Summary

Фруктовые летучие анализ с помощью электронного носа

Published: March 30, 2012
doi:

Summary

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.

Abstract

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.

Protocol

1. Подготовка образцов Урожай фруктов в желаемой стадии зрелости. Промыть проточной водой, чтобы удалить грязь и пыль. Выбор фруктов для анализа, основанного на отсутствии внешних и внутренних дефектов, а также размер однородности. Разрежьте фрукты продольно в клинья, которые будут использоваться для летучих проб. Если возможно, снимите кожу, семена, семена ткани полости, или яму. Выбор фруктов ткань должна быть постоянной в течение всего эксперимента и учитывать изменчивость в пределах одного плода (например, получение образцов в равной степени от экваториальной, цвет и части стебля конце). Объединение выбранных тканей плода, смешайте его для того, чтобы случайный, а затем взвесить 200 г в блендер. Добавить 200 мл насыщенного CaCl 2 решения (372,5 г при 20 ° C, в 500 мл дистиллированной воды) и 50 мкл 100 мМ раствора 2-метилбутил isovalerate в метаноле. 2-CaCl предназначен для работы в качестве ингибиторов ферментативных переменного токапроводимости, которые могут возникнуть после резки и гомогенизации мякоти плодов. 2-метилбутил isovalerate добавляется в качестве внутреннего стандарта, чтобы отслеживать любые возможные потери летучих соединений в процессе гомогенизации. Однородный смеси в лаборатории блендер (Waring, США), в течение 30 секунд при 18000 оборотах в минуту, то сразу же перелить в стеклянную бутылку и печать с крышкой тефлона. Держите гомогената в бутылке при комнатной температуре, пока все образцы подготовлены. После заливки гомогената в бутылку, подождите 10 минут, чтобы отделение пены от жидкости, а затем пипеткой 5 мл порции жидкости без пены, в 20 мл флаконах из стекла, янтаря и запечатать флаконы с винтовой крышкой стали устанавливаться с тефлоновым / силиконовые перегородки. Эта процедура подходит для дыни и груши гомогената подготовки. Если другие фрукты, которые используются для анализа, центрифугирования шага могут потребоваться. Таким образом, снять пену, а затем центрифуги жидкости гранулы частиц, которые могли быпрепятствовать пипетки. Подготовка по крайней мере три флакона в пример в качестве технических повторяет. На данный момент, то пробы могут быть проанализированы сразу или флэш-замораживали в жидком азоте и хранили при сверхнизких температурах (-80 ° C) для последующего анализа. Для замороженных образцов на анализ день удалить образцы из морозильника и позволить им оттаять в течение одного часа при комнатной температуре. После оттаивания, а также перед проведением анализа, заменить крышку флакона с новым, имеет чистые, сухие перегородки. Если перегородки не заменены, вода конденсируется на перегородки во время таяния можно сделать в прибор и повредить его. 2. Газовой хроматографии-на поверхностных акустических волнах (ПАВ-GC) Установка и сбора данных Загрузите соответствующий метод анализа zNose. Для анализа эфир богатым летучими профиля дыни, наши параметры в версии 5.44.22 MicroSense программное обеспечение (Ньюбери-Парк, Калифорния, США), являются: свободное пространство всасывания ввход в течение 20 секунд на 30 мл мин -1 с помощью насоса, температура на входе 200 ° C; Tenax ловушку температуре 225 ° C; газа-носителя (гелий чистотой 99,999%) расходом 2,9 мл мин-1, столбец (DB-5 колонка, 1 м × 0,25 × 0,25 ID толщина мкм пленка) температура программы от 45 ° C до 180 ° С со скоростью 10 ° С с -1, датчик температуры на 40 ° C; клапан при 165 ° C. Общее время анализа составляет 1 минуту на образец. Подключите из нержавеющей стали с иглой без отбора керна наконечник zNose входе и очистить систему несколько раз окружающего воздуха до базовой является стабильной и не пиков больше чем 200 графы (Ct) не обнаружено. Настройте инструмента с использованием решения прямой цепи алканов (С6-С14). Мелодия результат используется программный инструмент для преобразования времени удержания в элюированных пиков от единицы времени в Kovats индекса (КИ) единиц. Следовательно, после того, как настроена система, время удержания, как сообщается в КИ единиц. </li> До анализа, позволяющие образца, чтобы уравновесить в течение 30 минут. Для анализа одного образца флаконов, вставить иглу в пузырек перегородки, чтобы уменьшить давление. Затем вставьте иглу подключен к прибору входе во флакон перегородки и начать свободное пространство выборки. Анализ по крайней мере, три технических повторяет за образец. Вручную запустите инструмент, нажав на кнопку "Играть", насос включается и выходит пары представят над образцом. В конце анализа, хроматограмме появляется на экране, и датчик автоматически нагревается до 150 ° C в течение 10 секунд, чтобы очистить его. В появившемся окне состояния системы кнопка становится зеленой раз, прибор готов к анализу другого образца. Для обеспечения стабильной базовой и надлежащей очистки системы, запустить по крайней мере, один воздушный пробел между каждой пробы. Для контроля за возможным летучих загрязнений из флакона и крышки, проанализировать два флакона-заготовок (пустой флакон с крышкой), в начале и в конце дня. </ LI> 3. Экспорт данных и анализа Экспорт данных в файл Microsoft Excel, после приобретения с помощью "Пик регистрации" функции в MicroSense программного обеспечения. После того как данные будут экспортированы, добавить столбцы, содержащие метки переменных и повторяет. Преобразование форматов данных для облегчения манипуляции с использованием Python (версия 2.6, в свободном доступе на сайте) мы разработали сценарий, названный "reform_data.py" (см. Рисунок 1 Пример формата данных до и после использования сценарий "reform_data. ру "). Имя исходного файла (XLS формате) и имя листа для ввода данных, а также желаемое имя файла для вывода (XLS формате), редактируются непосредственно в скрипте. Пуск "kim_interface.py" (также написанный на Python 2.6, см. рисунок 2), а также импортировать данные из файла, созданного на предыдущем шаге. В частности, анализ на основе просмотра и анализа того, сколько раз каждое значение КИ было обнаружено("КИ хитов"). Таким образом, программа отображает гистограмму просмотров КИ для каждого значения KI. Оцените К.И. хиты конкретные подмножества образцов, анализа каждой группы технических повторяет вместе. Чтобы сделать это, анализировать каждый лечение или переменной отдельно проверки / сняв соответствующие флажки. См. Рисунок 2 заголовок для подробного описания графического интерфейса пользователя (GUI) функций. После определения ширины каждого окна КИ с помощью графического интерфейса, случайным образом выбирать некоторые из соответствующих хроматограмм в Microsense программного обеспечения и оценки совпадающих вершин среди технических повторяет. На рисунке 3 показан пример накладной хроматограмм двух технических повторяет. Как только окно Ки индивидуировано, использовать функцию "Слияние" доступна в GUI объединить KIS, которые попадают в окно, в наиболее населенных KI. Используя эту функцию, пики помечены диапазон значений KI объединены под одной этикеткой К.И., allowiнг лечения таких пиков, как одной переменной. Для этого сначала нажать на кнопку "слияния", чтобы активировать функцию и выбрать наиболее населенных КИ как в центре окна левой кнопкой мыши на соответствующей строке. После того, бар был выбран, он меняет цвет и становится зеленым. Чтобы объединить KIS, которые входят в окна в выбранный К.И., щелкните правой кнопкой мыши на соответствующем бары, это приводит к тому, бары становятся красными, а синяя полоса соответствующей длины добавляется в верхней части центральной KI (см. рисунок 4 ). После того как все выбранные KIS были объединены в соответствующие центральные К.И., нажмите на кнопку 'Слияние' еще раз, чтобы принять изменения, что вызывает кнопку 'слияния' желтеть. В случае ошибки, кнопку "Unmerge" также доступна. Чтобы предварительно удалить, нажмите кнопку "Unmerge" в графическом интерфейсе, а затем щелкните правой кнопкой мыши на красную полоску нужно предварительно удалить. С красным, полоса становится синей. Нажмите кнопку «Unmerge" кнопку еще раз, чтобы принять изменения. Если попытаться яncorrectly слияния двух пиков в одном образце в одном значении KI, выводится сообщение об ошибке. При таких обстоятельствах, внимательно проверить хроматограммы и пересмотреть К.И. окна в этом регионе. После того как все слияния операции были выполнены, сохраните файл. Прежде чем приступить к статистического анализа, хроматографии в воздухе и флакон пробелы проанализированы, чтобы следить за возможные загрязнения. После того, К.И. пиков пробелы были выявлены, вычесть площадь пика обнаружено в воздухе и / или флакон в упор из области пика присутствуют в образце. Затем нужно статистического анализа. 4. Представитель Результаты Электронный нос удалось обнаружить различия в летучих профилей среди плодов дыни собраны на разных стадиях зрелости (рис. 5). Двадцать К.И. окна были выявлены во всех образцах. Дисперсионный анализ показал, что 14 пиков ОпределяетИДКТК на электронный нос значительно различаются между зрелостью этапов. На рисунке 6, журнал средних площадей пиков из этих 14 компонентов приведены, чтобы показать различия в пик содержания двух стадий зрелости, рано зрелых и вполне зрелые плоды. Рисунок 1. Примеры формат экспортируемых из инструментов программного обеспечения (А) и после преобразования, осуществляется с помощью "reform_data.py" сценарий (B). Для облегчения обработки данных и анализа, все уникальные KIS определены для всех образцов, то данные будут упорядочены с выборочной информации в строках и площадь пика в колонках, соответствующих уникальным KIS. Если пик не обнаружено К.И. значения в выборке, соответствующей ячейки остаются пустыми. Рисунок 2. Захват экрана от сумыт файл "kim_interface.py". Участок в центре отображает количество обращений в сравнении с KI KI. Хит в КИ "это количество образцов, в которых пик с конкретной КИ было обнаружено. На левой стороне, есть три желтые ящики управления выбранных данных. Они показывают параметры разделить набор данных (процедуры, повторяет, качественные переменные, и т.д.). На этом рисунке, они (сверху вниз): Variety, посадки Дата и стадии зрелости в период сбора урожая. На дне: нажав на 3 бара и перемещения синяя полоса слева или справа, можно выбрать минимальное и максимальное значение диапазона КИ, а минимальная площадь пика («Порог»). Справа: кнопка "слияния" позволяет объединить выбранные KIS вручную, нажав на брусьях в заговоре. Кнопка «Unmerge" позволяет обратить процесс для отдельных случаев. Рисунок 3. Наложение хроматограммы (в черный и красный) два технических повторяет из дыни летучих свободного пространства, чтобы показать изменение времени удержания. Рисунок 4. Пример К. слияния процедуры. В центре сюжета, зеленая полоса (Центральный К.) является самой населенной КИ, которая была выбрана в качестве центра окна KI. И. X и Y являются К.И. KIS падение в окне интерес, и они должны быть объединены в центральный KI. Щелкнув правой кнопкой мыши на панели КИ X, оно становится красным, и в то же время, синяя полоска такой же длины, штрих-КИ X, появляется на вершине зеленого. Повторив ту же процедуру для КИ Y, длина синей полосы (Объединенные KIS) увеличит соответствующей длины. После того как все KIS были добавлены, нажав на кнопку зеленого »слияния, объединения конца процесса, изменения будут сохранены, а кнопка цвет желтеет. / Files/ftp_upload/3821/3821fig5.jpg "/> Рисунок 5. Два хроматограмм дыни образцы собранных на разных стадиях зрелости, рано зрелые (вверху) и созрели (внизу), чтобы проиллюстрировать способности электронный нос для обнаружения различий в летучих содержания. Рисунок 6. Радар график, показывающий площадь пика 14 компонентов, присутствующих в двух образцах дынь на двух разных стадиях зрелости, рано зрелой и полностью созрели. Площадей пиков представлены в логарифмической шкале, чтобы помочь себе сравнение. Цифры в конце каждого луча представляют соответствующие индексы Kovats.

Discussion

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.

Declarações

The authors have nothing to disclose.

Acknowledgements

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.

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

Referências

  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 artigo
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