Экспресс-метод для анализа летучих соединений в плодах описано. Летучих соединений, присутствующих в свободном пространстве от гомогената образца быстро отделяются и обнаружил с ультра-быстрой газовой хроматографии (ГХ) в сочетании с поверхностной акустической волны (ПАВ) датчиком. Процедура обработки данных и анализа также обсуждается.
Numerous and diverse physiological changes occur during fruit ripening, including the development of a specific volatile blend that characterizes fruit aroma. Maturity at harvest is one of the key factors influencing the flavor quality of fruits and vegetables1. The validation of robust methods that rapidly assess fruit maturity and aroma quality would allow improved management of advanced breeding programs, production practices and postharvest handling.
Over the last three decades, much research has been conducted to develop so-called electronic noses, which are devices able to rapidly detect odors and flavors2-4. Currently there are several commercially available electronic noses able to perform volatile analysis, based on different technologies. The electronic nose used in our work (zNose, EST, Newbury Park, CA, USA), consists of ultra-fast gas chromatography coupled with a surface acoustic wave sensor (UFGC-SAW). This technology has already been tested for its ability to monitor quality of various commodities, including detection of deterioration in apple5; ripeness and rot evaluation in mango6; aroma profiling of thymus species7; C6 volatile compounds in grape berries8; characterization of vegetable oil9 and detection of adulterants in virgin coconut oil10.
This system can perform the three major steps of aroma analysis: headspace sampling, separation of volatile compounds, and detection. In about one minute, the output, a chromatogram, is produced and, after a purging cycle, the instrument is ready for further analysis. The results obtained with the zNose can be compared to those of other gas-chromatographic systems by calculation of Kovats Indices (KI). Once the instrument has been tuned with an alkane standard solution, the retention times are automatically converted into KIs. However, slight changes in temperature and flow rate are expected to occur over time, causing retention times to drift. Also, depending on the polarity of the column stationary phase, the reproducibility of KI calculations can vary by several index units11. A series of programs and graphical interfaces were therefore developed to compare calculated KIs among samples in a semi-automated fashion. These programs reduce the time required for chromatogram analysis of large data sets and minimize the potential for misinterpretation of the data when chromatograms are not perfectly aligned.
We present a method for rapid volatile compound analysis in fruit. Sample preparation, data acquisition and handling procedures are also discussed.
Электронные носы представляют собой перспективный метод для быстрого, объективной оценки аромат профилей из фруктов или летучие богатых образцов. Тем не менее, сдвиги в сохранении время представляют собой вызов для идентификации пика и может привести к неправильной интерпретации данных, когда две хроматограммы не идеально ровные. Визуальный осмотр показал, что хроматограммы изменчивость времен удерживания среди образцов часто вызываются тот же пик подлежит обязательной маркировке с несколько иной К.И. значения (примерно ± 10). Это привело к преувеличенным ряд уникальных KIS обнаружено. Для того, чтобы воспользоваться фактами, что (а) различные соединения находятся на разных стадиях зрелости и (б) технические повторяет примерно одинаковы, два компьютерных сценариев ("kim_merge.py", который содержит программы для обработки данных множество, и "kim_interface.py", который обеспечивает графический интерфейс пользователя (GUI)) были разработаны для систематическогосравнить образцы в полу-автоматическом режиме, что значительно сокращает время, необходимое для хроматограммы анализа больших наборов данных. Эти программы позволяют консолидации, в случае необходимости, пики помечены диапазон значений KI под одной этикеткой KI. Это служит двум важным целям: (а) это дает статистический анализ для лечения таких вершин, как одной переменной, и (б) способствует пик идентификации и сравнения с другими системами и опубликованных значений. Результаты, представленные здесь, показывают, что дыня образцы могут подвергаться дискриминации на основе зрелости и аромат профилирования использования zNose системы в сочетании с адекватной идентификации КИ. Это представляет собой новых перспективных технологий для анализа летучих веществ, которые могут быть использованы для программ контроля качества.
The authors have nothing to disclose.
Авторы выражают благодарность Билл Риз (Harris Moran Seed Company, Davis) для обеспечения дыни фруктов для такого анализа. Этот проект опирается на исследования особого культур инициативы Конкурсная программа грантов не предоставляет. 2009-51181-05783 от Министерства сельского хозяйства США Национального института сельского хозяйства и продовольствия.
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 |