پروفایل‌سازی شیمیایی و ارزیابی کیفیت محصولات غذایی با استفاده از فناوری‌های رزونانس مغناطیسی

رزونانس مغناطیسی هسته‌ای (NMR) و تصویربرداری رزونانس مغناطیسی (MRI) تکنیک‌های قدرتمندی هستند که برای تجزیه و تحلیل جامع مواد غذایی به کار می‌روند. این تکنیک‌ها اطلاعات عمیقی در مورد ترکیب شیمیایی، ساختار و توزیع فضایی اجزاء در انواع محصولات غذایی ارائه می‌دهند. NMR کمی به طور گسترده‌ای برای اندازه‌گیری دقیق متابولیت‌ها، احراز هویت محصولات غذایی و نظارت بر کیفیت غذا به کار می‌رود. ریلکسومتری \(^1\)H-NMR میدان پایین یک تکنیک مهم برای بررسی اجزای پرحجم مواد غذایی دست‌نخورده بر اساس زمان‌های ریلکسیشن و دامنه سیگنال‌های NMR است. به طور خاص، اطلاعات مربوط به بخش‌های آبی، انتشار و حرکت را می‌توان با تشخیص سیگنال‌های پروتون به دلیل \( \text{H}_2\text{O} \) در مواد غذایی به دست آورد. تقلب‌های زعفران با گل همیشه بهار، گلرنگ، زردچوبه، صندل و تارترازین با استفاده از NMR میزکاری، به عنوان جایگزینی برای روش NMR میدان بالا، تجزیه و تحلیل شده‌اند. افزودن تقلبی روبوستا به قهوه عربیکا توسط طیف‌سنجی \( ^1\)H-NMR بررسی شد و نشانگر قهوه روبوستا را می‌توان در طیف \( ^1\)H-NMR تشخیص داد. تصاویر MRI می‌توانند ابزاری قابل اعتماد برای درک تفاوت‌های ریخت‌شناسی در سبزیجات و میوه‌ها باشند.

در کیوی، اثرات از دست دادن آب و حالت‌های آب با استفاده از MRI بررسی شد. این تکنیک تصاویر информаی در مورد توزیع چگالی اسپین مولکول‌های آب و رابطه بین آب و بافت‌های سلولی ارائه می‌دهد. طیف‌های \( ^1\)H-NMR عصاره آبی کیوی‌های مبتلا به فیلاریازیس تعداد بیشتری الیگوساکاریدهای کوچک را نسبت به میوه‌های سالم نشان می‌دهد. یکی از تقلب‌هایی که در بخش روغن زیتون شناسایی شده است، نشان‌دهنده افزودن روغن فندق به روغن‌های زیتون است. با این حال، با استفاده از روش NMR، می‌توان این دو نوع روغن را از هم متمایز کرد، زیرا در روغن‌های فندق، زنجیره‌های چربی لینولنیک و اسکوالن غایب هستند، که این نیز توسط طیف \( ^1\)H-NMR نشان داده می‌شود. از NMR برای تشخیص تقلب در شیر، مانند شیر گاوی که با سطوح شناخته‌شده‌ای از آب پنیر، اوره، ادرار مصنوعی و شیر مصنوعی مخلوط شده است، استفاده شده است.

به طور خاص، مشخص شده است که زمان ریلکسیشن T2 به طور قابل توجهی تحت تأثیر تقلب قرار می‌گیرد، زیرا با درصد ماده تقلبی افزایش می‌یابد. طیف \( ^1\)H نمونه‌های عسل از دو گونه گیاهی وجود سیگنال‌های ناشی از نشانگرهای خاص دو گونه گیاهی را نشان می‌دهد. NMR به دلیل پیچیدگی ماتریس‌های غذایی، مجموعه داده‌های بزرگی تولید می‌کند و برای مقابله با این، می‌توان از شیمیومتری‌کس (تجزیه و تحلیل چندمتغیره) برای نظارت بر تغییرات در اجزای تشکیل‌دهنده مواد غذایی، ارزیابی ماندگاری و تعیین اثرات شرایط نگهداری استفاده کرد. تجزیه و تحلیل چندمتغیره می‌تواند با کاهش ابعاد و شناسایی الگوها به مدیریت و تفسیر داده‌های پیچیده NMR کمک کند. طیف‌سنجی NMR به دنبال تجزیه و تحلیل چندمتغیره می‌تواند برای ارزیابی پروفایل تغذیه‌ای محصولات غذایی با اندازه‌گیری ویتامین‌ها، قندها، اسیدهای چرب، اسیدهای آمینه و سایر مواد مغذی هدایت شود. در این مرور، اهمیت طیف‌سنجی NMR در پروفایل‌سازی شیمیایی و ارزیابی کیفیت محصولات غذایی با استفاده از فناوری‌های رزونانس مغناطیسی و تجزیه و تحلیل آماری چندمتغیره را خلاصه می‌کنیم.

Nuclear Magnetic Resonance (NMR) and Magnetic Resonance Imaging (MRI) are powerful techniques that have been employed to analyze foodstuffs comprehensively. These techniques offer in-depth information about the chemical composition, structure, and spatial distribution of components in a variety of food products. Quantitative NMR is widely applied for precise quantification of metabolites, authentication of food products, and monitoring of food quality. Low-field \(^1\)H-NMR relaxometry is an important technique for investigating the most abundant components of intact foodstuffs based on relaxation times and amplitude of the NMR signals. In particular, information on water compartments, diffusion, and movement can be obtained by detecting proton signals because of \( \text{H}_2\text{O} \) in foodstuffs.

Saffron adulterations with calendula, safflower, turmeric, sandalwood, and tartrazine have been analyzed using benchtop NMR, an alternative to the high-field NMR approach. The fraudulent addition of *Robusta to Arabica* coffee was investigated by \( ^1\)H-NMR Spectroscopy and the marker of *Robusta* coffee can be detected in the \( ^1\)H-NMR spectrum. MRI images can be a reliable tool for appreciating morphological differences in vegetables and fruits. In kiwifruit, the effects of water loss and the states of water were investigated using MRI. It provides informative images regarding the spin density distribution of water molecules and the relationship between water and cellular tissues. \( ^1\)H-NMR spectra of aqueous extract of kiwifruits affected by elephantiasis show a higher number of small oligosaccharides than healthy fruits do. One of the frauds that has been detected in the olive oil sector reflects the addition of hazelnut oils to olive oils.

However, using the NMR methodology, it is possible to distinguish the two types of oils, since, in hazelnut oils, linolenic fatty chains and squalene are absent, which is also indicated by the \( ^1\)H-NMR spectrum. NMR has been applied to detect milk adulterations, such as bovine milk being spiked with known levels of whey, urea, synthetic urine, and synthetic milk. In particular, T2 relaxation time has been found to be significantly affected by adulteration as it increases with adulterant percentage. The \( ^1\)H spectrum of honey samples from two botanical species shows the presence of signals due to the specific markers of two botanical species. NMR generates large datasets due to the complexity of food matrices and, to deal with this, chemometrics (multivariate analysis) can be applied to monitor the changes in the constituents of foodstuffs, assess the self-life, and determine the effects of storage conditions.

Multivariate analysis could help in managing and interpreting complex NMR data by reducing dimensionality and identifying patterns. NMR spectroscopy followed by multivariate analysis can be channelized for evaluating the nutritional profile of food products by quantifying vitamins, sugars, fatty acids, amino acids, and other nutrients. In this review, we summarize the importance of NMR spectroscopy in chemical profiling and quality assessment of food products employing magnetic resonance technologies and multivariate statistical analysis.