Resumen:
|
[ES] En el presente trabajo se ha utilizado la espectroscopia FTIR (Fourier-Transform Infrared Spectroscopy) para la determinación de azúcares simples y ácidos de diferentes zumos y néctares de fruta comerciales. Se trabajó ...[+]
[ES] En el presente trabajo se ha utilizado la espectroscopia FTIR (Fourier-Transform Infrared Spectroscopy) para la determinación de azúcares simples y ácidos de diferentes zumos y néctares de fruta comerciales. Se trabajó con un total de 28 muestras de zumos (7 de manzana, 7 de naranja, 6 de piña y 8 de uva) y 10 muestras de néctares (2 de manzana, 4 de naranja y 4 de piña).
A todas las muestras se les analizó su contenido de azúcares simples (glucosa, fructosa y sacarosa) y de los ácidos orgánicos más relevantes (oxálico, tartárico, málico, isocítrico, ascórbico, acético, cítrico y fumárico). Los azúcares se determinaron mediante cromatografía de intercambio iónico con un detector de pulsos amperométricos. Los ácidos orgánicos se determinaron por cromatografía líquida de alta resolución acoplado a un detector ultravioleta-visible. Para la correcta separación de los patrones de los ácidos orgánicos se optimizaron las condiciones cromatográficas de separación trabajando con distintas temperaturas (40°C, 30°C, 20°C ,15°C) y caudales (0,8 y 1,5 mL min-1).
Posteriormente, a todas las muestras se les realizó un análisis no destructivo mediante un espectroscopio FTIR con ATR como método de introducción de muestra. Se obtuvieron los espectros de las muestras en la región del infrarrojo medio (4000-400 cm-1). De cada uno de los espectros se seleccionaron las 25 regiones que contienen la información más relevante.
Las absorbancias normalizadas correspondientes a las áreas de los picos de estas regiones se utilizaron como variables predictoras del contenido en azúcares y ácidos, mientras que los datos obtenidos por cromatografía se utilizaron como variable respuesta. Mediante el software SPSS se realizó un análisis multivariante de forma que se obtuvieron modelos de regresión lineal múltiple (MLR) a partir de las variables predictoras. Para la predicción del contenido de azúcares se obtuvieron valores de R2 y de error estándar de 0,879 y 9,4235; 0,942 y 7,0195; 0,981 y 3,2726, para la glucosa, fructosa y sacarosa respectivamente. Estos resultados indican que el modelo es adecuado para predecir concentración de azúcares. Para la predicción de la concentración de ácidos los valores obtenidos de R2 y de error estándar fueron 0,496 y 796; 0,901 y 945; 0,686 y 966, para el ácido tartárico, cítrico y málico respectivamente. Estos resultados demuestran que los modelos no son adecuados para predecir ácidos en estas condiciones. Además, se llevó a cabo un análisis discriminante lineal (LDA) para evaluar la capacidad de los datos extraídos de los espectros FTIR para clasificar los zumos y néctares en base al tipo de fruta, obteniendo un modelo que es capaz de distinguir el tipo de muestra con una capacidad de predicción alta (90%) y una Lambda de Wilks muy favorable: 0,078.
[-]
[EN] In this project, FTIR spectroscopy (Fourier-Transform Infrared Spectroscopy) has been used for
the determination of simple sugars and acids of different commercial juices and nectars. A
total of 27 juice samples (7 ...[+]
[EN] In this project, FTIR spectroscopy (Fourier-Transform Infrared Spectroscopy) has been used for
the determination of simple sugars and acids of different commercial juices and nectars. A
total of 27 juice samples (7 of apple, 7 of orange, 5 of pineapple and 8 made of grape) and 11
nectars (2 of apple, 4 of orange and 5 made of pineapple) have been analyzed. The content of
simple sugars (glucose, fructose and sucrose) and the most significant organic acids (tartaric,
malic, isocitric, citric and fumaric) has been determined. Sugars were determined by ionexchange
chromatography coupled to a pulsed amperometric detector. Organic acids were
determined by high performance liquid chromatography coupled to a UV-visible detector. For
proper separation of the standards of organic acids, chromatographic conditions were
optimized, working with different temperatures and flow rates.
Then, all samples were subjected to a nondestructive analysis by an FTIR spectrophotometer
with ATR (Attenuated Total Reflection) as a method of sample introduction. Spectra of samples
in the mid-infrared region (4000-400 cm-1
) were obtained. In each spectrum, 25 regions
containing the most relevant information were selected. Normalized absorbances
corresponding to the peak areas of these regions were used as predictors of sugars and acids,
while the data obtained by chromatography was used as response variable. By multivariate
analysis with software SPSS, Multiple Linear Regression (MLR) models were obtained. For each
prediction of sugar content, R
2
and standard error of the regression were obtained: 0.928 and
6.385 g L-1
; 0.951 and 6.276 g L-1
; 0.953 and 5.582 g L-1
for glucose, fructose and sucrose
respectively. These results indicate that the model is adequate for predicting the concentration
of sugars. In contrast, results predicting acid content of samples were not as satisfactory. In
addition, a Linear Discriminant Analysis (LDA) was performed in order to evaluate the
capability of the data extracted from the FTIR spectra to classify juices and nectars based on
the type of fruit. A model that is able to distinguish the type of simple was obtained, with high
prediction capability (90 %) and a Wilks' Lambda value of 0.078.
[-]
[CA] En el present treball s'ha utilitzat l'espectroscòpia FTIR (Fourier-Transform Infrared
Spectroscopy) per a la determinació de sucres simples i àcids orgànics de diferents sucs i
nèctars de fruita comercials. Es va ...[+]
[CA] En el present treball s'ha utilitzat l'espectroscòpia FTIR (Fourier-Transform Infrared
Spectroscopy) per a la determinació de sucres simples i àcids orgànics de diferents sucs i
nèctars de fruita comercials. Es va treballar amb un total de 27 mostres de sucs (7 de poma, 7
de taronja, 5 de pinya i 8 de raïm) i 11 mostres de nèctars (2 de poma, 4 de taronja i 5 de
pinya). Es va determinar en totes les mostres el contingut en sucres simples (glucosa, fructosa i
sacarosa) i dels àcids orgànics més rellevants (tartàric, màlic, isocítric, cítric i fumàric). Els
sucres es van determinar per mitjà de cromatografia d'intercanvi iònic amb un detector de
polsos amperométrics. Els àcids orgànics es van determinar per cromatografia líquida d'alta
resolució acoblada a un detector ultravioleta-visible. Per a la correcta separació dels patrons
dels àcids orgànics es van optimitzar les condicions cromatogràfiques, com ara la temperatura i
el cabal.
Posteriorment, es va realitzar una anàlisi no destructiva per mitjà d'un espectrofotòmetre FTIR
amb ATR (Attenuated Total Reflection) com a mètode d'introducció de mostra a tots els sucs i
nèctars. Es van obtindre els espectres de les mostres en la regió de l'infraroig mig
(4000-400 cm-1
). De cada un dels espectres es van seleccionar les 25 regions que contenien la
informació més rellevant. Les absorbàncies normalitzades corresponents a les àrees dels pics
d'aquestes regions es van utilitzar com a variables predictores del contingut en sucres i àcids,
mentres que les dades obtingudes per cromatografia es van utilitzar com a variable resposta.
Per mitjà del programa SPSS es va realitzar una anàlisi multivariant de manera que es van
obtindre models de regressió lineal múltiple MLR, (Multiple Linear Regression). Per a la
predicció del contingut de sucres es van obtindre valors de R2
i d'error típic d'estimació de
0,928 i 6,385 g L-1
; 0,951 i 6,276 g L-1
; 0,953 i 5,582 g L-1
, per a la glucosa, fructosa i sacarosa,
respectivament. Aquests resultats indiquen que el model és adequat per a predir la
concentració de sucres. Al contrari, no es van trobar resultats igual de satisfactoris per a la
predicció del contingut en àcids. A més, es va dur a terme una anàlisi discriminant lineal, LDA
(Linear Discriminant Analysis) per a avaluar la capacitat de les dades extretes dels espectres
FTIR per a classificar els sucs i nèctars basant-se en el tipus de fruita, obtenint-se un model que
és capaç de distingir el tipus de mostra amb una alta capacitat de predicció (90%) i una Lambda
de Wilks de 0,078.
[-]
|