تمایز جغرافیایی زعفران با استفاده از داده‌های عنصری ICP-MS و مدل‌سازی طبقه‌ای زعفران محافظت‌شده مبدأ (PDO) زافرانو دل آکویلا تولیدشده در آبروتزو ایتالیا

نمونه‌های زعفران با نشان ثبت‌شده مبدأ PDO زافرانو دل’آکویلا (AQ)، ایرانی (IR) و تجاری (CS) توسط طیف‌سنجی جرمی با پلاسمای جفت‌شده القایی (ICP-MS) مورد تجزیه و تحلیل قرار گرفتند. داده‌های ICP-MS مربوط به ۳۰ عنصر با استفاده از روش‌های آماری چندمتغیره بدون نظارت (تحلیل مؤلفه‌های اصلی (PCA)) و با نظارت (تحلیل تبعیضی خطی (LDA)) پردازش شدند تا زیرمجموعه‌ای از متغیرهای تبعیضی مفید برای طبقه‌بندی جغرافیایی شناسایی شود. علاوه بر این، مدل‌سازی کلاسی زعفران AQ توسط هر دو روش UNEQ (طبقه‌بندی‌های نابرابر پراکنده) و SIMCA (مدل‌سازی مستقل نرم بر اساس تشابه کلاس) انجام شد. تمایز خوبی بین نمونه‌های AQ، IR و CS با استفاده از LDA بر اساس چهار عنصر منتخب: Sr، Ca، Mo و Fe به دست آمد.یک مدل کلاس UNEQ برای زعفران PDO AQ بر اساس چهار عنصر فوق، حساسیت ۱۰۰٪ (تمام زعفران‌های اصیل AQ پذیرفته شدند) و ویژگی ۱۰۰٪ (تمام نمونه‌های IR و CS رد شدند) را ارائه داد، در حالی که نتایج کمی ضعیف‌تر با استفاده از SIMCA به دست آمد (حساسیت ۸۹٪ و ویژگی ۹۶٪).

PDO (protected designation of origin) Zafferano dell’Aquila (AQ), Iranian (IR), and commercial (CS) saffron samples were analyzed by inductively coupled plasma mass spectrometry (ICP-MS). The ICP-MS data of 30 elements were handled by unsupervised (principal component analysis (PCA)) and supervised (linear discriminant analysis (LDA)) multivariate statistical methods to identify a subset of discriminant variables useful for geographical classification. Moreover, class modeling of AQ saffron was performed by both UNEQ (unequal disperses classes) and SIMCA (soft independent modeling of class analogy) methods. A good differentiation of the AQ, IR, and CS samples was obtained by the LDA based on four selected elements: Sr, Ca, Mo, and Fe. A UNEQ class model for the PDO AQ saffron based on the above four elements provided 100% sensitivity (all authentic AQ saffron were accepted) and 100% specificity (all IR and CS were rejected), while slightly worse results were obtained using the SIMCA (89% sensitivity and 96% specificity).