Summary

Fruit Vluchtige analyse met behulp van een elektronische neus

Published: March 30, 2012
doi:

Summary

Een snelle methode voor vluchtige verbinding analyse fruit beschreven. De vluchtige stoffen in de kopruimte van een homogenaat van het monster snel gescheiden en gedetecteerd met ultrasnelle gaschromatografie (GC) gekoppeld met een akoestische oppervlaktegolf (IST) sensor. Een procedure voor data verwerking en analyse wordt ook besproken.

Abstract

Talrijke en diverse fysiologische veranderingen optreden tijdens de vruchten rijpen, waaronder de ontwikkeling van een specifieke vluchtige mengsel dat fruit aroma kenmerkt. Volwassenheid bij de oogst is een van de belangrijkste factoren die de smaak kwaliteit van groenten en fruit 1. De validatie van robuuste methoden die een snelle beoordeling van fruit rijpheid en aroma kwaliteit zou een beter beheer van geavanceerde fokprogramma's, de productie praktijken en na-oogst behandeling mogelijk te maken.

In de afgelopen drie decennia is veel onderzoek gedaan naar zogenaamde elektronische neuzen, die zijn apparaten in staat om snel te detecteren geur-en smaakstoffen 2-4 te ontwikkelen. Momenteel zijn er verschillende commercieel beschikbare elektronische neuzen in staat om vluchtige analyse, gebaseerd op verschillende technologieën uit te voeren. De elektronische neus die in ons werk (zNose, EST, Newbury Park, CA, USA), bestaat uit ultrasnelle gaschromatografie gekoppeld met een surface acoustic wave sensor (UFGC-SAW). Deze technologie is al getest op zijn vermogen om de kwaliteit van de verschillende grondstoffen, waaronder detectie van verslechtering van de appel 5 te volgen; rijp en rot evaluatie in mango 6; aroma profilering van de thymus soorten 7; C 6 vluchtige verbindingen in druiven bessen 8; karakterisering van plantaardige olie 9 en detectie van versnijdingsmiddelen in Virgin kokosolie 10.

Dit systeem kan uitvoeren van de drie belangrijkste stappen van aroma analyse: headspace bemonstering, de scheiding van vluchtige verbindingen, en detectie. In ongeveer een minuut wordt de uitgang een chromatogram, geproduceerd en na zuivering cyclus het instrument is klaar voor verdere analyse. De resultaten verkregen met de zNose kan worden vergeleken met die van andere gas-chromatografische systemen door berekening van Kovats indices (KI). Zodra het instrument is ingesteld met een alkaan standaardoplossing worden de retentietijden automatisch omgezetKis. Echter, zijn lichte veranderingen in temperatuur en het debiet zal naar verwachting na verloop van tijd, waardoor retentietijden te drijven. Ook afhankelijk van de polariteit van de kolom stationaire fase, kan de reproduceerbaarheid van KI berekeningen variëren van verscheidene index eenheden 11. Een reeks van programma's en grafische interfaces werden dan ook ontwikkeld om de berekende KIS vergelijken tussen de monsters in een semi-automatische mode. Deze programma's verminderen de tijd die nodig is voor het chromatogram analyse van grote datasets en het minimaliseren van de kans op verkeerde interpretatie van de gegevens als chromatogrammen niet perfect uitgelijnd.

We presenteren een methode voor snelle vluchtige verbinding analyse in fruit. Voorbereiding van het monster, data-acquisitie en handling worden ook besproken.

Protocol

1. Monstervoorbereiding Oogst vruchten op de gewenste rijpheid. Spoel met leidingwater, om vuil en stof te verwijderen. Selecteer vruchten voor analyse op basis van de afwezigheid van externe en interne defecten, en de grootte homogeniteit. Lengterichting gesneden vruchten in wiggen worden gebruikt voor vluchtige bemonstering. Indien van toepassing, verwijder de huid, zaden, zaad holte weefsel of put. Fruit weefsel selectie moet consistent zijn gedurende het experiment en rekening houden met de variabiliteit binnen een vrucht (dat wil zeggen, te verkrijgen monster even van de evenaar, bloesem en de steel einde onderdelen). Meng de geselecteerde vruchten weefsel mengen om het willekeurig en afgewogen 200 g in een blender. Voeg 200 ml verzadigde CaCl2-oplossing (372,5 g bij 20 ° C in 500 ml gedeïoniseerd water) en 50 ul van een 100 mM oplossing van 2-methylbutyl isovalerate in methanol. De CaCl2 is bedoeld als een inhibitor van enzymatische acteit, die zich na het snijden en homogeniseren van het vruchtvlees. 2-methylbutyl isovalerate wordt toegevoegd als interne standaard voor eventuele verliezen van vluchtige stoffen volgen tijdens de homogenisering proces. Meng het mengsel in een laboratorium blender (Waring, USA), 30 seconden bij 18.000 toeren per minuut, dan meteen giet het in glazen fles en sluit met Teflon deksel. Houd het homogenaat in de fles bij kamertemperatuur totdat alle monsters bereid. Na het storten van het homogene mengsel in de fles, wacht 10 minuten om de scheiding van het schuim uit de vloeistof, dan Pipetteer 5 ml fracties van de vloeistof toe te staan, zonder schuim, in 20 ml flesjes amberkleurig glas en sluit de flesjes met stalen schroefdop voorzien van Teflon / siliconen septa. Deze procedure is geschikt voor meloen en peren homogenaat preparaat. Als andere vruchten worden voor de analyse kan een centrifugatiestap vereist. Verwijder daarom eerst het schuim en centrifugeer de vloeistof pellet deeltjes die zou kunnenBlokkeer de pipet. Bereid ten minste drie flesjes per monster om te dienen als technische repliceert. Op dit punt kan de bemonstering direct worden geanalyseerd of flash-ingevroren in vloeibare stikstof en bewaard bij ultra-lage temperatuur (-80 ° C) voor latere analyse. Bij bevroren monsters, moet u op de analyse dag de monsters uit de vriezer en laat ze ontdooien gedurende een uur bij kamertemperatuur. Na ontdooien, en voor de analyse, de dop met een nieuwe die een schone, droge septum heeft. Als het septum niet wordt vervangen, kan het water gecondenseerd op het septum tijdens het ontdooien worden getrokken in het instrument en beschadigen. 2. Gaschromatografie-Surface Acoustic Wave (GC-SAW) Set-up en data-acquisitie Laad het juiste analysemethode op de zNose. Voor analyse van de ester-rijke vluchtige profiel meloen, onze parameters in de MicroSense versie 5.44.22 software (Newbury Park, CA, USA) als volgt: headspace zuigkracht in deinlaat 20 seconden bij 30 mL min -1 via pomp; inlaattemperatuur 200 ° C; Tenax trap temperatuur 225 ° C; drager (helium zuiverheid 99,999%) stroom van 2,9 ml min-1, kolom (DB-5 kolom 1 m x 0,25 mm ID x 0,25 um laagdikte) temperatuurprogramma van 45 ° C tot 180 ° C met een snelheid van 10 ° C sec1; sensor temperatuur op 40 ° C; klep bij 165 ° C. De totale analyse is 1 minuut per monster. Sluit een roestvrij stalen naald met niet-borende tip om de zNose inlaat en zuiveren van het systeem een ​​paar keer met de omgevingslucht tot de basislijn stabiel is en geen pieken meer dan 200 graven (Ct) worden gedetecteerd. Stem het instrument met een oplossing van niet-vertakte alkanen (C6-C14). De melodie resultaat wordt gebruikt door het instrument software om de retentietijd van de geëlueerde pieken te zetten van tijdseenheden in Kovats Index (KI) eenheden. Bijgevolg, nadat het systeem afgesteld worden de retentietijden gerapporteerd KI eenheden. </li> Voor de analyse het monster op evenwicht van 30 minuten. Om een ​​van de monsterflesjes te analyseren, steekt een naald in de flacon septum om de druk te verlichten. Steek vervolgens de naald aangesloten op het instrument inlaat in de flacon septum en initiëren headspace bemonstering. Analyseer ten minste drie technische duplo's per monster. Handmatig start het instrument door te klikken op "Play" knop, de pomp geactiveerd en trekt zich terug van de dampen aanwezig zijn boven het monster. Aan het einde van de analyse een chromatogram op het scherm, en de sensor automatisch opgewarmd tot 150 ° C gedurende 10 seconden te reinigen. Wanneer het systeem de status van box-knop zet weer groen, het instrument is klaar om een ​​ander monster te analyseren. Om een ​​stabiele basislijn en een adequaat systeembeheer reiniging te verzekeren, voert u ten minste een lucht leeg na elk monster. Om te controleren voor mogelijke vluchtige verontreiniging van de flacon en de dop, analyseren twee flacon-blanco's (lege flacon met dop), aan het begin en einde van de dag. </ Li> 3. Gegevens exporteren en analyse Exporteer de gegevens in een Microsoft Excel-bestand na overname met behulp van de "Peak logging"-functie in MicroSense software. Zodra de gegevens worden geëxporteerd, voeg kolommen met labels voor de variabelen en een replica van. Transformeer het dataformaat voor gemakkelijker te manipuleren met behulp van de Python (versie 2.6; vrij beschikbare on-line) script hebben we ontwikkeld, genaamd "reform_data.py" (zie figuur 1 voor een voorbeeld van het dataformaat voor en na het gebruik van het script "reform_data. py "). De naam van het bronbestand (xls-formaat) en blad naam voor de verstrekte gegevens, alsmede de gewenste bestandsnaam voor de uitvoer (xls formaat), worden bewerkt met direct in het script. Start "kim_interface.py" (ook geschreven in Python 2.6; zie figuur 2), en importeer de gegevens uit het bestand gegenereerd in de vorige stap. In het bijzonder is de analyse gebaseerd op het bekijken en analyseren van het aantal keren dat elk KI waarde werd gedetecteerd("KI hits"). Dus de programma toont een staafdiagram van KI hits voor elk KI-waarde. Evalueer de KI hits van specifieke subsets van de monsters, het analyseren van elke groep van technische replica samen. Om dit te doen, afzonderlijk te analyseren elke behandeling of variabele door te controleren / uitvinken van de desbetreffende vakken. Zie figuur 2 bijschrift voor een gedetailleerde beschrijving van de grafische gebruikersinterface (GUI) functies. Na het identificeren van de breedte van elke KI venster met behulp van de GUI, willekeurig een aantal van de overeenkomstige chromatogrammen in Microsense software en evalueren van overlappende pieken bij de technische repliceert. Zie figuur 3 voor een voorbeeld van een overlay chromatogrammen van twee technische replica. Als de KI venster wordt aangeduid, gebruik dan de "Merge" functie die beschikbaar is in de GUI van de KIS die vallen in het venster, in de meest bevolkte KI samen te voegen. Door gebruik te maken van deze functie, worden pieken voorzien van een bereik van KI waarden geconsolideerd onder een KI-label, allowing behandelen dergelijke pieken als een variabele. Om dit te doen klikt u eerst op de knop 'Merge' om de functie te activeren en selecteer de meest bevolkte KI als het centrum van het venster door met de linkermuisknop te klikken op de bijbehorende bar. Zodra de bar is geselecteerd, verandert van kleur en wordt groen. Om de KIS dat er binnen het venster vallen in de geselecteerde KI samen te voegen, klik met de rechtermuisknop op de betreffende balken, dit zorgt ervoor dat de balken rood wordt, terwijl een blauwe balk van de overeenkomstige lengte is toegevoegd op de top van de centrale KI (zie figuur 4 ). Zodra alle geselecteerde KIS zijn samengevoegd tot het betrokken centrale KI, klikt u nogmaals op de knop 'Merge' om de wijzigingen te accepteren, dit zorgt ervoor dat het 'Merge' knop om geel. In geval van fouten, de 'unmerge' knop is ook beschikbaar. Om ongedaan te maken, klikt u op de 'unmerge' knop in de GUI, klik met de rechtermuisknop op de rode balk die u wilt ongedaan te maken. Van rood, wordt de balk blauw. Klik nogmaals op de 'unmerge' om de wijzigingen te accepteren. Een poging om iverkeerd wordt geplaatst twee pieken samen te voegen in een enkel monster in een KI-waarde, wordt een foutmelding afgedrukt. In dergelijke omstandigheden, op de voet controleert het chromatogram en herdefiniëren van de KI-venster in die regio. Zodra alle van de fuserende bewerkingen zijn uitgevoerd, sla het bestand op. Alvorens over te gaan statistische analyse, zijn de chromatogrammen van de lucht en de flacon blanks geanalyseerd om te controleren op mogelijke verontreinigingen. Zodra de KI van de pieken in de plano zijn geïdentificeerd, aftrekken het gebied van de piek gedetecteerd in de lucht-en / of flacons blanco van het gebied van de piek in monster. Ga dan verder met de statistische analyse. 4. Representatieve resultaten De elektronische neus was in staat om verschillen in de vluchtige profielen onder de meloen fruit geoogst verschillende fasen looptijd (figuur 5) op te sporen. Twintig KI ramen werden geïdentificeerd in alle monsters. Een variantie-analyse toonde aan dat 14 pieken zonnepaneel zelfscted door de elektronische neus verschilde aanzienlijk volwassenheid fasen. In figuur 6 worden de log van de gemiddelde piekoppervlakten van deze 14 componenten uitgezet om verschillen in piek dichtheden tussen twee volwassen stadia, vroeg volwassen en rijp fruit te laten zien. Figuur 1. Voorbeelden van dataformaat die uit instrument software (A) en na de transformatie, uitgevoerd met "reform_data.py" script (B). Om data bewerking en analyse te vergemakkelijken, alle unieke KIS worden geïdentificeerd in alle monsters, dan worden de gegevens worden opnieuw gerangschikt, met voorbeeld informatie in rijen en piekoppervlak in kolommen, wat overeenkomt met een unieke Kis. Wanneer een piek wordt gedetecteerd voor KI waarde in een monster, de overeenkomstige cel leeg blijft. Figuur 2. Screen capture van de Schriftent bestand "kim_interface.py". Het perceel in het centrum toont het aantal hits per KI versus KI. 'Hit per KI' het aantal monsters waarin een piek met die specifieke KI gedetecteerd. Aan de linkerkant zijn er drie gele blokken regelen van de geselecteerde gegevens. Ze geven parameters aan de dataset (behandelingen, repliceert, kwalitatieve variabelen, enz.) te verdelen. In deze figuur zijn (van boven naar beneden): Variety, plantdatum en rijpheid bij de oogst. Op de bodem: door te klikken op de 3 bars en het verplaatsen van de blauwe balk naar links of naar rechts, kan men kiezen de minimale en de maximale waarde van de KI bereik, en de minimale oppervlakte ('Threshold'). Aan de rechterkant: de 'Merge' knop maakt het mogelijk samenvoegen van geselecteerde KIS door handmatig te klikken op de balken in de plot. De 'unmerge' knop maakt het mogelijk om te keren van het proces voor geselecteerde gevallen. Figuur 3. Overlaid chromatogrammen (in zwart en rood) van twee technische replica van meloen vluchtige headspace ter illustratie van een verschuiving in de retentietijd. Figuur 4. Voorbeeld van de KI samenvoegen procedure. In de centrale plot, de groene balk (Central KI) vertegenwoordigt de meest bevolkte KI, die is geselecteerd als centrum van de KI-venster. KI X en Y zijn KI KIS vallen in het venster van belang en moeten ze worden samengevoegd tot de centrale KI. Door met de rechtermuisknop te klikken op balk KI X, het wordt rood en, tegelijkertijd, een blauwe balk van dezelfde lengte van de bar KI X, verschijnt op de top van de groene. Door herhaling van dezelfde procedure KI Y, de lengte van de blauwe bar (samengevoegd KIS) zal de corresponderende lengte. Zodra alle KIS zijn toegevoegd, door te klikken op de knop groen 'Merge', het samenvoegen van proces eindigt, worden de wijzigingen opgeslagen en op de knop kleur geel. / Files/ftp_upload/3821/3821fig5.jpg "/> Figuur 5. Twee chromatogrammen van meloen monsters geoogst verschillende fasen looptijd vroeg rijp (boven) en rijp (onder) het vermogen van de elektronische neus verschillen in vluchtige dichtheden detecteren illustreren. Figuur 6. Radar grafiek die het piekoppervlak van 14 componenten in twee meloen monsters twee fasen looptijd vroeg rijp en rijp. De piek gebieden worden gemeld in log-schaal om te helpen de vergelijking te visualiseren. De nummers op het einde van elke straal vertegenwoordigen betreffende Kovats Index.

Discussion

Elektronische neuzen vormen een veelbelovende methode voor de snelle, objectieve evaluatie van de aroma profielen uit vruchten of vluchtige-rijke monsters. Echter, verschuivingen in retentietijd vormen een uitdaging voor de piek identificatie, die tot verkeerde interpretatie van de gegevens als twee chromatogrammen zijn niet perfect uitgelijnd te leiden. Visuele inspectie van chromatogrammen gaf aan dat de variabiliteit van de retentietijden bij monsters vaak dezelfde piek-tot-gelabeld worden met iets andere KI-waarden (ongeveer ± 10) veroorzaakt. Dit vertaalde zich in een overdreven aantal vastgestelde unieke Kis. Om te profiteren van het feit dat (a) verschillende verbindingen aanwezig zijn in verschillende fasen looptijd en (b) technische repliceert zijn ongeveer identiek, twee computer-based scripts ("kim_merge.py", die de routines bevat voor de behandeling van de gegevens set, en "kim_interface.py", die een grafische gebruikersinterface (GUI) voorschrijft) zijn ontwikkeld om systematischvergelijken met monsters in een semi-automatische mode, sterk verminderen van de tijd die nodig is voor het chromatogram analyse van grote datasets. Deze programma's kunnen de consolidatie, in voorkomend geval, van de pieken gemerkt met een bereik van KI waarden onder een KI-label. Dit dient twee belangrijke redenen: (a) kan een statistische analyse van dergelijke pieken tezamen als een variabele en (b) het vergemakkelijkt piek identificatie en vergelijking met andere systemen gepubliceerd waarden. Resultaten hier blijkt dat melon monsters kan worden gediscrimineerd op looptijd en aroma profilering volgens de zNose in combinatie met voldoende KI identificatie. Dit is een veelbelovende nieuwe technologie voor de analyse van vluchtige stoffen die kunnen worden gebruikt voor kwaliteitscontrole's.

Divulgaciones

The authors have nothing to disclose.

Acknowledgements

De auteurs danken Bill Copes (Harris Moran Seed Company, Davis) voor het leveren van meloen fruit voor deze analyse. Dit project wordt ondersteund door de Specialty Crops Research Initiative Competitive Grants Program toe te kennen nee. 2009-51181-05783 van de USDA National Institute of Food and Agriculture.

Materials

Name of the reagent Company Catalogue number Comments
Calcium chloride MP Biomedical 195088  
2-Methylbutyl isovalerate SAFC Global W350613 ≥ 98%, natural, FCC
Methanol Fisher Scientific A411-4  
Vial Sigma/Supelco SU860098  
Cap Sigma/Supelco SU860101  
Laboratory blender Waring Laboratory Science 7009G 2-speed blender;  1- Liter glass container
Bottle Fisher Scientific 06-414-1C Pyrex, 500 mL; polypropylene plug-seal
Needle Electronic Sensor Technology TLC101046 Side hole luer
Alkanes solution Electronic Sensor Technology   C6-C14 alkanes solution in methanol
zNose Electronic Sensor Technology Model 4500  
DB-5 GC column Electronic Sensor Technology SYS4500C5  
MicroSense Electronic Sensor Technology Version 5.44.22  
Python 2.6     Freely available on-line
“reform_data.py” and “kim_interface.py” scripts     Scripts available as supplementary material on JoVE

Referencias

  1. Kader, A. A. Flavor quality of fruits and vegetables. Journal of the Science of Food and Agriculture. 88, 1863-1868 (2008).
  2. Persaud, K., Dodd, G. Analysis of discriminant mechanisms in the mammalian olfactory system using a model nose. Nature. 299, 352-355 (1982).
  3. Gardner, J. W., Bartlett, P. N. A brief-history of electronic noses. Sensors and Actuators. 18, 211-220 (1994).
  4. Rock, F., Barsan, N., Weimar, U. Electronic nose: Current status and future trends. Chem. Rev. 108, 705-725 (2008).
  5. Li, C., Heinemann, P. H., Irudayaraj, J. Detection of apple deterioration using an electronic nose and zNose. Transactions of the Asabe. 50, 1417-1425 (2007).
  6. Li, Z. F., Wang, N., Raghavan, G. S. V., Vigneault, C. Ripeness and rot evaluation of ‘Tommy Atkins’ mango fruit through volatiles detection. J. Food Eng. 91, 319-324 (2009).
  7. Oh, S. Y., Ko, J. W., Jeong, S. Y., Hong, J. Application and exploration of fast gas chromatography-surface acoustic wave sensor to the analysis of thymus species. J. Chromatogr. A. 1205, 117-127 (2008).
  8. Watkins, P., Wijesundera, C. Application of zNose for the analysis of selected grape aroma compounds. Talanta. 70, 595-601 (2006).
  9. Gan, H. L., Man, Y. B. C., Tan, C. P., NorAini, I., Nazimah, S. A. H. Characterisation of vegetable oils by surface acoustic wave sensing electronic nose. Food Chem. 89, 507-518 (2005).
  10. Marina, A. M., Man, Y. B. C., Amin, I. Use of the SAW Sensor Electronic Nose for Detecting the Adulteration of Virgin Coconut Oil with RBD Palm Kernel Olein. Journal of the American Oil Chemists Society. 87, 263-270 (2010).
  11. Evans, M. B., Haken, J. K. Recent developments in the gas-chromatographic index scheme. Journal of Chromatography. 472, 93-127 (1989).

Play Video

Citar este artículo
Vallone, S., Lloyd, N. W., Ebeler, S. E., Zakharov, F. Fruit Volatile Analysis Using an Electronic Nose. J. Vis. Exp. (61), e3821, doi:10.3791/3821 (2012).

View Video