FI114573B - Menetelmä urean määrittämiseksi maidossa - Google Patents
Menetelmä urean määrittämiseksi maidossa Download PDFInfo
- Publication number
- FI114573B FI114573B FI944410A FI944410A FI114573B FI 114573 B FI114573 B FI 114573B FI 944410 A FI944410 A FI 944410A FI 944410 A FI944410 A FI 944410A FI 114573 B FI114573 B FI 114573B
- Authority
- FI
- Finland
- Prior art keywords
- urea
- fat
- protein
- lactose
- milk
- Prior art date
Links
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 title claims abstract description 162
- 239000004202 carbamide Substances 0.000 title claims abstract description 91
- 235000013336 milk Nutrition 0.000 title claims abstract description 53
- 239000008267 milk Substances 0.000 title claims abstract description 53
- 210000004080 milk Anatomy 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 45
- 235000018102 proteins Nutrition 0.000 claims abstract description 29
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 29
- 102000004169 proteins and genes Human genes 0.000 claims abstract description 29
- 238000010521 absorption reaction Methods 0.000 claims abstract description 27
- GUBGYTABKSRVRQ-QKKXKWKRSA-N Lactose Natural products OC[C@H]1O[C@@H](O[C@H]2[C@H](O)[C@@H](O)C(O)O[C@@H]2CO)[C@H](O)[C@@H](O)[C@H]1O GUBGYTABKSRVRQ-QKKXKWKRSA-N 0.000 claims abstract description 26
- 239000008101 lactose Substances 0.000 claims abstract description 26
- 238000005259 measurement Methods 0.000 claims abstract description 22
- KRKNYBCHXYNGOX-UHFFFAOYSA-N citric acid Chemical compound OC(=O)CC(O)(C(O)=O)CC(O)=O KRKNYBCHXYNGOX-UHFFFAOYSA-N 0.000 claims abstract description 9
- 238000013528 artificial neural network Methods 0.000 claims abstract description 4
- 239000005018 casein Substances 0.000 claims abstract description 4
- BECPQYXYKAMYBN-UHFFFAOYSA-N casein, tech. Chemical compound NCCCCC(C(O)=O)N=C(O)C(CC(O)=O)N=C(O)C(CCC(O)=N)N=C(O)C(CC(C)C)N=C(O)C(CCC(O)=O)N=C(O)C(CC(O)=O)N=C(O)C(CCC(O)=O)N=C(O)C(C(C)O)N=C(O)C(CCC(O)=N)N=C(O)C(CCC(O)=N)N=C(O)C(CCC(O)=N)N=C(O)C(CCC(O)=O)N=C(O)C(CCC(O)=O)N=C(O)C(COP(O)(O)=O)N=C(O)C(CCC(O)=N)N=C(O)C(N)CC1=CC=CC=C1 BECPQYXYKAMYBN-UHFFFAOYSA-N 0.000 claims abstract description 4
- 235000021240 caseins Nutrition 0.000 claims abstract description 4
- 238000012628 principal component regression Methods 0.000 claims abstract description 4
- 241000894006 Bacteria Species 0.000 claims abstract description 3
- 229910019142 PO4 Inorganic materials 0.000 claims abstract description 3
- 239000003242 anti bacterial agent Substances 0.000 claims abstract description 3
- 229940088710 antibiotic agent Drugs 0.000 claims abstract description 3
- 235000021588 free fatty acids Nutrition 0.000 claims abstract description 3
- 238000012417 linear regression Methods 0.000 claims abstract description 3
- 235000021317 phosphate Nutrition 0.000 claims abstract description 3
- 150000003013 phosphoric acid derivatives Chemical class 0.000 claims abstract description 3
- 239000003755 preservative agent Substances 0.000 claims abstract description 3
- 230000005855 radiation Effects 0.000 claims abstract description 3
- 210000001082 somatic cell Anatomy 0.000 claims abstract description 3
- 230000003595 spectral effect Effects 0.000 claims description 11
- 238000003556 assay Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 6
- 239000003925 fat Substances 0.000 claims description 5
- 238000000265 homogenisation Methods 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000000691 measurement method Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 239000000523 sample Substances 0.000 description 36
- 235000020185 raw untreated milk Nutrition 0.000 description 7
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 5
- 239000008280 blood Substances 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- QGZKDVFQNNGYKY-UHFFFAOYSA-O Ammonium Chemical compound [NH4+] QGZKDVFQNNGYKY-UHFFFAOYSA-O 0.000 description 4
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 4
- 238000002835 absorbance Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000000556 factor analysis Methods 0.000 description 4
- 239000008103 glucose Substances 0.000 description 4
- 210000002381 plasma Anatomy 0.000 description 4
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 3
- 238000000862 absorption spectrum Methods 0.000 description 3
- 150000001720 carbohydrates Chemical class 0.000 description 3
- 235000014633 carbohydrates Nutrition 0.000 description 3
- 235000012000 cholesterol Nutrition 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000007430 reference method Methods 0.000 description 3
- 238000002798 spectrophotometry method Methods 0.000 description 3
- GUBGYTABKSRVRQ-XLOQQCSPSA-N Alpha-Lactose Chemical compound O[C@@H]1[C@@H](O)[C@@H](O)[C@@H](CO)O[C@H]1O[C@@H]1[C@@H](CO)O[C@H](O)[C@H](O)[C@H]1O GUBGYTABKSRVRQ-XLOQQCSPSA-N 0.000 description 2
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- WUKWITHWXAAZEY-UHFFFAOYSA-L calcium difluoride Chemical compound [F-].[F-].[Ca+2] WUKWITHWXAAZEY-UHFFFAOYSA-L 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 239000012153 distilled water Substances 0.000 description 2
- 230000007515 enzymatic degradation Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000000693 micelle Substances 0.000 description 2
- 238000010238 partial least squares regression Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000000411 transmission spectrum Methods 0.000 description 2
- CEDITZTUPUMYCI-RJMJUYIDSA-N (2R,3R,4S,5R,6S)-2-(hydroxymethyl)-6-[(2R,3S,4R,5R)-4,5,6-trihydroxy-2-(hydroxymethyl)oxan-3-yl]oxyoxane-3,4,5-triol urea Chemical compound NC(N)=O.O[C@@H]1[C@@H](O)[C@@H](O)[C@@H](CO)O[C@H]1O[C@@H]1[C@@H](CO)OC(O)[C@H](O)[C@H]1O CEDITZTUPUMYCI-RJMJUYIDSA-N 0.000 description 1
- 238000004483 ATR-FTIR spectroscopy Methods 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- 241000272161 Charadriiformes Species 0.000 description 1
- 241000272168 Laridae Species 0.000 description 1
- 102000014171 Milk Proteins Human genes 0.000 description 1
- 108010011756 Milk Proteins Proteins 0.000 description 1
- 241000428199 Mustelinae Species 0.000 description 1
- FEWJPZIEWOKRBE-UHFFFAOYSA-N Tartaric acid Natural products [H+].[H+].[O-]C(=O)C(O)C(O)C([O-])=O FEWJPZIEWOKRBE-UHFFFAOYSA-N 0.000 description 1
- 108010046334 Urease Proteins 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 229910001634 calcium fluoride Inorganic materials 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 239000006071 cream Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000006862 enzymatic digestion Effects 0.000 description 1
- 230000002255 enzymatic effect Effects 0.000 description 1
- 238000004401 flow injection analysis Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 235000009973 maize Nutrition 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000021243 milk fat Nutrition 0.000 description 1
- 235000021239 milk protein Nutrition 0.000 description 1
- 230000036470 plasma concentration Effects 0.000 description 1
- 235000008476 powdered milk Nutrition 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- SBIBMFFZSBJNJF-UHFFFAOYSA-N selenium;zinc Chemical compound [Se]=[Zn] SBIBMFFZSBJNJF-UHFFFAOYSA-N 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000011975 tartaric acid Substances 0.000 description 1
- 235000002906 tartaric acid Nutrition 0.000 description 1
- 150000003626 triacylglycerols Chemical class 0.000 description 1
- 235000008939 whole milk Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/04—Dairy products
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S250/00—Radiant energy
- Y10S250/91—Food sample analysis using invisible radiant energy source
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Food Science & Technology (AREA)
- Engineering & Computer Science (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Dairy Products (AREA)
- Tea And Coffee (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- General Preparation And Processing Of Foods (AREA)
- Oscillators With Electromechanical Resonators (AREA)
- Peptides Or Proteins (AREA)
- Amplifiers (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Description
114573
Menetelmä urean määrittämiseksi maidossa Förfarande för att bestämma urea i mjölk 5
Esillä oleva keksintö liittyy menetelmään urean konsentraation määrittämiseksi maitonäytteessä.
Ureaa on maidossa hyvin pieninä konsentraatioina yleensä alueella 0,01 - 0,06 %.
10 Urean konsentraatio maidossa, varsinkin raakamaidossa, yhdistettynä proteiinin konsentraatioon, on tärkeä tekijä kaljan syöttämisen säännöstelyssä. Siksi on hyvin tärkeätä, että voidaan määrittää urean konsentraatio maidossa säännöllisesti.
Tähän asti saatavilla olevat menetelmät tähän tarkoitukseen, jotka perustuvat pääasiassa ammoniakin määritykseen, jota muodostuu urean entsymaattisessa hajoa-15 misessa ureaasin kanssa, ovat kuitenkin aikaa vieviä ja vaativat suhteellisen kalliita reagensseja, mistä syystä määritys normaalisti suoritetaan suhteellisen pitkin väliajoin, kuten esim. 1-3 kuukauden väliajoin, mikä kuitenkin on epätyydyttävää kaijatilan tehokkaan hoidon näkökannalta.
* i i i » 20 Infrapunavaloon perustuvat mittaukset tarjoavat nopean ja halvan maidon kompo- * i · nenttien mittaamisen. Johtuen kuitenkin urean suhteellisen pienistä pitoisuuksista • · sekä maidon pääkomponenttien vaihteluista ja siitä tosiasiasta, että näiden kom- * i ! ponenttien spektriominaisuudet menevät limittäin urean spektriominaisuuksien kanssa, ts. ei ole olemassa erityisiä absorptioaaltolukualueita, jotka olisivat tun-25 nusomaisia ainoastaan urealle, tunnetut menetelmät maidon komponenttien mää- * . , rittämiseksi infrapunavaloon perustuvilla mittauksilla eivät pysty antamaan käyt- , ', tökelpoista informaatiota urean konsentraatiosta.
• t »
Tunnetut menetelmät maidon komponenttien infrapunamäärityksessä suoritetaan ’·’ 30 seuraavallatavalla: 2 114573
Paitsi että mitataan valon heikentyminen aaltolukualueella, jossa tapahtuu määritettävän komponentin tunnusomaista absorptiota, kuten esim. rasvan absorptiota, mitataan myös absorptio tämän aaltolukualueen läheisyydessä ja joka pääasiassa edustaa taustaa (muiden komponenttien vaikutus) ja tämä absorptio vähennetään 5 ensimmäisen mittauksen tuloksesta, millä tavalla korjataan spektri-ilmiö, jonka häiritsevät komponentit aiheuttavat. Johtuen kuitenkin urean erittäin matalasta konsentraatiosta verrattuna maidon pääkomponentteihin (siten esim. rasvaa, joka absorboi samalla aaltolukualueella kuin urea, on normaalisti läsnä noin 100 - 500 kertaa urean määriä suurempina määrinä ja voivat itse vaihdella, ollen esim. 50 -10 200 kertaa läsnäolevan urean absoluuttinen määrä, ja samanlaisia vaikutuksia mutta vähemmissä määrin saadaan maidon muista pääkomponenteista), ja myös johtuen näiden komponenttien hyvin suurista spektrihäiriöistä, tunnettua menetelmää ei voida käyttää.
15 Edellä olevan lisäksi maito on heterogeeninen järjestelmä, johon kuuluvat liuenneet aineet, rasvapallot ja proteiinimisellit, jotka kaikki absorboivat infrapunavaloa siten tehden kunnollisen mittauksen vielä monimutkaisemmaksi.
• · ' · · * Keksinnön mukaisesti on nyt havaittu, että on mahdollista määrittää ureaa kvanti- * 20 tatiivisesti ja hyvin tarkasti maitonäytteestä käyttämällä inffapunamittausta.
‘ ’ ; Siten keksintö liittyy menetelmään urean konsentraation määrittämiseksi konsent- I » ; raatioalueella 0-0,1 % maitonäytteestä, joka sisältää ainakin 1 % rasvaa, ainakin • · 1 % liuennutta laktoosia ja ainakin 1 % proteiinia infrapunamittaustekniikalla, 25 jossa menetelmässä määritetään näytteestä absorptio infrapunasäteilyalueella 1 000 - 4 000 cm'1, jolloin ainakin yksi määritys tehdään aaltolukualueella 1 000 - 1 800 cm'1, jossa urea absorboi, ja ainakin yksi toinen määritys tehdään aaltolu-• kualueella, jossa rasva absorboi, ainakin yksi lisämääritys tehdään aaltoluku alueella, jossa laktoosi absorboi, ja ainakin yksi lisämittaus tehdään aaltolukualu-v : 30 eella, jossa proteiini absorboi; ja lasketaan (ennakoidaan) tarkkuudella, joka il- maistaan arvioinnin keskivirheenä (SEP, Standard Error of Prediction), kuten se 3 114573 tässä määritellään), ja joka on parempi kuin 0,007 %, urean konsentraatio, joka perustuu absorptioon aaltolukualueella, jossa urea absorboi, jolloin rasvan, laktoosin ja proteiinin vaikutukset kompensoidaan monimuuttujalaskennalla yhdistämällä määritysten tulokset, jotka tehdään aaltolukualueilla, joissa nämä komponentit 5 absorboivat.
Käyttämällä keksinnön mukaista menetelmää on mahdollista määrittää urean sisältö tarkkuudella, joka on useita kertaluokkia parempi kuin häiritsevien komponenttien variaatio. Johtuen edellä mainitusta maidon hyvin monimutkaisesta luon-10 teestä valon heikentämisj äij estelmänä, ei olisi voitu arvata, että olisi mahdollista millään tekniikalla päästä sellaisiin tarkkuuksiin, että ennakoinnin keskivirhe (kuten se seuraavassa on määritelty) on 0,007 %, ja tyypillisesti parempi kuin 0,005 % ja jopa parempi kuin 0,004 %.
15 Jotta annettaisiin oikea vaikutelma esillä olevan keksinnön täysin yllättävästä tarkkuudesta, voidaan mainita, että saatava tarkkuus rasvanproteiinin ja laktoosin määrityksessä maidossa on luokkaa 0,01 - 0,02 %. Tätä voidaan verrata normaaliin urean määrään, joka on noin 0,025 %. Toisin sanoen urean kokonaissisältö on •.,.: suunnilleen sama kuin muiden komponenttien määritysten saatavilla oleva tark- ’* 20 kuus. Tästä huolimatta keksinnön mukainen menetelmä kykenee määrittämään • : hyvin pieniä urean komponentteja keskivirheellä, joka on luokkaa 0,003 - i’ 0,004%.
> ·
Siten keksinnöllä saadaan helppo ja taloudellinen menetelmä urean mää-25 rittämiseksi maidosta niin, että realistisesti voidaan suorittaa useita analyysejä kaij aeläimissä karj anhoidon parantamiseksi.
'··' · Käytetyt erilaiset kalibrointiparametrit ovat edullisesti parametreja, jotka on saatu * · ‘ käyttämällä maitonäytteitä, jotka sisältävät tunnettuja urean pitoisuuksia tai mai- v · 30 tonäytteitä, joihin on lisätty tunnettuja urean pitoisuuksia.
4 114573
Monimuuttujakalibrointi suoritetaan edullisesti valitsemalla kalibrointinäytteitä niin, että näytteessä olevien komponenttien ja muiden näytteessä olevien fysikaalisten olosuhteiden välinen yhteys (esim. homogenisointi ja lämpötila) on mahdollisimman pieni ja siten olisi esim. vältettävä näytteitä, joiden ureapitoisuus on 5 korkea ja samalla homogenisointiaste korkea jne. Tämä sopiva kalibrointinäyttei-den valinta saadaan esim. suuresta määrästä kalibrointinäytteitä ja valitsemalla käytettävät niin, että edellä oleva yhteys on pieni lisäämällä jotakin komponenttia tai muuttamalla näytettä muulla tavalla.
10 Termi "maitonäyte" tarkoittaa maidon ja siihen liittyvien tuotteiden kuten raaka-maidon, kokomaidon, kuohumaidon, kerman, jälleenliuenneen ja/tai jälleensus-pendoituneen pulverimaidon näytteitä. Tämä näyte voi olla homogenisoitu tai homogenisoimaton. Keksinnön edullisen suoritusmuodon mukaisesti näyte on raakamaidon näyte.
15
Vaikka normaalit raakamaitonäytteet normaalisti sisältävät noin 3,7 % rasvaa, 3,4 % proteiinia, 4,8 % laktoosia ja 0,025 % ureaa, keksinnön uskotaan olevan käyttökelpoinen myös sellaisissa tapauksissa, joissa näytteen koostumus on epäta-•. . · vallisempi ja yhden tai useamman komponentin määrä hyvin pieni.
20 .. : Tässä yhteydessä termi "infrapunavalon heikennystekniikka" tarkoittaa mittaus- • - · tekniikkaa, jossa infrapunavaloa kohdistetaan näytteeseen ja infrapunavalon hei- : kentyminen (mikä saattaa johtua valon hajaantumisesta tai energian absorptiosta), jonka näyte aiheuttaa, mitataan.
25 ; Infrapunamittaustekniikka voi olla läpäisytekniikka, jossa infrapuna-valoa lähete tään säiliön läpi, jossa näyte on, jolloin säiliö on tehty aineesta, joka päästää lävitseen infrapunavaloa. Kun lähetetty valo jaetaan sopivaan lukumäärään sopivasti valittuja aaltolukualueita ja se määrä valoa, jonka näyte absorboi, mitataan kulia-ν' · 30 kin aaltolukualueella, on mahdollista määrittää yhden tai useamman komponentin ’ " · konsentraatio näytteessä.
5 114573
Vaihtoehtoinen tapa viedä infrapunavaloa näytteeseen on käyttää ATR-kennoa, jossa valon absorptiota helpotetaan laukaisemalla valo näytteen ja sellaisen materiaalin väliseen rajaan, jolla on korkeampi refraktioindeksi (= taitekerroin) kuin 5 maidolla, esim. ZnSe tai Ge. Johtuen valon luonteesta sähkömagneettinen kenttä laajenee muutaman mikrometrin rajan poikki, jolloin näyte vaikuttaa siihen.
Artikkelissa "Multivariate Calibration for Assays in Clinical Chemistry using ATR-IR spectra of Human blood plasma", Analytical Chemistry, 1989, 61, pp 10 2016-2023 by Gunter Janatsch et.al., käytetään FTIR-ATR-tekniikkaa urean, virt-sahapon, kolesterolin, diglyseridien ja glukoosin konsentraation mittaamiseen ihmisen verestä.
Veriplasma on neste, joka sisältää mm. rasvaa (triglyseridejä, kolesterolia), prote-15 iinia ja hiilihydraattia (glukoosia). Tyypillisiä komponentin konsentraatioarvoja veriplasmassa ja aaltolukualueita, joilla nämä konsentraatiot voidaan määrittää, verrataan komponenttien tyypillisiin konsentraatioihin raakamaidossa taulukossa 1.
20 TAULUKKO 1 I Yhdiste Alue Konsentraatio (%) ; (cm ) Veriplasma Maito proteiini 1 700 -1 350 6,7 3,4 glukoosi/laktoosi 1 180-950 0,1 4,8 rasva 1 500 - 1 400 0,3 3,7 1 430-1 150 1 275-1 000 :"urea 1 700 -1400 0,03 0,025 ^ 1 200-1 000 ' , urean vaihtelevuus 0,005-0,13 0,01 -0,06 6 114573
Taulukosta 1 käy ilmi, että näillä kahdella järjestelmällä on jokseenkin erilaiset koostumukset. Raakamaito yleensä sisältää enemmän kuin yhden suuruusluokan enemmän rasvaa kuin veriplasma. Rasva veressä on enimmäkseen liuennutta kolesterolia, kun taas maidossa se on enimmäkseen suspensoitujen maitorasvapallo-5 jen muodossa.
Maidossa 80 % proteiinista on kaseiinia, joka on läsnä miselleissä, joiden halkaisija on 0,01 - 0,3 /un, ja josta ainoastaan 20 % on liuennutta. Veressä kaikki proteiini on liuennutta.
10
Maidossa on enemmän kuin yksi suuruusluokka enemmän hiilihydraatteja kuin veressä, ja veren hiilihydraatti on pääasiassa glukoosia, kun taas maidossa se on laktoosia.
15 Keksinnön mukaisessa menetelmässä mittaukset tehdään usealla aaltolukualueella infrapunasäteilyn alueella 1000 - 4 000 cm'1. Näistä aaltolukualueista ainakin toinen on alueella 1 000 - 1 800 cm'1 ja jossa urea absorboi. Edullisissa suoritusmuodoissa aaltolukualue, jossa urea absorboi, valitaan ryhmästä, johon kuuluvat alueet 1 100 - 1 800 cm1, 1 400 - 1 500 cm'1, 1 500 - 1 800 cm'1 ja 1 100 -20 1 200 cm'1. Nämä aaltolukualueet valitaan edullisesti niin, että näytteissä olevilla • · komponenteilla on erilaiset ja vaihtelevat vaikutussuhteet (absorptiosuhteet) eri laisilla aaltolukualueilla. Kun urean konsentraation määrityksessä aaltolukualueet > t * • valitaan sopivalla tavalla, selvitään pienellä lukumäärällä aaltolukualueita.
25 Absorption mittauksissa käytettävien aaltolukualueiden määritykseen voidaan ‘käyttää erilaisia aaltolukualueselektiivisiä elementtejä: mm. optisia suodattimia, ‘ i1 hiloja, prismoja, akusto-optisia modulaattoreita.
’·;·* Esillä olevassa selityksessä ja vaatimuksissa termi "aaltolukualue" tarkoittaa aal-
> < I
·,· : 30 lonpituusaluetta, jonka laajuus ja keskiarvo voidaan valita laajoissa rajoissa käyte- ’:’ tyn asianomaisen aaltolukualueen valitsevan elementin sopivalla valinnalla. Siten 7 114573 esim. optiset suodattimet normaalisti määrittävät aalto lukualueita, joiden leveys on suuruusluokkaa 10 - 40 cm'1, mutta aaltolukualueet, joissa mittaus tehdään esillä olevan keksinnön mukaisesti, voivat periaatteessa olla paljon leveämpiä tai paljon kapeampia.
5
Kun käytetään optisia suodattimia yksittäisten aaltolukualueiden määrittämiseksi, joukko suodattimia voidaan asettaa peräkkäin valonsäteen radalle valonlähteen ja detektorin välille. Vaihtoehtoisesti valonsäde jaetaan useaan säteeseen, joista kukin menee yhden tai useamman kiinteän tai siirrettävän optisen suodattimen läpi.
10
Kun käytetään hilaa, joukko aaltolukualueita voidaan valita yhdistämällä siirrettävä hila yhteen tai useampaan kiinteään tai siirrettävään detektoriin tai yhdistämällä kiinteä hila yhteen tai useampaan siirrettävään ja/tai kiinteään detektoriin.
15 Kun käytetään FTIR-tekniikkaa, näytteen transmissiospektri saadaan in-terferometrin tuottaman interferogrammin Fourier-transformaatiolla. Transmissio-spektristä voidaan laskea absorptio tietyllä aaltolukualueella.
Riippumatta siitä, mitä nimenomaista infrapunatransmission heikentymis-' 20 tekniikkaa käytetään, näytesäiliö on edullisesti kyvetti, joka on tehty CaF2:sta ja ' jonka valorata ei ole pidempi kuin 200 μηι ja edullisesti ei pidempi kuin 50 μηι.
· Rasvapallojen koon pienentämiseksi näytteet voidaan homogenisoida niin, että • rasvapallojen keskimääräinen halkaisija näytteessä on korkeintaan 3 μηι, edulli- ' ’ sesti korkeintaan 2 μτη.
25 ‘M Monimuuttujakalibrointi voidaan suorittaa käyttämällä erilaisia menetelmiä kuten: '·’ osittainen pienimmän neliösumman algoritmi (Partial Least Squares algorithm), • : pääkomponenttiregressio (Principal Component Regression), multippeli lineaari nen regressio (Multiple Linear Regression) tai keinotekoisen neuroverkon opetta-30 minen (Artificial Neural Network learning).
8 114573
Edullisessa suoritusmuodossa käytetään osittaista pienimmän neliösumman algoritmiä ja pääkomponenttiregressiota aaltolukualueinformaation vähentämiseksi olennaiseen informaatioon, jolloin voidaan välttää ennakoimisen ylisoveltamista; ylisoveltaminen voi olla muiden menetelmien haittana.
5
Ennakoinnin keskivirhe (Standard Error of Prediction, SEP) määritellään kemiallisen viitemenetelmän tuloksen (joka menetelmä käsittää urean entsymaattisen hajoamisen ammoniumiksi ja karbonaatiksi, jonka jälkeen ammonium määritellään spektrofotometrisesti urean epäsuoralla mittauksella) ja keksinnön mukaisesti 10 ennalta arvioidun määrän eron standardipoikkeamana.
Edullisessa suoritusmuodossa keksinnön mukaista menetelmää sovelletaan niin, että se myös ennakoi rasvan proteiinin ja laktoosin konsentraation maitonäyttees-sä. Tähän tarkoitukseen suoritetaan monimuuttujakalibrointi maitonäytteiden pe-15 rusteella, jotka sisältävät tunnettuja rasvan, proteiinin, laktoosin ja urean konsent-raatioita ja/tai maitonäytteitä, joihin on lisätty tunnettuja urean, rasvan, laktoosin ja/tai proteiinin konsentraatioita. Lisäksi käytettyjen maitonäytteiden fysikaalisia olosuhteita (lämpötila, homogenisointiaste) voidaan modifioida monimuuttujaka-libroinnin suorittamiseksi.
20
Menetelmää voidaan laajentaa niin, että kompensointi urean vaikutuksesta mitta- • · 1 ukseen suoritetaan vielä yhdestä tai useammasta seuraavista komponenteista: sit-
• I
ruunahappo, vapaat rasvahapot, antibiootit, fosfaatit, somaattiset solut, bakteerit, säilöntäaineet ja kaseiini, suorittamalla jokaisesta komponentista infrapuna-25 absorptiomääritys aaltolukualueella, jolla komponentti absorboi, jolloin kompen-; sointi suoritetaan monimuuttujakalibroinnin perusteella yhdistämällä tulokset kai kista komponenteista, joista kompensaatio on tehty, määrityksistä, jotka on tehty : aaltolukualueilla, joilla komponentit absorboivat.
30 Kalibrointiin käytettävien maitonäytteiden lukumäärä on edullisesti niin suuri : kuin käytännöllisesti saadaan. Normaalisti lukumäärä on ainakin 4, mutta on edul- 9 114573 lista käyttää korkeampaa lukumäärää ja koska mikä vain korkea lukumäärä on periaatteessa mielenkiintoinen, kuten 5, 6 tai 7 - 10, 20, 30, jne. periaatteessa niinkin paljon kuin 40, 50, ja jopa enemmän, käytännön näkökannat vaikuttavat myös ja siten kohtuullisena lukumääränä olisi pidettävä ainakin 8, edullisesti ai-5 nakin 12 näytettä, vielä edullisemmin ainakin 15 näytettä ja vielä edullisemmin ainakin 16, 17 tai 18 ja ehkä jopa 25 näytettä, kun kalibrointi suoritetaan urean, rasvan, laktoosin, proteiinin ja sitruunahapon suhteen, kaikki tämä sillä ehdolla, että näytteet valitaan kohtuullisesti niin, että eri komponenttien sisällön käyttökelpoinen variaatio on olemassa, kuten on keskusteltu edellä, jolloin ei-asiaanliitty-10 vän variaation merkitys näytteissä suurenee pienemmän näytelukumäärän mukaan.
ESIMERKKI 1 15 Urean mittaus infrapuna-absorptiomittausjärjestelmässä käyttämällä maito-näytteitä, jotka on mitattu Fourier Transform IR-spektrofotometrillä Näytemateriaali valmistettiin lähtönäytekeräilystä, johon kuului 37 raakamaito-näytettä.
20 .: Osia jokaisesta 37 näytteestä analysoitiin viitatuilla menetelmillä rasvan, proteii- nin, laktoosin ja urean määrittämiseksi, viitemenetelmien ollessa Röse-Gottlieb, ·· Kjeldahl, Luff-Schoorl ja Flow Injection Analysis, käyttämällä menetelmää, joka i* käsittää urean entsymaattisen hajottamisen ammoniakiksi ja karbonaatiksi, ja sen ; 25 jälkeen ammoniumin spektrofotometrisen määrityksen epäsuorana urean mittaa misena. Näytteiden koostumus on esitetty seuraavassa taulukossa.
; Urea Rasva Proteiini Laktoosi Urea Vahvistettu . 1 3,865 2,940 4,480 0,0162 ;2 3,860 3,615 4,310 0,0354 3 3,665 2,900 4,520 0,0288 : : : 4 4,640 3,585 4,305 0,0228 0,0381 5 5,740 4,455 4,395 0,0198 ίο 114573 6 4,100 3,305 4,590 0,0246 7 3,280 3,110 4,505 0,0246 8 3,770 3,300 4,620 0,0216 0,0389 9 5,500 3,555 4,730 0,0228 10 3,840 3,920 4,020 0,0216 11 4,615 3,575 4,390 0,0252 12 4,085 3,220 4,605 0,0204 13 4,635 3,265 4,455 0,0192 14 5,835 3,490 4,505 0,0234 15 5,180 3,495 4,525 0,0168 0,0552 16 5,395 3,080 4,540 0,0246 17 5,780 3,550 4,785 0,0270 18 7,275 4,410 4,525 0,0204 0,0487 19 4,570 3,465 4,625 0,0264 20 7,845 3,400 4,480 0,0252 0,0386 21 5,450 3,465 3,995 0,0228 22 5,370 3,130 4,515 0,0282 0,0233 23 5,055 3,745 4,065 0,0300 24 6,000 3,715 4,555 0,0276 \ 25 7,070 4,230 4,555 0,0222 26 6,895 4,005 4,585 0,0216 • · ; 27 7,085 3,200 4,435 0,0216 0,0313 ; 28 5,370 3,480 4,315 0,0240 < · ; 29 5,665 3,045 4,520 0,0294 30 4,085 3,240 4,530 0,0300 0,0355 31 4,585 3,470 4,350 0,0288 ; 32 3,650 3,460 4,620 0,0150 0,0911 ;· 33 3,985 2,875 4,320 0,0294 34 4,265 3,435 4,710 0,0210 0,0355 : 35 3,815 3,260 4,655 0,0258 0,0956 , Γ: 36 7,730 3,310 4,410 0,0252 0,0283 ·.·: 37 4,650 3,425 4,560 0,0258 114573 π
Osia 12 alkuperäisestä näytteestä vahvistettiin urealla (mikä tarkoittaa sitä, että siihen lisättiin ureaa) ja näiden absorptiospektrit, kuten myös 37 alkuperäisen näytteen absorptiospektrit, jotka saatiin käyttämällä Perkin-Elmer 1710 Fourier 5 Transform Infra-Red (FTIR) -spektrofotometriä, jota säädettiin sopivalla IBM-PC-tietokoneella, jossa oli Perkin-Elmer ER-Data-Manager -ohjelmisto. Laitteiston mittausosasto sisälsi kaksi identtistä vaihtokelpoista kyvettiä (näy-tesukkulaa) kalsiumfluoridi-(CaF2)-ikkunalla ja näyterata oli 37 μτη. Jokainen kyvetti termostoitiin lämpötilaan 40 °C.
10
Keksinnön mukainen kalibrointi 49 näytettä homogenisoitiin, ruiskutettiin näytekyvettiin ja IR-spektri alueella 4 000 - 900 cm'1 rekisteröitiin. Tislattua vettä käytettiin referenssinä ja erotus 15 valittiin olevan 2 cm'1, joka antoi yhteensä 3101 tietopistettä. Spektri kerättiin digitoidussa muodossa ja tallennettiin levylle myöhempää numeroanalyysiä varten.
. · Ennen statistista analyysiä nämä 50 spektriä (49 näytettä ja tislattu vesi) vähennet- # 20 tiin 1165 tietopisteeseen, ensin poistamalla tietopisteet vesiabsorptioiden alueilla : (3 700 - 3 000 cm'1 ja 1 689 - 1 610 cm'1) ja toiseksi vähentämällä tietopisteiden » · • lukumäärää niillä spektrialueilla, jotka sisälsivät vähäistä spektrien informaatiota f (4 000 - 3 700 cm'1 ja 2 759 - 1 809 cm'1).
25 49 näytteelle tehtiin osittainen pienimmän neliösumman analyysi (joka on kuvattu ; esim. julkaisussa "Multivariate Calibration" by Harald Martens and Tormod Naes, ; John Wiley & Sons, London, 1989, pp 116-125) siten kalibroiden järjestelmä, : : j oka j ohti kokoelmaan regressioyhtälöltä kalibroidulle j äij estelmälle.
* - 1 I < » · » » · 12 114573
Tulokset
Urean regressioyhtälö koostuu kokoelmasta termejä, joka käsittää regressiovakion (B-koeffisientti), jonka osittainen pienimmän neliösumman regressio löysi ja vas-5 taavasta absorbanssiarvosta jokaisessa 1165 spektripisteessä. Kuviossa 1 löydetyt regressiovakiot käyttämällä 7 kalibrointi tekijää keskiarvo tiedoissa on esitetty yhdessä puhtaan urean absorptiospektrin kanssa vedessä (noin 5 % liuos) spektri-alueella 1 600 - 1 000 cm"1.
10 Vahvin urean absorptio on alueella 1 700 - 1 650 cm'1, mutta tätä spektrialuetta ei voida käyttää käytetyissä koeolosuhteissa johtuen vahvasta veden absorboinnista samalla alueella. Kuvio 1 osoittaa, että PLS-kalibroinnin löytämät regressiovaki-oiden ominaisuudet muistuttavat läheisesti urean spektriominaisuuksia liuotettuna veteen. Muut ominaisuudet regressiospektrissä voidaan liittää maidon pääkompo-15 nentteihin, eli rasvaan, proteiiniin ja laktoosiin.
Kuvio 2 esittää näytteen 15 absorbanssispektrin (0,0168% ureaa) kuten myös spektrin, joka on tallennettu samaan näytteeseen puhtaan urean lisäämisen jälkeen ,·' (0,0552 % ureaa). Näiden kahden spektrin ero urean absorptiossa alueella 1 500 - "· 20 1 450 cm"1, joka on osoitettu kuviossa 3, vastaa noin 0,05 absorbanssiyksikköä, : * joka on noin kaksi kertaa mittauskohina samalla alueella.
» * I 4 • Johtopäätös 25 Edellä olevat tulokset osoittavat, että on mahdollista suorittaa kalibrointi urealle • · pienemmissä konsentraatioissa kuin 0,01 % maidossa sellaisten yhdisteiden läsnä ollessa, joiden spektriominaisuudet ovat limittäiset urean kanssa, joilla on kon-: i sentraatiovariaatioita, jotka ovat 100 - 500 kertaa urean variaatio, ja joita ovat rasva (3,3 - 3,7 %), proteiini (2,9 - 4,5 %) ja laktoosi (4,0 - 4,8 %).
30 13 114573 ESIMERKKI 2
Urean mittaus infrapuna-absorptiomittausjärjesteimässä käyttämällä luonnollisia maitonäytteitä, mitattuna käyttämällä erillissuodattimia 5 Tässä kokeessa käytetty näytemateriaali oli 380 luonnonmaitonäytettä yksittäisistä lehmistä.
Jokaisen näytteen yhdestä osasta analysoitiin urea segmentoidussa virtausana-10 lysointilaitteessa käyttämällä menetelmää, joka käsittää urean entsymaattisen hajottamisen ammoniumiksi ja karbonaatiksi, ja sen jälkeen määrittämällä ammonium spektrofotometrisesti urean epäsuorana mittauksena.
Jokaisen näytteen IR-absorptio mitattiin myös käyttämällä MilkoScan 605 IR 15 -instrumenttia, jota tuottaa yhtiö Foss Electric, Hillerad, Tanska, yhdeksällä eri aaltolukualueella homogenisoinnin jälkeen MilkoScanin homogenisaattorilla. Instrumentti oli varustettu 9 suodattimena, joilla voitiin mitata IR-absorptio seuraa-villa aaltoluvuilla: 2 817, 2 853, 1 739, 1 493, 1 538, 1 299, 1 053, 1 388 ja 1 464 ,! cm'1, jolloin kaikkien suodattimien spektrileveys oli noin 20 cm'1 (täysleveys 20 50 % intensiteetti FWHM).
k · i ’ 380 luonnolliselle maitonäytteelle tehtiin osittainen pienimmän neliösumman ana- : lyysi (kuten on kuvattu esim. julkaisussa "Multivariate Calibration" by Harald ’ Martens and Tormod Naes, John Wiley & Sons, London, 1989, pp 116-125) siten 25 kalibroiden järjestelmä ja saatiin kokoelma regressioyhtälöltä kalibroidulle järjes- I · ; telmälle käyttämällä kaikkia saatavilla olevia näytteitä kalibrointiin.
,: i Näytekokoelman absorbanssiarvoille tehtiin faktorianalyysi, jotta voitaisiin tun- nistaa ne näytteet, jotka edustivat 380 näytteen spektrivariaatiota niin, että saatiin : 30 tyydyttävä kalibrointi. 16 näytteen faktorianalyysin tulos valittiin kalibrointiko- » ''<'': koelmana.
14 114573
Kalibrointikokoelmalle tehtiin osittainen pienimmän neliösumman analyysi siten kalibroiden järjestelmä ja saatiin kokoelma regressioyhtälöltä, jotka olivat tunnusomaisia kalibroidulle järjestelmälle.
5
Tulokset
Urean regressioyhtälöä, joka muodostui kokoelmasta termejä, joka käsittää reg-ressiovakion (B-koeffisientti), jonka osittainen pienimmän neliösumman regressio 10 sovellettuna kalibrointikokoelmaan on löytänyt, ja vastaavan absorbanssiarvon jokaisella 9 suodattimena, käytettiin ennakoimaan urean konsentraatio jokaisessa luonnollisessa maitonäytteessä molemmille kalibroinneille. Tuloksena saatu urean ennalta-arviointi käyttämällä ensinnäkin kaikkia 380 näytettä ja toiseksi käyttämällä 16 näytettä, jotka valittiin käyttämällä kalibroinnin faktorianalyysiä, on esi-15 tetty kuvioissa 4 ja 5, jotka esittävät mitatun ureakonsentraation käyrän ennakoitua ureakonsentraatiota vasten.
Ennakoinnin keskivirhe (SEP), joka saatiin käyttämällä kutakin 380 näytettä tai 16 näytettä, jotka valittiin käyttämällä faktorianalyysiä, osoittautui olevan 0,0037 20 ja 0,0040 % ureaa. Toistuva virhe, joka määriteltiin erona ennakoituun urean kon- \ * sentraatioon, kun samat näytteet mitattiin enemmän kuin kerran, oli molemmissa , I* kalibrointimalleissa 0,0017 % ureaa.
> > a # > · t · I » > · t a f a • * . . * a a
Claims (16)
1. Menetelmä urean konsentraation määrittelemiseksi tarkkuudella, joka on parempi kuin 0,007 %, ilmaistuna ennakoinnin keskivirheenä, konsentraatioalueella 5 0 - 0,1 % maitonäytteessä, joka sisältää ainakin 1 % rasvaa, ainakin 1 % liuennutta laktoosia ja ainakin 1 % proteiinia, infrapuna-absorptiomittaustekniikalla, tunnettu siitä, että menetelmä käsittää seuraavat vaiheet: (a) määritellään maitonäytteen absorptio infrapunasäteilyalueella olevalla 10 aaltolukualueella 1 000 cm'1 (10,0 μηι) - 4 000 cm'1 (2,50 μτη), jolloin ainakin yksi määritys tehdään aaltolukualueella 1 000 cm'1 (10,0 μηι) -1 800 cm'1 (5,56 μηι), jolla alueella urea absorboi, ainakin yksi määritys tehdään aaltolukualueella, jossa rasva absorboi, ainakin yksi määritys tehdään aaltolukualueella, jossa laktoosi absorboi, ja ainakin yksi 15 määritys tehdään aaltolukualueella, jossa proteiini absorboi; (b) määritellään absorption määritysten perusteella ja ennalta määritettyjen parametrien perusteella, jotka saadaan monimuuttujakalibroinnilla, rasvan, laktoosin ja proteiinin vaikutus aaltolukualueella, jossa urea ; "i 20 absorboi; ja • · ♦ (c) analysoidaan kvantitatiivisesti urean konsentraatio näytteessä absorpti-on perusteella aaltolukualueella, jossa urea absorboi, määritellyn ras- V · van, laktoosin j a proteiinin vaikutuksen avulla tällä aaltolukualueella. 25
• * ♦ • ’ 2. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että infrapuna- ’ · ‘ absorptiomittaustekniikka on transmissiotekniikka.
• · • · '· 3. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu siitä, että en- 30 naita määritetyt parametrit, jotka saadaan monimuuttujakalibroinnilla saadaan tilli • · 1 1 4573 16 käyttämällä maitonäytteitä, jotka sisältävät tunnettuja urean konsentraatioita, tai maitonäytteitä, joihin on lisätty tunnettuja urean konsentraatioita.
4. Jonkin edellisen patenttivaatimuksen mukainen menetelmä, tunnettu siitä, 5 että enemmän kuin yksi määritys tehdään aaltolukualueilla, joissa urea, rasva, laktoosi ja proteiini absorboivat.
5. Jonkin edellisen patenttivaatimuksen mukainen menetelmä, tunnettu siitä, että urean lisäksi myös rasvan, laktoosin ja proteiinin konsentraatio lasketaan (en- 10 nakoidaan), jolloin jokainen määritys perustuu ainakin yhteen mittaukseen aalto-lukualueella, jossa kyseenomainen komponentti absorboi.
6. Jonkin edellisen patenttivaatimuksen mukainen menetelmä, tunnettu siitä, että monimuuttujakalibrointi on tehty käyttämällä maitonäytteitä, jotka sisältävät 15 tunnettuja urean, rasvan, laktoosin ja proteiinin konsentraatioita, ja/tai käyttämällä maitonäytteitä, joihin on lisätty tunnettuja urean, rasvan, laktoosin ja/tai proteiinin konsentraatioita ja/tai joiden fysikaalisia olosuhteita (lämpötilaa, homo-genisointiastetta) on modifioitu. • 20
7. Jonkin edellisen patenttivaatimuksen mukainen menetelmä, tunnettu siitä, ;· että monimuuttujakalibrointi on tehty käyttämällä ainakin 4 maitonäytettä, kuten ainakin 8 maitonäytettä, edullisesti ainakin 12 maitonäytettä, kuten ainakin 18 ,, ] I * maitonäytettä, edullisemmin ainakin 25 maitonäytettä. i * · * » »
8. Jonkin edellisen patenttivaatimuksen mukainen menetelmä, tunnettu siitä, : ’ että ennakoinnin keskivirhe (Standard Error of Prediction, SEP) on parempi kuin ' * · * 0,005 %, kuten parempi kuin 0,004 %.
» : ‘ : 9. Jonkin edellisen patenttivaatimuksen mukainen menetelmä, tunnettu siitä, 30 että alue, jossa urean määritys tehdään, on alueella 1 100 cm'1 (9,09 μιη) - 17 114573 1 800 cm'1 (5,56 μηι), kuten alueella 1 400 cm'1 (7,14 /am) - 1 500 cm'1 (6,67 μιη) tai alueella 1 100 cm'1 (9,09 μηι) - 1 200 cm'1 (8,33 μηι).
10. Jonkin edellisen patenttivaatimuksen mukainen menetelmä, tunnettu 5 siitä, että absorptiomääritykset suoritetaan aaltolukualueilla, jotka määritellään optisilla suodattimilla.
11. Jonkin patenttivaatimuksen 1-9 mukainen menetelmä, tunnettu siitä, että absorptiomääritykset suoritetaan aaltolukualueilla, jotka määritellään kiinteäl- 10 lä hilalla ja siirrettävällä ja/tai monidetektoreilla tai siirrettävällä hilalla ja yhdellä tai usealla kiinteällä tai siirrettävällä detektorilla.
12. Jonkin patenttivaatimuksen 1-9 mukainen menetelmä, tunnettu siitä, että absorptiomääritykset suoritetaan leveällä spektrin alueella käyttämällä interfe- 15 rometria ja tietoja, jotka on saatu interferometrilla, käsitellään käyttämällä Fou-rier-transformaatiota.
13. Jonkin edellisen patenttivaatimuksen mukainen menetelmä, tunnettu siitä, että infrapunavalo lähetetään kyvetin läpi, joka sisältää maitonäytteen ja jos- ‘: 20 sa kyvetin valon läpäisemä pituus on enintään 200 μηι, kuten enintään 50 μηι.
·’ 14. Jonkin edellisen patenttivaatimuksen mukainen menetelmä, tunnettu :1 siitä, että monimuuttujakalibrointi suoritetaan menetelmällä, joka on valittu ryh- • mästä, johon kuuluu osittainen pienimmän neliösumman algoritmi (Partial Least 25 Squares algorithm), pääkomponenttiregressio (Principal Component Regression), moninkertainen lineaarinen regressio (Multiple Linear Regression) ja keinotekoisen neuroverkon opettaminen (Artificial Neural Network learning).
15. Jonkin edellisen patenttivaatimuksen mukainen menetelmä, tunnettu Γ: 30 siitä, että maitonäytteessä olevien mahdollisten rasvapallojen keskihalkaisija on :": enintään 3 μηι. 18 114573
15 114573
16. Jonkin edellisen patenttivaatimuksen mukainen menetelmä, tunnettu siitä, että urean mittaukseen olevat vaikutukset kompensoidaan lisäksi yhden tai useamman seuraavista komponenteista osalta: sitruunahappo, vapaat rasvahapot, 5 antibiootit, fosfaatit, somaattiset solut, bakteerit, säilöntäaineet ja kaseiini suorittamalla jokaiselle komponentille inffapuna-absorptiomääritys aaltolukualueella, jossa komponentti absorboi, jolloin kompensointi suoritetaan monimuuttujakalib-roinnin perusteella yhdistämällä tulokset kaikista komponenteista, joilla kompensaatio tehdään, määrityksistä, jotka on tehty aaltolukualueilla, joissa komponentit 10 absorboivat. 114573 19
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DK39792 | 1992-03-25 | ||
| DK92397A DK39792D0 (da) | 1992-03-25 | 1992-03-25 | Fremgangsmaade til bestemmelse af en komponent |
| DK9300111 | 1993-03-25 | ||
| PCT/DK1993/000111 WO1993019364A1 (en) | 1992-03-25 | 1993-03-25 | A method for determining urea in milk |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| FI944410A0 FI944410A0 (fi) | 1994-09-23 |
| FI944410A FI944410A (fi) | 1994-09-23 |
| FI114573B true FI114573B (fi) | 2004-11-15 |
Family
ID=8093065
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FI944410A FI114573B (fi) | 1992-03-25 | 1994-09-23 | Menetelmä urean määrittämiseksi maidossa |
Country Status (15)
| Country | Link |
|---|---|
| US (1) | US5252829A (fi) |
| EP (1) | EP0629290B1 (fi) |
| JP (1) | JP2547311B2 (fi) |
| KR (1) | KR0148750B1 (fi) |
| AT (1) | ATE132972T1 (fi) |
| AU (1) | AU655110B2 (fi) |
| BR (1) | BR9306145A (fi) |
| CA (1) | CA2132861C (fi) |
| DE (2) | DE629290T1 (fi) |
| DK (2) | DK39792D0 (fi) |
| ES (1) | ES2081712T3 (fi) |
| FI (1) | FI114573B (fi) |
| NO (1) | NO316048B1 (fi) |
| NZ (1) | NZ251676A (fi) |
| WO (1) | WO1993019364A1 (fi) |
Families Citing this family (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2677453B1 (fr) * | 1991-06-10 | 1993-10-08 | Aegys Technology Sa | Procede et appareil de dosage spectrophotometrique des liquides aqueux. |
| AU654933B3 (en) * | 1992-03-25 | 1994-11-24 | Foss Electric A/S | A method for determining urea in milk |
| DK138593D0 (da) * | 1993-12-10 | 1993-12-10 | Foss Electric As | Forbedret maalemetode |
| SG38866A1 (en) * | 1995-07-31 | 1997-04-17 | Instrumentation Metrics Inc | Liquid correlation spectrometry |
| US6040578A (en) * | 1996-02-02 | 2000-03-21 | Instrumentation Metrics, Inc. | Method and apparatus for multi-spectral analysis of organic blood analytes in noninvasive infrared spectroscopy |
| US5747806A (en) * | 1996-02-02 | 1998-05-05 | Instrumentation Metrics, Inc | Method and apparatus for multi-spectral analysis in noninvasive nir spectroscopy |
| EP0821232A1 (de) * | 1996-07-24 | 1998-01-28 | SY-LAB Vertriebsges.m.b.H. | Verfahren zur Bestimmung von Bestandteilen einer Probe und Vorrichtung zur Durchführung des Verfahrens |
| DK173073B1 (da) | 1996-11-01 | 1999-12-20 | Foss Electric As | Fremgangsmåde og flowsystem til spektrometri og en kuvette til flowsystemet |
| NL1004980C2 (nl) * | 1997-01-13 | 1998-07-15 | Maasland Nv | Werkwijze voor het vaststellen van de aanwezigheid van bepaalde stoffen in melk en inrichting voor het toepassen van deze werkwijze. |
| DK34297A (da) | 1997-03-25 | 1998-09-26 | Foss Electric As | Måling af acetone i mælk ved brug af IR-spektroskopi |
| US7383069B2 (en) * | 1997-08-14 | 2008-06-03 | Sensys Medical, Inc. | Method of sample control and calibration adjustment for use with a noninvasive analyzer |
| US6871169B1 (en) | 1997-08-14 | 2005-03-22 | Sensys Medical, Inc. | Combinative multivariate calibration that enhances prediction ability through removal of over-modeled regions |
| AU5726999A (en) * | 1998-09-18 | 2000-04-10 | Foss Electric A/S | Method and apparatus for process control |
| NL1010540C2 (nl) * | 1998-11-12 | 2000-05-15 | Maasland Nv | Werkwijze voor het vaststellen van de aanwezigheid van bepaalde stoffen in melk en inrichting voor het toepassen van deze werkwijze. |
| JP2000281638A (ja) | 1999-03-26 | 2000-10-10 | Snow Brand Milk Prod Co Ltd | 尿素の分離方法 |
| AU768044B2 (en) | 1999-10-21 | 2003-11-27 | Foss Electric A/S | Method and apparatus for determination of properties of food or feed |
| DE19957493C2 (de) * | 1999-11-22 | 2001-09-20 | Ufz Leipzighalle Gmbh | Verfahren zur Identitätsprüfung von 13C-Harnstoff |
| AU2001273314A1 (en) * | 2000-08-01 | 2002-02-13 | Sensys Medical, Inc. | Combinative multivariate calibration that enhances prediction ability through removal of over-modeled regions |
| US6947848B2 (en) * | 2000-08-07 | 2005-09-20 | Cooper Union For The Advancement Of Science And Art | System and method for identifying unknown compounds using spectra pattern recognition |
| US6549861B1 (en) | 2000-08-10 | 2003-04-15 | Euro-Celtique, S.A. | Automated system and method for spectroscopic analysis |
| US6675030B2 (en) | 2000-08-21 | 2004-01-06 | Euro-Celtique, S.A. | Near infrared blood glucose monitoring system |
| US7194369B2 (en) * | 2001-07-23 | 2007-03-20 | Cognis Corporation | On-site analysis system with central processor and method of analyzing |
| NZ533812A (en) * | 2002-01-10 | 2004-12-24 | Foss Analytical As | Method and means for correcting measuring instruments |
| US7302349B2 (en) * | 2002-08-16 | 2007-11-27 | Lattec I/S | System and a method for observing and predicting a physiological state of an animal |
| US7271912B2 (en) | 2003-04-15 | 2007-09-18 | Optiscan Biomedical Corporation | Method of determining analyte concentration in a sample using infrared transmission data |
| EP2032966B1 (fr) * | 2006-06-07 | 2012-12-19 | Valorex | Methode de determination de la qualite nutritionnelle des lipides du lait |
| EP1990617A1 (en) * | 2007-05-09 | 2008-11-12 | FOSS Analytical A/S | Determination of tannins in vinefication products |
| AR076873A1 (es) * | 2009-05-14 | 2011-07-13 | Pioneer Hi Bred Int | Modelado inverso para la prediccion de caracteristicas a partir de conjuntos de datos multi- espectrales e hiper-espectrales detectados en forma remota |
| US10475529B2 (en) | 2011-07-19 | 2019-11-12 | Optiscan Biomedical Corporation | Method and apparatus for analyte measurements using calibration sets |
| CN102564965B (zh) * | 2011-12-31 | 2014-10-08 | 聚光科技(杭州)股份有限公司 | 基于光谱检测技术的检测方法 |
| CN103245632B (zh) * | 2013-05-15 | 2015-06-03 | 河北科技大学 | 一种中红外光谱检测液态乳中含氮化合物的方法 |
| CN103884675B (zh) * | 2014-03-25 | 2016-08-17 | 史永刚 | 一种基于红外光谱的发动机润滑油识别算法 |
| CN105466906A (zh) * | 2015-12-16 | 2016-04-06 | 新希望双喜乳业（苏州）有限公司 | 一种快速检测牛奶中掺伪尿素含量的方法 |
| WO2017137805A1 (en) | 2016-02-11 | 2017-08-17 | Foss Analytical A/S | Systems for and method of quantitative measure of components of a liquid |
| CN114184573B (zh) * | 2021-11-01 | 2022-12-13 | 华中农业大学 | 牛奶中κ-酪蛋白的中红外快速批量检测方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU420914A1 (fi) * | 1972-06-16 | 1974-03-25 | В. Г. Гизатулин, В. П. Муругов И. И. Свентицкий | |
| DE2606991A1 (de) * | 1976-02-20 | 1977-08-25 | Nils Dr Med Kaiser | Geraet zur bestimmung des gehaltes von stoffwechselprodukten im blut |
| US4447725A (en) * | 1981-06-15 | 1984-05-08 | Biggs Delmar A | Quantitative measurement of fat, protein and lactose in dairy products |
| EP0122749B1 (en) * | 1983-04-05 | 1988-04-20 | Shields Instruments Limited | Measurement of fat |
| FR2606149B1 (fr) * | 1986-10-30 | 1989-01-27 | Jls Ste Civile Brevets | Procede et dispositif d'analyse spectrometrique automatique d'un liquide, notamment du lait |
| FI90592C (fi) * | 1989-02-16 | 1994-02-25 | Anadis Instr Sa | IR-spektrometrinen analysointimenetelmä sekä IR-spektrometri |
| US4975581A (en) * | 1989-06-21 | 1990-12-04 | University Of New Mexico | Method of and apparatus for determining the similarity of a biological analyte from a model constructed from known biological fluids |
| FI86480B (fi) * | 1990-10-03 | 1992-05-15 | Lauri Jalkanen | Foerfarande foer kvantitativ bestaemning av urea fraon mjoelk eller en mjoelkprodukt. |
-
1992
- 1992-03-25 DK DK92397A patent/DK39792D0/da not_active Application Discontinuation
- 1992-05-19 US US07/885,642 patent/US5252829A/en not_active Expired - Lifetime
-
1993
- 1993-03-25 BR BR9306145A patent/BR9306145A/pt not_active IP Right Cessation
- 1993-03-25 ES ES93908832T patent/ES2081712T3/es not_active Expired - Lifetime
- 1993-03-25 AU AU39485/93A patent/AU655110B2/en not_active Ceased
- 1993-03-25 JP JP5516189A patent/JP2547311B2/ja not_active Expired - Lifetime
- 1993-03-25 NZ NZ251676A patent/NZ251676A/en not_active IP Right Cessation
- 1993-03-25 AT AT93908832T patent/ATE132972T1/de not_active IP Right Cessation
- 1993-03-25 DK DK93908832.4T patent/DK0629290T3/da active
- 1993-03-25 CA CA002132861A patent/CA2132861C/en not_active Expired - Fee Related
- 1993-03-25 DE DE0629290T patent/DE629290T1/de active Pending
- 1993-03-25 EP EP93908832A patent/EP0629290B1/en not_active Expired - Lifetime
- 1993-03-25 DE DE69301310T patent/DE69301310T2/de not_active Expired - Lifetime
- 1993-03-25 WO PCT/DK1993/000111 patent/WO1993019364A1/en active IP Right Grant
-
1994
- 1994-09-22 NO NO19943519A patent/NO316048B1/no not_active IP Right Cessation
- 1994-09-23 FI FI944410A patent/FI114573B/fi active IP Right Grant
- 1994-09-24 KR KR94703318A patent/KR0148750B1/ko active
Also Published As
| Publication number | Publication date |
|---|---|
| KR0148750B1 (en) | 1998-08-17 |
| US5252829A (en) | 1993-10-12 |
| DE629290T1 (de) | 1995-08-24 |
| AU3948593A (en) | 1993-10-21 |
| CA2132861C (en) | 2000-08-29 |
| JPH07504982A (ja) | 1995-06-01 |
| CA2132861A1 (en) | 1993-09-30 |
| EP0629290B1 (en) | 1996-01-10 |
| NO943519D0 (no) | 1994-09-22 |
| DE69301310T2 (de) | 1996-05-23 |
| DK39792D0 (da) | 1992-03-25 |
| NO316048B1 (no) | 2003-12-01 |
| NO943519L (no) | 1994-09-22 |
| ES2081712T3 (es) | 1996-03-16 |
| ATE132972T1 (de) | 1996-01-15 |
| AU655110B2 (en) | 1994-12-01 |
| EP0629290A1 (en) | 1994-12-21 |
| BR9306145A (pt) | 1998-01-13 |
| JP2547311B2 (ja) | 1996-10-23 |
| DK0629290T3 (da) | 1996-02-12 |
| FI944410A0 (fi) | 1994-09-23 |
| FI944410A (fi) | 1994-09-23 |
| DE69301310D1 (de) | 1996-02-22 |
| NZ251676A (en) | 1995-08-28 |
| WO1993019364A1 (en) | 1993-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| FI114573B (fi) | Menetelmä urean määrittämiseksi maidossa | |
| Kawano et al. | Development of a calibration equation with temperature compensation for determining the Brix value in intact peaches | |
| US5343044A (en) | Infrared attenuation measuring system | |
| CA1122813A (en) | Method for quantitatively determining fat in a fat-containing sample | |
| Melfsen et al. | Accuracy of milk composition analysis with near infrared spectroscopy in diffuse reflection mode | |
| Torres et al. | Monitoring quality and safety assessment of summer squashes along the food supply chain using near infrared sensors | |
| Luginbühl | Evaluation of designed calibration samples for casein calibration in Fourier transform infrared analysis of milk | |
| EP0122749B1 (en) | Measurement of fat | |
| Adams et al. | Calibration models for determining moisture and fat content of processed cheese using near‐infrared spectrometry | |
| JP3352848B2 (ja) | 被験体内部性状測定装置校正用擬似対象物及び被験体内部性状測定装置の校正方法 | |
| Budiastra et al. | Optical Methods for Quality Evaluation of Fruits (Part 2) Prediction of Individual Sugars and Malic Acid Concentrations of Apples and Mangoes by the Developed NIR Reflectance System | |
| Martin et al. | Effects of moisture content and chemical composition on the near infrared spectra of forest foliage | |
| Turza et al. | Near infrared analysis of whole blood and plasma in blood-collecting tubes | |
| Chen et al. | Visible and near infrared spectroscopy for rapid analysis of the sugar composition of raw ume juice | |
| Sjaunja | A review of spectroscopic methods and their suitability as analytical techniques for farm testing | |
| Tsenkova et al. | Milk Urea Nitrogen Measurement | |
| Sukhontarad et al. | The measurement of serum beta-hydroxybutyrate concentrations in dairy cows by near infrared spectroscopy. | |
| Amerov et al. | Selective multivariate analysis of blood glucose with near infrared spectra | |
| Saeys et al. | Rapid analysis of hog manure using visual and near-infrared reflectance spectroscopy | |
| Drewitz et al. | of Lactate in a Multicomponent System | |
| Edan et al. | Ridge Regression for NIR Analysis with Multicollinearity | |
| Zhang et al. | Method of multirange models by near-infrared spectral analysis for nonlinear optics of organic materials | |
| Zhang | Chemometrics approaches of near-infrared spectroscopy for chemical marker compounds in food |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PC | Transfer of assignment of patent |
Owner name: FOSS ANALYTICAL A/S |
|
| FG | Patent granted |
Ref document number: 114573 Country of ref document: FI |