使用DESI-MS与神经网络相结合的植物油的化学表征和分类

科学领域:

• 食品科学 食品科学 食品科学
• 分析化学 分析化学
• 化学测量 化学测量 化学测量

背景情况:

• 植物油标签错误是一个由经济因素驱动的重大问题.
• 植物油来源的准确认证对于消费者安全和市场完整至关重要.
• 现有的石油识别方法可能缺乏广泛欺诈检测所需的速度或特异性.

研究的目的:

• 开发一种快速准确的方法来识别和分类九种常见的植物油.
• 通过提供可靠的身份验证工具,打击食品行业的错误标签欺诈行为.
• 描述不同植物油的独特脂质特征,以便进行歧视性分析.

主要方法:

• 使用优化脱电喷雾电离质谱法 (DESI-MS) 进行脂质表征.
• 专注于检测非极性糖化物和特定离子添加物 ([TG+Na]+,[TG+NH4]+).
• 使用已识别的脂质指纹开发了一个浅卷积神经网络 (SCNN) 模型.

主要成果:

• 成功识别了53个不同的脂质峰值,为每个油类型创建了独特的"指纹".
• 使用SCNN模型实现了98.5 ± 2.2%的高分类精度.
• 证明了区分玉米,大豆,花生,芝麻,大米,向日,驼,橄和核桃油的能力.

结论:

• 整合DESI-MS和SCNN为植物油认证提供了一个快速,可靠和准确的方法.
• 这种方法有效地减少了错误标签欺诈,提高了食品质量控制和消费者信任.
• 该研究为提高食品供应链透明度和诚信提供了有价值的工具.