Summary

Frutas volátil análisis mediante una nariz electrónica

Published: March 30, 2012
doi:

Summary

Un método rápido para el análisis de compuestos volátiles de las frutas se describe. Los compuestos volátiles presentes en el espacio de cabeza de un homogeneizado de la muestra se separaron rápidamente y se detecta con cromatografía de gases ultra-rápida (GC) acoplado con una onda acústica de superficie (SAW) del sensor. Un procedimiento para el manejo y análisis de datos también se discute.

Abstract

Numerosos cambios fisiológicos y diversa ocurren durante la maduración del fruto, incluyendo el desarrollo de una mezcla específica volátil que caracteriza aroma de fruta. La madurez en la cosecha es uno de los factores clave que influyen en la calidad del sabor de las frutas y verduras 1. La validación de métodos robustos que evalúan rápidamente la madurez del fruto y la calidad del aroma que permitiría una mejor gestión de los programas avanzados de mejoramiento genético, prácticas de producción y manejo poscosecha.

Durante las últimas tres décadas, la investigación se ha llevado a cabo para desarrollar las llamadas narices electrónicas, que son dispositivos capaces de detectar rápidamente los olores y sabores 2-4. En la actualidad hay varias narices electrónicas disponibles en el mercado capaces de realizar análisis de volátiles, basadas en diferentes tecnologías. La nariz electrónica utilizada en nuestro trabajo (zNose, hora del Este, Newbury Park, CA, EE.UU.), se compone de cromatografía de gases ultra-rápido, junto con un sensor de superficie de onda acústica (UFGC-SAW). Esta tecnología ya ha sido probado por su capacidad para monitorear la calidad de diversos productos, incluyendo la detección de deterioro de la manzana 5, maduración y evaluación de la podredumbre en mango 6; perfiles de aroma de las especies timo 7, C 6 compuestos volátiles en las bayas de uva 8; caracterización de de aceite vegetal 9 y la detección de adulterantes en el aceite virgen de coco 10.

Este sistema puede realizar las tres etapas principales de un análisis de aroma: muestreo del espacio de cabeza, la separación de compuestos volátiles, y la detección. En aproximadamente un minuto, la salida, un cromatograma, se produce y, después de un ciclo de purga, el instrumento está listo para su posterior análisis. Los resultados obtenidos con el zNose puede compararse con los de otros sistemas de cromatografía de gases mediante el cálculo de los índices de Kovats (KI). Una vez que el instrumento ha sido adaptado con una solución estándar de alcano, los tiempos de retención se convierten automáticamente enKis. Sin embargo, ligeros cambios en la temperatura y el caudal se espera que ocurran en el tiempo, causando tiempos de retención a la deriva. También, dependiendo de la polaridad de la fase estacionaria columna, la reproducibilidad de los cálculos de KI puede variar por las unidades de índice varias 11. Una serie de programas e interfaces gráficas se han desarrollado por lo tanto, para comparar KIs calculadas entre las muestras de una manera semi-automática. Estos programas reducen el tiempo requerido para el análisis cromatograma de grandes conjuntos de datos y minimizar la posibilidad de interpretación errónea de los datos cuando cromatogramas no están perfectamente alineados.

Se presenta un método para el análisis rápido de compuestos volátiles de las frutas. Ejemplos de procedimientos de preparación, adquisición de datos y la manipulación también se discuten.

Protocol

1. Preparación de la muestra Cosecha frutos en la etapa de madurez deseada. Enjuagar con agua del grifo con el fin de eliminar la suciedad y el polvo. Seleccione frutas para el análisis basado en la ausencia de defectos externos e internos, y la homogeneidad de tamaño. Cortar las frutas en trozos longitudinales que se utilizarán para toma de muestras volátiles. En su caso, retirar la piel, las semillas, tejidos cavidad de la semilla, o pozo. Selección de los tejidos del fruto debe ser consistente durante todo el experimento y tomar en cuenta la variabilidad dentro de una sola fruta (es decir, obtener una muestra por igual de la flor ecuatorial, y partes del tallo finales). Combinar el tejido de la fruta seleccionada, se mezclan con el fin de aleatorizar y, a continuación, pesar 200 g en una batidora. Añadir 200 ml de solución de CaCl2 saturado (372,5 g, a 20 ° C, en 500 ml de agua desionizada) y 50 l de una solución 100 mM de 2-metilbutil isovalerato en metanol. El 2 CaCl está destinado a actuar como un inhibidor enzimático de corriente alternaproductividad, lo que podría ocurrir después del corte y homogeneización de la carne de la fruta. 2-metilbutil isovalerato se añade como un patrón interno para controlar las posibles pérdidas de compuestos volátiles durante el proceso de homogeneización. Homogeneizar la mezcla en una licuadora de laboratorio (Waring, EE.UU.), durante 30 segundos a 18.000 rpm, e inmediatamente después verter en la botella de vidrio y sellado con tapa de teflón. Mantener el homogeneizado en la botella a temperatura ambiente hasta que todas las muestras se preparan. Después de verter el homogeneizado en la botella, espere 10 minutos para permitir la separación de la espuma del líquido, entonces pipeta alícuotas de 5 ml de líquido, sin espuma, en viales de 20 ml de vidrio ámbar y sellar los frascos con tapón de rosca de acero equipados con teflón / silicona septos. Este procedimiento es adecuado para la preparación de melón y homogeneizado pera. Si otras frutas se utilizan para el análisis, una etapa de centrifugación se pueda requerir. Por lo tanto, eliminar la espuma y centrifugar el líquido a las partículas de pellets que podríaobstruir la pipeta. Preparar por lo menos tres viales por muestra para servir como técnicos repeticiones. En este punto, las muestras pueden ser analizadas inmediatamente o flash-congelados en nitrógeno líquido y se almacena a temperatura ultra-baja (-80 ° C) para su posterior análisis. Para las muestras congeladas, en el día análisis retirar las muestras del congelador y permitir que se descongele durante una hora a temperatura ambiente. Después de la descongelación, y antes de su análisis, vuelva a colocar el tapón del vial con una nueva que tiene un tabique seco y limpio. Si el tabique no se reemplaza, el agua condensada en el tabique durante la descongelación se pueden extraer en el instrumento y dañarlo. 2. Cromatografía de Gases-onda acústica de superficie (GC-SAW) Puesta en marcha y adquisición de datos Cargue el método de análisis apropiado en el zNose. Para el análisis del éster-rico perfil volátil de melón, nuestros parámetros en la versión de software microsentido 5.44.22 (Newbury Park, CA, EE.UU.) son los siguientes: succión del espacio de cabeza en elde entrada durante 20 segundos a 30 ml min -1 a través de la bomba, la temperatura de entrada a 200 ° C, la temperatura Tenax trampa a 225 ° C, el flujo de gas portador (helio, la pureza del 99,999%) la tasa de 2,9 ml min-1, columna (DB-5 columna, 1 mx 0,25 mm DI x 0,25 m de espesor de película) programa de temperatura desde 45 ° C a 180 ° C a una velocidad de 10 ° C seg -1; sensor de temperatura a 40 ° C; válvula a 165 ° C. El tiempo total de análisis es de 1 minuto por muestra. Conectar una aguja de acero inoxidable con no ahuecada punta a la entrada de zNose y purgar el sistema varias veces con el aire ambiente hasta que la línea de base es estable y sin picos de más de 200 cuentas (Ct) se detectan. Afinar el instrumento con una solución de alcanos de cadena lineal (C6-C14). El resultado sintonía es utilizado por el software del instrumento para convertir el tiempo de retención de los picos eluidos de unidades de tiempo en Kovats Index (KI) unidades. En consecuencia, después de que el sistema está sintonizado, los tiempos de retención se indican en unidades de KI. </li> Antes del análisis, que la muestra se equilibre durante 30 minutos. Para el análisis de uno de los viales de muestra, insertar una aguja en el septo del vial para aliviar la presión. A continuación se introduce la aguja conectada a la entrada del instrumento en el septo del vial e iniciar el muestreo de espacio de cabeza. Analizar al menos tres repeticiones por técnica de la muestra. Inicie manualmente el instrumento haciendo clic en botón "Play", se active la bomba y se retira de los vapores presentes por encima de la muestra. Al final del análisis, un cromatograma aparece en la pantalla, y el sensor se calienta automáticamente a 150 ° C durante 10 segundos para limpiarlo. Cuando el estado del sistema de botón de la caja se vuelve verde de nuevo, el instrumento está listo para analizar otra muestra. Para garantizar una línea de base estable y la limpieza adecuada del sistema, ejecutar al menos un blanco de aire entre cada muestra. Para controlar una posible contaminación volátil del vial y la tapa, analizar dos vial de los espacios en blanco (vial vacío con tapa), al principio y al final del día. </ Li> 3. Exportación de Datos y Análisis Exportar los datos en un archivo de Microsoft Excel después de la adquisición a través del "registro de pico" en función de software de microsentido. Una vez que los datos se exportan, agregar columnas que contienen las etiquetas de las variables y las repeticiones. Transformar el formato de datos para facilitar la manipulación con el Python (versión 2.6, disponible gratuitamente en línea) script que hemos desarrollado, llamado "reform_data.py" (ver Figura 1 para ver un ejemplo del formato de datos antes y después de usar el script "reform_data. py "). El nombre del archivo de origen (formato xls) y nombre de la hoja de los datos de entrada, así como el nombre del archivo de salida (xls), se editan directamente en el guión. Inicio "kim_interface.py" (también escrito en Python 2.6, ver Figura 2), e importar los datos desde el archivo generado en el paso anterior. Específicamente, el análisis se basa en la visualización y el análisis del número de veces que cada valor de Ki se detectó("Éxitos ki"). Así, el programa muestra un gráfico de barras de accesos para cada valor de KI KI. Evaluar los impactos de KI de subconjuntos específicos de las muestras, el análisis de cada grupo de técnicos repeticiones juntos. Para ello, analizar cada variable por separado el tratamiento o marcando / desmarcando las casillas correspondientes. Ver Figura 2 epígrafe para una descripción detallada de la interfaz gráfica de usuario (GUI). Después de identificar el ancho de cada ventana de KI mediante la interfaz gráfica de usuario, seleccionar al azar algunos de los cromatogramas correspondientes en el software microsentido y evaluar superposición de picos entre los técnicos repeticiones. Ver Figura 3 para un ejemplo de cromatogramas superpuestos de dos técnicos repeticiones. Una vez que la ventana de KI está individualizada, utilice la función disponible 'Merge' en la interfaz gráfica de usuario de fusionar el KIS que se encuentran en la ventana, en la más poblada de KI. Mediante el uso de esta característica, los picos marcados con un rango de valores de KI se consolidan bajo una etiqueta única KI, allowing el tratamiento de los picos, como una sola variable. Para ello, primero haga clic en el botón 'Merge' para activar la función y seleccione el KI más poblada como el centro de la ventana de la izquierda clic en la barra correspondiente. Una vez que la barra ha sido seleccionada, cambia de color y se vuelve verde. Para combinar el KIS que caen dentro de la ventana en el KI seleccionado, haga clic en las barras correspondientes, lo que hace que las barras de color rojo, mientras que una barra azul de la longitud correspondiente se añade en la parte superior de la central de KI (Ver Figura 4 ). Una vez que todos los KIs seleccionados se han fusionado en el KI central que corresponda, haga clic en el botón 'Merge' de nuevo para aceptar los cambios, lo que hace que el botón 'Merge' se vuelva amarilla. En caso de errores, el botón 'Unmerge "también está disponible. Para desinstala, haga clic en el botón 'Unmerge' en la interfaz gráfica de usuario, a continuación, haga clic en la barra roja que desea desinstala. De rojo, la barra se vuelve azul. Haga clic en el 'Unmerge' de nuevo el botón para aceptar los cambios. Si se intenta a incorrectly fusionar dos picos en una sola muestra en un valor de KI única, un mensaje de error se imprime. En tales circunstancias, estrechamente comprobar el cromatograma y redefinir la ventana KI en esa región. Una vez que todas las operaciones de fusión se han realizado, guarde el archivo. Antes de proceder con el análisis estadístico, los cromatogramas del aire y los espacios en blanco de los viales son analizadas para vigilar a posibles contaminaciones. Una vez que el KI de los picos en los espacios en blanco han sido identificados, restar el área del pico detectado en el aire y / o vial en blanco desde el área de la presente pico en la muestra. A continuación, proceder con el análisis estadístico. 4. Los resultados representativos La nariz electrónica fue capaz de detectar diferencias en los perfiles volátiles entre los frutos de melón cosechados en diferentes estados de madurez (Figura 5). Veinte KI ventanas fueron identificadas en todas las muestras. Un análisis de varianza mostró que 14 picos deteriorarseDirección Ejecutiva de la nariz electrónica variaron significativamente entre los estados de madurez. En la figura 6, el registro de las zonas medias máximas de estos 14 elementos se trazan para mostrar las diferencias en las abundancias máximas entre dos estados de madurez, a principios maduras y frutas maduras. Figura 1. Ejemplos de formato de los datos exportados de software del instrumento (A) y después de la transformación, realizado mediante "reform_data.py" secuencia de comandos (B). Para facilitar la manipulación de datos y el análisis, todos los KIs únicas se identifican a través de todas las muestras, a continuación, los datos se reordenan, con información de la muestra en filas y columnas en el área del pico, que corresponden a KIs únicas. Si un pico no se detecta por un valor de KI en una muestra, la celda correspondiente permanece vacía. Figura 2. Captura de pantalla de la alforjat archivo "kim_interface.py". La parcela en el centro muestra el número de visitas por KI KI vs. "Pedir por KI 'es el número de muestras en las que se detectó un pico con el que el KI específico. En el lado izquierdo, hay tres recuadros amarillos que controlan los datos seleccionados. En ellas se muestran los parámetros para dividir el conjunto de datos (tratamientos, repeticiones, las variables cualitativas, etc.) En esta figura, que son (de arriba a abajo): Variedad, fecha de siembra y la etapa de madurez en la cosecha. En la parte inferior: haciendo clic en los 3 bares y mover la barra azul a la izquierda oa la derecha, se puede seleccionar el mínimo y el valor máximo del rango de KI, y el área del pico mínimo ('Threshold'). A la derecha: el botón 'Merge' permite la fusión de KI seleccionados de forma manual haciendo clic en los bares de la trama. El botón 'Unmerge' permite invertir el proceso para casos seleccionados. Figura 3. Cromatogramas superpuestos (en negro y rojo) de dos repeticiones técnica de espacio de cabeza de melón volátil para ilustrar un cambio en el tiempo de retención. Figura 4. Ejemplo del KI fusión procedimiento. En la trama central, la barra verde (Central KI) es la más poblada de KI, que ha sido seleccionado como centro de la ventana de KI. KI X e Y son KI KI que caen en la ventana de su interés y es necesario que se fusionarán en el KI central. Al hacer clic derecho en la barra de KI X, se convierte en rojo y, al mismo tiempo, una barra azul de la misma longitud de la barra de KI X, aparece en la parte superior de la verde. Repitiendo el mismo procedimiento para el KI Y, la longitud de la barra azul (KIS fusionados) aumentará de la longitud correspondiente. Una vez que todos los KI se han añadido, haciendo clic en el botón verde "Merge", finaliza el proceso de fusión, los cambios se guardan, y el color del botón cambia a amarillo. / Files/ftp_upload/3821/3821fig5.jpg "/> Figura 5. Dos cromatogramas de las muestras de melón cosechados en diferentes estados de madurez, a principios de madura (arriba) y totalmente madura (abajo), para ilustrar la capacidad de la nariz electrónica para detectar diferencias en la abundancia de volátiles. Figura 6. Parcela de radar que muestra el área del pico de 14 componentes presentes en dos muestras de melón en dos etapas diferentes, madurez temprana maduras y maduras completamente. Las áreas de los picos se presentan en escala logarítmica para ayudar a visualizar la comparación. Los números al final de cada rayo representan los índices Kovats correspondientes.

Discussion

Las narices electrónicas representan un método prometedor para la evaluación rápida y objetiva de los perfiles de aroma de las frutas o las muestras volátiles ricos. Sin embargo, los cambios en el tiempo de retención representa un reto para la identificación de los picos y podría dar lugar a una interpretación errónea de los datos cuando dos cromatogramas no están perfectamente alineadas. La inspección visual de los cromatogramas se indica que la variabilidad de los tiempos de retención entre las muestras debidos el mismo pico que ser etiquetados con los valores de KI ligeramente diferente (aproximadamente ± 10). Esto se tradujo en un número exagerado de KI únicos detectados. Con el fin de aprovechar el hecho de que (a) compuestos diferentes están presentes en diferentes estados de madurez y (b) replica técnica son aproximadamente idénticas, dos guiones computarizado ("kim_merge.py", que contiene las rutinas para la manipulación de los datos conjunto, y "kim_interface.py", que proporciona una interfaz gráfica de usuario (GUI)) se han desarrollado de manera sistemáticacomparar las muestras de forma semi-automatizada, reduciendo considerablemente el tiempo necesario para el análisis de cromatograma de grandes conjuntos de datos. Estos programas permiten la consolidación, en su caso, de los picos marcados con un rango de valores de KI en una etiqueta KI clave. Esto tiene dos propósitos importantes: (a) que permite un análisis estadístico para el tratamiento de estos picos como una sola variable, y (b) facilita la identificación de los picos y la comparación con otros sistemas y los valores publicados. Los resultados presentados aquí indican que las muestras de melón podría ser objeto de discriminación basada en la madurez y el perfil de aroma mediante el sistema zNose en combinación con la identificación adecuada de KI. Esto representa una nueva tecnología prometedora para el análisis de volátiles que pueden ser utilizados para los programas de control de calidad.

Declarações

The authors have nothing to disclose.

Acknowledgements

Los autores agradecen a Bill Copes (Harris Moran Seed Company, Davis) para proporcionar frutos de melón para este análisis. Este proyecto es apoyado por la especialidad de Investigación de Cultivos Programa de Iniciativa de Subvenciones Competitivas conceder ninguna. 2009-51181-05783 del Instituto Nacional del USDA de la Agricultura y la Alimentación.

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