Avances en la investigación láctea
Acceso abierto

abstracto

Detección y cuantificación de la adulteración con formalina en la leche de vaca usando espectroscopía de infrarrojo cercano combinada con análisis multivariante

Fazal Mabood, Javid Hussain, Al Nabhani MOO, Syed Abdullah Gilani, Saima Farooq, Zakira Naureen, Farah Jabeen, Manzor Ahmed, Zahid Hussain y Ahmed Al-Harrasi

Con el fin de aumentar la vida útil para el transporte de leche a largas distancias, se agrega formalina como adulterante a la leche. Que es altamente tóxico provoca daños hepáticos y renales. Se desarrolló una nueva espectroscopia de infrarrojo cercano (NIR) combinada con análisis multivariante para detectar y cuantificar el nivel de adulteración de formalina en la leche de vaca. En este estudio, se recolectaron cuatro tipos diferentes de muestras de leche de vaca de las regiones de Nizwa del Sultanato de Omán y se investigaron. A continuación, esas muestras de leche de vaca se adulteraron con formalina en ocho porcentajes diferentes: 0 %, 1 %, 3 %, 5 %, 7 %, 9 %, 11 %, 13 % y 17 % de formalina. Todas las muestras se midieron usando espectroscopía NIR en modo de absorción en el rango de longitud de onda de 700-2500 nm, a una resolución de 2 cm-1 y usando una celda sellada de CaF2 de 0,2 mm de longitud de paso óptico. Los métodos multivariados como el análisis de componentes principales (PCA), el análisis discriminante mínimo parcial (PLS-DA) y el análisis de regresión mínima parcial (PLS) se aplicaron para el análisis estadístico de los datos espectrales NIR obtenidos. Se utilizó el modelo PLS-DA para comprobar la discriminación entre las muestras de leche pura y adulterada con formalina. Para el modelo PLSDA el valor de R-cuadrado obtenido fue de 0,969 con 0,086 RMSE (Root mean square error). Además, también se construyó un modelo de regresión PLS para cuantificar los niveles de adulterante de formalina en muestras de leche de vaca. El modelo de regresión PLS se obtuvo con el R-cuadrado del 93% y con un valor de RMSECV (Root mean square error of cross validation) de 1,38 teniendo una buena predicción con un valor de RMSEP (Root mean square error of predict) de 1,50 y una correlación de 0,95. Este método recientemente desarrollado no es destructivo, es económico, no necesita mucha preparación de la muestra y tiene un nivel de sensibilidad inferior al 2% del nivel de adulteración con formalina.