基于使用UPLC-Q-Orbitrap-MS的11种特征性脂质的多重驼油改的识别和量化
Xiaomin Yang1, Mengjie Zhang1, Anastasios Koidis2
1Guangdong Provincial Key Laboratory of Food Quality and Safety/ National-Local Joint Engineering Research Center for Precision Machining and Safety of Livestock and Poultry Products, College of Food Science, South China Agricultural University, Guangzhou 510642, China.
Food chemistry
|December 17, 2024
概括
这项研究引入了一种新方法,用于检测高价值植物油中的复杂改. 开发的模型准确地识别到2.5%的驼油改,提供了可靠的认证策略.
科学领域:
- 食品化学 食品化学
- 分析化学 分析化学
- 化学测量 化学测量 化学测量
背景情况:
- 在高价值的植物油中检测复杂的改,如驼花油是一个重要的分析挑战.
- 现有的方法经常与多变量造场景作斗争,需要先进的检测策略.
研究的目的:
- 开发一种强大的方法来识别和量化麻油中复杂的改.
- 建立一个可靠的模型来验证植物油成分的真实性.
主要方法:
- 利用极端顶点设计方法,创建具有代表性的多变体造驼油样本.
- 根据统计学意义和贡献确定了11种特征性脂质物种.
- 开发了使用所选关键脂质的歧视分析方法和线性回归模型.
主要成果:
- 在辨别驼花油改方面取得了100%的准确性,检测到低至2.5%的水平.
- 回归模型显示根平均平方误差 (RMSE) 接近0和确定系数 (R2P) 为0.9054.
- 在商业样本上成功验证了该方法,检测到27.3%的改.
结论:
- 开发的歧视方法和内容预测模型为验证多变量植物油的真实性提供了一个潜在的策略.
- 这种方法为食用油行业的质量控制和欺诈预防提供了灵敏而准确的工具.
