Clasificación geográfica de aceites de oliva Argentinas empleando espectroscopía NIR y quimiometría

LOZANO, V. A.

Río Cuarto

Congreso; IX Congreso Argentino de Química Analítica; 2017

AAQA

Los métodos analíticos basados en la combinación de técnicas de espectroscopía de infrarrojo cercano (NIR) y quimiometría se utilizan para identificar el origen geográfico de diferentes productos alimenticios como aceites vegetales, vino, miel, entre otros. El espectro NIR es una especie de "huella digital" para cada producto y mediante el análisis multivariado es posible identificar el origen del mismo.1 Los motivos que hacen a esta técnica atractiva son varios: el registro espectral es rápido, es no destructiva, es económica, no emplea reactivos tóxicos y posee potencial como análisis de rutina.2En el presente trabajo se desarrolló un nuevo método analítico de espectroscopía NIR y quimiometría, que permitió la clasificación geográfica para autentificar el control de calidad y la procedencia de muestras de aceite de oliva extra virgen de diferentes zonas olivícolas de la Argentina (Mendoza, San Juan, La Rioja, Catamarca, Córdoba y Buenos Aires (Coronel Dorrego)). Se analizaron 60 muestras adquiridas en ferias, comercios y supermercados de diferentes ciudades. Para su clasificación se tuvo en cuenta únicamente el parámetro procedencia obtenido de la información declarada en la etiqueta de cada una de ellas. Las muestras cuya procedencia se desconocía por no ser informadas se utilizaron como muestras incógnitas a predecir.Inicialmente, se midió por duplicado la transflectancia NIR en el intervalo de 400 a 2500 nm (25000 a 4000 cm-1) de las muestras de aceite de oliva directamente sin la necesidad de realizarles un pre-tratamiento previo. Para extraer la información, química y física de los componentes de la muestra, que nos brindan los espectros NIR se emplearon diferentes modelos quimiométricos tales como: análisis de componentes principales (PCA), análisis de agrupamientos jerárquicos (HCA) y mínimos cuadrados parciales-análisis discriminante (PLS-DA). Mediante el análisis de PCA se demostró que dos componentes principales (CP) explicaron el 98% de la varianza total y permitieron clasificar todas las muestras en dos grupos, uno más pequeño compuesto por 16 muestras y otro con el resto. El mismo resultado fue obtenido al aplicar HCA. Se corroboró que 8 de las 16 muestras del sub-grupo habían sido reportadas por los Organismos Nacionales y Provinciales de control como alimentos no seguros ya que no cumplían con la legislación alimentaria vigente. Luego, los datos se analizaron aplicando PLS1-DA,3 es decir se construyó un modelo de regresión para cada región geográfica. Los resultados de predicción de origen geográfico obtenidos para las muestras de validación fueron 100% correctos en todos los casos. Por último, se predijeron las muestras de origen desconocido con cada uno de los modelos de regresión alcanzados con el algoritmo PLS1-DA.Referencias1)C. A. Nunes, Food Res. Int. 60 (2014) 255-261.2)S. Armenta, S. Garrigues, M. de la Guardia, Trends Anal. Chem. 27 (2008) 497-511.3)O. Galtier, N. Dupuy, Y. Le Dréau, D. Ollivier, C. Pinatel, J. Kister, J. Artaud, Anal. Chim. Acta 595 (2007) 136-144.