Metodi rapidi ed innovativi per la verifica dell origine M. DEL CARLO A. CICHELLI Università degli Studi di Teramo Università degli Studi di Chieti
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?
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)
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)
Applicazioni qualitative della spettroscopia IR
Applicazioni quantitative della spettroscopia IR
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).
-CH -CH 2 -CH 3 C=O FINGERPRINT REGION C=O ALDEIDI C=O FFA
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 ) 700-3033 700-3033 700-3033 Linear range (% in VOO) 64-81 13-20 6-16 Number of factors (LVs) 14 15 13 Number of training samples (N) 61 61 61 PRESS a 10.59 2.52 6.11 Root mean square deviation (RMSD, %) 0.42 0.20 0.32 Relative error in calibration (REC %) 0.56 2.23 1.95 r 2 0.9883 0.9941 0.9557 Selectivity 0.1734 0.1988 0.1378 Sensitivity (SEN) 0.0009 0.0015 0.0020 Analytical sensitivity, [γ= (SEN/σo )] 0.17 2.07 0.32 Minimum concentration difference 6.0 0.48 3.17 Limit of detection (LOD, % in VOO) 3 0.28 1.3 Limit of quantification (LOQ, % in VOO) 10 0.94 4.5 Validation Number of validations samples 25 25 Property 25 MUFA PUFA SFA Recovery rates (%) 100 Calibration 103 98 Relative error in Prediction, (REP, %) 1 4 Spectral range 6 (cm -1 ) 700-3033 700-3033 700-3033 Linear range 0.7099 (% in VOO) 64-81 13-20 6-16 r 2 0.8884 0.9816 0.2 Number of factors 5 ± 1 (LVs) 14 15 13 5 ± 5 0.4 ± yo Number 0.03 of training 0.7 ± samples 0.1 (N) 61 61 61 Slope 0.93 ± 0.07 0.98 ± PRESS a 10.59 2.52 6.11 Root mean square deviation (RMSD, %) 0.42 0.20 0.32 Relative error in calibration (REC %) 0.56 2.23 1.95 r 2 0.9883 0.9941 0.9557 Selectivity 0.1734 0.1988 0.1378 Sensitivity (SEN) 0.0009 0.0015 0.0020 Analytical sensitivity, [γ= (SEN/σo )] 0.17 2.07 0.32 Minimum concentration difference 6.0 0.48 3.17 Limit of detection (LOD, % in VOO) 3 0.28 1.3 Limit of quantification (LOQ, % in VOO) 10 0.94 4.5 Validation Number of validations samples 25 25 25 Recovery rates (%) 100 103 98 Relative error in Prediction, (REP, %) 1 4 6 r 2 0.8884 0.9816 0.7099 yo 5 ± 5 0.4 ± 0.2 5 ± 1 Slope 0.93 ± 0.07 0.98 ± 0.03 0.7 ± 0.1
Risultati I: acido oleico e linoleico I Property Oleic Acid Linoleic Acid Calibration Spectral range (cm -1 ) 700-3033 700-3033 Linear range (% in VOO) 62-80 5-15 Number of factors (LVs) 14 13 Number of training samples (N) 61 61 PRESS a 10.88 9.33 Root mean square deviation (RMSD) 0.42 0.39 Relative error in calibration (REC %) 0.51 4.64 r 2 0.9886 0.9773 Selectivity 0.1785 0.1988 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 0.5 Limit of quantification (LOQ, % in VOO) 10 1.7 II Validation Number of validation samples 25 25 Recovery rates (%) 100 98 Relative error in Prediction (REP %) 1 7 r 2 0.9232 0.9444 y o 4 ± 4 0.1 ± 0.4 Slope 0.94 ± 0.06 0.96 ± 0.05
Risultati II: MUFA, PUFA, SFA I II Property MUFA PUFA SFA Calibration Spectral range (cm -1 ) 700-3033 700-3033 700-3033 Linear range (% in VOO) 64-81 13-20 6-16 Number of factors (LVs) 14 15 13 Number of training samples (N) 61 61 61 PRESS a 10.59 2.52 6.11 Root mean square deviation (RMSD, %) 0.42 0.20 0.32 Relative error in calibration (REC %) 0.56 2.23 1.95 r 2 0.9883 0.9941 0.9557 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 3.17 Limit of detection (LOD, % in VOO) 3 0.28 1.3 Limit of quantification (LOQ, % in VOO) 10 0.94 4.5 Validation Number of validations samples 25 25 25 Recovery rates (%) 100 103 98 Relative error in Prediction, (REP, %) 1 4 6 r 2 0.8884 0.9816 0.7099 y o 5 ± 5 0.4 ± 0.2 5 ± 1 Slope 0.93 ± 0.07 0.98 ± 0.03 0.7 ± 0.1
Risultati III: PV Property D o D D Spectral range (cm -1 ) 4000-700 4000-700 4000-700 Calibration range (meqo 2 kg -1 oil) 5.7-15.7 5.7-15.7 5.7-15.7 Number of factors (LV) 5 10 7 Number of training samples 23 24 24 PRESS a (unidades) 174.66 152.35 191.32 Root mean square deviation, RMSD (unidades) 1.4302 0.6933 0.9482 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 1.1 Minimum concentration difference (unidades) 0.8 0.9 0.9 Limit of detection (LOD) (unidades) 3.1 1.0 1.6 Limit of quantification (LOQ) (unidades) 10.3 3.4 5.2 Number of validations samples 10 10 10 Recovery rates (%) 74.7 97.7 96.0 Relative error in Prediction, REP (%) 23.7 13.6 12.2
Risultati IV MUFA PUFA SFA Ac. oleico Ac. linoleico PV calibration set ( ) and trainingset ( )
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
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) 231 238
Sviluppo del metodo DPV-PLS Tocoferolo Idrossitirosolo Tirosolo Oleuropeina
Disegno Sperimentale C1 C2 cc del composto B cc del composto C cc del composto A Matrice di calibrazione
PLS Parametri Critici della Calibrazione Validazione Interna Parametri Tocoferolo Tirosolo Idrossitirosolo Intervallo di Potenziale (V) 0.220 0.725 0.57-0.67 0.195-0.595 Intervallo Linear (mg L-1) 7.40-14.6µM 0.950 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 0.3727 0.4139 SD(%) 9.3 7.1 6.8 REC (%) 100.8 100.5 100.5 R 2 0.8283 0.8296 0.9190 LOD 2.2 0.26 0.092 LOQ (mg L-1) 7.6 0.87 0.309
PLS Parametri Critici della Calibrazioni Validazione Esterna Confronto con 9 Campioni Sintetici Validazione Tocoferolo Tirosolo Idrossitirosolo Rec(%) 101.3 101.7 95.8 SD(%) 9.5 5.1 8.5 Livelli di Concentrazioni 7.39-12.86 0.86-1.36 0.40-0.72 R 2 0.850 0.846 0.780
PLS Parametri Critici della Calibrazioni Validazione Esterna Confronto con Campioni Olio Extravergine-HPLC Validazione Tocoferolo Tirosolo Idrossitirosolo Rec(%)??? SD(%)??? Livelli di Concentrazioni???
Altri metodi elettrochimici
Queste misure sono state fatte utilizzando 5 microlitri di campione Misure voltammetriche con microvolumi di campione Volume di cella 1 microl
Metodi elettrochimici per l individuazione di funzionalità orto-difenoliche Orto-difenoli totali in solvente organico (campione non trattato) ocratossina -5 0.275x10 OH -5 0.225x10-5 0.175x10-5 0.125x10 H O O O C C H 3 O O CH 3 i / A -5 0.075x10 H O O C H 3 0.025x10-5 -5-0.025x10 OH -5-0.075x10-5 -0.125x10 0 0.1000.2000.3000.4000.5000.6000.7000.800 H O O O H O CH 3 t / s H O O C H 3 11/11/2009 11.37.00
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)