Luận văn: Phân tích thành phần hương thơm cà phê docx

Chào mừng thầy và
các bạn đến bài báo
cáo của nhóm 3
CHỦ ĐỀ: Coffee aroma – statistical
analysis of compositional data.
Phân tích thành phần hương thơm cà phê

GVHD: ThS. Nguyễn Văn Tặng
NHÓM TH: Nhóm 3
LỚP : 51TP2
TRƯỜNG ĐẠI HỌC NHA TRANG
KHOA CÔNG NGHỆ THỰC PHẨM
A. Lời mở đầu
Phương pháp tách chiết ở khoảng không kết hợp
với phổ sắc ký khối lượng khí đốt đã được áp
dụng để xác định các hợp chất dễ bay hơi trong 30
mẫu cà phê. Để phân biệt và đặc trưng cà phê
Arabica và Robusta, sáu các hợp chất dễ bay hơi
được lựa chọn để phân tích. Theo phương pháp
phân tích thành phần chính (PCA) đã được áp
dụng để phân tích sắc ký và xử lý dữ liệu.
I. Giới thiệu

Phương pháp Phân tích thành phần chính (PCA),
được sử dụng rộng rãi để phân tích kết quả của
các phép đo hóa chất.

Mục tiêu chính của PCA là giảm bộ dữ liệu chiều
cao bằng cách giữ lại càng nhiều càng tốt của các
biến thể có trong dữ liệu.


PCA được thiết kế để chuyển đổi các biến ban
đầu thành biến mới, các biến không tương quan
(trục) gọi là thành phần chủ yếu.

Kết quả của PCA, có thể hình dung bằng cách sử
dụng biplot

Cách phổ biến nhất để thể hiện dữ liệu hóa học là
trình bày chúng dưới dạng tỷ lệ phần trăm.

Một yêu cầu quan trọng trong phương pháp PCA
là phải lưu tâm hơn tới thang điểm tương đối của
mình.

Sử dụng các phương pháp tiếp cận logratio để
phân tích biểu diển PCA.
II. Nhắc lại lý thuyết

Một phần của thành phần D được xác định bởi
vectơ: x = [x1, x2,…, xD], hàng của dữ liệu ma
trận X, khi tất cả các thành phần của nó đúng là số
thực và nó chỉ mang thông tin tương đối.

Để đơn giản hóa việc sử dụng của các thành phần
là trình bày chúng trong hình thức đóng, tức là
vectơ dương với tổng số k là hằng số của các
thành phần.
Sự phân tán trong tập hợp dữ liệu liên quan đến
thành phần có thể được mô tả bởi các biến, được
định nghĩa là:


ij
= var (ln ), i,j= 1,…., D

Trong phạm vi mục đích bài báo, chúng
tôi sẽ xem xét sự biến đổi dữ liệu logarit , ở đây
thành phần x được chuyển đổi thành dữ liệu y
với:

Y= [ y
1,
y
2,
….y
D
] =
τ
xj
xi
xj
xi















∏∏
==
D
D
i
i
D
D
D
i
i
x
x
x
x
11
1
ln, ,ln
.

Dữ liệu thành phần của ma trận X với n hàng và
D cột, D đã được thu được từ mỗi mẫu n. Chuyển
đổi hàng ma trận X với biến đổi dữ liệu logarit ma
trận Y.


Khi nói về tiêu chuẩn PCA, cũng như trong
trường hợp biến đổi dữ liệu thành phần logarit có
thể được hình dung cùng một lúc bằng cách sử
dụng biplot, với giải thích tương ứng về bản chất
của dữ liệu thành phần. Cụ thể, các khoảng cách
giữa các tia, gần đúng với các biến. Vì
vậy, nếu các đỉnh gần như trùng các
tia, điều này có nghĩa là tỷ lệ xi / xj gần
như là không đổi.
III. Thử nghiệm
1. Mẫu

Ba mươi mẫu cà phê rang có sẵn và khác nhau về
nguồn gốc, được xử lý bởi các công nghệ khác
nhau.

Sự khác nhau về cà phê bao gồm cả 16 mẫu
Arabica và 3 mẫu cà phê Robusta, cũng như pha
trộn hai loại cà phê khác nhau này, và chúng đã
được kiểm tra trong nghiên cứu này.
2 HS-SPME và phân tích GC/MS

Carboxen/polydimethysiloxane sợi (CAR/PDMS,
75mm) có sẵn trên thị trường đã được sử dụng để
phân tích SPME.

Các điều kiện được sử dụng cho phòng thí
nghiệm: nhiệt độ 250
0
C, 4 phút), khí được cung

cấp là khí heli (99,998%)

Quét MS đã được ghi lại trong phạm vi 29-
370m/z bằng cách sử dụng ion hóa điện tử ( năng
lượng 70 eV).
3 Xử lý dữ liệu

Phân tích thống kê được thực hiện bằng phần
mềm thống kê R.

R là một phần mềm miễn phí cung cấp đa dạng
thống kê và kỹ thuật đồ họa,
4. Kết quả và thảo luận

Các phân tích HS-SPME kết nối với kỹ thuật GC-
MS đã được sử dụng cho việc xác định và định
lượng các hợp chất dễ bay hơi trong các giống cà
phê.

15 hợp chất hương vị dễ bay hơi đã được xác định
bằng cách so sánh với khối phổ trong danh sách
khối phổ NIST thì chỉ có sáu hương vị được lựa
chọn: acetic acid (1), 2-methylpyrazine (2),
furfural (3), 2 - furfuryl rượu (4), 2, 6-
dimethylpyrazine (5), 5-methylfurfural (6).
BẢNG1

Có thể thấy trong hình1, phân tích cụm tiêu chuẩn
cho thấy rằng cấu trúc dữ liệu không rõ ràng.
Arabica và mẫu pha trộn được nhóm lại với nhau

và chỉ có nhóm của cà phê Robusta là riêng biệt.

Quá trình sản xuất có thể ảnh hưởng đến một
phần của chất lượng cà phê. Ví dụ Arabica mẫu
A16 và AR11 hỗn hợp được sản xuất bởi cùng
một nhà sản xuất và cả hai mẫu được chỉ định vào
cùng một nhóm trong cụm tiêu chuẩn.

Phân tích cụm đã có thể phân biệt các nhóm cà
phê, phân tích PCA được thực hiện để chỉ ra điểm
giống nhau hoặc khác biệt trong hỗn hợp mùi
phức tạp, để thiết lập các mối quan hệ giữa các
giống và các hợp chất dễ bay hơi đặc biệt.

Áp dụng tiêu chuẩn PCA ma trận dữ liệu bao
gồm giá trị tương đối của 6 phân tích biến số và
30 mẫu cà phê), hai thành phần đầu tiên chủ yếu
được trích xuất.
V. KẾT LUẬN
So sánh của chuyển đổi logratio trung tâm và tiêu
chuẩn phương pháp thống kê, phân tích cụm và
phân tích thành phần chính đã được áp dụng trên
các dữ liệu liên quan đến các hợp chất của hương
thơm mẫu cà phê.
Có hai kết luận quan trọng từ kết quả từ nghiên
cứu này:


chỉ có 6 các hợp chất dễ bay hơi lớn là: acetic
acid, 2-methylpyrazine, furfural,2 furfuryl
rượu, 2,6dimethylpyrazine, 5-methylfurfural
khác biệt của 30 mẫu cà phê rang đang được điều
tra.

Áp dụng chuyển đổi logratio trung tâm cung cấp
kết quả tốt hơn so với các tiêu chẩn thống kê tiêu
chuẩn (PC1 và PC2 và giải thích tốt hơn các tập
hợp dữ liệu thành phần.
Cảm ơn thầy các bạn đã
chú ý lắng nghe bài
thuyết trình của nhóm 3