Potencial de la espectroscopia Nir para la cuantificación de la composición nutricional en leche

Los métodos de referencia para el análisis de composición nutricional de leche son los análisis químicos, los cuales tienen la desventaja de ser lentos, destructivos y requerir de instrumentación, pudiendo ser muy costosos. La espectroscopia del infrarrojo cercano (NIRS), es una técnica, que en el ámbito agroalimentario, se basa principalmente en su rapidez de respuesta y precisión (Jouan-Rimbaud y Massart, 1996). La región NIR se encuentra en el rango de longitudes de onda entre 12000-4000 cm-1 en el espectro electromagnético. A diferencia de los equipos ya existentes y utilizados en la industria que trabajan con similar tecnología como el milkoscan o bactoscan, tiene la versatilidad de hacer calibraciones independientes para cada parámetro. El objetivo de este estudio fue evaluar el potencial del NIRS para la rápida cuantificación de la composición nutricional de la leche producida en la Región de los Ríos.

Se utilizaron 193 muestras para proteína cruda (PC) y 116 para grasa, la leche fue recolectada en cinco predios comerciales de la Región de Los Ríos (2010-2012). La PC fue determinada usando el método Kjeldahlen el laboratorio de Nutrición Animal de INIA REMEHUE, mientras que el análisis químico para grasa, se efectuó en el Laboratorio de Calidad de leche de la Universidad Austral de Chile, bajo la metodología de RöseGottlieb ISO1211:1999.Asimismo, se tomaron 10 ml de cada muestra de leche y se procedió al registro de los espectros en modo reluctancia usando BRUKER FT-NIR MPA modelo (Bruker OptikGmbH, EttlingenGermany. Energy). En cada registro se tomaron 32 puntos de la muestra cada 2 nm en el intervalo de 12000-4000 cm-1.Las muestras fueron divididas en dos grupos: i) calibración (n=87-128) y ii) validación (n= 29-64). El modelo matemático fue creado utilizando regresión por mínimos cuadrados parciales (PLS1) y una validación externa. La selección de longitudes de onda, pre-tratamientos matemáticos y factores PLS, así como la determinación de valores atípicos se realizaron utilizando la función de optimización del programa. La capacidad de predicción del modelo se evaluó a partir del parámetro RPD, definido como la relación entre la desviación estándar del método químico de referencia y el error de predicción (SEP) encontrado en el modelo NIRS. Si el valor de RPD es superior a 3 el modelo se considera adecuado para predecir la composición de los diferentes parámetros en muestras desconocidas (Conzen, 2006).

Los resultados muestran un amplio rango de variabilidad en la composición química de las muestras evaluadas (Cuadro 1), condición fundamental para el desarrollo de ecuaciones de calibración NIRS. Se obtuvieron elevados coeficientes de determinación de calibración (R2) y valores de RPD mayores a 2,5, por lo que el modelo obtenido se considera adecuado para predecir el valor nutricional en muestras de leche desconocidas.

Cuadro 1. Descriptores de calibración PLS1 para muestras de leche

SD (desviación estándar de los datos de referencia); RMSEC (error cuadrático medio de calibración); RMSEP (error cuadrático medio de predicción); R2 (coeficiente de determinación); RPD (capacidad de predicción del modelo).

Ambos componentes presentaron valores de R2 menores a los obtenidos por López, (2001) en leches fluidas, esto puede estar relacionado con la mayor variabilidad, que presentan nuestras muestras (raza, periodo de lactación, etc.), lo que hace disminuir los coeficientes de determinación pues el tamaño de distribución de las muestras respecto del centro ide es más grande, esto a su vez permite que el modelo se pueda aplicar a rangos de concentración más amplios.

Figura 1. Comparación de los valores de referencia con los valores predichos por NIRS para la determinación de proteína y grasa en muestras de leche

Al graficar la composición predicha por NIRS y los valores de referencia(Fig.1), se observa que la dispersión de los puntos se concentra alrededor de la línea de igual respuesta, lo que sugiere que los espectros responden a los cambios de composición química y por lo tanto permiten la generación de modelos predictivos adecuados. Además, al evaluar las regiones de calibración se encontró que para ambos parámetros las bandas de absorción coinciden con los enlaces característicos que conforman grasas y proteínas (Conzen,2006).

A partir de la evaluación del modelo se reafirma la elevada capacidad predictiva de la metodología NIRS, lo que lo convierte en una alternativa real para la rápida cuantificación de la composición nutricional de la leche producida en la zona sur de Chile.

CONZEN, J.P. (2006) Multivariate calibration, a practical guide for developing methods in the quantitative analytical chemistry.Ettlingen, Germany: BrukerOptik GmbH.

JOUAN-RIMBAUD, D.Y MASSART, D.L. 1996.Wavelength selection for the multivariate calibration of near infrared spectroscopic data. Near InfaredSpectroscopy:thefuturewaves. The procedings of the 7th International Coference on Near InfraredSpectroscopy, A.M.C. Davies y P. Williams (eds). Montreal. Canadá. 194-197.

LOPEZ, C. (2001). Curvas de calibración y validación por espectroscopía en el infrarrojo cercano (EIC) para leches fluidas. Proyecto Especial del Programa de Ingeniero Agrónomo, Zamorano, Honduras. 31 p.