Kryddor och andra växtbaserade produkter innehåller många aktiva komponenter, såsom polyfenoler och flavonoider. Men även de minsta variationer i förhållandena kan avsevärt påverka extraktionseffektiviteten för dessa aktiva komponenter, vilket innebär utmaningar när det gäller att bestämma den exakta mängden aktiva komponenter i extraktlösningen.

I en ny studie publicerad i Food Chemistry , forskare mätte omfattande fluorescensen som emitteras av polyfenoler och flavonoider och analyserade de förvärvade data med hjälp av maskininlärningsmetoder. Detta tillvägagångssätt gav en mycket exakt, enkel och snabb metod för att uppskatta det totala innehållet av polyfenoler och flavonoider och antioxidantkapacitet.

Den avgörande faktorn för att uppnå noggrannhet var att integrera mätningar som förvärvats vid flera koncentrationer. Medan den konventionella praxisen vid mätning av fluorescens involverar utspädning av provet till en enda koncentration, gör den stora variationen i komponentmängder i växtextrakt att man bestämmer en universellt lämplig utspädningskoncentration.

Följaktligen genomförde forskarna uttömmande fluorescensmätningar vid fyra olika utspädningsnivåer och integrerade dessa data i maskininlärningsprocessen.

Därför kunde maskininlärning exakt uppskatta viktiga index för att utvärdera kryddextrakt, inklusive den totala polyfenolhalten, den totala flavonoidhalten, antioxidantkapaciteten och reducerande kapacitet. Särskilt den optiska mätningens uppskattning av totalt flavonoidinnehåll representerar en banbrytande prestation, som markerar effektiviteten av denna metod där sådana uppskattningar inte har utförts optiskt tidigare.

Mer information: Thi Bao Chau Bui et al., Användning av multipelspädningsfluorescensfingeravtryck underlättar förutsägelse av kemiska egenskaper i kryddextrakt, Food Chemistry (2023). DOI:10.1016/j.foodchem.2023.138028

Journalinformation: Livsmedelskemi

Tillhandahålls av University of Tsukuba