Resumen de Autenticació de cafès mitjançant mètodes de GC-MS i quimiometria. Aplicació a la detecció i quantificació de mostres de cafè adulterades

Nerea Núñez, Erica Moret, Paolo Lucci, Javier Saurina Purroy, Oscar Núñez

• català

  En les últimes dècades, tenint en compte la complexitat de la cadena alimentària, l’adulteració dels aliments va en augment i dona lloc a casos de fraus alimentaris. És per això que la determinació de l’autenticitat dels aliments és una qüestió molt important en el control de qualitat i en la seguretat dels aliments, i emergeix d’aquesta manera com un assumpte de gran interès pels consumidors, la indústria alimentària, les autoritats reguladores i la comunitat científica en general. En aquest camp, les begudes són productes alimentaris fàcilment adulterables a través de pràctiques com la suplementació amb sabors i aromes o l’addició desubstàncies no especificades per augmentar-ne el volum, entre altres pràctiques. En aquest context, l’estudi desenvolupat en aquest treball es basa en la detecció de fraus en una de les begudes més populars del món: el cafè, un producte fàcilment manipulable. S’han realitzat estudis metabolòmics dels compostos volàtils en mostres de cafès (normals i adulterats) de diferents espècies (arabica, robusta, mescla arabica-robusta), mitjançant la cromatografia de gasos (amb columna polar) acoblada a l’espectrometria de masses (GC-MS) i en combinació amb els mètodes quimiomètrics d’anàlisi discriminant de mínims quadrats parcials (PLS-DA) i de regressió de mínims quadrats parcials (PLS), per fer-ne la classificació, caracterització i autenticació. Els compostos volàtils de les mostres s’han obtingut directament a partir del cafè sòlid fent ús d’una microextracció en fase sòlida d’espai de cap (HS-SPME). Les empremtes obtingudes (fingerprinting) han estat bons descriptors químics per a la classificació de les diferents mostres de cafè mitjançant el mètode quimiomètric de PLS-DA. A més, s’ha realitzat un estudi de cafè adulterat fent ús del PLS, basat en cafè arabica adulterat amb cafè robusta, que ha demostrat la bona capacitat de la metodologia proposada per a la detecció i quantificació de nivells d’adulterant fins al 15 % amb errors de calibratge i predicció per sota de l’1 % i el 6 %, respectivament.

• English

  Food adulteration has been increasing in recent decades as a result of the complexity of the food chain, leading to cases of food fraud. It is for this reason that the verification of the authenticity of food is very important in quality controland food safety in addition to being an issue of great interest to consumers, the food industry, regulatory authorities and the scientific community in general. In this field, beverages are food products which are easily adulterated by such methods as supplementation with flavors and aromas or the addition of unspecified substances to increase their volume, among other practices. The study presented in this paper was based on the detection of frauds in one of the world’s most popular drinks, coffee, which is an easily manipulated product. Metabolomic studies of volatile compounds in coffee samples (normal and adulterated) of different species (Arabica, Robusta, Arabica-Robusta mixture) were performed using gas chromatography (with polar column) coupled to mass spectrometry (GC-MS) and in combination with the chemometric methods partial least squares-discriminant analysis (PLS-DA) and partial least squares (PLS) regression, for classification, characterization and authentication. The volatile compounds in the samples were obtained directly from the solid coffee using headspace-solid phase microextraction (HS-SPME). The fingerprints obtained were good chemical descriptors for the classification of different coffee samplesusing the PLS-DA chemometric method. In addition, a study of adulterated coffee was performed using PLS, based on Arabica coffee adulterated with Robusta coffee, which demonstrated the good ability of the proposed methodology for the detection and quantification of adulterant levels up to 15%, with calibration and prediction errors under 1% and 6%, respectively.