Summary

HPLC測定に基づいて近赤外分光法によるブルーベリーにおける成分含量の非破壊予測のためのモデルの構築

Published: June 28, 2016
doi:

Summary

We present here a protocol to construct and validate models for nondestructive prediction of total sugar, total organic acid, and total anthocyanin content in individual blueberries by near-infrared spectroscopy.

Abstract

Nondestructive prediction of ingredient contents of farm products is useful to ship and sell the products with guaranteed qualities. Here, near-infrared spectroscopy is used to predict nondestructively total sugar, total organic acid, and total anthocyanin content in each blueberry. The technique is expected to enable the selection of only delicious blueberries from all harvested ones. The near-infrared absorption spectra of blueberries are measured with the diffuse reflectance mode at the positions not on the calyx. The ingredient contents of a blueberry determined by high-performance liquid chromatography are used to construct models to predict the ingredient contents from observed spectra. Partial least squares regression is used for the construction of the models. It is necessary to properly select the pretreatments for the observed spectra and the wavelength regions of the spectra used for analyses. Validations are necessary for the constructed models to confirm that the ingredient contents are predicted with practical accuracies. Here we present a protocol to construct and validate the models for nondestructive prediction of ingredient contents in blueberries by near-infrared spectroscopy.

Introduction

近赤外(NIR)分光法は、広く様々な種類の果物や野菜の内容を分析する非破壊技術として適用される。1,2非破壊は、近赤外分光法により分析保証品質を有する唯一のおいしい果物や野菜の出荷を可能にします。近赤外分光法は、まだ上のTSC(総固形分)、総糖含有量に対応し、その糖度、酸度を知っているように、オレンジ、リンゴ、メロン、チェリー、キウイフルーツ、マンゴー、パパイヤ、桃とに適用される、とされてきました。最近、我々は、ブルーベリーの品質評価への近赤外分光法の適用を報告している。3当社は、全糖含量と酸味に対応する全有機酸含量だけでなく、総アントシアニン含有量だけでなく、を測定しました。アントシアニンは、ヒトの健康を改善すると考えられている生物活性成分です。彼らは糖度、交流の保証でおいしいブルーベリーを購入することができた場合には、消費者にとって便利ですidity、およびアントシアニン含量。

果物や野菜のNIR吸収スペクトルでは、唯一の広い吸収帯が観察されます。彼らは主に繊維や水分に起因するバンドです。非破壊対象の様々な成分には多くの弱いバンドが同時に観察されるが、観察されたバンドは、ほとんどの場合、ターゲットの特定のコンポーネントの特定の振動モードに割り当てることはできません。したがって、ランベルト – ベールの法則を使用して特定の成分の含有量を決定するための従来の技術は、NIRスペクトルのために有効ではありません。代わりに、観測されたスペクトルからの標的成分の含有量を予測するためのキャリブレーションモデルは、観測されたスペクトルとのスペクトルに対応する成分の内容との相関関係を調べることにより、ケモメトリックスを使用して構築される。4,5なお、モデルを構築し、検証するプロトコル全糖含量、acidiに対応する全有機酸含量を予測するためTY、およびNIRスペクトルからブルーベリーの総アントシアニン含量が提示されます。

図1は、信頼性の高い強固な較正モデルを構築するための一般的なフローチャートを示します。十分な数のサンプルが収集されます。他の構築モデルの検証に使用されている間、それらのいくつかは、モデルの構築に使用されます。収集したサンプルのそれぞれについて、NIRスペクトルを測定し、その後、標的成分は、従来の破壊的な化学分析法を用いて定量的に分析されます。ここで、高速液体クロマトグラフィー(HPLC)は、糖、有機酸、およびアントシアニンの化学分析のために使用されます。部分最小二乗は、(PLS)回帰は、化学分析によって決定し、観察されたスペクトルと成分含有量との相関を調べる較正モデルの構築に使用されます。最良の予測能力、obserの前処理と堅牢なモデルを構築するためにVEDスペクトルを予測するために使用される波長領域も検討されています。最後に、構築したモデルは、それらの十分な予測能力を確認するために検証されます。検証では、コンテンツは、構築したモデル(予測値)を観測スペクトルから予測化学分析(観測値)によって決定した内容と比較されます。十分な相関が予測と観測値との間で見つけることができない場合は、十分な相関が得られるまで、キャリブレーションモデルを再構築する必要があります。同図(外部検証)に示すように、モデルの構築および検証のための試料の異なるグループを使用することが好ましいが、同じグループ内のサンプルは、建設および検証(クロスバリデーション)の両方に使用される場合の数サンプルは十分な大きさではありません。

図1
Fキャリブレーションモデルの構築と検証のためigure 1.フロー・チャート。青と緑の線で囲ま手順は、キャリブレーションモデルとその検証の建設に、それぞれ対応している。 この図の拡大版をご覧になるにはこちらをクリックしてください。

Protocol

サンプルの1コレクションキャリブレーションモデルの対象に含まれるかを品種を決定します。 十分な数と対象品種のサンプルブルーベリーの様々な種類を収集します。 構築したモデルの検証のために、好ましくは100キャリブレーションモデルの構築のためのブルーベリー、少なくとも10を収集します。強固なモデルを構築するために、様々な色、サイズ、および様々な?…

Representative Results

例として、70ブルーベリーのスペクトルが同時に示されているブルーベリーの近赤外吸収スペクトルのセットを図2に示す図 。糖、有機酸、またはアントシアニンに確実に割り当て可能な帯域がNIRスペクトルで観察されていないので、従来のランベルト・ベールの法則は、成分量を定量化するためには適用されません。したがって、成分内容?…

Discussion

プロトコル上のいくつかの追加のコメントがここで説明されています。まず、ステップ1.1においては、ターゲットに含まれる品種を決定するために記載されています。それは多くの品種から、または品種を指定せずにブルーベリーをカバーするモデルを構築することが可能であるが、モデルとの予測精度は、時々、単一品種のため、限られた品種のモデルのものよりもはるかに低いです。ま?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

This work was partially supported by the project “A Scheme to Revitalize Agriculture and Fisheries in Disaster Area through Deploying Highly Advanced Technology” of Ministry of Agriculture, Forestry and Fisheries, Japan.

Materials

FT-NIR spectrophotometer Bruker Optics GmbH MPA 
High-Performance Liquid Chromatography Shimadzu Corporation 228-45041-91, 228-45000-31, 228-45018-31, For sugar analysis
223-04500-31, 228-45010-31, 228-45095-31 Refractive Index Detector
High-Performance Liquid Chromatography Shimadzu Corporation 228-45041-91, 228-45003-31, 228-45000-31, For organic acid analysis
228-45018-31, 228-45010-31, 223-04500-31 Ultraviolet-Visible Detector
High-Performance Liquid Chromatography Shimadzu Corporation 228-45041-91, 228-45018-31, 228-45000-31, For anthocyanin analysis
228-45012-31, 228-45119-31, 228-45005-31, Photodiode Array Detector
228-45009-31
pH meter Mettler-Toledo 30019028 S220, Automatic temperature compensation
Ultra-pure water treatment equipment ORGANO Corporation ORG-ULXXXM1; PRA-0015-0V0 PURELAB ultra; PURELITE
Biomedical Freezers  SANYO 2-6780-01 MDF-U338
Ultra-Low Temperature Freezer Panasonic healthcare Co.,Ltd. KM-DU73Y1 -80°C
Vacuum lyophilizer IWAKI GLASS Co.,Ltd 119770 DRC-3L;FRD-82M
Homoginizer Microtec Co., Ltd.  Physcotron
Ultracentrifuge Hitachi Koki Co.,Ltd S204567 CF15RXII
Mini-centrifuge LMS CO.,LTD. KN3136572 MCF-2360
Centrifuge Kokusan Co.,Ltd 2-5534-01 H-103N
Filter Paper  Advantec 1521070 5B, Eqivalent to Whatman 40
Sep-Pak C18 column Waters Corporation Milford WAT020515
Sep-Pak CM column Waters Corporation Milford WAT020550
Sep-Pak QMA column Waters Corporation Milford WAT020545
Centrifugal Filter Unit Merck Millipore Corporation R2SA18503 PVDF, 0.45 μm
Microtube As One Corporation 1-1600-02 PP, 2 mL
Syringe Filter GE Healthcare CO.,LTD. 6788-1304 PP, 0.45 μm
Sucrose Wako Pure Chemical Industries,Ltd 194-00011 Reagent-grade
Glucose Wako Pure Chemical Industries,Ltd 049-31165 Reagent-grade
Fructose Wako Pure Chemical Industries,Ltd 123-02762 Reagent-grade
Citric acid Wako Pure Chemical Industries,Ltd 036-05522 Reagent-grade
Malic acid Wako Pure Chemical Industries,Ltd 355-17971 Reagent-grade
Succinic acid  Wako Pure Chemical Industries,Ltd 190-04332 Reagent-grade
Quinic acid Alfa Aesar, A Johnson Matthey Company 10176328 Reagent-grade
Phosphoric acid Wako Pure Chemical Industries,Ltd 162-20492 HPLC-grade
Trifluoroacetic acid Wako Pure Chemical Industries,Ltd 208-02746 Reagent-grade
Methanol Wako Pure Chemical Industries,Ltd 131-01826 Reagent-grade
Acetonitrile Wako Pure Chemical Industries,Ltd 015-08633 HPLC-grade
Grade cyanidin-3-O-glucoside chloride Wako Pure Chemical Industries,Ltd 306-37661 HPLC-grade
Software for analyses Bruker Optics GmbH OPUS ver. 6.5
Softoware for preprocessing Microsoft Excel powered by Visual Basic for Applications
Software for construction of models Freemat 4.0 http://freemat.sourceforge.net/

References

  1. Ozaki, Y., McClure, W. F., Christy, A. A. . Near-infrared Spectroscopy in Food Science and Technology. , (2007).
  2. Sun, D. W. . Infrared Spectroscopy for Food Quality Analysis and Control. , (2009).
  3. Bai, W., Yoshimura, N., Takayanagi, M. Quantitative analysis of ingredients of blueberry fruits by near infrared spectroscopy. J. Near Infrared Spectrosc. 22, 357-365 (2014).
  4. Hasegawa, T., Tasumi, M. . Chemometrics in infrared spectroscopic analysis. In: Introduction to Experimental Infrared Spectroscopy. , 97-113 (2015).
  5. Varmuza, K., Filzmoser, P. . Introduction to Multivariate Statistical Analysis in Chemometrics. , (2009).
  6. Kubelka, P. New contributions to the optics of intensely light-scattering materials. Part I. J. Opt. Soc. Am. 38, 448-457 (1948).
  7. Juang, R. H., Storey, D. E. Quantitative determination of the extent of neutralization of carboxylic acid functionality in carbopol 974P NF by diffuse reflectance fourier transform infrared spectrometry using Kubelka-Munk function. Pharm Res. 15, 1714-1720 (1998).
  8. Ogiwara, I., Ohtsuka, Y., Yoneda, Y., Sakurai, K., Hakoda, N., Shimura, I. Extraction method by water followed by microwave heating for analyzing sugars in strawberry fruits. J. Jpn. Soc. Hort. Sci. 68, 949-953 (1999).
  9. Che, J., Suzuki, S., Ishikawa, S., Koike, H., Ogiwara, I. Fruit ripening and quality profile of 64 cultivars in three species of blueberries grown in Tokyo. Hort. Res. (Japan). 8, 257-265 (2009).
  10. Pomerantsev, A. L. . Chemometrics in Excel. , (2014).
  11. Jiang, H. J., Berry, R. J., Siesler, H. W., Ozaki, Y. Wavelength Interval Selection in Multicomponent spectral analysis by moving window partial least-squares regression with applications to mid-infrared and near-infrared spectroscopic data. Anal. Chem. 74, 3555-3565 (2002).
  12. Edney, M. J., Morgan, J. E., Williams, P. C., Campbell, L. D. Analysis of feed barley by near infrared reflectance spectroscopy. J. Near-Infrared Spectrosc. 2, 33-41 (1994).
  13. Mathison, G. W., et al. Prediction of composition and ruminal degradability characteristics of barley straw by near infrared reflectance spectroscopy. Can. J. Anim. Sci. 79, 519-523 (1999).
  14. Chiara, F., et al. Analysis of anthocyanins in commercial fruit juices by using nano-liquid chromatography electrospray-mass spectrometry and high performance liquid chromatography with UV-vis detector. J. Separation Sci. 34, 150-159 (2011).
  15. Li, Q., et al. Antioxidant anthocyanins screening through spectrum-effect relationships and DPPH-HPLC-DAD analysis on nine cultivars of introduced rabbiteye blueberry in China. Food Chemistry. 132, 759-765 (2013).
  16. Sinelli, N. Evaluation of quality and nutraceutical content of blueberries (Vaccinium corymbosum L.) by near and mid-infrared spectroscopy. Postharvest Biol. Technol. 50, 31-36 (2008).
  17. Giusti, M. M., Wrolsted, R. E., Wrolstad, R. E., Schwartz, S. J. Anthocyanins: characterization and measurement with UV-visible spectroscopy. Current Protocols in Food Analytical Chemistry. , 1-13 (2001).

Play Video

Cite This Article
Bai, W., Yoshimura, N., Takayanagi, M., Che, J., Horiuchi, N., Ogiwara, I. Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements. J. Vis. Exp. (112), e53981, doi:10.3791/53981 (2016).

View Video