オリーブオイルの混入を検出する新手法が、環境への影響を軽減

研究者らは、サイド・フロント・フェイス蛍光分光法を用いて、オリーブオイルの混入を検出する迅速かつ低コストな手法を開発した。

モロッコとフランスの大学の研究者らが、オリーブオイルの混入を検出する新しい手法を開発した。この手法により、エネルギー消費と環境への影響を大幅に削減できる可能性がある。

学術誌『Food Chemistry』に掲載されたこの研究の著者らによると、この新しい手法はオリーブオイルの分析に必要な時間を短縮し、現場での混入防止評価をより広く利用可能にするという。

エクストラバージンオリーブオイルへの混入は、『バージン』オイルのような低品質のオリーブオイルや他の植物油との混合によるものであれ、消費者を欺く行為であり、生産者の評判に悪影響を及ぼします」 とヒシャム・ザロウアル氏は『オリーブオイル・タイムズ』に語った。

関連記事:研究者が超音波を用いて混入されたオリーブオイルを検出

本研究の共著者であるザルワル氏は、モロッコ・テトゥアンのアブデルマレク・エッサディ大学にて、環境技術・バイオテクノロジー・生物資源活用チームの科学者を務めている。

著者らによると、異なるグレードのオリーブオイルを用いた不正は、他の植物油を混ぜたブレンドよりも検出が難しいという。

この種の不正は、オリーブオイルの栄養面や感覚面でのメリットを損ない、消費者を誤解させるものです。特に、PDO や PGI といった認証の下で明確な分類が義務付けられている厳しい法律の下ではなおさらです」とザルアル氏は述べています。

PDO(原産地名称保護)および PGI(地理的表示保護)は、内容物および原産地に関する製品の真正性を保証する、欧州連合(EU)の品質認証である。

このような状況では、製品の品質と消費者の信頼を維持するために、ごくわずかな偽和物も検出することが極めて重要です」とザルアル氏は述べています。

この研究により、側面・正面蛍光分光法は、部分最小二乗判別分析(PLS-DA)などの高度な統計分析と組み合わせることで、最大 100% の分類精度を達成できることが明らかになりました。

部分最小二乗判別分析は、化学データ(ケモメトリクス)に数学的および統計的手法を適用し、スペクトルプロファイルに基づいてサンプルを分類する教師あり手法です。

教師あり手法とは、ラベル付きデータを用いてモデルを学習させることを意味します。

この場合、研究者たちは、どのオリーブオイルのサンプルがエクストラバージンオリーブオイルであり、どれが偽物であるか、またその偽物の割合をすでに把握していました。

モデルは、各カテゴリーに関連するパターンを認識することを学習し、その知識を用いて、未知の新しいサンプルを分類します。

研究者らによると、この新しい手法は、高速液体クロマトグラフィーやガスクロマトグラフィー・質量分析法などの従来の技術よりも、高速で、簡便、かつ費用対効果に優れているとのことです。

高速液体クロマトグラフィーは、液体サンプル中の化合物を分離・定量するために使用されます。 この手法では、試料を固定相が充填された高圧カラムに通し、化合物が化学的相互作用に基づいて分離されます。

高精度で高性能な液体クロマトグラフィーは、高価な溶媒が必要であり、 時間のかかる前処理、そして特殊な機器や訓練が必要であるため、負担が大きいとされています。

ガスクロマトグラフィー-質量分析法は、揮発性化合物を分離するためのガスクロマトグラフィーと、分子断片によってそれらを同定するための質量分析法を組み合わせたものである。

高精度である一方、技術的に複雑でコストが高く、揮発性物質や化学的変化に由来する試料に限定される。また、入念な前処理と熟練した担当者を必要とする。

「この新しい手法は最小限のリソースで済み、多くの試料を迅速に処理できる」とザルアル氏は述べた。 「さらに、高度に洗練された実験室を必要とせず、現場でリアルタイムに不正を検出できるため、品質管理における革新的な一歩となる」 

研究者らによると、サイド・フロント・フェイス蛍光分光法は、オリーブオイルの分析にすでに使用されている他の分光技術と比較しても際立っているという。

「サイド・フロント・フェイス蛍光分光法は、特定の放射線を照射した際の蛍光発光を通じてオリーブオイルの化学組成を検出するという独自の方法により、際立っています」とザロウアル氏は述べた。

「これにより、偽和や保管条件によって生じるわずかな化学的変化にも非常に敏感に反応します」と彼は付け加えた。

ザルアル氏は、中赤外分光法や近赤外分光法などの他の手法は、分子の振動による光吸収の測定に重点を置いているため、 そのため、偽和の正確な特定というよりは、特定の成分の分析に適している。

関連項目:科学者たちが核磁気共鳴を用いてオリーブオイルのブレンドを特定

「ラマン法も分子振動に依存していますが、干渉する蛍光信号の影響を受ける可能性があり、その効率が制限されます」とザルアル氏は述べた。 「サイドフロント面蛍光分光法は、430ナノメートルなどの特定の波長における蛍光発光に基づいて、油を区別することができる」と彼は付け加えた。

430ナノメートルは重要な分析波長であり、この波長では蛍光信号において油類間の化学的差異が明らかになり、 ケモメトリック分析による正確な分類と定量が可能になる。

研究者らは、430ナノメートルの蛍光発光が、エクストラバージンオリーブオイルと、バージン、精製オリーブオイル、オリーブ搾りかす油などの低品質の油が混入したサンプルとを区別するのに特に有効であることを発見しました。

この波長では、クロロフィルや酸化マーカーなどの天然化合物によって生成される蛍光信号は、 混入の種類や割合に応じて、明確かつ一貫した違いが見られた。

これらの独特な発光パターンは、部分最小二乗判別分析などのケモメトリックモデルを用いて分析され、100%の分類精度を達成した。

著者らによると、この新しいサイドフロント蛍光分光法に基づく手法は使いやすく、1回の分析に数分しかかからず、 高性能液体クロマトグラフィーやガスクロマトグラフィー・質量分析法に必要な数時間と比較して、大幅に時間を短縮できる。

「サイド・フロント・フェイス蛍光分光法による分析は、1サンプルあたりわずか数分で、1サンプルにつき3回のスキャンを行うため、大量のサンプルを迅速に処理するのに理想的です」とザロウアル氏は述べた。 

「また、化学薬品や溶媒の使用を最小限に抑えることができるため、コストと環境への影響の両方を低減できます」と彼は付け加えた。

また、研究者たちは、この装置の稼働に必要なエネルギーが、従来の方法よりも大幅に少ないことも確認しました。

さらに、高度な技術や最先端の実験室を必要としないため、小規模なオリーブオイル工場にある品質管理ラボでも利用可能です」と彼は付け加えた。 「サイドフロント面蛍光分光法では、装置の操作や結果の解釈に必要なのは基本的なトレーニングだけであり、高度に専門化されたスタッフへの依存度を低減できます」

その高い感度により、ごく微量の混入も検出可能です。

「本研究では、エクストラバージンオリーブオイルに5%の油が混入された場合でも、サイド・フロント・フェイス蛍光分光法によってその混入を検出できることが実証され、この手法の感度の高さが示されました」とザロウアル氏は述べた。

「これにより、従来の方法では特定が困難な小規模な不正も検出できるようになります」と彼は付け加えた。

研究者たちによると、この手法を適用するのに最適な段階は生産段階であり、製品がサプライチェーンに入る前に、あらゆる不正を早期に検出することができるという。

「また、包装工程でも、品質を監視し、製品の完全性を確保するために使用することができます」と Zaroual 氏は述べています。 「必要に応じて、流通や小売の段階でも適用し、規制への準拠を確保し、最終消費者を不正から保護することができます」 

側面・前面蛍光分光法で最適な結果を得る上での課題には、外部要因の影響が含まれます。 これらは蛍光発光に影響を与え、分析結果を妨げる可能性があります。

さらに、エクストラバージンオリーブオイルに近い化学的プロファイルを持つオリーブオイルの混合物を区別することは困難であり、より正確な参照モデルと高度な統計ツールの統合が必要となります」 とザルアル氏は述べた。

「蛍光シグナルを変化させるポリフェノールや揮発性化合物による化学的干渉も、もう一つの潜在的な課題です」と彼は付け加えた。

著者らによると、サイドフロント面蛍光分光法は、規制の枠組みによる評価と承認が得られれば、オリーブオイルのモニタリングにおける標準的な手法となる可能性がある。

標準化されたプロトコルの開発や、国際オリーブ評議会(IOC)のような組織による公式な承認が進めば、 PDO(原産地名称保護)やPGI(地理的表示保護)といった原産地や品質の認証基準への準拠を確保するために活用できる可能性があります」とザロウアル氏は述べた。それが、この手法を開発した目的の一つでした。」 

研究者らによると、今後の研究では、より幅広い植物油を対象とし、より正確な不正検出のための予測モデルを洗練させることに重点が置かれるという。

「生産者や流通業者が現場で使用できる、コンパクトで低コストなデバイスの開発に注力する予定です」とザルアル氏は述べた。 「また、チームは、地理的・品種的な原産地に関連する蛍光の研究をさらに深め、地理的フィンガープリンティングに基づく手法を開発する計画だ」

その他の目標としては、0.5%未満の混入レベルを検出できる感度向上や、リアルタイムデータを分析するための人工知能システムの統合などが挙げられます」とザルアル氏は締めくくった。