Британские исследования показывают прорыв в области глютена
ОПУБЛИКОВАНО 31 июля 2023 г.
ЛЕКСИНГТОН, Кентукки – Все больше и больше людей страдают непереносимостью глютена и целиакией, что привело к увеличению спроса на безглютеновые продукты на рынке. Однако гарантировать, что эти продукты действительно не содержат глютена, может быть непросто, особенно когда перекрестное загрязнение происходит во время сбора урожая, производства или упаковки. Даже крошечные следы глютена в безглютеновых продуктах могут иметь серьезные последствия для здоровья людей с непереносимостью глютена или целиакией.
Чтобы решить эту проблему, исследователи из Колледжа сельского хозяйства, продовольствия и окружающей среды имени Мартина-Гаттона Университета Кентукки провели исследование, опубликованное в журнале MDPI Sustainability, чтобы найти решение.
Исследование было сосредоточено на быстром обнаружении и измерении загрязнения пшеничной (глютеновой) муки в безглютеновом кукурузном хлебе с помощью инфракрасной спектроскопии с преобразованием Фурье (FTIR). Этот метод использует поглощение инфракрасного света на разных длинах волн для идентификации органических и неорганических соединений образца. Кроме того, исследователи внедрили методы машинного обучения, чтобы помочь в выявлении и количественной оценке загрязнения пшеничной мукой кукурузного хлеба.
«Загрязнение аллергенами — очень распространенное явление в пищевой промышленности», — сказал Акинбоде Адедеджи, доцент кафедры биосистем и сельскохозяйственной техники и главный исследователь. «Порог очень мал для людей с непереносимостью глютена. Мы хотели найти быстрый метод, позволяющий быстро определить наличие загрязнения глютеном».
Используя кукурузную и пшеничную муку, Адедеджи и студент магистратуры по биосистемам и сельскохозяйственной инженерии Абучи Океке приготовили 13 различных образцов кукурузного хлеба, каждый с разным уровнем загрязнения пшеничной мукой. Затем они использовали FTIR-спектрометр со специальной алмазной насадкой для анализа этих образцов. Прежде чем провести анализ машинного обучения, они предварительно обработали собранные спектры с использованием алгоритма сглаживания Савицкого-Голея, метода цифровой обработки сигналов, используемого для уменьшения шума данных, и преобразования первой производной. Производное преобразование помогает различать спектры разных образцов, поэтому их кластеризацию можно упростить с помощью модели машинного обучения.
«Сочетание FTIR-спектроскопии и алгоритмов машинного обучения оказалось весьма эффективным в обнаружении и измерении загрязнения пшеничной мукой в безглютеновом кукурузном хлебе с впечатляющей точностью», — сказал Адедеджи. «Даже при очень низком уровне загрязнения, всего 0,5%, модель может точно определить присутствие пшеничной муки в сырой и запеченной кукурузной муке. Точность улучшалась по мере увеличения уровня загрязнения».
Исследование также показало, что алгоритмы ансамблевого обучения — метод, объединяющий несколько моделей машинного обучения, — еще больше повышают точность, превосходя по эффективности отдельные методы машинного обучения.
Важным открытием исследования стало определение алгоритма K-ближайшего соседа (kNN) как наиболее многообещающего подхода для количественного определения количества загрязнений пшеничной мукой в кукурузном хлебе без глютена. Алгоритм kNN прогнозирует уровень загрязнения неизвестного образца, сравнивая его с ближайшими образцами в наборе данных. Еще одним важным вкладом в исследование стала разработка британского приложения с открытым исходным кодом под названием «Glutini», которое может анализировать данные FTIR, собранные из загрязненных продуктов, для обнаружения и количественного определения глютена в режиме реального времени.
Адедихе сказал, что последствия этого исследования имеют далеко идущие последствия, особенно для пищевой промышленности и производителей продуктов без глютена. Сочетание FTIR-спектроскопии и алгоритмов машинного обучения обеспечивает надежный и эффективный способ обеспечить безопасность и качество безглютеновых продуктов, тем самым защищая людей с непереносимостью глютена или целиакией от потенциальных рисков для здоровья.
«Благодаря использованию алгоритмов машинного обучения для анализа больших наборов данных и выявления скрытых закономерностей проверки безопасности пищевых продуктов и оценки качества могут быть значительно повышены в точности и эффективности», — сказал он. «Это исследование является значительным шагом вперед в предоставлении потребителям более безопасных и качественных продуктов без глютена».