Краснодар, Россия
Краснодар, Россия
Краснодар, Россия
Краснодар, Россия
В исследовании изучен потенциал ИК-Фурье спектроскопии в сочетании с хемометрией для аутентификации и количественного определения пастеризованного козьего молока, смешанного с коровьим. Для оценки выбраны козье и коровье молоко разных производителей, из которых далее составлены смеси. Козье молоко смешивали с коровьим в различных пропорциях: от 1 до 90 %. Для хемометрического моделирования использовалась частичная регрессия методом наименьших квадратов (PLS), чтобы предсказать процент фальсификации на основе предварительно обработанных спектральных данных. Для проверки модели PLS проведена пятикратная перекрестная проверка. Набор данных разделен на пять групп, далее модель обучена и протестирована итеративно на каждой группе. Ошибка прогнозирования определена количественно с использованием среднеквадратичной ошибки (RMSE), которая измеряет среднее отклонение прогнозируемых значений от наблюдаемых. Рассчитан RMSE для каждого из значений, среднее значение RMSE для всех значений представлено в качестве показателя точности прогнозирования модели. Результаты визуализированы с использованием столбчатых графиков, чтобы проиллюстрировать RMSE для каждой складки и совокупную дисперсию, объясняемую компонентами PLS. Модель PLS, полученная на основе инфракрасных спектров, продемонстрировала, что даже в худшем случае ошибка в 3–5 % не достигается. Полученные данные исследования продемонстрировали потенциал ИК-Фурье спектроскопии как быстрого, недорогого и неразрушающего аналитического инструмента для выявления фальсификации козьего молока коровьим.
молочные продукты, коровье молоко, козье молоко, хемометрика, ИК-Фурье спектроскопия, фальсификация молока
1. Smaoui, S. Current state of milk, dairy products, meat and meat products, eggs, fish and fishery products authentication and chemometrics / S. Smaoui [et al.] // Foods. 2023. Vol. 12(23). 4254. https://doi.org/10.3390/foods12234254
2. Sánchez-Rodríguez, R. Combined metabolomic and NIRS analyses reveal biochemical and metabolite changes in goat milk kefir under different heat treatments and fermentation times / R. Sánchez-Rodríguez [et al.] // Biomolecules. 2024. Vol. 14(7). 816. https://doi.org/10.3390/biom14070816
3. La Torre, C. Comparing nutritional values and bioactivity of kefir from different types of animal milk / C. La Torre [et al.] // Molecules. 2024. Vol. 29(1). 2710. https://doi.org/10.3390/molecules29112710
4. Chaudhary, V. Spectroscopic techniques for authentication of animal origin foods / V. Chaudhary [et al.] // Frontiers in Nutrition. 2022. Vol. 9. https://doi.org/10.3389/fnut.2022.979205
5. Wu, X. Detection of ovine or bovine milk components in commercial camel milk powder using a PCR-based method / X. Wu [et al.] // Molecules. 2022. Vol. 27(9). 3017. https://doi.org/10.3390/molecules27093017
6. Хан, А. В. Оптимизация молекулярно-генетического метода идентификации молочного сырья / А. В. Хан, Е. Г. Лазарева, О. Ю. Фоменко // Пищевая Метаинженерия. 2023. Т. 1, № 4. С. 39–47. https://doi.org/10.37442/fme.2023.4.29; https://elibrary.ru/qqnest
7. Хан, А. В. Разработка тест-системы на основе мультиплексной ПЦР в режиме реального времени для идентификации продуктов из козьего молока / А. В. Хан [и др.] // Пищевая промышленность. 2025. № 2. С. 11–15. https://doi.org/10.52653/PPI.2025.2.2.002; https://elibrary.ru/yfppae
8. Амелин, В. Г. Анализ молочных продуктов: определение массовой доли молочного жира и выявление фальсификации с помощью смартфона с приложением photometrix pro / В. Г. Амелин, З. А. Чаока, А. В. Третьяков // Журнал аналитической химии. 2024. Т. 79, № 2. С. 181–188. https://doi.org/10.31857/S0044450224020081; https://elibrary.ru/vxzwgf
9. Жижин, Н. А. ПЦР-анализ для выявления примесей коровьего молока в продуктах из козьего молока / Н. А. Жижин // Молочная промышленность. 2021. № 6. С. 58–59. https://doi.org/10.31515/1019-8946-2021-06-58-59; https://elibrary.ru/tpbonz
10. Frizzarin, M. Estimation of body condition score change in dairy cows in a seasonal calving pasture‐based system using routinely available milk mid‐infrared spectra and machine learning techniques / M. Frizzarin [et al.] // Journal of Dairy Science. 2023. Vol.106(6). P. 4232–4244. https://doi.org/10.3168/jds.2022-22394
11. Giannuzzi, D. In-line near-infrared analysis of milk coupled with machine learning methods for the daily prediction of blood metabolic profile in dairy cattle / D. Giannuzzi [et al.] // Scientific Reports. 2022. Vol. 12(1). P. 1–13. https://doi.org/10.1038/s41598-022-11799-0
12. Brand, W. Predicting pregnancy status from mid‐infrared spectroscopy in dairy cow milk using deep learning / W. Brand [et al.] // Journal of Dairy Science. 2021. Vol. 104(4). P. 4980–4990. https://doi.org/10.3168/jds.2020-18367
13. Титова, А. В. Разработка и валидация методики аутентификации капсулированного лекарственного препарата неразрушающим экспресс-методом бик-спектрометрии и хемометрическими методами анализа / А. В. Титова [и др.] // Вестник Росздравнадзора. 2024. № 3. С. 58–71. https://elibrary.ru/hxujbq
14. Титова, А. В. Разработка и валидация методики аутентификации таблеток дезлоратадина методом спектрометрии в ближней инфракрасной области / А. В. Титова [и др.] // Вестник Росздравнадзора. 2022. № 4. С. 74–80. https://elibrary.ru/akrbso
15. Калюжная, Т. В. Моделирование градуировочной зависимости для оценки содержания меламина в молоке с помощью ИК-Фурье-спектрометра / Т. В. Калюжная // Международный вестник ветеринарии. 2024. № 4. С. 219–224. https://doi.org/10.52419/issn2072-2419.2024.4.219; https://elibrary.ru/rusmfd
