تشخیص تقلبی‌های گیاهی در زعفران توسط پروفایل‌سازی مواد فرار HS-SPME/GC-MS و شیمیومتری

برای تحلیل پروفیل عطری زعفران اصل (Crocus sativus L.) و نمونه‌هایی از این ادویه که به‌طور مصنوعی با گلبرگ‌های گل همیشه‌بهار (Calendula officinalis L.)، گلبرگ‌های گل پرک (Carthamus tinctorius L.) و ریزوم‌های پودر شده زردچوبه (Curcuma longa L.) تقلب شده بودند، از کروماتوگرافی گازی با آشکارساز طیف‌سنج جرمی (GC-MS) همراه با استخراج میکروفازی فاز جامد از فضای سر (HS-SPME) استفاده شد.

تحلیل‌های اولیه زعفران اصل و آلاینده‌های خالص انجام شد تا نوع جذب‌کننده SPME انتخاب شود. علاوه بر این، یک طراحی آزمایشی همراه با روش سطح پاسخ به‌منظور بهینه‌سازی دمای نمونه و زمان قرار گرفتن فیبر به‌کار گرفته شد تا تشخیص آلاینده‌های ذکر شده در نمونه‌های زعفران تقلبی بهبود یابد.کروماتوگرام‌های GC-MS جمع‌آوری‌شده تحت شرایط بهینه، نهایتاً با استفاده از روش‌های آماری چندمتغیره بدون ناظر و با ناظر پردازش شدند تا نمونه‌های زعفران اصل تولیدشده در سه منطقه مختلف ایتالیا از نمونه‌های تحریف‌شده مصنوعی با سطح آلودگی ۲–۵٪ وزنی تمایز داده شوند. سی نمونه زعفران اصل و ۳۰ نمونه تقلبی (۱۰ نمونه برای هر نوع ماده تقلبی) مورد تحلیل قرار گرفتند.

تحلیل مؤلفه‌های اصلی برای کمک به انتخاب پیش‌پردازش داده‌های GC/MS اعمال شد و دسته‌بندی نمونه‌های زعفران اصل و تحریف‌شده توسط تحلیل تفکیکی کمترین مربعات جزئی (PLS-DA) انجام شد. عملکرد پیش‌بینی مدل‌های PLS-DA که با ۴۲ نمونه کالیبره شده بودند، نهایتاً بر روی ۱۸ نمونه زعفران (۹ اصل و ۹ تحریف‌شده) آزمایش شد.همه نمونه‌های خارجی زعفران به درستی طبقه‌بندی شدند، بدون توجه به نوع آلاینده، در حالی که در کالیبراسیون فقط یک نمونه زعفران آلوده به گلرنگ به اشتباه در گروه نمونه‌های اصل قرار گرفت. مدل‌سازی کلاس زعفران اصل که توسط SIMCA (مدل آنالوژی کلاس مستقل نرم) انجام شد، حساسیت خوبی را نشان داد و برای نمونه‌های خارجی تقلبی 100٪ اختصاصیت داشت.

Gas chromatography with mass spectrometry detection (GC-MS) coupled with headspace-solid-phase microextraction (HS-SPME) was used to analyse the aroma profile of genuine saffron (Crocus sativus L.) and samples of this spice artificially adulterated with Calendula officinalis L. petals (calendula), Carthamus tinctorius L. petals (safflower) and Curcuma longa L. powdered rhizomes (turmeric). Preliminary analyses of genuine saffron and pure contaminants were performed to select the kind of SPME sorbent.

Moreover, an experimental design combined with response surface methodology was applied to optimise the sample temperature and the fibre exposure time with the aim of enhancing the detection of the above adulterants in counterfeited saffron samples. The GC-MS chromatograms collected under the optimised conditions were finally handled by unsupervised and supervised multivariate statistical methods to differentiate the genuine saffron samples produced in three different Italian regions from artificially adulterated samples at 2–5% w/w contamination levels. Thirty genuine and 30 counterfeited (10 for each kind of adulterant) saffron samples were analysed. Principal component analysis was applied to assist the choice of the GC/MS data pre-treatment and classification of genuine and adulterated saffron samples was attempted by partial least square-discriminant analysis (PLS-DA). Predictive performance of PLS-DA models calibrated with 42 samples was finally tested on 18 saffron samples (9 genuine and 9 adulterated).

All the external saffron samples were correctly classified regardless of the kind of contaminant, while in calibration, only a saffron sample contaminated with safflower was erroneously assigned to the group of genuine ones. Class modelling of genuine saffron performed by SIMCA (Soft Independent Model Class Analogy) exhibited a good sensitivity and 100% specificity for external adulterated samples.