Flüchtiger Fingerprint und chemometrische Daten von nativem Olivenöl

Native Olivenöle werden derzeit nach chemisch-physikalischen Parametern sowie nach sensorischer Bewertung nach offiziellen Methoden (EG 2568/91 und Ergänzungen) in die kommerziellen Kategorien eingeteilt. Tatsächlich weist die letztere Analyse noch einige Nachteile auf, obwohl geschulte Sensorik-Panels die Bewertung nach der IOC-Methode durchführen müssen (IOC/T.20/Doc. 15/Rev. 10 2018). Insbesondere die hohe Anzahl von Proben, die die Panels in jeder Erntezeit analysieren, und die Tatsache, dass es sich um eine zeitaufwändige Methode handelt, kann die Zuverlässigkeit der Ergebnisse aufgrund der geringen Möglichkeit der Durchführung von Wiederholungen beeinträchtigen.

 

Aus diesen Gründen zielte die vorliegende Arbeit darauf ab, die Sensorik-Panels zu unterstützen, ihre Arbeitslast zu erleichtern und ihre Leistung zu verbessern, indem ein instrumentelles Screening-Tool entwickelt wurde, das Proben von nativem Olivenöl einer bestimmten kommerziellen Kategorie zuordnet. Es besteht aus einem sequentiellen Klassifizierungsmodell, das mit dem flüchtigen Fingerprint von 176 nativen Olivenölen erstellt wurde, die bereits von sechs verschiedenen Sensorik-Panels in die Kategorien extra nativ (EV), nativ (V) und Lampante (L) eingestuft wurden. Die flüchtigen Komponenten wurden zu diesem Zweck zum einen aufgrund der hohen Korrelation mit den sensorischen Eigenschaften von nativem Olivenöl ausgewählt, zum anderen wird bei der Analyse eine automatisierbare lösungsmittelfreie Technik (HS-SPME-GC-MS) eingesetzt, die eine geringe Probenmenge erfordert. Darüber hinaus ermöglicht der Fingerprinting-Ansatz die Einbeziehung der gesamten analytischen Information, da er das Rohsignal verwendet, in kürzerer Zeit im Vergleich zu einem traditionellen zielgerichteten Ansatz, bei dem Identifikations- und Integrationsschritte erforderlich sind.

 

Daher wurden zwei aufeinanderfolgende Klassifikationsmodelle entwickelt und validiert: Das erste unterschied zwischen EV- und Nicht-EV-Proben; das zweite klassifizierte letztere in V- oder L-Kategorien. Die Neuheit dieser Strategie besteht darin, dass für jedes Klassifizierungsmodell ein Unsicherheitsbereich festgelegt wurde, so dass die Proben direkt in eine Kategorie klassifiziert oder als grenzwertig identifiziert wurden; je nach dem, ob ihr Prognoseergebnis innerhalb oder außerhalb des festgelegten Bereichs liegt. So würden die sensorischen Panels nur die Grenzproben (17,8% der klassifizierten Proben) bewerten, während der Rest durch das instrumentelle Screening-Tool korrekt klassifiziert werden würde (89% der klassifizierten Proben). Wenn man bedenkt, dass die sensorische Bewertung durch die Panels die Referenzmethode ist, würde eine 91%ige verlässliche Zuordnung durch die Kombination beider Ansätze erreicht werden.

 

Quintanilla-Casas, B.; Bustamante, J.; Guardiola, F.; García-González, D.L.; Barbieri, S.; Bendini, A.; Gallina Toschi, T.; Vichi, S.; Tres, A. Virgin olive oil volatile fingerprint and chemometrics: Towards an instrumental screening tool to grade the sensory quality. (2020). LWT-Food Science and Technology, 121, 108936.