تعیین سریع کروسین‌ها در زعفران با استفاده از طیف‌سنجی مادون قرمز نزدیک

اجزای شیمیایی اصلی زعفران، متابولیت‌های ثانویه کروسین‌ها (کروسین I و II)، پیکروکروسین و سافرانال هستند. در بین این مواد شیمیایی، کروسین‌ها مسئول رنگ زعفران هستند. کروسین‌ها کاروتنوئیدهای هیدروفیلیکی هستند که می‌توانند به عنوان آنتی‌اکسیدان عمل کنند، یادگیری و حافظه را بهبود بخشند، برای درمان انفارکتوس مغزی و آسیب‌های تخریب‌کننده عصبی استفاده شوند و اثر محافظتی در برابر آسیب ایسکمیک مغزی داشته باشند. مهم‌ترین شاخص کیفیت و ارزش تجاری زعفران، محتوای کروسین I و II آن است که در استانداردهای تجاری مشخص شده است. همزمان، فارماکوپه چین تصریح می‌کند که محتوای کل کروسین I و II نباید کمتر از ۱۰/۰ درصد باشد. با این حال، از آنجا که زعفران به طور گسترده در چین، ایران، اسپانیا، مراکش، نپال، یونان و سایر کشورها کشت می‌شود، شرایط مختلف خاک و آب و هوا و روش‌های کشت و فرآوری غیراستاندارد می‌تواند منجر به تغییرات در کیفیت زعفران، به ویژه در محتوای کروسین شود. جدی‌ترین مشکل در بازارهای تجاری، تقلب مربوط به جعل و آلودگی است. بنابراین، اندازه‌گیری سریع و دقیق محتوای کروسین I و II برای تعیین کیفیت زعفران یک مسئله مهم در تجارت مواد غذایی و گیاهان دارویی است. هدف از این مطالعه استفاده از HPLC برای تعیین محتوای کروسین I و II در نمونه‌های زعفران و استفاده از داده‌ها برای ایجاد یک مدل پیش‌بینی برای طیف‌سنجی NIR بود. این می‌تواند برای ارزیابی اینکه آیا طیف‌سنجی NIR در ترکیب با تکنیک‌های شیمی سنجی یک روش سریع، ایمن و قابل اعتماد برای تجزیه و تحلیل کروسین I و II در زعفران ارائه می‌دهد، استفاده شود. یک روش تحلیلی برای طبقه‌بندی جغرافیایی زعفران و تجزیه و تحلیل کمی محتوای کروسین I و II با استفاده از طیف‌سنجی NIR در ترکیب با روش‌های شیمی سنجی توسعه داده شد. از روش PLS-DA برای توسعه یک مدل طبقه‌بندی استفاده شد و روش‌های پیش‌پردازش داده مختلف مقایسه شدند. روش SNV عملکرد عالی برای طبقه‌بندی جغرافیایی نشان داد. برای مدل‌های تجزیه و تحلیل کمی، محدوده‌های طیفی برای روش‌های پیش‌پردازش طیفی مختلف مقایسه شد تا یک مدل PLS با عملکرد بهینه توسعه یابد. این نتایج نشان می‌دهد که انتخاب محدوده طیفی مناسب و روش پیش‌پردازش می‌تواند به طور مؤثر عملکرد مدل را بهبود بخشد. علاوه بر این، ترکیب طیف‌سنجی NIR با تکنیک‌های شیمی سنجی یک روش ساده، سریع و قابل اعتماد برای طبقه‌بندی جغرافیایی زعفران و تعیین کمیت محتوای کروسین I و II ارائه می‌دهد. این روش می‌تواند برای شناسایی نمونه‌هایی که با الزامات فارماکوپه چین برای زعفران مطابقت ندارند و برای مقررات بازار استفاده شود.

The main chemical components of saffron are the secondary metabolites crocins (crocin I and II), picrocrocin, and safranal. Among these chemicals, the crocins are responsible for the colour of saffron. The crocins are hydrophilic carotenoids that can act as antioxidants, improve learning and memory, be used for treatment of cerebral infarction and neurodegenerative damage, and have a protective effect against ischemic brain damage. The most important indicator of the quality and commercial value of the saffron is its contents of crocin I and II, which are specified in trade standards. At the same time, the Chinese Pharmacopoeia stipulates that the total content of crocin I and II should not be less than 10.0%. However, because saffron is grown widely, including China, Iran, Spain, Morocco, Nepal, Greece, and other countries, different soil and climatic conditions, and non-standard cultivation and processing methods can lead to changes in the saffron quality, especially in the crocin content. The most serious problem in commercial markets is fraud involving counterfeiting and adulteration. Therefore, rapid and accurate measurements of the crocin I and II contents to determine the quality of saffron is an important issue in the food and medicinal herb trade. The aim of this study was to use HPLC to determine the content of crocin I and II in saffron samples, and use the data to establish a prediction model for NIR spectroscopy. This could be used to evaluate if NIR spectroscopy combined with chemometric techniques offers a rapid, safe, and reliable method for the analysis of crocin I and II in saffron. An analytical method for geographical classification of saffron and quantitative analysis of the contents of crocin I and II was developed using NIR spectroscopy combined with chemometric methods. The PLS-DA method was used to develop a classification model, and different data pretreatment methods were compared. The SNV method exhibited excellent performance for geographical classification. For the quantitative analysis models, the spectral ranges for different spectral pretreatment methods were compared to develop a PLS model with optimum performance. These results indicate that selection of an appropriate spectral range and pretreatment method can effectively improve the performance of the model. In addition, the combination of NIR spectroscopy with chemometric techniques offers a simple, fast, and reliable method for geographical classification of saffron and quantification of the contents of crocin I and II. This method could be used to detect samples that do not comply with the requirements of the Chinese Pharmacopoeia for saffron, and for market regulation.