สารบัญ
ติดตามอัพเดท เกี่ยวกับนีโอสเปกตรา
บทนำ
เนยและมาการีนเป็นหนึ่งในส่วนผสมไขมันที่ได้รับความนิยมมากที่สุดที่ใช้เพื่อการทำอาหารใช้ตามที่เป็นหรือเป็นสื่อทอดสำหรับการเตรียมการหลายอย่างไขมันทรานส์มีอยู่ในเนยตามธรรมชาติวิธีการทั่วไปในการวิเคราะห์ไขมันทรานส์นั้นขึ้นอยู่กับการแยกสารประกอบด้วยเครื่องมือโดยแก๊สโครมาโตกราฟีวิธีนี้มีราคาแพงใช้เวลานานและต้องใช้ห้องปฏิบัติการที่มีอุปกรณ์ครบครัน
NIR แสดงให้เห็นถึงประสิทธิภาพที่ดีในการทำนายไขมันทรานส์ในเนยและมาการีนวัตถุประสงค์ของบทความนี้คือเพื่อแสดงประสิทธิภาพของ NeoSpectra Scanner ในการทำนายไขมันทรานส์โดยใช้อุปกรณ์เสริมทรานซ์เฟล็กซ์NeoSpectra ได้เพิ่มอุปกรณ์เสริมtransflectance ลงในพอร์ตโฟลิโอที่แสดงให้เห็นถึงความสามารถพิเศษในการวิเคราะห์ตัวอย่างในรูปแบบของเหลว
ภาพรวม
การบริโภคเนยต่อหัวในสหรัฐอเมริกาสูงถึง 6.5 ปอนด์ต่อคนในปี 2021 ในขณะที่การบริโภคเนยเทียมในปี 2010 รายงานอยู่ที่ 3.6 ปอนด์ต่อคนตามข้อมูล USDA (2021)กรดไขมันทรานส์ (TFA) มีอยู่ตามธรรมชาติในอาหารจากสัตว์เคี้ยวโดยเฉพาะในเนื้อสัตว์และผลิตภัณฑ์นมในนมวัวเนยมีกรดทรานส์วัคซีน (C 18:1 trans 11) ในระดับตั้งแต่ 2 ถึง 4%อย่างไรก็ตาม TFA ในมาการีนเป็นหลักมาจากกรดอีไลดิก (C 18:1 trans 9) และกรดไลโนเลไดก (9-12 trans- C 18:1)วิธีการทั่วไปในการหาปริมาณ TFA ทั้งในเนยและมาการีนคือแก๊สโครมาโตกราฟีพร้อมไอออไนเซชันเปลวไฟ (GC- FID)วิธีนี้เกี่ยวข้องกับกระบวนการวิเคราะห์ที่ซับซ้อนซึ่งต้องใช้เวลาเตรียมหลายชั่วโมง รวมถึงการอนุพันธ์เป็น FAME ที่ผันผวน
NIR ทำงานอย่างไร
NIR เป็นวิธีการวิเคราะห์ทุติยภูมิที่อาศัยการรวบรวมข้อมูลจากห้องปฏิบัติการอ้างอิง (GC-FID) ซึ่งเป็นข้อมูลอ้างอิงเพื่อสร้าง PLSRegression ด้วยสเปกตรัมเมื่อปรับเทียบแล้ว โมเดล PLS จะเปิดใช้งานการคาดการณ์องค์ประกอบของกรดไขมันโดยใช้เฉพาะสเปกตรัมที่สร้างโดย NIRSpectrometer เท่านั้นจากนั้นจะได้ผลลัพธ์ในเวลาน้อยกว่า 2 นาทีโดยเครื่องมือ
การออกแบบการทดลอง
เพื่อแสดงให้เห็นถึงความสามารถของ NeoSpectra Scanner ในการทำนายไขมันทรานส์ในเนยและมาการีนหลังจากทำการทดลอง
ชุดตัวอย่าง:
รวบรวมเนย 90 ชิ้นและมาการีน 20 ชนิดจากร้านค้าท้องถิ่นในโอไฮโอ สหรัฐอเมริกาตัวอย่างละลายในเตาอบขนาด 65 องศาเซลเซียสเป็นเวลา 15 นาทีน้ำที่มีอยู่ในเนยและมาการีนถูกแยกออกด้วยแรงโน้มถ่วง
วิธีการอ้างอิง
ใช้แก๊สโครมาโตกราฟี (FID) เพื่อวิเคราะห์โปรไฟล์กรดไขมันจากไขมันที่สกัดออกมาผลลัพธ์จะแสดงเป็นกรัมของกรดไขมันต่อตัวอย่าง 100 กรัม
ชุดสอบเทียบและการตรวจสอบ
ใช้ผ้าม่านเวนิสเพื่อประเมินประสิทธิภาพของโมเดล
เงื่อนไขการวัด
●● การตั้งค่า: การสะท้อนกระจายตัว
●●อุปกรณ์เสริม: การขยายตัวด้วย OPL 0.25 มม
●●ช่วงสเปกตรัม: 1350 — 2550 นาโนเมตร
●●เวลาสแกน: ของ 5 วินาที
●●ความละเอียด ของ 16 นาโนเมตรที่ λ=1,550 นาโนเมตร
●●ขนาดจุด = 10 มม2
●●อุณหภูมิ: อุณหภูมิห้อง
●●ค่าเฉลี่ย: แต่ละตัวอย่างถูกวัด 2 ครั้งด้วย NeoSpectra Scanner และเป็นค่าเฉลี่ยสำหรับการวิเคราะห์
การพัฒนาแบบจำลองสอบเทียบ
แบบจำลองการถดถอยสี่เหลี่ยมน้อยที่สุดบางส่วน (PLS) ถูกสร้างขึ้นเพื่อสร้างความสัมพันธ์เชิงเส้นระหว่างสเปกตรัมและองค์ประกอบ ซึ่งกำหนดผ่านการวิเคราะห์ทางเคมีในห้องปฏิบัติการPLS ใช้เพื่อลดข้อมูลสเปกตรัม ซึ่งเดิมประกอบด้วยตัวแปร 257 ตัว (ความยาวคลื่น) เป็นตัวแปรแฝงจำนวนจำกัด (L.V.)การลดความซับซ้อนนี้มีจุดมุ่งหมายเพื่อเพิ่มความสามารถในการตีความของข้อมูล
การเลือกตัวแปรแฝงนั้นขึ้นอยู่กับความสัมพันธ์กับการตอบสนอง (ระดับไขมันทรานส์ในบริบทนี้) จัดลำดับความสำคัญของผู้ที่มีความสัมพันธ์สูงและหลีกเลี่ยงการเพิ่มเสียงรบกวนแบบสุ่มลงในแบบจำลอง
การวิเคราะห์ข้อมูล
เพื่อประเมินประสิทธิภาพของแบบจำลอง Partial Least Squares (PLS) ได้ใช้เทคนิคการตรวจสอบความถูกต้องข้ามกันสิ่งนี้เกี่ยวข้องกับการคำนวณข้อผิดพลาดในการทำนาย (ตารางค่าเฉลี่ยของข้อผิดพลาดสำหรับตัวอย่างทั้งหมด) และค่าสัมประสิทธิ์การกำหนด (R2CV) ระหว่างเนื้อหาที่คาดการณ์ไว้และข้อมูลอ้างอิงที่ได้รับจากการวิเคราะห์ทางเคมีเทคนิคการตรวจสอบข้ามเกี่ยวข้องกับการแบ่งข้อมูลออกเป็นชุดสอบเทียบและการตรวจสอบความถูกต้องชุดสอบเทียบถูกนำมาใช้สำหรับการฝึกโมเดล PLS ในขณะที่ชุดการตรวจสอบถูกสงวนไว้สำหรับการประเมินประสิทธิภาพของโมเดล
ในการทำซ้ำแต่ละชุดการตรวจสอบและการสอบเทียบจะถูกรวมเข้าด้วยกัน และส่วนใหม่ของข้อมูลจะถูกกำหนดเป็นชุดการตรวจสอบความถูกต้องจากนั้นกระบวนการนี้จะทำซ้ำซึ่งเกี่ยวข้องกับการฝึกอบรมแบบจำลองและการตรวจสอบในชุดที่อัปเดตขั้นตอนการทำซ้ำนี้จะดำเนินต่อไปจนกว่าแต่ละตัวอย่างจะได้รับการแสดงอย่างน้อยหนึ่งครั้งในชุดการตรวจสอบความถูกต้องซึ่งจะให้การประเมินความสามารถในการทำนายของโมเดล PLS ที่ครอบคลุม
ผลลัพธ์และการสนทนา
ผลลัพธ์จากการตรวจสอบข้ามจะแสดงในรูปที่ 2
เพื่อหาปริมาณความแม่นยำของแบบจำลองลักษณะทางสถิติต่อไปนี้จะสรุปใน:
• R2: ค่าสัมประสิทธิ์การกำหนดยิ่งใกล้กับ 1 ยิ่งดีเท่านั้น
• เซควี: ข้อผิดพลาดมาตรฐานของการตรวจสอบข้ามข้อความ
ผลการวิจัยที่นำเสนอในการศึกษานี้แสดงให้เห็นว่า Neospectra ให้ข้อผิดพลาดเฉลี่ยของการตรวจสอบข้ามที่ 0.31%เมื่อเทียบกับค่าเบี่ยงเบนมาตรฐานของประชากร จะเห็นได้ว่าแบบจำลองสามารถแบ่งประชากรออกเป็นพื้นที่มากกว่า 3 ภูมิภาคครึ่ง (ระดับต่ำ ปานกลาง ปานกลางสูง และสูง) ซึ่งบ่งชี้ว่า NeoSpectra Scanner ให้ผลลัพธ์ที่ยอดเยี่ยมในการทำนายระดับไขมันทรานส์ในตัวอย่างเนย(ตารางที่ 2)รูปที่ 2 แสดงความเป็นเส้นที่ดีระหว่างระดับที่คาดการณ์ไว้และระดับไขมันทรานส์ที่วัดได้ซึ่งแตกต่างจากเทคโนโลยีดั้งเดิมและเทคโนโลยีที่เกิดขึ้นใหม่สำหรับการวิเคราะห์เนยและมาการีน NeoSpectra ผสานรวมชุดคุณสมบัติอย่างมีเอกลักษณ์ ช่วยให้การวิเคราะห์ไขมันที่คุ้มค่า รวดเร็ว แพร่หลาย ใช้งานง่าย ใช้งานง่าย และแม่นยำในสถานที่และในห้องปฏิบัติการด้วยการเตรียมตัวอย่างน้อยที่สุด
ข้อสรุป
เครื่องสแกนเนอร์ NeoSpectra ได้แสดงให้เห็นถึงประสิทธิภาพที่ยอดเยี่ยมในการวิเคราะห์ไขมันทรานส์โดยใช้อุปกรณ์เสริมทรานสเพล็กซ์ในเนยและมาการีนมาการีนถูกใช้เป็นไขมันทรานส์ 0 เพื่อให้แน่ใจว่าโมเดลสามารถตรวจพบระดับต่ำได้การประยุกต์ใช้เทคโนโลยีนี้ในอุตสาหกรรมจะช่วยให้สามารถคัดกรองปริมาณไขมันทรานส์ได้อย่างรวดเร็วNeoSpectra มีศักยภาพในการตรวจจับกรดไขมันทรานส์ในตัวอย่างเนยและมาการีนได้อย่างรวดเร็วและราคาไม่แพงกว่า FT-IR หรือ GC
การยอมรับ
บทความนี้เป็นไปได้โดยผลงานของศาสตราจารย์หลุยส์ โรดริเกซ-ซาอนา มหาวิทยาลัยแห่งรัฐโอไฮโอและนักศึกษาปริญญาโท Celeste Matosการยอมรับเป็นพิเศษสำหรับผลงานและข้อมูลที่มีคุณค่า
