| کاربرد رویکرد یادگیری ماشینی در شناسایی گونه های مختلف حیوانی در فرآورده های گوشتی با استفاده از HPLC-Q-TOF/MS |
| کد مقاله : 1030-MVTCONF |
| نویسندگان |
|
محدثه پیرهادی *1، سهراب پیرهادی2 1دانشگاه علوم پزشکی تهران 2علوم تحقیقات زنجان |
| چکیده مقاله |
| فرآورده های گوشتی یکی از منابع ارزشمند پروتئین در رژیم غذایی انسان هستند که اغلب با تقلب های مختلفی از سوی تولیدکنندگان به منظور دستیابی به سود اقتصادی بیشتر مواجه می شوند که می تواند سلامت مصرف کننده را به خطر بیندازد. با توجه به افزایش تقلب در مواد غذایی، نیاز روزافزونی به کنترل و پیشگیری از این امر و توسعه روش های تحلیلی و تشخیص سریع در زمینه ارزیابی اصالت مواد غذایی احساس می شود. همچنین ممکن است این دستگاه‌ها به دلیل پراکندگی، ناهمگونی بافت، نویز دستگاه، اثرات محیطی و غیره تفسیرشان کمی سخت شود. بنابراین، روش‌های آماری چند متغیره و شیمی‌سنجی می‌تواند برای استخراج اطلاعات جالب‌تر مفید باشد. ادغام طیف سنجی با روش های چند متغیره و کمومتری به طور گسترده ای در تجزیه و تحلیل کیفی تقلب مواد غذایی استفاده شده است. طیف 8 نمونه تقلبی استاندارد و 35 نمونه خریداری شده از سوپرمارکت در ناحیه طول موج m/z 1000-50 اندازه گیری شد. مدل‌های یادگیری ماشینی نظارت‌شده و بدون نظارت برای شناسایی نمونه‌ها در طیف‌های HPLC-Q-TOF/MS استفاده شد. برای تهیه داده‌های به‌دست‌آمده از طیف‌سنجی، ابعاد داده‌ها نیز به روش PCA کاهش یافت و با توجه به تعداد کم نمونه‌های آموزشی، از روش یادگیری گروهی برای انجام طبقه‌بندی نظارت شده استفاده شد. با رویکرد طبقه بندی و به کارگیری الگوریتم های مختلف، دقت بالایی در مجموعه آزمون به دست آمد. یافته ها نشان می دهد که هیچ گونه تقلبی در فرآورده ها مشاهده نشده و طیف سنجی HPLC-Q-TOF/MS ابزاری موثر بو دقیق برای ارزیابی کیفیت سوسیس بوده است. |
| کلیدواژه ها |
| تقلب، شیمی سنجی، کروماتوگرافی مایع چهار قطبی، طیف سنجی جرمی، فرآورده های گوشتی |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |
