Problematiche e prospettive nello studio delle relazioni tra profili sensoriali e strumentali

Transcript

1 Flavia Gasperi - Centro Ricerca ed Innovazione - Fondazione Edmund Mach IV CONVEGNO NAZIONALE SISS Trieste, SISS 22 Trieste, - 23 Novembre Novembre 2012 Problematiche e prospettive nello studio delle relazioni tra profili sensoriali e strumentali

2 Perché cercare una relazione tra dati sensoriali e dati strumentali? 1) per migliorare la capacità di interpretazione del dato sensoriale: per avere informazioni sui processi produttivi per indagare i meccanismi della percezione

3 Perché cercare una relazione tra dati sensoriali e dati strumentali? 2) per avere una validazione esterna: aumentare la confidenza nei dati raccolti, avere un controllo «esterno» dei campioni, valutare/comparare procedure di pretrattamento dei dati

4 Perché cercare una relazione tra dati sensoriali e dati strumentali? 3) Per predire i dati sensoriali attraverso una valutazione strumentale + VELOCE, - COSTOSA, che possa essere fatta in TEMPO REALE ed ESTENDIBILE AD UN AMPIA CAMPIONATURA (es. controllo qualità) Il panel è uno strumento «time consuming» Le analisi sensoriali hanno bassa prestazione analitica (max 6 campioni/seduta) Necessitano di una programmazione E molto difficile avere a disposizione in maniera continuativa un panel ben addestrato, calibrato ed affidabile

5 Cosa rende complesso il legame tra dati sensoriali/strumentali? Stimolo fisico/chimico attivazione recettore (a livello periferico) trasduzione segnale elaborazione risposta (a livello centrale) Risposta sensoriali

6 Cosa rende complesso il legame tra dati sensoriali/strumentali? Stimolo fisico/chimico Risposta sensoriale Le FUNZIONI PSICOFISICHE descrivono il legame matematico tra l intensità dello stimolo (I) e l intensità della risultante sensazione (S): S = k f (C) dove S = intensità risposta sensoriale C = intensità/concentrazione stimolo ma nei prodotti reale entrano in gioco molte altre variabili

7 Cosa rende complesso il legame tra dati sensoriali/strumentali? Es: nel caso della percezione del FLAVOUR (stimoli chimici) Composto [alimento] Composto [ bolo] Composto [ aria espirata] Composto [ muco] Composto [ recettore]

8 Cosa rende complesso il legame tra dati sensoriali/strumentali? 1. EFFETTO MATRICE: agisce sulla ritenzione e rilascio (in fx di composto e matrice) La composizione: sostanze lipofile/idrofile (coefficiente di partizione) macromolecole e sali (effetto di ritenzione o salting) altri composti (int. +/-) La struttura gelificanti proteine

9 Cosa rende complesso il legame tra dati sensoriali/strumentali? 2. VARIABILITÀ INTER-INDIVIDUO: può essere legata a fattori di fisiologia orale: modalità di respirazione modalità di masticazione posizione del velum quantità e composizione della saliva e del muco nasale (interazioni chimico-fisiche, enzimatiche, microbiologiche e probabile ruolo di OBP/Odour Binding Proteins) Ma anche a fattori cognitivi e genetici

10 Cosa rende complesso il legame tra dati sensoriali/strumentali? 3. LE INTERAZIONE MUTISENSORIALE: aspetti cognitivi (esperienza) agiscono nell integrazione della risposta sensoriale modulandola: Interazione gusto/aroma Interazione texture/aroma Interazione visione/aroma

11 Un esempio dell effetto MODALITÀ DI RESPIRAZIONE: la concentrazione dello stimolo che arriva all epitelio olfattivo è maggiore con una respirazione normale Buettner et al FQAP 2010, 21,

12 Gierczynski et al. Flavour Fragr. J. 2011, 26, IV CONVEGNO NAZIONALE SISS Trieste, Novembre 2012 Un esempio dell effetto MODALITÀ DI MASTICAZIONE/VELUM: la cinetica del rilascio degli aromi cambia da individuo a individuo (per diverse matrici)

13 Un esempio di come la SALIVA influenza i processi metabolici che avvengono a livello delle mucose e che possono modificare non solo la concentrazione ma anche la struttura stessa delle molecole Es: idrolisi di composti solforati/potenti odoranti da molecole inodori (tramite rottuta legame S-cisteina) Starkenmann et al J. Agric. Food Chem. 2008, 56, Copyright 2008 ACS

14 Due esempi di interazioni multisensoriali in cui stimoli congrunenti induconono interazioni positive gusto/olfatto: aumentando il saccarosio induco aumenti significativi del flavour di lampone a texture/olfatto Aumentando la viscosità del liquido (grigio) diminuisce l intensità dell odore «creamy» b a) Gasperi et al.2008 Atti 2 Convegno SISS b) Bult et al 2007 Neurosci letters

15 Quali ANALISI SENSORIALI? ANALISI DESCRITTIVA: PANEL ADDESTRATI Profilo classico Metodi dinamici: TI, TDS Analisi parametri di qualità: panel di esperti (variabilità?) Analisi edoniche: panel di consumatori (elevata variabilità!)! DA CONSIDERARE! Variabilità individuale => rumore (media del panel *) o informazione? * In alternativa: media pesata in base alla performance dei giudici => (es RV coefficient) oppure profilo di consenso

16 Quali ANALISI STRUMENTALI? Qualsiasi tecnica di analisi di parametri strumentali che potrebbero essere correlati alle caratteristiche sensoriali del prodotto in studio Sensoriale Aspetto esterno Texture Flavour e odore Strumentale Colorimetro, spettrofotometro, analizzatore di immagini Analisi fisiche: penetrometro, Instrom, TA-XT, viscosimetri, analizzatori di immagini, Analisi compositiva*: Composti non volatile (HPLC, acidità, brix, lingua elettronica, spettri NIR, NMR,) Composti volatile (GC, DIMS, naso elettronico) * Analisi Target/SPECIFICA: es HPLC, GC, * Analisi Untarget/ASPECIFICA: analisi rapide a basso costo che necessitano di una minima preparazione del campioni che danno «impronte digitale»: es NIR, MS, naso el.

17 Quali ANALISI STATISTICHE? Analisi esplorative: Correlazioni lineari PCA/GPA a confronto Analisi di regressione MULTIVARIATA: PLS è la tecnica di riferimento ma anche altre tecniche si stanno imponendo (LASSO) PLS2: matrici sensoriale vs strumentale (per indagare correlazioni) PLS1: 1 attributo vs matrice strumentale QUALCHE CONSIGLIO: analizzare bene i propri dati (outlier) se necessario standardizzarli validare sempre i modelli (con set di dati indipendenti )

18 Quali PRODOTTI.quanti CAMPIONI? Prodotti commerciali: set di campioni SENZA struttura LOGICA predeterminata (differenti tipologie, varietà o versioni di uno stesso prodotto) Prodotti sperimentali: set di campioni prodotti seguendo una DISEGNO SPERIMENTALE (differenti formulazioni, varianti di processo, tempi di conservazione, o altro anche sistemi modello) Repliche analitiche: replicare lo stesso campione permette di controllare la variabilità dell analisi (sia sensoriale che strumentale) Set per il Training Set per la Validazione (campioni indipendenti= validazione esterna oppure cross- validazione=validazione interna)

19 E possibile stimare la qualità sensoriale con metodi strumentali? Si può fare!

20 Fonte: Web of Science IV CONVEGNO NAZIONALE SISS Trieste, Novembre 2012 Il numero di pubblicazioni con Sensory nel titolo Results found: 542 AND Topic=(aroma or flavour) AND Topic=(correlation or relationship) Results found: 363 AND Topic=(texture or textural) AND Topic=(correlation or relationship)

21 In quali riviste? JOURNAL OF FOOD SCIENCE JOURNAL OF TEXTURE STUDIES JOURNAL OF AGRICULTURAL AND FOOD CHEMISTRY MEAT SCIENCE FOOD QUALITY AND PREFERENCE JOURNAL OF THE SCIENCE OF FOOD AND AGRICULTURE JOURNAL OF SENSORY STUDIES FOOD CHEMISTRY JOURNAL OF DAIRY SCIENCE JOURNAL OF FOOD QUALITY INTERNATIONAL DAIRY JOURNAL EUROPEAN FOOD RESEARCH AND TECHNOLOGY FOOD RESEARCH INTERNATIONAL CEREAL CHEMISTRY JOURNAL OF THE JAPANESE SOCIETY FOR FOOD SCIENCE AND TECHNOLOGY POSTHARVEST BIOLOGY AND TECHNOLOGY FOOD SCIENCE AND TECHNOLOGY INTERNATIONAL JOURNAL OF ANIMAL SCIENCE INTERNATIONAL JOURNAL OF FOOD PROPERTIES INTERNATIONAL JOURNAL OF FOOD SCIENCE AND TECHNOLOGY JOURNAL OF FOOD ENGINEERING KOREAN JOURNAL FOR FOOD SCIENCE OF ANIMAL RESOURCES SCIENCES DES ALIMENTS ANALYTICA CHIMICA ACTA LAIT LEBENSMITTEL WISSENSCHAFT UND TECHNOLOGIE FOOD SCIENCE AND NAHRUNG FOOD ABSTRACTS OF PAPERS OF THE AMERICAN CHEMICAL SOCIETY AMERICAN JOURNAL OF ENOLOGY AND VITICULTURE FOOD HYDROCOLLOIDS INTERNATIONAL JOURNAL OF DAIRY TECHNOLOGY ITALIAN JOURNAL OF FOOD SCIENCE Results found: 760 (aroma/flavour & texture) Fonte: Web of Science

22 Alcune considerazioni finali Conclusioni & prospettive La maggior parte dei modelli predittivi funzionano e sono quindi utili strumenti per controllare la qualità sensoriale ma hanno validità limitata al prodotto Crescono le potenzialità analitiche: 1) Metodi dinamici in «vivo»: più vicini alla realtà sensoriale! 2) Approcci omici: matrici di dati con centinaia di variabili tanta informazione da «gestire» Uso attento delle tecniche di elaborazione Un percorso a ritroso: dal dato analitico al dato sensoriale per selezionare le variabili importanti Le differenze individuali vanno considerate e valorizzate di più

23

24 Per approfondimenti IV CONVEGNO NAZIONALE SISS Trieste, Novembre 2012

25 Modelli PREDITTIVI HARD MODELING Ipotesi più stringenti IMITATIVI: modelli predittivi di singoli attributi sensoriali, si basano sulla relazione tra un responso sensoriale ed uno strumentale generati da uno stimolo. Lo studio si basa su campioni modello a concentrazioni dello stimolo crescenti La loro validità tende ad essere assoluta, legata a specifici composti o matrici SOFT MODELING poche/blande ipotesi NON IMITATIVI: modelli predittivi delle relazioni che intercorro tra dati sensoriali rilevanti e dati chimico-fisici strumentali che descrivono la natura dei prodotti. Lo studio si basa su prodotti reali. La loro validità è relativa a specifiche tipologie di prodotto.