčových TAG na spojitém spektru. PCA dokonale oddělila tři skupiny vzorků a loading plot identifikoval několik markerů s vysokou statistickou významností (m/z 901, 907). Tyto markery vykázaly citlivost a specificitu blížící se 100 % (AUC ~1). RandomForest model dosáhl 100% úspěšnosti klasifikace i pro neznámé validované vzorky, včetně nejnižších podílů adulterace.

Přínosy a praktické využití metody

• Minimální příprava vzorku bez potřeby matice a rozsáhlých extrakcí
• Rychlá a plně automatizovaná analýza na benchtop přístrojích
• Vysoce robustní identifikace padělků již při nízkých koncentracích
• Jednoduchá interpretace výsledků díky PCA a klasifikaci strojovým učením

Budoucí trendy a možnosti využití

Integrace MALDI-TOF profilování s pokročilými algoritmy hlubokého učení může dále zvýšit citlivost a škálovatelnost metody pro jiné typy olejů a potravinářských produktů. Kombinace s mobilními nebo inline systémy by umožnila on-site monitoring kvality v reálném čase. Rozšíření databází TAG fingerprintů podpoří širší adopci v průmyslové a regulační praxi.

Závěr

Popsaná metoda spojuje rychlou a šetrnou přípravu vzorku s výkonnou MALDI-TOF analýzou a multivariačními nástroji pro detekci padělků EVOO. Dosahuje vysoké přesnosti a spolehlivosti i při nízkých úrovních adulterace a představuje perspektivní nástroj pro potravinářskou kontrolu kvality.

Reference

• EC Regulation 2568/91 – analytické metody pro hodnocení kvality olivových olejů