Сравнительная оценка спектральных люминесцентных характеристик молока и молочных продуктов

Введение: Разработка аналитических методов контроля молока и молочных продуктов имеет важное значение для их хранения и переработки. Спектральный фотолюминесцентный метод контроля отличается высокой чувствительностью и селективностью, не требует химикатов в качестве расходного материала.

Цель: Исследование спектральных характеристик фотолюминесценции молока и молочных продуктов для последующего создания методик их контроля.

Материалы и методы: Измеряли спектральные люминесцентные характеристики и рассчитывали параметры молока, сметаны, творога и сливочного масла (Агрофирма «Катынь», Смоленская область) в диапазоне 200-600нм по ранее разработанной методике с использованием дифракционного спектрофлуориметра «Флюорат-02- Панорама».

Результаты: Диапазон наибольшего возбуждения исследованных продуктов составил 220–340 нм. Основные максимумы возбуждения 231, 262, 271, 288, 308 и 322 нм. Для кисломолочных продуктов добавляется пик на 250 нм. Спектры фотолюминесценции и интегральные параметры молока при скисании практически не меняются. При этом для коротковолнового возбуждения (262 нм) как спектральные характеристики, так и интегральные потоки в два раза больше, чем для длинноволнового (442нм). Сравнивая потоки фотолюминесценции сметаны и молока видно, что при коротковолновом возбуждении для сметаны они примерно в два раза ниже, а при длинноволновом –примерно одинаковы, что согласуется со спектрами возбуждения. Для творога при всех использованных длинах волн возбуждения спектры получились качественно одинаковыми, но по интегральному потоку наилучшим является возбуждение 288нм. Предположительно, люминесценция больше при повышенном содержании белков и пониженном содержании жиров, что подтверждается исследованием фотолюминесценции сливочного масла.

Выводы: Для возбуждения молока и кисломолочных продуктов наиболее целесообразным является использование длин волн возбуждения 262 нм (молоко), 271 нм (сметана) и 288 нм (творог). Для сливочного масла следует выбирать более длинноволновое возбуждение — 308нм. При этом фотолюминесцентное излучение следует измерять в диапазонах 290-400нм для молока, сметаны и творога, а для масла — в диапазоне 340–450 нм. Полученные результаты могут быть применены для создания методик экспрессного контроля переработки и хранения молока и молочных продуктов. 

1. Акулинин, И. В., Осинцев, А. М., & Брагинский, В. И. (2016). Разработка комбинированного оптического метода для исследования коагуляции молока. Техника и технология пищевых производств, 41(2), 164-169.

2. Беляков, М. В., Самарин, Г. Н., Кудрявцев, А. А., & Ефременков, И. Ю. (2022). Изменение спектральных фотолюминесцентных свойств молока при скисании. Инженерные технологии и системы, 32(3), 460-475. https://doi.org/10.15507/2658-4123.032.202203.460-475

3. Буданина, Л. Н., Верещагин, А. Л., & Бычин, Н. В. (2017). Исследование подлинности сухого молока методами термического анализа и электронной микроскопии. Техника и технология пищевых производств, 44(1), 93-99.

4. Мельденберг, Д. Н., Полякова, О. С., Семёнова, Е. С., & Юрова, Е. А. (2020). Разработка комплексной оценки белкового состава молока сырья различных сельскохозяйственных животных для выработки продуктов функциональной направленности. Хранение и переработка сельхозсырья, (3), 118-133. https://doi.org/10.36107/spfp.2020.352

5. Нилова, Л. П., & Камбулова, Е. В. (2019). Влияние термообработки на химический состав и свойства сгущенного молока с сахаром. Вестник Южно-Уральского государственного университета. Пищевые и биотехнологии, 7(2), 54-61. https://doi.org/10.14529/food190206

6. Рязанцева, К. А., Шерстнева, Н .Е., & Жижин, Н. А. (2022). Улучшение структурных свойств кисломолочного продукта внесением модифицированных сывороточных белков. Хранение и переработка сельхозсырья, (2), 52-66. https://doi.org/10.36107/spfp.2022.342

7. An, C., Yang, K., Zhu, J., Guo, W., Lu, C., & Zhu, X. (2022). Qualitative identification of mature milk adulteration in bovine colostrum using noise-reduced dielectric spectra and linear model. Journal of the Science of Food and Agriculture, 102(15), 7313-7322. https://doi.org/10.1002/jsfa.12097

8. Arroyo-Cerezo, A., Jiménez-Carvelo, A. M., González-Casado, A., Ruisánchez, I., & Cuadros-Rodríguez, L. (2023). The potential of the spatially offset Raman spectroscopy (SORS) for implementing rapid and non-invasive in-situ authentication methods of plastic-packaged commodity foods – Application to sliced cheeses. Food Control, 146, Article 109522. https://doi.org/10.1016/j.foodcont.2022.109522

9. Ashoorirad, M., Baghbani, R., & Ghalamboran, M. R. (2021). Bioimpedance sensor to detect water content in milk based on van Der Pauw method. IET Nanobiotechnol., 15(7), 611-618. https://doi.org/10.1049/nbt2.12056

10. Batesttin, C., Ângelo, F. F., Rocha, R. A., Anjos, V., & Bell, M. J. V. (2022). High resolution raman spectroscopy of raw and UHT bovine and Goat milk, Measurement. Food, 6, Article 100029. https://doi.org/10.1016/j.meafoo.2022.100029

11. Biçer, Y., & Sönmez, G. (2022). Detecting cow milk in sheep yoghurt by Taq Man real-time PCR. International Journal of Dairy Technology, 75(4), 803-808. https://doi.org/10.1111/1471-0307.12892

12. Boukria, O., Wang, J., Safarov, J., Gharsallaoui, A., Leriche, F., El Hadrami, E. M., & Aït-Kaddour, A. (2022). Delineation of molecular structure modification during coagulation of mixed camel and cow milk by mid-infrared spectroscopy and parallel factor analysis. Journal of Food Processing and Preservation, 46(6), Article e15839. https://doi.org/10.1111/jfpp.15839

13. Dorokhov, A., Samarin, G.N., Kudryavtsev, A., Efremenkov, I., Ershova, I., & Belyakov, M. (2023). Control of milk acidity by photoluminescence. International Journal of Food Science & Technology, 58(1), 222-227. https://doi.org/10.1111/ijfs.16195

14. Du, L., Lu, W., Zhang, Y., Gao, B., & Yu, L. (2020). Detection of milk powder in liquid whole milk using hydrolyzed peptide and intact protein mass spectral fingerprints coupled with data fusion technologies. International Journal of Food Sciences and Nutrition, 8(3), 1471-1479. https://doi.org/10.1002/fsn3.1430

15. Ehsani, S., Dastgerdy, E. M., Yazdanpanah, H., & Parastar, H. (2022). Ensemble classification and regression techniques combined with portable near infrared spectroscopy for facile and rapid detection of water adulteration in bovine raw milk. Journal of Chemometrics, 37(1), Article e3395. https://doi.org/10.1002/cem.3395

16. El Orche A., Mamad A., Elhamdaoui O., Cheikh A., El Karbane M., & Bouatia, M. (2021). Comparison of machine learning classification methods for determining the geographical origin of raw milk using vibrational spectroscopy. Journal of Spectroscopy, 2021, Article 5845422. https://doi.org/10.1155/2021/5845422

17. Ghasemi, J. B., Hosseini, E., Daraei, B., Asadi, G., & Adib, N. (2021). Near-infrared spectroscopy and machine learning-based classification and calibration methods in detection and measurement of anionic surfactant in milk. Journal of Food Composition and Analysis, 104, Article 104170. https://doi.org/10.1016/j.jfca.2021.104170

18. Hosseini, E., Ghasemi, J.B., Daraei, B., Asadi, G., & Adib, N. (2021). Application of genetic algorithm and multivariate methods for the detection and measurement of milk-surfactant adulteration by attenuated total reflection and near-infrared spectroscopy. Journal of the Science of Food and Agriculture, 101(7), 2696-2703. https://doi.org/10.1002/jsfa.10894

19. Hu, Y., & Lu, X. (2016). Rapid detection of melamine in tap water and milk using conjugated “one-step” molecularly imprinted polymers-surface enhanced raman spectroscopic sensor. Journal of Food Science, 81(5), N1272-N1280. https://doi.org/10.1111/1750-3841.13283

20. Khan, A., Munir, M. T., Yu, W., & Young, B. R. (2021). Near-infrared spectroscopy and data analysis for predicting milk powder quality attributes. International Journal of Dairy Technology, 74(1), 235-245. https://doi.org/10.1111/1471-0307.12734

21. Li, Q., Yu, Z., Zhu, D., Meng, X., Pang, X., Liu, Y., Frew, R., Chen, H., & Chen, G. (2017). The application of NMR-based milk metabolite analysis in milk authenticity identification. Journal of the Science of Food and Agriculture, 97(9), 2875-2882. https://doi.org/10.1002/jsfa.8118

22. Liang, W, Zhu, Z, Yang, B, Zhu, X, & Guo, W. (2021). Detecting melamine-adulterated raw milk by using near-infrared transmission spectroscopy. Journal of Food Process Engineering, 44(6), Article e13685. https://doi.org/10.1111/jfpe.13685

23. Oh, H. E., Eathorne, S., & Jones, M. A. (2022). Use of biosensor technology in analysing milk and dairy components: A review. International Journal of Dairy Technology, 75(4), 738-748. https://doi.org/10.1111/1471-0307.12900

24. Ostovar pour, S., Afshari, R., Landry, J., Pillidge, C., Gill, H., & Blanch, E. (2021). Spatially offset Raman spectroscopy: A convenient and rapid tool to distinguish cheese made with milks from different animal species. Journal of Raman Spectroscopy, 52(10), Article 1705. https://doi.org/10.1002/jrs.6179

25. Panikuttira, B., Payne, F. A., O'Shea, N., Tobin, J. T., O'Callaghan, D. J., & O'Donnell, C. P. (2020). Investigation of an in-line prototype fluorescence and infrared backscatter sensor to monitor rennet-induced coagulation of skim milk at different protein concentrations. International Journal of Food Science & Technology, 55(1), 175-182. https://doi.org/10.1111/ijfs.14267

26. Piacenza, E., Chillura Martino, D. F., Cinquanta, L., Conte, P., & Lo Meo, P. (2022). Differentiation among dairy products by combination of fast field cycling NMR relaxometry data and chemometrics. Magnetic Resonance in Chemistry, 60(3), 369-385. https://doi.org/10.1002/mrc.5226

27. Ranvir, S., Sharma, R., Gandhi, K., Upadhyay, N., & Mann, B. (2020). Assessment of proteolysis in ultra-high temperature milk using attenuated total reflectance–Fourier transform infrared spectroscopy. International Journal of Dairy Technology, 73(2), 366-375. https://doi.org/10.1111/1471-0307.12683

28. Roy, M., Doddappa, M., Yadav, B. K., Jaganmohan, R., Sinija, V. R., Manickam, L., & Sarvanan, S. (2022). Detection of soybean oil adulteration in cow ghee (clarified milk fat): An ultrafast study using flash gas chromatography electronic nose coupled with multivariate chemometrics. Journal of the Science of Food and Agriculture, 102(10), 4097-4108. https://doi.org/10.1002/jsfa.11759

29. Singh, V. R., Pandey, S. P., & Singh P. K. (2022). A unique supramolecular assembly between sulfated cyclodextrin, silver and melamine: Towards a fluorescence based dual wavelength detection approach for melamine. Journal of Photochemistry and Photobiology A: Chemistry, 428, Article 113862. https://doi.org/10.1016/j.jphotochem.2022.113862

30. Spina, A. A., Ceniti, C., Piras, C., Tilocca, B., Britti, D., & Morittu, V. M. (2022). Mid-infrared (MIR) spectroscopy for the detection of cow’s milk in buffalo milk. Journal of Animal Science and Technology, 64(3), 531-538. https://doi.org/10.5187/jast.2022.e22

31. Stefanakis, M., Bassler, M. C., Böltzig, T., Ostertag, E., Allnoch, D., Zuber, R., Brecht, M., & Rebner, K. (2022). Improved process control by using the effective scattering coefficients to determine the fat content in homogenized cow-based milk with multivariate data modeling. ACS Food Science & Technology, 2(3), 548-557. https://doi.org/10.1021/acsfoodscitech.1c00435

32. Stevens, F., Beghuin, D., Delgrange, M., Arnould, Q., Baeten, V., & Fernández Pierna, J. A. (2022). Raman fourier transform imaging: Application to melamine and melamine-milk powder mixtures analysis. Journal of Raman Spectroscopy, 53(11), 1947-1958. https://doi.org/10.1002/jrs.6415

33. Tarapoulouzi, M., Kokkinofta, R., & Theocharis, C. R. (2020). Chemometric analysis combined with FTIR spectroscopy of milk and Halloumi cheese samples according to species’ origin. International Journal of Food Sciences and Nutrition, 8(7), 3262-3273. https://doi.org/10.1002/fsn3.1603

34. Tarapoulouzi M., & Theocharis, C. R. (2021). Discrimination of cheddar, kefalotyri, and halloumi cheese samples by the chemometric analysis of fourier transform infrared spectroscopy and proton nuclear magnetic resonance spectra. Journal of Food Process Engineering, 45(7), Article e13933. https://doi.org/10.1111/jfpe.13933

35. Unger, P., Sekhon, A. S., Chen, X., & Michael, M. (2022). Developing an affordable hyperspectral imaging system for rapid identification of Escherichia coli O157:H7 and Listeria monocytogenes in dairy products. Food Science & Nutrition, 10(4), 1175-1183. https://doi.org/10.1002/fsn3.2749

36. Vasafi, P. S., Paquet-Durand O., Brettschneider K., Hinrichs J., & Hitzmann, B. (2021). Anomaly detection during milk processing by autoencoder neural network based on near-infrared spectroscopy. Journal of Food Engineering, 299, Article 110510. https://doi.org/10.1016/j.jfoodeng.2021.110510

37. Vasafi, P. S., & Hitzmann, B. (2022). Comparison of various classification techniques for supervision of milk processing. Engineering in Life Sciences, 22(3-4), 279-287. https://doi.org/10.1002/elsc.202100098

38. Wang, Y., Guo, W., Zhu, X., & Liu, Q. (2019). Effect of homogenisation on detection of milk protein content based on NIR diffuse reflectance spectroscopy. International Journal of Food Science & Technology, 54(2), 387-395. https://doi.org/10.1111/ijfs.13948

39. Yazgan, N. N., Genis, H. E., Bulat, T., Topcu, A., Durna, S., Yetisemiyen, A., & Boyaci, I. H. (2020). Discrimination of milk species using Raman spectroscopy coupled with partial least squares discriminant analysis in raw and pasteurized milk. Journal of the Science of Food and Agriculture, 100(13), 4756-4765. https://doi.org/10.1002/jsfa.10534

40. Zhang, T., Wu, X., Wu, B., Dai, C., & Fu, H. (2022). Rapid authentication of the geographical origin of milk using portable near-infrared spectrometer and fuzzy uncorrelated discriminant transformation. Journal of Food Process Engineering, 45(8), Article e14040. https://doi.org/10.1111/jfpe.14040

41. Zheng, B, Yu, Y, Wang, M, Wang, J, & Xu, H. (2022). Qualitative-quantitative analysis of multi-mycotoxin in milk using the high-performance liquid chromatography-tandem mass spectrometry coupled with the quick, easy, cheap, effective, rugged and safe method. Journal of Separation Science, 45(2), 432-440. https://doi.org/10.1002/jssc.202100641