CRA-QCE Unità di Ricerca per la Valorizzazione Qualitativa dei Cereali Roma Metodi rapidi per la valutazione dello stato igienico-sanitario in frumento duro. Potenzialità della spettroscopia nel vicino i infrarosso (NIR/NIT) nel quantificare la contami inazione i da DON. Daniela Sgrulletta
Titolo del progetto MICOTOSSINE PRINCIPALI ED EMERGENTI NEI CEREALI (MICOPRINCEM) WP1 - Definizione e validazione di metodiche analitiche utili per la determinazione di micotossine nei cereali. Metodi rapidi per la valutazione dello stato igienico-sanitario in frumento duro. Potenzialità della spettros copia nel vicino infrarosso (NIR/NIT) nel quantificare la contaminazione da DON.
IL PIANO CEREALICOLO NAZIONALE GLI OBIETTIVII STRATEGICI 1) Competitività e processi produttivi 2) Orientamento dell'offerta alla domanda 3) Potenziamento delle relazioni di mercato 4) Trasparenza del mercato 5) Fluidità del mercato 6) Logistica di settore 7) Azioni di sperimentazione e ricerca INCREMENTO REDDITIVITA' E COMPETITIVITA' LE AZIONI 1.1 Analisi vigenti politiche di intervento 1.2 Elaborazione linee guida 2.1 Studio della domanda dell industria 3.1 Elab borazione di un quadro di riferimento per la stipula di contratti quadro. Proposte operative di servizi finanziari e assicurativi 5.1 Sviluppo di rapporti contrattuali codificati 5.2 Servizi finanziari e assicurativi 6.1 Censimento s trutture Stoccaggio. PSR 2.2 "Rete Nazionale di Qualità Cerealicola" RCQ 4.1 Classificazione merceologica standard nazionale 7.1 Attività ricerca applicativa sulle Micotos s ine 2.3 Sistemi di qualità delle filiere pane e pasta 4.2 Raccordo delle reti e dei sistemi di rilevazione nazionale. Sito web -cereali 3.2 Analisi della catena del valore lungo la filiera (formazione del prezzo). Analisi e monitoraggio Legenda: azioni propedeutiche azioni correlate
Raccolta e consegna al centro di stoccaggio Modello di riferimento per le imprese della Rete Qualità Cereali: lo stoccaggio differenziato delle produzioni cerealicole Valutazione delle caratteristiche qualitative e dello stato igienico sanitario della granella inentrata Strumenti rapidi ed acc urati collegati in Rete con il Laboratorio Centrale Sistema di controllo e di certificazione della qualità del materiale in entrata Stoccaggio differenziato sulla base dei parametri qualitativi monitorati ied eventuale isolamento di lotti critici per gli aspetti igienico sanitari Silos 1 (alto contenuto proteico) Silos2 (varietà X) Silos 3 (grano da coltivazione biologica) Silos 4 (indifferenziato)
Raccolta e consegna al centro di stoccaggio Modello di riferimento per le imprese della Rete Qualità Cereali: lo stoccaggio differenziato delle produzioni cerealicole Valutazione delle caratteristiche qualitative e dello stato igienico sanitario della granella inentrata Strumenti rapidi ed acc urati collegati in Rete con il Laboratorio Centrale Sistema di controllo e di certificazione della qualità del materiale in uscita Stoccaggio differenziato sulla base dei parametri qualitativi monitorati ied eventuale isolamento di lotti critici per gli aspetti igienico sanitari Silos 1 (alto contenuto proteico) Silos2 (varietà X) Silos 3 (grano da coltivazione biologica) Silos 4 (indifferenziato) Valutazione delle caratteristiche qualitative i e dello stato igienico sanitario della granella in uscita VENDITA
Caratteristiche igienico sanit tarie della produzione 2012 di frum mento* DON (deossinivalenolo) Cereale eale Rlev Rilievi N F. duro F. tenero 180 150 * Analisi effettuate nel centro di stoccaggio con strumenti rapidi per analisi DON
Caratteristiche igienico sanit tarie della produzione 2012 di frumento (gra nella in uscita)* DON (deossinivalenolo) da ottobre 2012 a gennaio 2013 controlli su 19 scarichi di frumento duro (circa 541 t) da ottobre 2012 a marzo 2013 controlli su 55 scarichi di frumento tenero e o( (circa c 1640 t) * Analisi effettuate nel centro di stoccaggio con strumenti rapidi per analisi DON
WP1 - Definizione e validazione di metodiche analitiche utili per la determinazione di micotossine nei cereali. 1.3 Studio di metodi rapidi e/o innovativi di indagine per l accertamento delle micotossine e delle fitopatie fungine. 131 1.3.1 Metodo NIR /NI IT vs ELISA per DON NIRSystems 6500 NIT INFRATEC 1241 Obiettivo Studiare la possibilità di utilizzare la tecnica NIR/NIT anche per rilevare la presenza di micotossine nella granella dei cereali, in particolare f.duro, al fine di isolare prima della fase di conservazione i lotti inquinati. Campioni. Sono stati analizzati campioni di sfarinato di frumento duro provenienti da varie regioni italiane, di cui una parte disponibili anche in granella, che includevano circa 25 varietà iscritte al Registro Nazionale. Il livello di DON nel materiale contaminato era compreso tra 750 e 12350 ppb. Per ridurre l errore di campionamento si è deciso di sottoporre alle analisi spettrali lo stesso sublotto sul quale sono state effettuate le analisi in laboratorio. Consideratalanaturadelproblema, sia per le analisi in trasmissione che in riflettanza dal punto di vista chemiometrico si sono seguiti due percorsi analitici, 1. costruendo un modello di regressione che permettesse di correlare il profilo spettrale dei campioni con il contenuto di DON (algoritmo PLS), 2. costruendo un modello di classificazione che, in base al limite legale di 1750 ppb, permettesse di prevedere se un campione fosse o meno contaminato (attraverso la versione discriminante dell algoritmo PLS).
WP1 - Definizione e validazione di metodiche analitiche utili per la determinazione di micotossine nei cereali. 1.3 Studio di metodi rapidi e/o innovativi di indagine per l accertamento delle micotossine e delle fitopatie fungine. 131 1.3.1 Metodo NIR vs ELISA per DON N: sviluppo di un modello di regressione Raccolta degli spettri: Gli spettri in riflessione sono stati registrati con analizzatore NIRSystems 6500 della FOSS Italia Tecator (400-2500 nm ad intervalli di 2 nm). Materiale: Sono stati analizzati 174 campioni, quasi tutti in doppio ed alcuni in quadruplo, in riflessione nell intervallo 400-2498 nm. Analisi chemiometrica: La matrice dei dati su cui si operata la modellazione chemiometrica è stata quindi una matrice 174 (campioni) x 1050 (lunghezze d onda) donda). Training set e Test set: I segnali registrati sono stati divisi in due serie di misure, ovvero: Training set = campioni utilizzati per la costruzione del modello matematico Test set = campioni lasciati da parte per validare il modello matematico. A tale scopo si è scelto di utilizzare l algoritmo Duplex, che cerca quanto più possibile di mantenere la stessa diversità (variabilità) tra i due set di dati.
WP1 - Definizione e validazione di metodiche analitiche utili per la determinazione di micotossine nei cereali. 1.3 Studio di metodi rapidi e/o innovativi di indagine per l accertamento delle micotossine e delle fitopatie fungine. Il principale vantaggio dell algoritmo Duplex è quello che permette di selezionare campioni di training e di test che coprano in maniera quanto più omogenea possibile lo spazio delle variabili. La rappresentazione grafica ottenuta calcolando le due componenti principali mostra che le misure incluse nel test set (i (simboli pieni) i) si trovano tutte all interno della variabilità definita dai campioni del training set (simboli vuoti). Distribuzione delle misure tra i due set Rappresentazi one di training i test (simboli vuoti) e test set (simboli pieni): i) rosso (non contaminato); verde (contaminato).
WP1 - Definizione e validazione di metodiche analitiche utili per la determinazione di micotossine nei cereali. 1.3 Studio di metodi rapidi e/o innovativi di indagine per l accertamento delle micotossine e delle fitopatie fungine. Pretrattamento dei dati. Sono stati considerati diversi tipi di pretrattamento (MSC ed MSC + derivata seconda). Sui dati pretrattati si è quindi proceduto alla messa a punto dei modelli di calibrazione attraverso l utilizzo dell algoritmo PLS ed alla loro successiva validazione attraverso il test set esterno, utilizzando come variabile dipendente (y) la radice quadrata della concentrazione dell analita, dopo aver evidenziato risultati non soddisfacenti con il dato grezzo. Risultati delle calibrazioni PLS sulle misure in riflessione I risultati si riferiscono ad una cross-validazione con 10 gruppi di cancellazione. Pretrattamento LV RMSEC RMSECV RMSEP MSC 9 15.99 18.25 21.30 MSC+der.sec. 4 14.79 19.45 20.76 I diversi pretrattamenti spettr rali non mostrano risultati molto differenti tra loro. Comunque, il pretrattamento che appare più efficace (con un minore errore di previsione) ii è stato quello con MSC seguito da derivata seconda.
WP1 - Definizione e validazione di metodiche analitiche utili per la determinazione di micotossine nei cereali. 1.3 Studio di metodi rapidi e/o innovativi di indagine per l accertamento delle micotossine e delle fitopatie fungine. Grafico dei valori osservati contro predetti per i campioni del training e del test set. Calibrazione PLS sui d ati NIR: grafico osservati vs predetti per i campioni del training (rosso) e test set (nero).
WP1 - Definizione e validazione di metodiche analitiche utili per la determinazione di micotossine nei cereali. 1.3 Studio di metodi rapidi e/o innovativi di indagine per l accertamento delle micotossine e delle fitopatie fungine. 131 1.3.1 Metodo NIR vs ELISA per DON N: sviluppo di un modello di classificazione i Obiettivo: possibilità di identificare se i campioni in analisi siano o non siano contaminati. Per fare questo, si è utilizzat to come valore di soglia per la definizione dello stato di contaminazione il valore di 1750 ppb, fissato dalla legge per la granella. Pretr Sensibilità Specificità Cal CV Pred Cal CV Pred MSC Non Cont 100 84.62 55.5656 81.73 82.2121 91.43 Cont 97.11 90.38 71.43 76.93 49.22 66.67 MSCd2 Non Cont 96.15 88.46 66.67 76.81 79.90 85.71 Cont 97.11 92.31 51.43 76.92 50 66.67 Raggruppamento dei campioni i in due categorie (contaminato e non contaminato), in funzione di valori di DON maggiori o minori della concentrazione scelta come soglia. I modelli costruiti col solo MSC risultano abbastanza sensibili e altamente specifici soprattutto per la classe non contaminato, riuscendo a fornire un riconoscimento della contaminazione sui campioni incogniti maggiore del 90% (specificità del modello non contaminato t con MSC).
WP1 - Definizione e validazione di metodiche analitiche utili per la determinazione di micotossine nei cereali. 1.3 Studio di metodi rapidi e/o innovativi di indagine per l accertamento delle micotossine e delle fitopatie fungine. Figura VIP (Variable Importance Proje ection) del modello PLS Le regioni di spazio maggiormente correlate con lo stato di contaminazione dei campioni i attraverso il calcolo dei VIP sembrano, in particolare, oltre alle regionii 400-700 nm e 1350-1460 nm, anche le lunghezze d onda da 2000 a 2150 nm, che risultano contribuire in maniera rilevante al modello bilineare.
In sintesi: WP1 - Definizione e validazione di metodiche analitiche utili per la determinazione di micotossine nei cereali. 1.3 Studio di metodi rapidi e/o innovativi di indagine per l accertamento delle micotossine e delle fitopatie fungine. Sviluppo di un modello di regressione per la previsione della concentrazione del DON: la calibrazione dei dati in funzione della radice quadrata della quantità di analita, ha permesso di ottenere dei modelli con una buona capacità predittiva sia in validazione interna che esterna. Sviluppo di un modello di classificazione contaminato-non contaminato : accoppiando la spettroscopia nel vicino infrarosso alla chemiometria, potrebbe essere possibile determinare in manierarapidaenondistruttivalostatodicontaminazione dei campioni di frumento, con un numero significativamente basso di falsi positivi e falsi negativi. Anche in questo caso, l utilizzo di uno strumento NIR ha permesso di ottenere risultati significativamente migliori rispetto a quelli ottenuti lavorando in trasmissione. Effetto delle diverse modalità di pretratta amento dei segnali spettrali: complessivamente, mentre per l analisi di regressione non si è osservato un effetto marcato del tipo di pretrattamento (sebbene alcuni risultassero comunque migliori di altri), le differenze sono risultate più pronunciate nel caso dell analisi di classificazione.
segue.. WP1 - Definizione e validazione di metodiche analitiche utili per la determinazione di micotossine nei cereali. 1.3 Studio di metodi rapidi e/o innovativi di indagine per l accertamento delle micotossine e delle fitopatie fungine. Sviluppo di un modello di classific cazione contaminato-nonnon contaminato : accoppiando la spettroscopia nel vicino infrarosso alla chemiometria, potrebbe essere possibile determinare in maniera rapida e non distruttiva lo stato di contaminazione dei campioni di frumento, con un numero significativamente basso di falsi positivi e falsi negativi. Anche in questo caso, l utilizzo di uno strumento NIR ha permesso di ottenere risultati significativamente migliori rispetto a quelli ottenuti lavorando in trasmissione. Effetto delle diverse modalità di pretrattamento dei segnali spettrali. Complessivamente, mentre per l analisi di regressione non si è osservato un effetto marcato del tipo di pretra attamento (sebbene alcuni risultassero comunque migliori di altri), le differenze sono risultate più pronunciate nel caso dell analisi di classificazione.
Daniela Sgrulletta Gabriellaa Aureli Silvia Bellato Giovannaa Terracciano Federico Marini (Sapienza Università di Roma)