Methodologies for Food Fraud

Význam tématu

Podvody s potravinami narušují důvěru spotřebitelů, ohrožují zdraví a vedou k výrazným ekonomickým ztrátám a zpřísnění regulací. Případy kontaminace melaminem v krmivech i potravinách pro lidi a rozsáhlé falšování extra panenského olivového oleje ukazují, že je potřeba robustních analytických metod schopných detekovat různé druhy záměrných a ekonomicky motivovaných podvodů.

Cíle a přehled studie

Cílem přehledu je představit klíčové experimentální metodiky a instrumentální techniky používané při detekci food fraud s důrazem na spektroskopii, hmotnostní spektrometrii, elementární fingerprinting a genomické testování. Dále se zaměřuje na využití nenátargetových přístupů kombinovaných s multivariačními statistickými metodami včetně vývoje a nasazení modelů předpovědi třídy vzorku.

Použitá metodika a instrumentace

V přehledu jsou popsány tyto analytické techniky

• Handheld spektrometry – Raman (Resolve SORS 830 nm) a FTIR (4300 Handheld)
• GC/MS a GC/TOF – fingerprinting těkavých a polosvětelných látek s knihovnami NIST
• LC/Q-TOF (Agilent 6546) a kvadrupólová MS (5977B) pro nená­targované a cílené analýzy
• ICP-MS (7900) a ICP/OES (5110) pro stopové prvky a geografie původu
• Isotopové rozbory (IR-MS) pro stabilní izotopy C, N a H
• Genomické testy – Bioanalyzer 2100 a PCR-RFLP pro identifikaci živočišných druhů
• Lab-on-a-chip kapilární elektroforéza a NGS metabarcoding pro komplexní biologické směsi
• 1D a 2D HR-NMR pro metabolické profilování
• Elektronický nos a chemická čidla pro rychlý screening aroma

Hlavní výsledky a diskuse

Spektrální metody dokážou rychle odhalit drobné změny v absorbancích či Ramanových signálech při vhodné normalizaci dat. Nenátargetované MS přístupy založené na rekurzivním vyhledávání funkcí a pak na PCA umožňují postihnout neočekávané komponenty. Spolehlivé modely předpovědi třídy vzorků kombi­nují separaci dat na nezávislé proměnné, vyhodnocení replikací a stratifikaci trénovacích sad. Elementární fingerprinting s triple-quadrupólovou ICP-MS nebo obrazově vylučovacími ICP/OES daty účinně rozliší zeměpisný původ potravin. Genetické testy na mtDNA a NGS metabarcoding umožňují detekci deskových ryb a komplexních směsí, například v surimi. Recenzované studie demonstrovaly senzitivitu SORS na detekci denaturačních přísad ve whisky i falšovaných ochucovadel v poli.

Přínosy a praktické využití metody

Integrace nenátargetovaných analýz s robustními statistickými postupy šetří náklady a čas při screeningu potravin ve výrobních linkách a v terénu. Přenosné spektrometry a chemometrické softwarové nástroje umožňují rychlou předběžnou kontrolu kvality, zatímco vysoce přesná laboratořní MS nebo IR-MS se stabilními izotopy zajišťují potvrzující důkazy pro regulační orgány.

Budoucí trendy a možnosti využití

Očekává se další miniaturizace instrumentů, rozšíření databází nenátargetovaných fingerprintů a automatizace vývoje modelů strojového učení. Kombinace dat z více metod (multimodální analýza) a využití umělé inteligence zrychlí detekci neznámých podvodných intervencí. Dále poroste význam vysokorychlostního NGS a chemometrických cloudových platforem pro sdílení a aktualizaci autentizačních dat.

Závěr

Potravinový podvod lze efektivně detekovat kombinací spektroskopických, hmotnostně-spektrometrických, elementárních a genetických postupů doplněných pokročilou statistickou analýzou. Volba optimální metodiky závisí na typu podvodu, cenovém rozpočtu a požadované senzitivě. Agilent nabízí integrovaná řešení od přípravků na vzorky až po instrumenty a software pro celou škálu EMA aplikací.

Reference

1. Barboza D Barrionuevo A Filler in Animal Feed Is Open Secret in China The New York Times 30 April 2007
2. Litzau J J Mercer G E Mulligan K J GC-MS Screen for the Presence of Melamine Ammeline Amelide and Cyanuric Acid v 2 1 FDA Center for Veterinary Medicine original posting May 5 2007
3. Bhalla V et al Melamine Nephrotoxicity an Emerging Epidemic in an Era of Globalization Kidney International 2009 75 774–779
4. GC-MS Screen for the Presence of Melamine Ammeline Amelide and Cyanuric Acid U S Food and Drug Administration LIB No 4423 vol 4 October 2008
5. FDA Notice of Public Meeting on Economically Motivated Adulteration 74 Fed Reg 15497 April 6 2009
6. Frankel E N et al Tests Indicate That Imported Extra Virgin Olive Oil Often Fails International and USDA Standards UC Davis Olive Center July 2010
7. Cord C 80 Percent is the New 69 Percent Olive Oil Times Nov 30 2016
8. Ayton J Mailer R J Graham K The Effect of Storage Conditions on Extra Virgin Olive Oil Quality RIRDC April 2012 12/024
9. Morales M T Luna G Aparicio R S Comparative Study of Virgin Olive Oil Sensory Defects Food Chem 2005 91(2) 293–301
10. Stein S E Scott D R Optimization and Testing of Mass Spectral Library Search Algorithms for Compound Identification J Amer Soc Mass Spectrom 1994 5(9) 859–866
11. Taro Q et al New Investigator Tools for Finding Unique and Common Components in Multiple Samples with Comprehensive Two-Dimensional Chromatography Chromatography Today 2018 13–18
12. Smith C A et al XCMS Processing Mass Spectrometry Data for Metabolite Profiling Using Nonlinear Peak Alignment Matching and Identification Anal Chem 2006 78(3) 779–782
13. Hjelmeland A K et al Characterizing the Chemical and Sensory Profiles of United States Cabernet Sauvignon Wines and Blends Am J Enol Vitic 2013 64(2) 169–179
14. Bradbury L M T et al The Gene for Fragrance in Rice Plant Biotechnol J 2005 3 363–370
15. Bergman C J et al Rapid Gas Chromatograph Technique for Quantifying 2-Acetyl-1-Pyrroline and Hexanal in Rice Oryza sativa L Cereal Chem 2000 77(4) 454–458
16. Grimm C C et al Screening for 2-Acetyl-1-Pyrroline in the Headspace of Rice using SPME/GC-MS J Agric Food Chem 2001 49 245–249
17. Yannell K E Cuthbertson D Food Authenticity Testing with the Agilent 6546 LC/Q-TOF and MassHunter Classifier Agilent Technologies Application Note 5994-0694EN March 2019
18. WTO Analytical Index TRIPS Agreement Articles 2018 22 23
19. Ibanez J G et al Metals in Alcohol Beverages A Review of Sources Effects Concentrations Removal Speciation and Analysis J Food Compos Anal 2008 21 672–683
20. Förstel H The Natural Fingerprint of Stable Isotopes Use of IRMS to Test Food Authenticity Anal Bioanal Chem 2007 388 541–544
21. Drivelos S A Georgiou C A MultiElement and MultiIsotope-Ratio Analysis to Determine the Geographic Origin of Foods in the European Union Trends Anal Chem 2012 40 38–51
22. Nelson J Hopfer H Authentication of Specialty Teas An Application Note Food Qual Saf 2019 December/January 32–33
23. Woods G Measurement of Trace Elements in Malt Spirit Beverages Whisky by 7500cx ICP-MS Agilent Technologies Application Note publication number 5989-7214EN August 2007
24. Moore J C Spink J Lipp M Development and Application of a Database of Food Ingredient Fraud and Economically Motivated Adulteration from 1980 to 2010 J Food Sci 2012 77(4) R118–R126
25. Santos P M Pereira-Filho E R Rodriguez-Saona L E Application of Hand-Held and Portable Infrared Spectrometers in Bovine Milk Analysis J Agric Food Chem 2013 61 1205–1211
26. Muthayya S et al An Overview of Global Rice Production Supply Trade and Consumption Ann N Y Acad Sci 2014 1324 7–14
27. Vemireddy L R et al Review of Methods for the Detection and Quantification of Adulteration of Rice Basmati as a Case Study J Food Sci Technol 2015 52(6) 3187–3202
28. Kim S S et al Authentication of Rice Using Near-Infrared Reflectance Spectroscopy Cereal Chem 2003 80(3) 346–349
29. Teye E et al Innovative and Rapid Analysis for Rice Authenticity Using Hand-Held NIR Spectrometry and Chemometrics Spectrochim Acta A 2019 217 147–154
30. Izake E L Forensics and Homeland Security Applications of Modern Portable Raman Spectroscopy Forensic Sci Int 2010 202(1-3) 1–8
31. Dooley J et al Improved Fish Species Identification by the Use of Lab-on-a-Chip Technology Food Control 2005 16 601–607
32. Dooley J J et al Fish Species Identification Using PCR-RFLP Analysis and Lab-on-Chip Capillary Electrophoresis Application to Detect White Fish Species in Food Products and an Interlaboratory Study J Agric Food Chem 2005 53 3348–3357
33. Hebert P D et al Biological Identifications Through DNA Barcodes Proc Biol Sci 2003 270(1512) 313–21
34. Ratnasingham S Hebert P D BOLD The Barcode of Life Data System www barcodinglife org Mol Ecol Notes 2007 7 355–364
35. Wattoo J I et al DNA Barcoding Amplification and Sequence Analysis of rbcL and matK Genome Regions in Three Divergent Plant Species Adv Life Sci 2016 4(1) 3–7
36. CBOL Plant Working Group A DNA barcode for land plants PNAS 2009 106(31) 12794–12797
37. Garrett S Clarke M Use of the Agilent 2100 Bioanalyzer for Basmati Rice Authenticity Testing Agilent Technologies Application Note 5989-6836EN 2007
38. Wong E H Hanner R H DNA Barcoding Detects Market Substitution in North American Seafood Food Res Int 2008 41(8) 828–837
39. Xing R R et al Application of Next Generation Sequencing for Species Identification in Meat and Poultry Products A DNA Metabarcoding Approach Food Control 2019 101 173–179
40. Pillonel L et al Analytical Methods for the Determination of the Geographic Origin of Emmental Cheese Volatile Compounds by GC/MS-FID and Electronic Nose Eur Food Res Technol 2003 216 179–183
41. Bertelli D et al Detection of Honey Adulteration by Sugar Syrups Using One-Dimensional and Two-Dimensional High-Resolution Nuclear Magnetic Resonance J Agric Food Chem 2010 58 8495–8501
42. Faul F et al Statistical power analyses using GPower 3 1 Tests for Correlation and Regression Analyses Behav Res Methods 2009 41(4) 1149–1160
43. Johnson W E Li C Adjusting Batch Effects in Microarray Expression Data Using Empirical Bayes Methods Biostatistics 2007 8(1) 118–127
44. Schultz-Trieglaff O et al Statistical Quality Assessment and Outlier Detection for Liquid Chromatography-Mass Spectrometry Experiments BioData Mining 2009 2 4
45. Dunn W et al The Importance of Experimental Design and QC Samples in Large-Scale and MS-Driven Untargeted Metabolomic Studies of Humans Bioanalysis 2012 4 2249–2264
46. Tautenhahn R et al XCMS Online A Web-Based Platform to Process Untargeted Metabolomic Data Anal Chem 2012 84(11) 5035–5039
47. Styczynski M P et al Systematic Identification of Conserved Metabolites in GC/MS Data for Metabolomics and Biomarker Discovery Anal Chem 2007 79 966–973
48. Smilde A K et al Metabolomics in Practice Successful Strategies to Generate and Analyze Metabolic Data Lämmerhofer M Weckwerth W Eds Weinheim Germany Wiley-VCH Verlag Co 2013 266