Chemometrics Analysis Combined with GC-MS and NMR Spectroscopy Analysis of Fatty Acids as a Means of Discriminating Butterfat Adulteration
Notice bibliographique
Résumé
The adulteration of butter has become a major problem in food industries. Butter has the similar characteristic to lard which makes lard a desirable adulterant in butter due to economic advantages. Therefore, the method of detection to analyse the adulteration practice must be developed. This study used NMR spectroscopy in combination with chemometrics for the authentication of butter from lard. The presence of lard as an adulterant in butter has been analysed using Gas Chromatography–Mass Spectrometry (GC-MS) and Nuclear Magnetic Resonance (NMR) spectroscopy with the aid of chemometric of Principal Component Analysis (PCA) and Discriminant Analysis (DA). PC1 described 82% of the variation while PC2 accounted for 15% of the variation resulted in a model that described 80% of the total variance in the data. With 82% of the peak variation along the first PC, it was clear that all seventeen samples of butter in the market and pure lard sample were formed according to their own group and showed two well-defined and well-separated group. DA model classified 100% of all samples accurately according to its group (butter and butter adulterated with animal fats), meaning that no samples were misclassified into the wrong group. Lard was successfully determined at 2.63 ppm. In this study, NMR and PCA analysis has successfully discriminated between the market sample and lard and the results established that there is no lard being adulterated in all commercial butter samples. This could be a potential identification approach to determine if the product has been deceived in market.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».