Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Investigation of the applicability of SPME-GC-MS technique and principal component analysis in the evaluation of a volatile fraction of blue-veined cheeses

Tytuł:
Investigation of the applicability of SPME-GC-MS technique and principal component analysis in the evaluation of a volatile fraction of blue-veined cheeses
Ocena mozliwosci zastosowania techniki SPME-GC-MS oraz analizy metoda grup i cech do badan zwiazkow lotnych serow z przerostem plesni
Autorzy:
Berezinska A.
Bzducha A.
Obiedzinski M.W.
Tematy:
cheese
blue-veined cheese
volatile fraction
investigation
principal component analysis
food analysis
ketone
aldehyde
ester
volatile alcohol
microextraction
Język:
angielski
Dostawca treści:
AGRO
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
An object of the research were five blue-veined cheeses purchased at local supermarkets. Additionally, a cheese being a combination of a blue-type and another rennet coagulated cheese was evaluated. Extraction of the volatile components was performed by means of SPME in the headspace mode (HS-SPME) and followed by GC/MS separation and identification of the compounds isolated. Then, PCA was applied to the data obtained. The dimensionality of the data set was reduced from 27 volatiles to only four principal components (PCs), which accounted for about 93% of the total variance and allowed the classification of the samples studied.

Przedmiotem badania były próbki pięciu serów z przerostem pleśni zakupione w lokalnych supermarketach. Dodatkowo, analizie poddano ser będący swego rodzaju kombinacją sera z przerostem pleśni i innego sera podpuszczkowego. Ekstrakcję związków lotnych przeprowadzono techniką mikroekstrakcji z fazy nadpowierzchniowej (HS-SPME). Rozdziału i identyfikacji wyizolowanych związków lotnych dokonano techniką GC/MS. Uzyskane dane poddano obróbce metodą analizy grup i cech. Udało się zredukować wymiarowość przestrzeni danych z 27 związków lotnych do czterech składowych głównych, które wyjaśniały ogółem ok. 93% zmienności całkowitej i umożliwiły klasyfikację badanych próbek.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies