Statistical analysis of chemical element compositions in food science: problems and possibilities

در سال‌های اخیر، بسیاری از تحلیل‌ها برای بررسی ترکیبات شیمیایی داده‌های غذایی انجام شده است. با این حال، مطالعات به ندرت به مشکلات ترکیبی چنین تحلیلی توجه می‌کنند. این موضوع مشکل‌ساز است زیرا می‌تواند منجر به نتایج دلخواه شود زمانی که تحلیل آماری غیرترکیبی روی مجموعه داده‌های ترکیبی اعمال شود. در این مطالعه، تحلیل داده‌های ترکیبی (CoDa) که در سایر زمینه‌های پژوهشی به طور گسترده استفاده می‌شود، با تحلیل آماری کلاسیک مقایسه شده است تا نشان دهد نتایج چگونه بسته به رویکرد متفاوت است و بهترین تحلیل آماری ممکن را ارائه می‌دهد. به عنوان مثال، عسل و زعفران بسیار مستعد تقلب و تقلید هستند، بنابراین تعیین عناصر شیمیایی آن‌ها نیازمند بهترین تحلیل آماری ممکن است. مطالعه ما نشان داد که چگونه تحلیل مولفه‌های اصلی (PCA) و نتایج طبقه‌بندی تحت تأثیر مراحل پیش‌پردازش داده‌های خام و استراتژی‌های جایگزینی برای مقادیر گمشده و تشخیص‌نداشته‌ها قرار می‌گیرد.علاوه بر این، تفاوت نتایج زمانی که روش‌های ترکیبی و غیرترکیبی اعمال شدند را نشان داد. نتایج ما نشان داد که نتیجه تحلیل نسبت لگاریتمی جداشدگی بهتر بین داده‌های خالص و آلوده را ارائه می‌دهد و امکان تفسیر آسان‌تر نتایج و دقت بالاتر در طبقه‌بندی را فراهم می‌کند. به طور مشابه، نشان داد که طبقه‌بندی با شبکه‌های عصبی مصنوعی (ANN) ضعیف عمل می‌کند اگر مراحل پیش‌پردازش CoDa کنار گذاشته شوند. از این نتایج، ما توصیه می‌کنیم از روش‌های CoDa برای تحلیل عناصر شیمیایی مواد غذایی و برای شناسایی و تصدیق محصولات غذایی استفاده شود.

In recent years, many analyses have been carried out to investigate the chemical compo nents of food data. However, studies rarely consider the compositional pitfalls of such analyses. This is problematic as it may lead to arbitrary results when non-compositional statistical analysis is applied to compositional datasets. In this study, compositional data analysis (CoDa), which is widely used in other research fields, is compared with classical statistical analysis to demonstrate how the results vary depending on the approach and to show the best possible statistical analysis. For example, honey and saffron are highly susceptible to adulteration and imitation, so the determination of their chemical elements requires the best possible statistical analysis. Our study demonstrated how principle component analysis (PCA) and classification results are influenced by the pre-processing steps conducted on the raw data, and the replacement strategies for missing values and non-detects. Furthermore, it demonstrated the differences in results when compositional and non-compositional methods were applied. Our results suggested that the outcome of the log-ratio analysis provided better separation between the pure and adulterated data and allowed for easier interpretability of the results and a higher accuracy of classification. Similarly, it showed that classification with artificial neural networks (ANNs) works poorly if the CoDa pre-processing steps are left out. From these results, we advise the application of CoDa methods for analyses of the chemical elements of food and for the characterization and authentication of food products.