Nood aan snelle voorspelling brutosamenstelling, vetkwaliteit en vetzuursamenstelling De relatie tussen voeding en gezondheid speelt een centrale rol in de geïndustrialiseerde voedselvoorziening. Het voldoen aan de doelstellingen op het gebied van gezonde en veilige voeding staat dan ook hoog genoteerd op de agenda van overheden en voedingsbedrijven. Voor de bedrijven is het noodzakelijk om doorheen de productieketen op accurate en snelle manier een beeld te krijgen van verschillende kwaliteitsparameters van zowel grondstoffen, afgewerkte producten, als intermediaire producten. Deze ingangscontroles kunnen gebruikt worden als ‘interne’ kwaliteitscontrole. Met de opkomst van de nutritionele labels kunnen deze resultaten ook gebruikt worden als eerste screening om na te gaan of de batch geproduceerde producten effectief aan de voorwaarden voldoet. Ook vanuit de vleeswarenindustrie heerst er belangstelling om bepaalde producten te kunnen labelen. Voor de vleeswarenindustrie is het daarbij wenselijk snel over informatie inzake brutosamenstelling, vetkwaliteit en vetzuursamenstelling van het product te beschikken. Door gebruik te maken van een snelle predictiemethode voor deze parameters zal het voor de bedrijven mogelijk zijn om gedurende het productieproces de recepturen, waar nodig, bij te sturen. Het gebruik van infrarood metingen is reeds enkele jaren in gebruik als snelle meetmethode. Infrarood spectrometrie heeft als voordeel dat het eenvoudig is in gebruik, een hoge meetsnelheid en een laag solventverbuik bezit.
De beperkingen van NIRSEr zijn verschillende infrarood spectrometrie metingen voorhanden, toch is het belangrijk een duidelijk onderscheid te maken tussen Nabij Infrarood Spectrometrie (NIRS) en Midden Infrarood Spectrometrie (MIR). NIRS werd reeds in verschillende laboratoria gebruikt om de brutosamenstelling van dierlijke producten te voorspellen. Het voorspellingsvermogen blijkt evenwel sterk afhankelijk te zijn van het type monster. Voor heterogene monsters, zoals bijvoorbeeld vleesmonsters, is de accuraatheid van de metingen voor bepaalde kwaliteitsparameters onvoldoende. Er werden eveneens pogingen ondernomen om de vetzuursamenstelling van vleesproducten te voorspellen aan de hand van NIRS. Het voorspellingsvermogen was evenwel onvoldoende. In het geselecteerde NIR – gebied (12800 – 4000 cm-1) zijn namelijk veel interfererende componenten aanwezig waardoor de voorspelling van vetzuren die in lagere concentraties voorkomen, zoals de polyonverzadigde vetzuren, minder nauwkeurig is. Ook het hoog watergehalte in vleesproducten zou de nauwkeurigheid negatief beïnvloeden.
De mogelijkheden van FT-MIRFT–MIR toonde reeds aan potentieel te hebben in het voorspellen van een gedetailleerd vetzuurprofiel, inclusief polyonverzadigde vetzuren, voor de matrix melk (Soyeurt et al., 2006) en rugspek van varkens (Flatten et al., 2005; Osorio et al., 2009). In de literatuur werd reeds aangetoond dat de vetkwaliteit van plantaardige oliën kan worden voorspeld aan de hand van FT–MIR (Al-Alawi et al., 2005; Mirghani et al., 2001). Voor het opnemen van een midden infrarood spectrum wordt een kleine hoeveelheid van het te onderzoeken materiaal blootgesteld aan infrarood licht. In een molecuul zijn de atomen met elkaar verbonden door middel van chemische bindingen die met een specifieke frequentie trillen. Wanneer deze trilling overeenkomt met een specifieke frequentie van het MIR–gebied (400 – 4000 cm-1) zal het infrarood licht worden geabsorbeerd door die bepaalde chemische binding. Het aantal specifieke golflengtes van infrarood licht dat door een molecuul kan worden geabsorbeerd, hangt af van het aantal specifieke chemische bindingen dat zich in het molecuul bevindt. Zo heeft elk materiaal zijn eigen specifieke ‘vingerafdruk’ dat door de infrarood spectrometer wordt voorgesteld als een infrarood spectrum. Figuur 1 geeft bijvoorbeeld de MIR–spectra weer van respectievelijk een staal varkensvlees en een staal varkensvet.
Figuur 1 : MIR–spectra van een staal varkensvlees (boven) en een staal varkensvet (onder)
In het Flanders’ FOOD project FT-IR (2007 – 2009) testte HOWEST (Kortrijk) in samenwerking met LANUPRO (UGent) en 11 industriële partners met bevredigend resultaat Fourier Transform Midden Infrarood (FT–MIR) spectrometrie uit als snelle bepalingsmethode voor brutosamenstelling, vetkwaliteit en vetzuursamenstelling van vleesproducten en eieren.
Bronnen
- Neyrinck, E., De Smet, J., De Smet, S. & Raes, K. (2009). Evaluatie van FT – MIR spectrometrie als snelle bepalingsmethode voor de brutosamenstelling en vetzuursamenstelling van vleesproducten en eieren. KVCV – symposium, Trends in de Levensmiddelenanalyse VI, Universiteit Gent, Faculteit Farmaceutische Wetenschappen.
- Soyeurt,H., Dardenne, P., Dehareng, F., Lognay, G., Veselko, D., Marlier, M., Bertozzi, C., Mayeres, P. & Gengler, N. (2006). Estimating fatty acid content in cow milk using mid – infrared spectrometry. Journal of Dairy Science, 89, 3690 – 3695.
- Flatten, A., Bryhni, E.A., Kohler, A., Egelandsdal, B. & Isaksson, T. (2005). Determination of C22:5 and C22:6 marine fatty acids in pork fat with Fourier transform mid – infrared spectroscopy. Meat Science, 69, 433 – 440.
- Osorio, M.T., Zumalacarregui, J.M., Alaiz – Rodriguez, R., Guzman-Martinez, R., Engelsen, S.B. & Mateo,J. (2009). Differentiation of perirenal and omental fat quality of suckling lambs according to the rearing system from Fourier transforms mid – infrared spectra using partial least squares and artificial neural networks analysis. Meat Science, 83, 140 – 147.
- Al-Alawi, A., van de Voort, F.R. & Sedman, J. (2005). A new FTIR method for the analysis of low levels of FFA in refined edible oils. Spectroscopy Letters, 38, 389 – 403.
- Mirghani, M.E.S., Man, Y.B.C., Jinap, S., Baharin, B.S. & Bakar, J. (2002). Rapid method for determining malondialdehyde as secondary oxidation product in palm olein system by Fourier transform infrared spectroscopy. Phytochemical analysis, 13, 195 – 201.
Contact
- Hogeschool West – Vlaanderen, Departement PIH, Onderzoeksgroep EnBiChem, Graaf Karel de Goedelaan 5, BE – 8500 Kortrijk, België – ellen.neyrinck@howest.be;katleen.raes@howest.be
- Universiteit Gent, Laboratorium voor Diervoeding en Kwaliteit van Dierlijke Producten, Onderzoeksgroep Lanupro, Proefhoevestraat 10, BE – 9090 Melle, België –stefaan.desmet@ugent.be
