Summary

بناء نماذج التنبؤ تدميري من مكونات المحتويات في العنب البري بواسطة التحليل الطيفي القريبة من الأشعة تحت الحمراء بناء على قياسات HPLC

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

بالقرب من الأشعة تحت الحمراء يتم تطبيق (الجرد) الطيفي على نطاق واسع كأسلوب غير تدميري لتحليل محتويات الفواكه والخضروات بمختلف أنواعها. 1،2 غير تدميري يحلل نير الطيفي تمكين الشحن فقط ثمار لذيذة والخضروات مع صفات مضمونة. تم تطبيقه بالفعل الجرد الوطني الطيفي لالبرتقال والتفاح والبطيخ والكرز والكيوي والمانجو والبابايا والخوخ وهلم جرا لمعرفة بركس في أن يتوافق مع المحتوى الكلي السكر والحموضة، TSC (الجوامد الكلية)، وهلم جرا . في الآونة الأخيرة، وقد أبلغنا تطبيق الجرد الوطني الطيفي لتقييم جودة العنب البري. 3 نحن لا يقاس فقط المحتوى الكلي السكر والمحتوى الكلي لمجموع الأحماض العضوية الموافق الحموضة، ولكن أيضا إجمالي محتوى الأنثوسيان. الأنثوسيانين هو أحد مكونات النشطة بيولوجيا والتي يعتقد لتحسين صحة الإنسان. أنه لأمر مريح للمستهلكين اذا كان بامكانهم شراء العنب لذيذ مع ضمان محتوى السكر، وميلانidity، والمحتوى الأنثوسيان.

في قوائم الجرد الوطنية امتصاص الأطياف من الفواكه والخضار، ويلاحظ فقط عصابات امتصاص واسعة. فهي أساسا العصابات بسبب الألياف والرطوبة. على الرغم من أن العديد من الفرق الضعيفة بسبب المكونات المختلفة لهدف غير دمر لوحظ في وقت واحد، لا يمكن تعيين العصابات المرصودة لوسائط الذبذبات محددة من مكونات محددة من الهدف في معظم الحالات. ولذلك، فإن أسلوب تقليدي لتحديد محتوى عنصر معين باستخدام قانون لامبرت-البيرة ليست فعالة لقوائم الجرد الوطنية الأطياف. بدلا من ذلك، نماذج المعايرة للتنبؤ محتويات مكونات الهدف من الأطياف المرصودة هي التي شيدت باستخدام chemometrics من خلال دراسة العلاقة بين أطياف المرصود ومحتويات عنصر المقابلة لالأطياف. 4،5 هنا، على بروتوكول لبناء والتحقق من صحة نماذج للتنبؤ من إجمالي محتوى السكر، ومجموع محتوى حمض عضوي الموافق الحمضةويرد تاي، والمحتوى الكلي للالأنثوسيان التوت من نير الأطياف.

ويبين الشكل 1 الرسم البياني العام لبناء نماذج المعايرة متينة وموثوق بها. يتم جمع عينات من عدد كاف. وتستخدم بعض منهم لبناء نماذج في حين يتم استخدام الآخرين للتحقق من صحة نماذج بناؤها. لكل من العينات التي تم جمعها، ويتم قياس الطيف الجرد الوطني، ومن ثم يتم تحليل مكونات الهدف كميا مع طرق التحليل الكيميائي التقليدية المدمرة. هنا، يتم استخدام عالية الأداء اللوني السائل (HPLC) للتحاليل الكيميائية من السكريات والأحماض العضوية، والانثوسيانين. المربعات الصغرى الجزئية يستخدم (PLS) الانحدار لبناء نماذج المعايرة حيث يتم فحص العلاقة بين أطياف المرصود ومحتويات عنصر يحددها التحاليل الكيميائية. من أجل بناء نماذج قوية مع أفضل قدرة التنبؤ، والمعالجة المسبقة للobserيتم فحص أيضا فيد الأطياف والمناطق الطول الموجي استخدامها للتنبؤ. وأخيرا، يتم التحقق من صحة النماذج التي شيدت لتأكيد قدرة التنبؤ كافية لهم. في التحقق من الصحة، وتوقعت المحتويات من الطيف المرصود من قبل نموذج شيدت (القيم المتوقعة) وبالمقارنة مع محتويات يحددها التحاليل الكيميائية (القيم الملاحظة). إذا لا يمكن العثور على علاقة كافية بين القيم المتوقعة، ولاحظ، نموذج المعايرة يجب إعادة بناء، حتى يتم الحصول على علاقة كافية. على الرغم من أنه من الأفضل استخدام مجموعات مختلفة من العينات لبناء والتحقق من صحة النموذج كما هو موضح في هذا الرقم (التثبت من مصادر خارجية)، وتستخدم العينات في نفس المجموعة على حد سواء لبناء والتحقق من صحة (عبر التحقق من صحة) عندما يكون عدد عينات ليست كبيرة بما فيه الكفاية.

شكل 1
Figure 1. تدفق الرسم البياني لبناء والمصادقة على نموذج المعايرة، والإجراءات التي تحيط بها خطوط زرقاء وخضراء تتوافق على التوالي، إلى بناء نموذج المعايرة والتحقق من صحة لها. الرجاء انقر هنا لعرض نسخة أكبر من هذا الرقم.

Protocol

1. جمع العينات تقرر أي أصناف ستدرج في الهدف من نموذج المعايرة. جمع عدد كاف وأنواع مختلفة من العنب عينة من الأصناف المستهدفة. جمع ويفضل 100 التوت…

Representative Results

ويوضح الشكل 2 كمثال مجموعة من قوائم الجرد الوطنية امتصاص الأطياف من العنب البري حيث يتم عرض أطياف من 70 التوت في وقت واحد. منذ لا يتم ملاحظة الفرق بالتأكيد احالة على السكريات والأحماض العضوية، أو الانثوسيانين في أطياف الجرد الوطني والقانون ?…

Discussion

وصفت بعض تعليقات إضافية على بروتوكول هنا. أولا، في خطوة 1.1، ذكر ذلك لتحديد الأصناف المدرجة في الهدف. على الرغم من أنه من الممكن لبناء نماذج تغطي العنب من العديد من أصناف أو دون تحديد الأصناف، ودقتها التنبؤ مع النماذج في بعض الأحيان أقل بكثير من أولئك الذين لديهم نماذج …

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