Evaluation of Food Deterioration by Multivariate Analysis

Význam tématu

Analýza změn ve složení potravin během skladování a po otevření obalu je kritická pro hodnocení čerstvosti a bezpečnosti. V podmínkách rychlé obměny produktových řad a různorodých spotřebitelských nároků je klíčové identifikovat molekulární ukazatele zhoršení kvality. Metabolomická metodika založená na GC–MS/MS a multivariační analýze umožňuje současně sledovat stovky sloučenin a odhalit komplexní změny hydrofobních i hydrofilních složek.

Cíle a přehled studie / článku

Cílem aplikace bylo monitorovat proces zhoršování kvality komerčně dostupného mléka po otevření. Studie se zaměřila na identifikaci a kvantifikaci změn v obsahu aminokyselin, organických kyselin, cukrů a jejich fosfátů. K vyhodnocení rozsáhlých dat z hromadně selektivního monitorování (MRM) byl použit software Traverse MS s pokročilými nástroji multivariační analýzy.

Použitá metodika a instrumentace

Vzorky mléka byly odebírány v intervalu 0, 3, 7, 14 a 21 dnů po otevření a extrahovány směsí vody, methanolu a chloroformu. Po frakcionaci a sušení byly vzorky derivatizovány methoxymethylaminem a trimethylsilylovány MSTFA. Stanovení proběhlo na GCMS-TQ™8040 NX v režimu MRM s kolonnou BPX-5.

Použitá instrumentace

• GC–MS/MS: GCMS-TQ™8040 NX
• Autoinjektor: AOC™-20i + s
• Kolona: BPX-5, 30 m × 0,25 mm I.D., df 0,25 μm
• Teploty: odpařovací komora 250 °C, program pece 60 °C (2 min) → 330 °C (15 °C/min), split 1:30
• Hmotnostní spektrometrie v MRM režimu, helium konstantní rychlostí 39 cm/s
• Software: GCMSsolution™ pro akvizici, Traverse MS pro multivariační analýzu

Hlavní výsledky a diskuse

PCA skóre vykázalo jasné časové rozdělení vzorků po řadě PC1, který vystihuje postupné změny od čerstvého (den 0) k 21 dnům po otevření. Náklon k negativním hodnotám PC1 ukázal přechod ke stavu degradace. Ze zatěžovacích hodnot v PCA plyne, že organické kyseliny (mj. malát, 2-ketoglutarát, pyruvát), nasycené mastné kyseliny a cukr-fosfáty jsou dominantními v čerstvém mléce, zatímco starší vzorky obsahují vyšší podíl sukcinátu, aminokyselin (glycin, lysin) a volných cukrů (glukóza, erytrulóza). ANOVA potvrdila statisticky významné trendy (p < 0,01): pokles malátu, 2-ketoglutarátu, glukóza-6-fosfátu; růst sukcinátu a proteinových rozkladných produktů.

Přínosy a praktické využití metody

• Rychlé a současné sledování stovek metabolitů s vnitřním standardem pro normalizaci.
• Identifikace citlivých biomarkerů čerstvosti a zhoršení kvality mléčných výrobků.
• Využití v průmyslové kontrole kvality, vývoji receptur a udržitelné distribuci potravin.

Budoucí trendy a možnosti využití

Rozšíření databáze Smart Metabolites o další potravinové matice dovolí aplikovat multivariační analýzu na širší spektrum produktů. Kombinace s dalšími „omics“ technologiemi (proteomika, lipidomika) a real-time senzory by mohla umožnit on-line monitoring kvality. Využití strojového učení pro predikci životnosti a doporučení optimálního skladování představuje další směr rozvoje.

Závěr

Integrovaná platforma GC–MS/MS s databází Smart Metabolites a softwarem Traverse MS umožnila rychlé a spolehlivé sledování klíčových metabolitů mléka během studovaného období. Metoda prokázala schopnost odhalit molekulární ukazatele zhoršení kvality, což podporuje její využití v moderní potravinářské analytice a QA/QC.

Reference

Žádné externí literární zdroje neuvedeny.