Fast Analysis of Food and Beverage Products using a Mass Spectrometry Based Chemical Sensor

Aplikace | 2003 | GERSTELInstrumentace
GC/MSD, HeadSpace, SPME, Termální desorpce, GC/SQ
Zaměření
Potraviny a zemědělství
Výrobce
Agilent Technologies, GERSTEL

Význam tématu


Rychlá a spolehlivá kontrola kvality potravin a nápojů je klíčová pro ochranu spotřebitele, optimalizaci výrobních procesů a odhalování kontaminací či padělků. Masově spektrometrické senzory bez chromatografické separace (ChemSensor) nabízejí vysokou propustnost a citlivost a umožňují okamžité získání charakteristických spektrálních otisků vzorků.

Cíle a přehled studie


Studie demonstruje aplikaci třech technik přímého zavedení vzorku do hmotového spektrometru – headspace, SPME a HSSE – pro analýzu jogurtu, olivového oleje a kávy. Pomocí softwaru pro rozpoznávání vzorů a multivariatní statistiky (PCA, HCA, SIMCA, KNN) autoři vytvořili klasifikační modely pro odhalení kvality, stáří, příchutí, odplyněnosti oleje a původu kávových vzorků.

Použitá metodika a instrumentace


Analytické systémy sestávaly ze tří konfigurací GERSTEL ChemSensor:
  • Headspace ChemSensor: autonómní vzorkovač MPS-2 s PTV čelem a MSD 5973 (Agilent) pro analýzu jogurtů headspace injekcí.
  • SPME ChemSensor: MPS-2 se 75 µm Carboxen/PDMS vláknem a PTV čelem s GC-MS (6890/5973N) pro extrakci aromat olivových olejů.
  • HSSE/TDS ChemSensor: Twister v režimu headspace, termické desorpce do PTV čela a GC-MS 6890/5973N pro analýzu kávových vzorků.

Hlavní výsledky a diskuse


  • Jogurty: Spektrální linie m/z 44 (acetaldehyd) odlišují čerstvé a staré vzorky, vyšší hmotnosti detekují aromatické příchutě. SIMCA 3D model jednoznačně třídil čerstvé vs. stárnuté a rozlišoval použitou příchuť.
  • Olivové oleje: SPME senzorem bylo možné odlišit čisté a odplyněné vzorky. SIMCA klasifikace dále rozlišila pět typů čistých olejů na základě charakteristických m/z.
  • Káva: HSSE/TDS snímky po odstranění šumu (phthaláty, slitiny) umožnily pomocí SIMCA rozdělit Arabicu a Robustu a dále rozlišit jednotlivé země původu (Brazílie, Keňa, Java vs. Vietnam, Afrika).

Přínosy a praktické využití metody


Metoda umožňuje výrazné zkrácení doby analýzy díky eliminaci chromatografického dělení a vysokou propustnost laboratoře. ChemSensor poskytuje spolehlivou a opakovatelnou klasifikaci šarží, detekci podvodů či degradace bez ztráty analytické přesnosti.

Budoucí trendy a možnosti využití


Další rozvoj spojí vyšší automatizaci přípravy vzorků, integraci pokročilých algoritmů strojového učení a rozšíření knihoven spektrálních otisků pro nejrůznější potravinářské a farmaceutické aplikace. Výhledově lze očekávat nasazení v terénních testech s přenosnými MS senzory.

Závěr


Publikovaná aplikace masově spektrometrického senzoru ukazuje, že bez chromatografie lze rychle a přesně rozlišit kvalitu, původ a možné adulterace potravin a nápojů. ChemSensor systémy s vhodnou chemometrií zajišťují spolehlivost a vysokou propustnost kontroly kvality.

Reference


  1. Arthur CL, Pawlyszin J. Anal. Chem. 1990;62:2145.
  2. Baltussen E, Sandra P, David F, Cramers C. J. Microcol. Sep. 1999;11:737.
  3. Dirinck I, van Leuven I, Dirinck P, Heiden AC. Gerstel App. Note 2002;13.
  4. Dirinck I, van Leuven I, Dirinck P, Heiden AC, Gil C. ISOEN’02 Proceedings;2002:215.
  5. Saleeb R, Press L, Parikh M. ISOEN’02 Proceedings;2002:211.
  6. Kinton VR, Collins RJ, Kolahgar B, Goodner KL. Gerstel App. Note 2003;4.
  7. Heiden AC et al. Gerstel App. Note 2002;7.

Obsah byl automaticky vytvořen z originálního PDF dokumentu pomocí AI a může obsahovat nepřesnosti.

PDF verze ke stažení a čtení
 

Podobná PDF

Classification of Coffees from Different Origins by Chemical Sensor Technology
Use of a Mass Spectral Based Chemical Sensor to Discriminate Food and Beverage Samples: Olive Oils and Wine as Examples
Wine Discrimination using a Mass Spectral Based Chemical Sensor
Analysis of Flavors using a Mass Spectral Based Chemical Sensor