Metodi rapidi ed innovativi per la verifica dell origine

Dimensione: px

Iniziare la visualizzazioe della pagina:

Download "Metodi rapidi ed innovativi per la verifica dell origine"

Niccoletta Palmieri
8 anni fa
Visualizzazioni

1 Metodi rapidi ed innovativi per la verifica dell origine M. DEL CARLO A. CICHELLI Università degli Studi di Teramo Università degli Studi di Chieti

2 L olio extravergine di oliva: Composizione chimica si riflette su: Qualità sensoriali: polifenoli Qualità nutrizionali: antiossidanti polari apolari acidi grassi insaturi/saturi Come possiamo garantire la presenza di questi componenti? Come possiamo garantire la QUALITA e l ORIGINE?

polari apolari acidi grassi insaturi/saturi Come possiamo garantire la

4 METODI DI ANALISI HPLC-DAD LC-MS GC-FID GC-MS Queste tecniche, sebbene consolidate, presentano alcuni svantaggi: Procedure complesse (necessità di una preparativa) Tempi lunghi di analisi e di elaborazione del dato Scarsa automazione ALTI COSTI Esigenza da parte di organismi di controllo di tecniche innovative che offrano: Rapidità Minimo, o assente, trattamento del campione Possibilità di automazione anche nella gestione del dato BASSI COSTI Tecniche spettroscopiche (FTIR) Tecniche elettrochimiche (DPV)

Esigenza da parte di organismi di controllo di tecniche innovative che offrano: Rapidità Minimo, o assente, trattamento del

5 Prima parte OUTLINE Sviluppo di un metodo FTIR_PLS per la determinazione simultanea di: Acido oleico Acido linoleico SFA MUFA PUFA Seconda parte Sviluppo di un metodo elettrochimico per la determinazione simultanea di: α-tocoferolo Tirosolo (e derivati) Idrossitirosolo (e derivati)

PUFA Seconda parte Sviluppo di un metodo elettrochimico per la

6 Applicazioni qualitative della spettroscopia IR

7 Applicazioni quantitative della spettroscopia IR

8 Cosa abbiamo fatto: 86 campioni di olio extravergine da frantoi di Abruzzo, Marche e Puglia (2 campagne olearie) Analisi degli indici di qualità (FA, PV, indici spettrofotometrici) Determinazione della composizione in acidi grassi (GC) Acquisizione degli spettri FTIR con un Tensor 27 TM FTIR (Bruker Optics, Milan, Italy), con un inteferometro Rocksolid TM e un detector DigiTect TM con ATR. L ATR (Specac Inc., Woodstock, GA, USA) era equipaggiato con un cristallo di ZnSe. Gli spettri (32 scansioni/campione o background) sono stati acquisiti nel range of 600 to 4000 cm -1 con una risoluzione di 4 cm -1, tramite il software OPUS r. 6.0 (Bruker Optics).

con un inteferometro Rocksolid TM e un detector DigiTect TM con ATR. L ATR (Specac Inc., Woodstock, GA, USA) era equipaggiato con un cristallo di ZnSe.

9 -CH -CH 2 -CH 3 C=O FINGERPRINT REGION C=O ALDEIDI C=O FFA

10 Data processing e modelli di calibrazione I dati sono stati esportati come file ASCII usando OPUS 6.0 software e processati con una routine PLS (Partial least squares) scritta ad hoc su software Matlab (Mathworks Inc., Natick, MA, USA). Per ciascun parametro è stato costruito un modello PLS partendo da un training set di campioni. Lo spettro inizialmente processato per intero in alcuni casi è stato ristretto atraverso una strategia moving- windows eseguita con una routine Matlab ad hoc. Property MUFA PUFA SFA Calibration Spectral range (cm -1 ) Linear range (% in VOO) Number of factors (LVs) Number of training samples (N) PRESS a Root mean square deviation (RMSD, %) Relative error in calibration (REC %) r Selectivity Sensitivity (SEN) Analytical sensitivity, [γ= (SEN/σo )] Minimum concentration difference Limit of detection (LOD, % in VOO) Limit of quantification (LOQ, % in VOO) Validation Number of validations samples Property 25 MUFA PUFA SFA Recovery rates (%) 100 Calibration Relative error in Prediction, (REP, %) 1 4 Spectral range 6 (cm -1 ) Linear range (% in VOO) r Number of factors 5 ± 1 (LVs) ± ± yo Number 0.03 of training 0.7 ± samples 0.1 (N) Slope 0.93 ± ± PRESS a Root mean square deviation (RMSD, %) Relative error in calibration (REC %) r Selectivity Sensitivity (SEN) Analytical sensitivity, [γ= (SEN/σo )] Minimum concentration difference Limit of detection (LOD, % in VOO) Limit of quantification (LOQ, % in VOO) Validation Number of validations samples Recovery rates (%) Relative error in Prediction, (REP, %) r yo 5 ± ± ± 1 Slope 0.93 ± ± ± 0.1

Per ciascun parametro è stato costruito un modello PLS partendo da un training set di campioni.

11 Risultati I: acido oleico e linoleico I Property Oleic Acid Linoleic Acid Calibration Spectral range (cm -1 ) Linear range (% in VOO) Number of factors (LVs) Number of training samples (N) PRESS a Root mean square deviation (RMSD) Relative error in calibration (REC %) r Selectivity Sensitivity (SEN) Analytical sensitivity, [γ= (SEN/σ o )] Minimum difference (%) Limit of detection (LOD, % in VOO) Limit of quantification (LOQ, % in VOO) II Validation Number of validation samples Recovery rates (%) Relative error in Prediction (REP %) 1 7 r y o 4 ± ± 0.4 Slope 0.94 ± ± 0.05

1988 Sensitivity (SEN) 0.0009 0.0016 Analytical sensitivity, [γ= (SEN/σ o )] 0.18 1.17 Minimum difference (%) 5.6 0.9 Limit of detection (LOD, % in VOO) 3 0.

12 Risultati II: MUFA, PUFA, SFA I II Property MUFA PUFA SFA Calibration Spectral range (cm -1 ) Linear range (% in VOO) Number of factors (LVs) Number of training samples (N) PRESS a Root mean square deviation (RMSD, %) Relative error in calibration (REC %) r Selectivity Sensitivity (SEN) Analytical sensitivity, [γ= (SEN/σ o )] Minimum concentration difference Limit of detection (LOD, % in VOO) Limit of quantification (LOQ, % in VOO) Validation Number of validations samples Recovery rates (%) Relative error in Prediction, (REP, %) r y o 5 ± ± ± 1 Slope 0.93 ± ± ± 0.1

9557 Selectivity 0.1734 0.1988 0.1378 Sensitivity (SEN) 0.0009 0.0015 0.0020 Analytical sensitivity, [γ= (SEN/σ o )] 0.17 2.07 0.32 Minimum concentration difference 6.0 0.48 3.

13 Risultati III: PV Property D o D D Spectral range (cm -1 ) Calibration range (meqo 2 kg -1 oil) Number of factors (LV) Number of training samples PRESS a (unidades) Root mean square deviation, RMSD (unidades) Relative error in calibration, REC (%) r Selectivity Sensitivity (SEN) Analytical sensitivity, [γ= (SEN/σ o )] Minimum concentration difference (unidades) Limit of detection (LOD) (unidades) Limit of quantification (LOQ) (unidades) Number of validations samples Recovery rates (%) Relative error in Prediction, REP (%)

9482 Relative error in calibration, REC (%) 15.6 7.2 9.9 r 2 0.8040 0.9759 0.9446 Selectivity 1.0 0.35 0.55 Sensitivity (SEN) 0.0044 0.0001 0.0001 Analytical sensitivity, [γ= (SEN/σ o )] 1.2 1.1 1.

14 Risultati IV MUFA PUFA SFA Ac. oleico Ac. linoleico PV calibration set ( ) and trainingset ( )

15 Conclusioni I Abbiamo realizzato un metodo per la determinazione SIMULTANEA di: Ac. oleico Ac. linoleico MUFA PUFA SFA PV non richiede estrazione, separazione o trattamento del campione. Non è influenzato dall operatore! Il set di calibrazione si è mostrato robusto TRASFERIRE LA TECNICA PER TEST SU ORIGINE

linoleico MUFA PUFA SFA PV non richiede estrazione, separazione o

16 Sviluppo di un metodo elettrochimico per la determinazione di: α-tocoferolo Tirosolo (e derivati) Idrossitirosolo (e derivati) Metodo Elettrochimico: voltammetria differenziale a impulsi Strumento: PalmSens Sofware: PS Lite Elettrodi: Riferimento: Ag/AgCl 3M KCl Controelettrodo: Pt Lavoro: Carbone Vetroso (diametro: 3 mm) Mezzo: Acido solforico 0.02M TBA-Acetato 0.06M Esano:etanolo 40:60 T. Galeano Diaz et al. / Analytica Chimica Acta 511 (2004)

Elettrodi: Riferimento: Ag/AgCl 3M KCl Controelettrodo: Pt Lavoro: Carbone Vetroso (diametro: 3 mm) Mezzo: Acido

17 Sviluppo del metodo DPV-PLS Tocoferolo Idrossitirosolo Tirosolo Oleuropeina

18 Disegno Sperimentale C1 C2 cc del composto B cc del composto C cc del composto A Matrice di calibrazione

19 PLS Parametri Critici della Calibrazione Validazione Interna Parametri Tocoferolo Tirosolo Idrossitirosolo Intervallo di Potenziale (V) Intervallo Linear (mg L-1) µM ppm ppm Livelli di Concentrazioni Pretrattamento - D D Numero di LV PRESS SD(%) REC (%) R LOD LOQ (mg L-1)

400 ppm 0.43-0.80 ppm Livelli di Concentrazioni 5 5 5 Pretrattamento - D D Numero di LV 2 6 11 PRESS 39.6122 0.

20 PLS Parametri Critici della Calibrazioni Validazione Esterna Confronto con 9 Campioni Sintetici Validazione Tocoferolo Tirosolo Idrossitirosolo Rec(%) SD(%) Livelli di Concentrazioni R

Tirosolo Idrossitirosolo Rec(%) 101.3 101.7 95.8 SD(%) 9.5 5.1 8.

21 PLS Parametri Critici della Calibrazioni Validazione Esterna Confronto con Campioni Olio Extravergine-HPLC Validazione Tocoferolo Tirosolo Idrossitirosolo Rec(%)??? SD(%)??? Livelli di Concentrazioni???

22 Altri metodi elettrochimici

23 Queste misure sono state fatte utilizzando 5 microlitri di campione Misure voltammetriche con microvolumi di campione Volume di cella 1 microl

24 Metodi elettrochimici per l individuazione di funzionalità orto-difenoliche Orto-difenoli totali in solvente organico (campione non trattato) ocratossina x10 OH x x x10 H O O O C C H 3 O O CH 3 i / A x10 H O O C H x x10 OH x x H O O O H O CH 3 t / s H O O C H 3 11/11/

25 Tecniche rapide e semplici da usare No trattamento del campione, no aggiunta di reagenti, trattamento automatico del dato, no calibrazione day by day Informazioni simultanee relative alla componente polare ed apolare Spettri e voltammogrammi ricchi di informazioni sulla chimica del campione GRAZIE! Trattamento del dato con tecniche chemometriche possibilità di estrapolare dallo spettro completo, o da sue porzioni, informazioni utili alla classificazione, caratterizzazione del campione Costruire una banca dati estesa di spettri FTIR e voltammogrammi delle produzioni su base annuale per realizzare modelli di calibrazione robusti (indipendenti dalla stagionalità)

Documenti analoghi

Metodi analitici on-line con strumentazione infrarossa per la determinazione rapida ed economica di analiti in latte ovino

9 Mostra Nazionale Ovini Razza Sarda 6 Mostra Regionale Agroalimentare Macomer, 24 26 Aprile 2015 Metodi analitici on-line con strumentazione infrarossa per la determinazione rapida ed economica di analiti