Equipo investigador
Begoña de la Roza Delgado. SERIDA
Ana Belén Soldado. SERIDA
Amelia González Arrojo. SERIDA
Sagrario Modroño Lozano. SERIDA
Optimización de librerías espectrales y modelos quimiométricos NIRS para la caracterización físico-química de leche para su posterior incorporación en bases de datos de programas de gestión de la alimentación.
Con los espectros recogidos sobre las muestras de leche intacta (N= 332) y asociados a los datos primarios obtenidos, se desarrollaron los modelos de predicción cuantitativos en un equipo NIRS portátil MicroPHAZIR TM. Se evaluaron diferentes modelos predictivos obtenidos según: a) pretratamiento de la señal espectral; b) optimización de la región espectral a utilizar (rango completo frente a rangos reducidos) y c) desarrollo de los modelos de regresión multivariantes.
Se obtuvieron ecuaciones de calibración NIRS para cuantificar el contenido en grasa, proteína, lactosa y sólidos no grasos, además del contaje de células somáticas.
Tabla 1. Estadísticos de los modelos de calibración desarrollados
Parámetro (%) | SEC | R2 | SECV | r 2cv | SEP | r2 |
Grasa | 0,058 | 0,982 | 0,087 | 0,959 | 0,124 | 0,943 |
Proteína | 0,078 | 0,882 | 0,115 | 0,750 | 0,129 | 0,670 |
R2, r2cv y r 2 SEC, SECV y SEP: coeficientes de determinación y errores de calibración, validación cruzada y validación externa.
Los estadísticos relacionados con la precisión de los modelos para el contenido en grasa y proteína arrojaron buenos resultados (Tabla 1). En cuanto a ESM y lactosa se obtuvieron coeficientes de determinación más bajos (R2 = 0,676 y 0,410, respectivamente), estando este último relacionado en parte con el estrecho rango de variabilidad de la población (4,47-5,15). Hasta la fecha, no se han obtenido estadísticos satisfactorios para el recuento de células somáticas.
Desarrollo de algoritmos de clonación para transferencia de modelos quimiométricos entre instrumentos MEMS-NIRS: Se analizaron 54 muestras de leche en estado natural en el equipo considerado máster (MicroPHAZIR TM SERIDA) y en el satélite (MicroPHAZIR TM UCO) por triplicado, simultáneamente. Tras eliminar 4 muestras por tener valores de la raíz cuadrática media de las diferencias (RMS) elevados, lo que se consideró un error en el análisis, sobre las restantes, se seleccionaron 10 para desarrollar dos matrices de clonación, una con 10 espectros de muestras (st10) y otra con una (st1), que se correspondía a la situada en el centro de la población (H=0) y otras 38 muestras para la evaluación del algoritmo de clonación utilizando el estadístico RMS corregido por el bias. En la Tabla 2, se puede observar como las diferencias entre los espectros medios de las muestras de leche analizadas en ambos sensores en términos de RMSC se reducen tras la aplicación de matrices de estandarización.
Tabla 2. Raíz cuadrática media de las diferencias espectrales corregida por el bias (RMSC) y estadístico H de Mahalanobis para la evaluación de la transferencia de modelos NIRS, tras la aplicación de matrices de estandarización con 1 (st1) y 10 (st10) muestras.
Parámetro | MP-SERIDA | MP-UCO antes |
MP-UCOst1 después |
MP-UCOst10 después |
GH media | 1,497 | 20,000 | 1,550 | 1,839 |
NH media | 0,858 | 15,309 | 1,043 | 1,218 |
RMS(c) (μlog (1/R)) |
2,810 | 54,590 | 16,493 |
11,818 |