Summary

Analyse de fruits instable avec un nez électronique

Published: March 30, 2012
doi:

Summary

Une méthode rapide pour l'analyse des composés volatils dans les fruits est décrite. Les composés volatils présents dans l'espace de tête d'un homogénat de l'échantillon sont séparés et détectés rapidement à la chromatographie gazeuse ultra-rapide (GC) couplée à une onde acoustique de surface (SAW) du capteur. Une procédure de traitement des données et l'analyse est également discuté.

Abstract

De nombreux et divers changements physiologiques se produisent au cours de la maturation des fruits, y compris l'élaboration d'un mélange spécifique volatile qui caractérise l'arôme des fruits. Maturité à la récolte est l'un des facteurs clés qui influencent la qualité de la saveur des fruits et légumes 1. La validation des méthodes fiables qui évaluent rapidement la maturité du fruit et de la qualité aromatique permettrait d'améliorer la gestion des programmes de sélection avancées, les pratiques de production et de manipulation post-récolte.

Au cours des trois dernières décennies, beaucoup de recherches ont été menées afin de développer soi-disant le nez électroniques, qui sont des dispositifs capables de détecter rapidement les odeurs et les saveurs 2-4. Actuellement, il ya plusieurs disponibles dans le commerce nez électroniques capables d'effectuer une analyse volatile, basé sur des technologies différentes. Le nez électronique utilisé dans notre travail (zNose, HNE, Newbury Park, CA, USA), se compose de chromatographie en phase gazeuse ultra-rapide couplé avec un capteur d'ondes acoustiques de surface (UFGC-SAW). Cette technologie a déjà été testé pour sa capacité à contrôler la qualité des divers produits, y compris la détection de la détérioration de la pomme 5; maturité et de l'évaluation pourriture dans la mangue 6; profilage arôme des espèces thymus 7; C 6 composés volatils dans les grains de raisin 8; caractérisation des 9 de l'huile végétale et de la détection des falsifications dans huile de coco vierge 10.

Ce système permet d'effectuer les trois étapes principales de l'analyse arôme: l'échantillonnage espace libre, la séparation des composés volatils, et de détection. Dans environ une minute, la sortie, un chromatogramme, est produite et, après un cycle de purge, l'instrument est prêt pour une analyse plus approfondie. Les résultats obtenus avec le zNose peuvent être comparés à ceux d'autres systèmes chromatographie en phase gazeuse par le calcul des indices de Kovats (KI). Une fois que l'instrument a été réglé avec une solution alcane standard, les temps de rétention sont automatiquement converties enKis. Toutefois, de légers changements de température et de débit sont censées se produire au fil du temps, entraînant des temps de rétention à la dérive. Également, en fonction de la polarité de la phase de colonne stationnaire, la reproductibilité des calculs KI peut varier de 11 unités d'index plusieurs. Une série de programmes et des interfaces graphiques ont donc été mis au point pour comparer les informateurs clés calculé parmi les échantillons dans un mode semi-automatique. Ces programmes permettent de réduire le temps nécessaire pour l'analyse chromatogramme de grands ensembles de données et de minimiser les risques de mauvaise interprétation des données lors de chromatogrammes ne sont pas parfaitement alignés.

Nous présentons une méthode pour l'analyse rapide composé volatile dans les fruits. Exemples des procédures de préparation, d'acquisition de données et de manutention sont également discutés.

Protocol

1. Préparation de l'échantillon Cueillent des fruits au stade de maturité souhaité. Rincer à l'eau du robinet afin d'enlever la saleté et la poussière. Sélectionnez les fruits d'analyse basé sur l'absence de défauts internes et externes, et l'homogénéité de taille. Coupez les fruits en quartiers longitudinalement à être utilisés pour l'échantillonnage volatile. Le cas échéant, enlever la peau, les graines, tissus cavité des graines, ou de la fosse. La sélection des tissus du fruit doit être uniforme dans l'expérience et de prendre en compte la variabilité au sein d'un seul fruit (c.-à-obtenir un échantillon aussi de la zone équatoriale, la fleur et des parties d'extrémité de tige). Combinez le tissu fruit sélectionné, le mélanger afin de tirer au hasard, puis peser 200 g dans un mélangeur. Ajouter 200 ml de solution de CaCl 2 saturée (372,5 g à 20 ° C, dans 500 ml d'eau déminéralisée) et 50 ul d'une solution 100 mM de 2-méthylbutyle isovalérate dans le méthanol. Le CaCl 2 est destiné à agir comme un inhibiteur de courant alternatif enzymatiquetivité, qui pourrait se produire après la coupe et l'homogénéisation de la pulpe du fruit. 2-méthylbutyle isovalérate est ajouté comme étalon interne pour surveiller les éventuelles pertes de composés volatils au cours du processus d'homogénéisation. Homogénéiser le mélange dans un mélangeur de laboratoire (Waring, États-Unis), pendant 30 secondes à 18.000 rpm, puis verser immédiatement dans le flacon en verre et le joint avec couvercle en téflon. Gardez l'homogénat dans la bouteille à la température ambiante jusqu'à ce que tous les échantillons sont préparés. Après avoir versé l'homogénat dans la bouteille, attendre 10 minutes pour permettre la séparation de la mousse à partir du liquide, puis aliquotes pipette 5 ml de liquide, sans mousse, en flacons de 20 ml en verre ambré et sceller les flacons avec des bouchons à vis en acier munies de Teflon / silicone cloisons. Cette procédure est appropriée pour le melon et de poire préparation homogénat. Si d'autres fruits sont utilisés pour l'analyse, une étape de centrifugation peut être nécessaire. Par conséquent, enlever la mousse, puis centrifuger le liquide à particules de granulés qui pourraientobstruer la pipette. Préparer au moins trois flacons par échantillon pour servir de techniques répétitions. À ce stade, les échantillons peuvent être analysés immédiatement ou flash-congelés dans l'azote liquide et conservés à très basse température (-80 ° C) pour une analyse ultérieure. Pour les échantillons congelés, le jour l'analyse des échantillons de retirer du congélateur et laissez-les dégeler pendant une heure à température ambiante. Après décongélation, et avant l'analyse, de remplacer le bouchon du flacon avec un nouveau qui a un propre, le septum sec. Si la cloison n'est pas remplacé, l'eau condensée sur le septum lors de la décongélation peut être aspiré dans l'instrument et l'endommager. 2. Acoustic Wave chromatographie en phase gazeuse de la surface (GC-SAW) Mise en place et d'acquisition de données Chargez la méthode d'analyse appropriée sur le zNose. Pour l'analyse de l'ester riche en profil volatile de melon, de nos paramètres dans la version 5.44.22 du logiciel Microsense (Newbury Park, CA, USA) sont les suivants: l'espace de tête d'aspiration dans leentrée pendant 20 secondes à 30 -1 ml min par l'intermédiaire de la pompe; température d'entrée à 200 ° C; température du piège Tenax à 225 ° C, débit de gaz porteur (hélium pur à 99,999%) de 2,9 ml min-1; colonne (DB-5 la colonne, une m × 0,25 mm programme d'identification température × 0,25 épaisseur de film um) de 45 ° C à 180 ° C à une vitesse de 10 ° C sec -1; capteur de température à 40 ° C; soupape à 165 ° C. Le temps total d'analyse est de 1 minute par échantillon. Connectez une aiguille en acier inoxydable avec des non-carottage pointe à l'entrée zNose et purger le système plusieurs fois avec de l'air ambiant jusqu'à ce que la base est stable et exempt de pics de plus de 200 chefs d'accusation (Ct) sont détectés. Accorder l'instrument en utilisant une solution de alcanes à chaîne droite (C6-C14). Le résultat air est utilisé par le logiciel de l'instrument pour convertir le temps de rétention des pics éluées à partir des unités de temps en indice de Kovats de (KI) unités. Par conséquent, après que le système est à l'écoute, les temps de rétention sont déclarés en unités KI. </li> Avant l'analyse, l'échantillon à s'équilibrer pendant 30 minutes. Pour analyser l'un des flacons, insérer une aiguille dans le septum du flacon pour libérer la pression. Puis introduire l'aiguille reliée à l'entrée de l'instrument dans le septum du flacon de prélèvement et d'initier l'espace de tête. Analyser au moins trois répétitions par échantillon technique. Démarrer manuellement l'instrument en cliquant sur bouton "Play"; la pompe s'active et se retire des vapeurs présenter dessus de l'échantillon. À la fin de l'analyse, un chromatogramme apparaît sur l'écran, et le capteur est automatiquement chauffé à 150 ° C pendant 10 secondes pour nettoyer. Lorsque le bouton de la boîte d'état du système se transforme de nouveau en vert, l'appareil est prêt à analyser un autre échantillon. Afin d'assurer une base stable et le nettoyage correct du système, exécuter au moins une ébauche de l'air entre chaque échantillon. Pour surveiller la contamination volatile possible à partir du flacon et du bouchon, d'analyser deux flacon flans (flacon vide avec bouchon), au début et à la fin de la journée. </ Li> 3. Export des données et analyse Exportez les données dans un fichier Microsoft Excel après l'acquisition en utilisant la "journalisation Peak" fonction dans le logiciel Microsense. Une fois que les données sont exportées, ajouter des colonnes contenant des étiquettes pour les variables et réplique. Transformer le format de données pour une manipulation plus aisée à l'aide du Python (version 2.6; librement disponible en ligne), nous avons développé un script, nommé "reform_data.py" (voir la figure 1 pour un exemple du format de données avant et après l'utilisation du script "reform_data. py "). Le nom du fichier source (format xls) et nom de la feuille pour les données d'entrée, ainsi que le nom du fichier désiré pour la sortie (format xls), sont éditées directement dans le script. Démarrer "kim_interface.py" (également écrit en Python 2.6, voir Figure 2), et d'importer les données dans le fichier généré à l'étape précédente. Plus précisément, l'analyse est basée sur la visualisation et l'analyse du nombre de fois où chaque valeur de KI a été détecté("Hits" KI). Ainsi, le programme affiche un histogramme des hits de KI pour chaque valeur de KI. Évaluer les résultats de KI sous-ensembles spécifiques d'échantillons, l'analyse de chaque groupe de répétitions techniques ensemble. Pour ce faire, analyser chaque traitement ou variable séparément en cochant / décochant les cases correspondantes. Voir la figure 2 légende pour une description détaillée de l'interface utilisateur graphique (GUI) caractéristiques. Après avoir identifié la largeur de chaque fenêtre KI utilisant l'interface graphique, choisir au hasard quelques-uns des chromatogrammes correspondants dans le logiciel Microsense et évaluer chevauchement des pics parmi les techniques répétitions. Voir Figure 3 pour un exemple de chromatogrammes superposés de deux techniques répétitions. Une fois la fenêtre KI est individuée, utilisez la fonctionnalité disponible «fusionner» dans l'interface graphique de fusionner les informateurs clés qui tombent dans la fenêtre, dans le KI la plus peuplée. En utilisant cette fonctionnalité, les pics marqués avec une gamme de valeurs de KI sont regroupés sous un label unique KI, allowing traiter ces pics comme une variable unique. Pour ce faire, cliquez d'abord sur le bouton "Merge" pour activer la fonction et sélectionnez le KI plus peuplée que le centre de la fenêtre par un clic gauche de la barre correspondante. Une fois que la barre a été sélectionné, il change de couleur et devient vert. Pour fusionner les informateurs clés qui relèvent de la fenêtre dans le KI sélectionné, cliquez-droit sur ​​les barres correspondantes, ce qui provoque des barres à virer au rouge, tandis que la barre bleue de la longueur correspondant est ajouté au-dessus du KI centrale (voir la figure 4 ). Une fois que tous les informateurs clés sélectionnés ont été fusionnés dans le KI central approprié, cliquez sur le bouton «fusionner» pour accepter les changements, ce qui provoque le bouton «fusionner» à jaunir. En cas d'erreur, le bouton 'Unmerge' est également disponible. Pour annuler la fusion, cliquez sur le bouton 'Unmerge' dans l'interface graphique, puis cliquez à droite sur la barre rouge que vous voulez désinstaller. Du rouge, la barre devient bleue. Cliquez sur le Unmerge 'nouveau sur la touche pour accepter les modifications. Si l'on cherche à incorrectly fusionner deux sommets dans un seul échantillon en une valeur unique KI, un message d'erreur est imprimé. Dans de telles circonstances, vérifiez attentivement le chromatogramme et de redéfinir la fenêtre KI dans cette région. Une fois toutes les opérations de fusion ont été effectuées, enregistrez le fichier. Avant de procéder à une analyse statistique, les chromatogrammes de l'air et des blancs flacons sont analysés afin de surveiller les contaminations possibles. Une fois que le KI des pics dans les flans ont été identifiés, soustraire la surface du pic détecté dans l'air et / ou un flacon-vide de la zone de la crête présente dans l'échantillon. Puis procéder à l'analyse statistique. 4. Les résultats représentatifs Le nez électronique a été en mesure de détecter des différences dans les profils volatils parmi les fruits récoltés au melon stades de maturité différents (figure 5). Vingt KI fenêtres ont été identifiés dans tous les échantillons. Une analyse de variance a montré que 14 sommets de détéDirection exécutive du Comité par le nez électronique varié significativement entre les stades de maturité. Dans la figure 6, le journal des surfaces moyennes de pointe de ces 14 composants sont tracées pour montrer les différences dans l'abondance de pointe entre deux stades de maturité, début matures et fruits bien mûrs. Figure 1. Exemples de format de données exportées à partir de logiciel de l'instrument (A) et après la transformation, réalisée à l'aide "reform_data.py" script (B). Pour faciliter la manipulation des données et l'analyse, tous les informateurs clés uniques sont identifiés dans tous les échantillons, puis les données sont réorganisés avec informations sur l'échantillon en lignes et en colonnes de la zone de pointe, correspondant à informateurs clés uniques. Si un pic n'est pas détecté par une valeur de KI dans un échantillon, la cellule correspondante reste vide. Capture d'écran Figure 2. De la scripfichier t "kim_interface.py". L'intrigue dans le centre affiche le nombre de visites par rapport à KI KI. 'Hit par KI' est le nombre d'échantillons dans lesquels une crête avec celle KI spécifique a été détectés. Sur le côté gauche, il ya trois cases jaunes qui contrôlent les données sélectionnées. Ils afficher les paramètres de diviser l'ensemble de données (traitements, les répétitions, les variables qualitatives, etc.) Dans cette figure, ils sont (de haut en bas): variété, date de plantation et le stade de maturité à la récolte. Sur le fond: en cliquant sur les 3 bars et le déplacement de la barre bleue vers la gauche ou vers la droite, on peut choisir le minimum et la valeur maximale de la gamme KI, et la surface du pic minimum («seuil»). Sur la droite: le bouton "Merge" permet de fusionner informateurs clés sélectionnés manuellement en cliquant sur les barres dans le complot. Le bouton 'Unmerge' permet d'inverser le processus dans des cas sélectionnés. Figure 3. Chromatogrammes superposés (dans noir et rouge) de deux techniques réplique à partir de l'espace de tête de melon volatile pour illustrer un décalage dans le temps de rétention. Figure 4. Exemple de la fusion KI procédure. Dans l'intrigue principale, la barre verte (centrale KI) représente la plus peuplée KI, qui a été choisi comme centre de la fenêtre KI. KI KI X et Y sont informateurs clés tombant dans la fenêtre d'intérêt et dont ils ont besoin d'être fusionné dans le KI centrale. Par un clic droit sur la barre de KI X, il devient rouge et, dans le même temps, une barre bleue de la même longueur de la barre de KI X, apparaît en haut de la verte. En répétant la même procédure pour KI Y, la longueur de la barre bleue (KIS fusionnées) va augmenter de la durée correspondante. Une fois que tous les informateurs clés ont été ajoutés, en cliquant sur le bouton vert «fusionner», la fin du processus de fusion, les modifications sont enregistrées, et la couleur du bouton devient jaune. / Files/ftp_upload/3821/3821fig5.jpg "/> Figure 5. Deux chromatogrammes d'échantillons de melon récolté à un stade de maturité différents, au début de maturité (en haut) et à pleine maturité (en bas), pour illustrer la capacité du nez électronique pour détecter des différences dans l'abondance volatils. Figure 6. Parcelle radar montrant la surface du pic de 14 composants présents dans deux échantillons de melon à deux stades de maturité différents, au début matures et bien mûrs. Les surfaces des pics sont signalés en échelle logarithmique pour aider à visualiser la comparaison. Les chiffres à la fin de chaque rayon de représenter les indices correspondants Kovats.

Discussion

Les nez électroniques représentent une méthode prometteuse pour le rapide, l'évaluation objective des profils aromatiques de fruits ou volatile riches échantillons. Toutefois, les changements dans les temps de rétention représentent un défi pour l'identification des pics et pourrait conduire à une interprétation erronée des données lorsque deux chromatogrammes ne sont pas parfaitement alignés. L'inspection visuelle des chromatogrammes a indiqué que la variabilité des temps de rétention des échantillons fréquemment causé le même pic à être étiquetés avec des valeurs légèrement différentes KI (environ ± 10). Cela s'est traduit par un nombre exagéré de Kis uniques détectés. Afin de tirer parti des faits qui (a) différents composés sont présents à différents stades de maturité et (b) technique répétitions sont sensiblement identiques, deux scripts par ordinateur ("kim_merge.py", qui contient les routines pour la manipulation des données ensemble, et «kim_interface.py", qui fournit une interface utilisateur graphique (GUI)) ont été élaborés de façon systématiquecomparer des échantillons d'une manière semi-automatique, ce qui réduit considérablement le temps nécessaire pour l'analyse chromatogramme de grands ensembles de données. Ces programmes permettent la consolidation, le cas échéant, des pics marqués avec une plage de valeurs KI KI sous un label unique. Cela sert à deux fins importantes: (a) elle permet une analyse statistique pour traiter ces pics comme une variable unique, et (b) il facilite l'identification des pics et la comparaison à d'autres systèmes et les valeurs publiées. Les résultats présentés ici indiquent que les échantillons de melon pourrait être victime de discrimination fondée sur la maturité et le profilage arôme en utilisant le système zNose en combinaison avec l'identification KI adéquate. Cela représente une nouvelle technologie prometteuse pour l'analyse des composés volatils qui peuvent être utilisés pour les programmes de contrôle de la qualité.

Divulgaciones

The authors have nothing to disclose.

Acknowledgements

Les auteurs tiennent à remercier Copes le projet de loi (Société Harris Moran Seed, Davis) pour fournir des fruits de melon pour cette analyse. Ce projet est soutenu par les cultures spéciales de l'Initiative de recherche sur programme de subventions concurrentiel accorder aucune. 2009-51181-05783 de l'Institut national de l'USDA pour l'alimentation et l'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