开发非向的有固相微提取的挥发性产品,用于验证植物性牛奶替代品的真实性
Tianqi Li1, Hieu Minh Le1, Renato Handoyo1
1Department of Chemistry, Carleton University, 1125 Colonel By Drive, Ottawa, Ontario, K1S 5B6, Canada.
Talanta
|May 7, 2025
概括
一种使用头部空间固相微提取气色谱质谱法 (HS-SPME-GC-MS) 和机器学习的新方法准确地验证了植物性牛奶替代品 (PBMA). 这种技术可以识别关键的挥发性化合物,确保产品完整性和消费者安全在不断增长的PBMA市场.
科学领域:
- 分析化学 分析化学
- 食品科学 食品科学 食品科学
- 计算生物学 计算生物学
背景情况:
- 由于过敏,不耐受和可持续性问题,对植物性牛奶替代品 (PBMA) 的需求不断增加.
- 在不断扩大的PBMA市场中,欺诈活动的风险增加,需要强大的身份验证方法.
- 需要可靠的技术来验证各种PBMA产品的真实性和质量.
研究的目的:
- 开发和优化用于PBMA认证的头空间固相微提取气色谱质谱法 (HS-SPME-GC-MS) 方法.
- 根据它们独特的挥发性代谢特征 (volatilomes) 区分八种PBMA类型.
- 应用机器学习算法来准确分类和识别关键身份验证标记.
主要方法:
- 使用HS-SPME-GC-MS.分析80个PBMA样本 (每样10个杏仁,果仁,子,核桃,麦,花生,核桃,麦卡达米亚的复制品)
- 使用MS-DIAL数据库识别了大约143种挥发性化合物.
- 使用支持矢量机 (SVM),随机森林 (RF) 和k-近邻 (kNN) 算法构建和评估分类模型.
主要成果:
- 支持矢量机 (SVM) 在分类PBMA类型方面实现了最高的准确性 (100%校准,98.8%交叉验证).
- 随机森林 (RF) 证明了高精度 (100%校准,94.3%交叉验证) 并确定了对分类至关重要的前30种挥发性代谢物.
- 使用前30个特征的简化射频模型实现了100%的校准,96.5%的交叉验证和96.9%的验证准确性,表明有针对性的认证的潜力.
结论:
- 开发的HS-SPME-GC-MS工作流与机器学习相结合,为PBMA认证提供了一个高度准确和可靠的方法.
- 确定了30个关键的挥发性代谢物,作为针对性认证的潜在标记,确保产品的完整性.
- 这种方法在勃发展的植物性牛奶替代品行业中保护了消费者的健康和经济利益.
