یک رویکرد ترکیبی روش‌های طیف‌سنجی حرکت یون و شیمی‌سنجی برای ارزیابی آلودگی در زعفران (Crocus sativus L.) با رنگ‌های سنتزی

احراز هویت زعفران زمان بر است، ضایعات سمی تولید می کند و نیاز به دستکاری نمونه دارد. یک تکنیک تحلیلی مناسب برای غلبه بر این نقص ها مستلزم حداقل آماده سازی نمونه، تجزیه و تحلیل سریع، آسان و آنلاین است. بنابراین، این مطالعه استفاده از اثر انگشت طیفی ارائه شده توسط طیف‌سنج تحرک یونی (IMS) همراه با تجزیه و تحلیل داده‌های چند متغیره را به عنوان روشی آسان برای تشخیص تقلب زعفران با سایر رنگ‌های خوراکی مصنوعی مانند تارترازین، سانست زرد پیشنهاد کرده است. ، Ponceau 4-R و Erythrosine. برای این منظور، این رنگ‌های مصنوعی به 10 نمونه ادویه زعفران در نسبت‌های مختلف (0 تا 30 درصد وزنی) اضافه شدند. به طور کلی، 130 تیمار زعفران تقلبی تحت روش‌های مختلف پردازش داده‌های چند متغیره قرار گرفتند و پنج یون مشخصه با اهمیت متغیر در طرح‌بندی (VIP> 1) به عنوان ویژگی‌های متمایز برای ساخت مدل رگرسیون حداقل مربعات جزئی (PLSR) برای جعلی انتخاب شدند.

نمونه ادویه زعفران مدل تجزیه و تحلیل مؤلفه های اصلی (PCA) توانست به 92.28 درصد از واریانس داده های توضیح داده شده دست یابد و تمایز منطقی بین نمونه های ادویه زعفران و چهار رنگ خوراکی مصنوعی دیگر را نشان داد. علاوه بر این، خطای ریشه میانگین مربع (RMSE) و همبستگی مقادیر تعیین چندگانه (R2) برای مخلوط‌های مجموعه آزمایشی رنگ‌های خوراکی زعفران مصنوعی به ترتیب بین 2.39٪ و 3.53٪ و 0.880-0.954 بود.

The authentication of saffron is time-consuming, produces toxic waste, and needs sample manipulation. A suitable analytical technique to overcome these handicaps requires minimum preparation of sample, rapid, easy, and online analysis. Therefore, this study has proposed the application of spectral fingerprint provided by an ion mobility spectrometer (IMS) coupled with multivariate data analysis as an easy-to-use method for detecting the adulteration of saffron with other synthetic edible colorants such as Tartrazine, Sunset Yellow, Ponceau 4-R, and Erythrosine. To this end, these synthetic colorants were added to 10 saffron spice samples in varying proportions (0–30 %, w/w). Overall, 130 adulterated saffron treatments were subjected to different multivariate data analysis processing methods, and five characteristic ions were selected by the variable importance in projection (VIP > 1) as discriminative features to build the partial least squares regression (PLSR) model for the adulterated saffron spice samples.

The principal component analysis (PCA) model was able to achieve 92.28 % of the explained data variance and showed reasonable discrimination between the saffron spice samples and the other four synthetic edible colorants. Furthermore, the root-mean-square error (RMSE) and the correlation of the multiple determination (R2) values for the test set mixtures of the saffron-synthetic edible colorants were between 2.39 % and 3.53 % and 0.880–0.954, respectively.