Videnskab
 science >> Videnskab >  >> Kemi

En hurtigere og mere pålidelig metode til at kategorisere olivenolie er valideret

Klassificering af olivenolier i kategorierne ekstra jomfru (EVOO), virgin (VOO) og lampante (LOO) er stadig noget af en udfordring at håndtere, da den officielle metode omfatter fysisk-kemiske og sensoriske analyser ved hjælp af et panel af smagere. Disse smagere skal være specialiserede, og ved mange lejligheder er ikke tilgængelige, udover at være dyrt og langsomt. Alt dette har skabt nødvendigheden af ​​at udvikle nye analytiske metoder ved hjælp af overkommelige, pålidelige værktøjer, der kan overføres til industrien. Kredit:Universidad de Córdoba (Spanien)

Klassificering af olivenolier i kategorierne ekstra jomfru (EVOO), virgin (VOO) og lampante (LOO) er stadig noget af en udfordring at håndtere, da den officielle metode omfatter fysisk-kemiske og sensoriske analyser ved hjælp af et panel af smagere. Disse smagere skal være specialiserede, og ved mange lejligheder er ikke tilgængelige, udover at være dyrt og langsomt. Alt dette har skabt nødvendigheden af ​​at udvikle nye analytiske metoder ved hjælp af overkommelige, pålidelige værktøjer, der kan overføres til industrien.

AGR-287 forskningsgruppen, ledet af professor Lourdes Arce, var en pioner i at demonstrere de muligheder, som gaskromatografi sammen med ionmobilitetsspektrometri (GC-IMS) kunne give for at klassificere olier i tre kategorier (EVOO, VOO og LOO). Denne metode giver mulighed for at analysere to prøver i timen. Når et repræsentativt antal prøver er blevet analyseret, den indsamlede kemiske information behandles ved hjælp af statistiske værktøjer for at skabe kalibreringsligninger, der vil muliggøre klassificering af prøver af ukendt olie i deres respektive kategorier i fremtiden.

Et afgørende punkt i valideringen af ​​denne metode er antallet af prøver, der er nødvendige for at kalibrere udstyret. Forskningen har vist, at for at opnå gode resultater, det er ikke kun nødvendigt at analysere et repræsentativt antal prøver, men også at have prøver af olivenolie, der tilhører hver af de tre kategorier fra forskellige sorter, fra forskellige årstider og smagt af mindst to paneler, hvis resultater falder sammen. Derfor, disse metoder søger ikke at erstatte, men snarere supplere og støtte, rollen som akkrediterede smagspaneler. I disse forskningsprojekter, vigtigheden af ​​at bygge en bank af olieprøver er blevet demonstreret, så de kan være referencestandarder, der vil blive brugt til at konstruere kalibrerede ligninger. Disse ligninger vil etablere kategorierne af analyserede olieprøver.

Resultaterne opnået fra denne forskning har vakt interesse blandt forskellige virksomheder i oliesektoren, som i øjeblikket samarbejder om at gennemføre overførsel af denne forskning til industrien. Hvad er mere, ved at bruge den viden, der følger af denne forskning, et nyt instrument er under udvikling, der skal klassificere olier baseret på brugen af ​​IMS-teknologi. Dette udgør en af ​​linjerne i Project Innolivar, hvis mål er at øge konkurrenceevnen, international positionering, teknologisk kapacitet og økonomisk rentabilitet af olivenlunde og deres tilknyttede erhvervssektor.

Endnu et forskningsprojekt, der udføres af ph.d.-studerende Natividad Jurado, har afsløret, at den korrekte klassificering af olier kræver, at man også tager de kemiske forbindelser, som hver smager skelner i betragtning. Den foreslåede metode er baseret på udvinding af visse forbindelser til stede i olie, for eksempel polyfenoler, og derefter bestemme dem ved hjælp af kapillær elektroforese (CE-UV) - en teknik til at adskille forskellige molekyler - koblet med en ultraviolet detektor. I et blad udgivet i Talanta , den integrerede brug af begge teknikker (CE-UV og GC-IMS) blev foreslået for at detektere ikke-flygtige forbindelser, detekteret af munden, og også de flygtige forbindelser opdaget af næsen. Al information opnået med begge teknikker håndteres af statistiske værktøjer, der er egnede til at klassificere en olieprøve i den korrekte kategori. Denne sammensmeltning af data har vist sig at være nyttig ved klassificering af grænseprøver, der er på grænsefladen mellem to grupper (EVOO/VOO eller VOO/LOO).


Varme artikler