Documente Academic
Documente Profesional
Documente Cultură
FIG. 1. Rezultatele analizei componentelor principale pentru primele două componente, care
prezintă atributele senzoriale ale pâinile de specialitate și pâinii comerciale (BR1-BR10) .
ANOVA a identificat 33 ioni de masa (m/z) 27, 29, 33, 43,45, 47, 55, 59, 61, 63,
65, 69, 73, 75, 79, 83, 85, 87, 89, 91, 93, 97,98, 101, 103, 105, 107, 111, 113, 117,
121, 125, 129) din 160 masele lor măsurate care semnifica (p <0,05) o
discriminare între tipurile de pâine. În principal, un spectru PTR-MS constituie, "o
amprenta digitala volatilă" pentru o singura proba. De exemplu, probele proaspete
de aluat și brioșe pot fi diferențiate în funcție de spectrele lor de masă în spațiul
superior (fig. 2). Briosa s-a dovedit a avea concentrații relativ ridicate ale maselor
m / z 43, 87, 89 și 113, în timp ce aluatul acru formează concentrații ridicate a
maselor m / z 47, 75, 103, 105, 107, 125, 129. PCA ilustrează diferențele de
produs prin compoziția volatilă, pe baza de ioni de masă care discrimină între
tipurile de pâine (Fig. 3a si b). ANOVA de PC , este bazată pe trei exemplare,
analizele au arătat că primele cinci Pc-uri au produs o discriminare intre probe în
mod semnificativ ( p <0,05) și a reprezentat 31%, 22%, 13%, 10% și 5% din
varianța experimentală. De-a lungul axei pozitive, PC1 a fost descrisă de către
masele m / z 55, 69, 103, 107 și 125, reprezentând concentrațiile relative ridicate
în aluat acru și pâine comerciale BR3 (secară elvețiană) și BR8 (grâu integral). De-
a lungul axei negative, mase m / z 83, 87, 113 și 117 au fost prezente în
concentrații relativ mari în brioșe, foccacia și bR9 pâine comerciale (tărâțe de
ovăz). BR5 pâine comercală (amestec de cereale), de-a lungul axei negative a PC-
2, s-a dovedit a avea concentrații relativ ridicate ale maselor m / z 33 și 45.
Fig. 2. Spectroscopia rezultata din 3 măsurători ale: (a) brioșei și (b) aluat
acru(maia).
Din cele 18 atribute măsurate ,cinci mirosuri senzorial, cinci arome și una dupa
gust, s-au dovedit a fi corelată cu un subset de ioni de masă. (tabelul 2). Separat,
percepția de prospețime a consumatorilor de pâine a fost corelata cu un subset de
12 ioni de masă.
Modelele de regresie de succes au fost recunoscute de către coeficienţii de
calibrare de ≥ 0,71, care și-a exprimat puterea de modelele actuale, în timp ce
validarea coeficienților , care au reprezentat modele capacitatea de a prezice noi
probe, au fost >0.63. Performanța predicțiva a fost bazata pe o eroare minimă în
rădăcina medie pătrată numita eroare de predicție (RMSEP) utilizând validarea
încrucișată completă pentru a selecta numărul optim de factori PLS pentru
estimarea seturilor de date -Y. Pentru atribute senzoriale, valorile RMSEP au
variat intre 4.70-9.13 (pe scala care măsoară intensitatea senzorială între 1 și 100
mm).Valorile obținute in urma analizei RMSEP a însemnat că toate modelele au
avut o bună capacitate de predictie pentru atributele senzoriale ale celor 15 tipuri
de pâine pe care au fost construite modele. Performanța modelului optim pentru"
cereale ", "mirosuri."gust dulce "aroma", și" acru " s-au obținut cu ajutorul a două
componente PLS, în timp ce atributele senzoriale rămase au fost mai bine modelate
folosind trei componente - PLS .
Cu toate acestea, pentru atributele senzoriale de "mirosuri "arome "si
"făinoase", "cu gust de nucă" sărat " amar "prăjită după valorile de calibrare,
validare și RMSEP (nu sunt prezentate) au reprezentat o mare variabilitate,
indicând un model jalnic de stabilitate, sau incapacitatea de a identifica ionii de
masă legate de aceste atribute senzoriale.
RMSEP pentru predicții ale percepției de prospețime a consumatorilor arată că
incertitudinea medie așteptată a fost de 7,19, în funcție de intensitatea de
prospețime măsurată pe o scală de 150 mm, ceea ce indica o putere predictivă
pentru prospețime a 10 pâini de specialitate utilizate în construirea modelului.
Prospețimea painii a fost descoperita cu ajutorul unui model care este compus din
doua componente PLS. Rezultatele PLS, luate impreuna au aratat ca mirosurile
"lactate și aromele de malț ", "untoase" "dulce" , din punct de vedere al maselor
pot fi pozitive si negative m / z 87,97, 117 și 63, (Tabelul 2). În comparație, cu
atributele senzoriale "cerealele" " cu miros de mucegai " și "acru" "aroma" prezinta
o masa corelata pozitiv m / z 63, 69 și 91. În plus, pâinea percepută ca fiind cea
mai proaspata a avut o combinație similară a masei corelată pozitiv m / z 87, 97 și
117, de asemenea, produsele "lactate" cu miros și gust "untos", în timp ce masele
m / z 63. 69 și 91, care au fost asociate negativ cu prospețime de pâine au fost
reprezentate de atributele senzoriale "cereale" miros de mucegai si gust acru.
Substanțele volatile, care au fost, eventual, responsabile pentru semnale de ioni de
masă ar putea fi atribuite provizoriu cu referire la modelele de fragmenta în
aplicare a compușilor puri analizați prin MS-PTR in condiții standard ( Buhr, van
Ruth, & Delahunty, 2002;Yeretzian, Jordan, & Lindinger, 2003). Potrivit lui
Buhr s.a (2002), ionii de masă m / z 87 pot proveni de la diacetil, 2-metil-butanal
sau 2-pentanona, în timp ce Yeretzian s.a. (2003) au raportat că m / z97 ar putea
proveni de la furfurol. Se presupune ca substanțele volatile de diacetil sunt
responsabil pentru gustul"untos" asociat cu aroma de pâine proaspătă (Kirchhoff &
Schieberle, 2001; Zehentbauer & Grosch, 1998 b) și furfurolul a fost descris ca
având o culoare brună, asociatacu aroma de pâine ( Chang și colab, 1995;.. Seitz
și colab, 1998) cu toate acestea, lipsa de separare cromatografică a compușilor
limitează capacitatea PTR-MS ca metodă cantitativă specie specifica de analizat.
În amestecuri volatile, compușii și fragmentele lor împărtășesc adesea același
semnal observat pentru aparticular ioni de masă, ceea ce complică interpretarea
PTR-MS. . Este important de remarcat faptul că, fără o analiză a compușilor , PTR
MS nu a identificat în mod definitiv compuși chimici-cheie din diferite tipuri de
pâine. Scopul acestui studiu a fost acela de a demonstra aplicarea tehnicii bazate pe
date pentru amprentare chimice, spre deosebire de identificare chimică.
Potrivit lui Martinez Anaya nici un singur compus volatil nu poate fi
considerat componentul cheie responsabil pentru aroma de paine. Din această
perspectivă, constituenți volatili acționează într-un mod sinergic în raport cu
proporțiile relative ale acestora, care, la rândul lor, pot fi modificate de alte
substanțe care sunt prezente în pâine (Richardmolard, Nago, & Drapron, 1979) pot
fi modificate de catre o alta substanta care este prezenta in paine. Similar studiul
prezent demonstreaza ca atributele mirosul individual si aroma painii depind de o
mixtura cu volatilitate specifica.Ulterior, aplicatia acestei abordari poate facilita o
mai buna intelegere a proportiilor si chiar absenta volatilului acel ilicit senzor
caracteristic particular care in schimb influienteaza prospetimea painii.
Totodata este important sa se sublinieze acea corelatie intre senzorii atributelor
individuali si intensitatea masei de ioni nu implica necesar cauzalitate. Prin urmare
modelele reprezentate in acest studiu ar trebui interpretate pentru a ne arata
asocierea decat sa ne arate cauza directa si efectele relatiilor. PLS1 in acest studiu a
extras cele mai relevante mase de ioni pentru o performanta predictiva .Folosim o
tehnica asemanatoare pentru a determina relatiile intre PTR-MS metoda
amprentelor digitale ale mixturilor volatile prezente in branza Trentingrana si in
atributelor senzoriale Biasiole s.a(2006) a aratat o buna performanta modelatoare
cu PLS 1 .Modelul predictiilor pentru intensitatea atributelor senzoriale, pe langa
masurarea intensitatilor senzoriale sunt prezentate in Tabelul 3. In dependenta ,
modelul predictiilor pentru intensitatile de perceptie a prospetimii pentru
consumator sunt afisate pentru 10 specialitati de paine, intre timp predictia
intensitatii prospetimii este reprezentata de care 10 comercianti de paine si nu este
evaluata de catre consumatori. Coeficientii de corelatie Pearson care sunt afisati
indica rezistenta corelatiei intre intensitatea masurata si intensitatea prezisa.
Acestea au fost calculate pentru monstre, pentru a construi modele PLS, și separat
pentru probele care nu sunt incluse în construirea modelelor (de validare).
Tabelul.3.
Rezultatele senzoriale evidentiind caracteristice de intensitate (y- variabile), de
referință (măsurate scorurile medii panou) pentru cele douăzeci de tipuri de
pâine.
4. Concluzie
Studiile au arătat în mod clar că informațiile volatile obținute prin analiză PTR-
MS poate fi aplicată pentru a modela și caracteriza proprietățile senzoriale ale
diferitelor tipuri de pâine, în plus PTR SM pot fi folosite pentru a prezice percepția
consumatorilor de prospețimea diferitelor soiuri de pâine, care sunt toate la fel de
proaspete, în ceea ce privește timpul scurs de la coacere. Analiza-PTR MS și
evaluarea senzorială a permis selectarea a 15 de pâine, care a asigurat o bună
reprezentare a ȚIE atât a compoziției senzoriale și volatile ale tipurilor de pâine și
modele predictive permise pentru a fi construit atribut model de predicție de
validare senzoriale, folosind un subset de cinci eșantioane prevăzut un masura
robusta a fiecărei modele de putere predictivă, în mod clar, rezultatele acestui
studiu au aratat promitatoare oportunitati pentru profilare rapida si screening-ul de
pâine de calitate senzorială și cu vedere spre prospețimea percepută a pâinii.