Gıda Kalite Kontrol ve Ar-Ge laboratuvarında numune sayısı fazla, beklentiler de yüksektir. Bu durum, hızlı ve kaliteli analize olan ihtiyacı arttırmaktadır.
 
Shimadzu ve diğer çözüm ortaklarımızın uzmanlığı ve teknolojisi ile teknik ekibimizin deneyimini biraraya getirerek gıdalarda kimyasal ve fiziksel analizler, gıda mikrobiyolojisi ve biyoteknoloji alanlarında gıda üreticilerinin, yasal denetçilerin, gıda analiz laboratuvarlarının ve üniversitelerin ilgili departmanlarının talep ve beklentilerini karşılıyoruz.
 
Gıdalarda vitamin ve aminoasit analizleri, gıda katkılarının ve pestisit kalıntılarının miktar tayini, gıda ambalajlarında renk ve daha birçok uygulama alanında geniş kapsamlı analitik çözümler sunuyoruz. Çözümlerimiz ve teknik destek hizmetlerimizle laboratuvarınızın verimini ve müşterilerinizin memnuniyetini arttırıyoruz. 

Alan

Uygulamalar ve Analizler

Ürünler

Gıda Güvenliği
Kalite Kontrol
(Genel Gıda)

 

Kalıntı analizleri (pestisit, naftalin vb.)

HPLC, LCMSMS, GC, GCMS, Freestyle

Veteriner ilaçlar (antibiyotik, hormon)

HPLC, LCMSMS

Mikotoksinler (aflatoksin, okratoksin, patulin, DON, ZON vb.)

HPLC, LCMSMS

Yabancı maddeler ve koku

FTIR, EDX, GC, GCMS

Mineral (ağır metal, toksik metal, mineralller vb.)

AA, EDX, ICP, UV

Katkı (fenolik, antioksidan, vitamin vb.)

HPLC, LCMS, GC, GCMS, UV, FTIR, AA, EDX, ICP

Ürün orjini ve türünü belirleme

MultiNA, ICP, ICP-MS

Tağşiş, HMF (yağ, bal, pekmez vb.)

GC, HPLC, UV

GDO ve mikrobiyolojik analizler

Biospec-nano, MultiNA, ICP, MALDI-TOFMS

Toplam organik karbon

TOC

Ambalaj ve Dioksin (fitalat,yapı tayini, migrasyon, VOC vb.)

GC, GCMS, FTIR, Dioksin Numune Hazırlama

Gıda AR-GE
(Fonksiyonel Gıdalar ve Gıda Takviyeleri)

Fiziksel (Gıda tekstürü, erime noktası vb.)

Particle size analyzer, Thermal Analyzer

Aroma bileşikleri

GC, GCMS

Fonksiyonellik ve ağır metaller

HPLC, LCMS, GC, GCMSEDXICP, ICP-MS

Yem

Vitamin, Mikotoksin, Kalsiyum, Fosfor

HPLC, LCMSMSUV

Tüm Gıda ve Yemler

Numune hazırlama

FreestyleDEXTech, QuEChERS

Tüm Gıda ve Yemler

Refraktif indeks, yoğunluk, şeker içeriği, nişasta ölçümleri

Refraktometre, Polarimetre, Densitometre


































 

| Gıda / Yem Uygulama Başlıkları |

 

Kalıntı (pestisit, antibiyotik, naftalin vb.)

 

Katkı (fenolik, antioksidan, vitamin vb.)

 

Mikotoksin (Aflatoksin, Okratoksin, Patulin, DON vb.)

 

Ambalaj ve Dioksin (fitalat, yapı tayini, migrasyon, VOC vb.)  

 

Kimyasal (HMF, Ağır Metal, Su, Atık Su vb.)

 

Fiziksel (Erime Noktası Tayini vb.)

 

Mineral (Ağır Metal, Toksik Metal, Mineraller vb.)

 

Yem (Vitamin, Mikotoksinler, Kalsiyum, Fosfor vb.)

 

GDO

Kahvenin Duyusal Analizi için Metabolitlerin Kapsamlı Analizi Yoluyla Bir Regresyon Modeli Oluşturmak

Gıdaların tadlarının değerlendirilmesi, gıdalarda ürün geliştirme ve kalite çalışmaları açısından son derece önemlidir. Bir gıda maddesinin ve bileşenlerinin tadı arasında belli bir dereceye kadar ilişki varken, tek bir bileşen ve tad arasında bire bir basit bir ilişki olması sık rastlanan bir durum değildir. Genellikle çoklu bileşenlerin bir tadı karmaşık biçimde etkilemesi söz konusudur. Bu durum, zaman zaman, bir gıda ürünün kalite değerlendirme ve ürün geliştirme çalışmalarının, bileşen analizlerine bağlı olarak yapılmasını zorlaştırmaktadır. Bu nedenle, son yıllarda gıda ve diğer endüstrilerde metabolitlerin kapsamlı analizi yolu ile duyusal test sonuçları üzerinde regresyon analizleri yapılmasına ilgi artmaktadır. Bu tür analizler için yararlı bir araç olarak görülen kapsamlı analiz metodlarından biri de hedefli metabolomiktir.
Metabolomik, piklerin uygun şekilde tanımlanması sayesinde, duyusal test sonuçlarından bir model oluşturulmasından sonra, tada katkı sağlayan bileşenlerin analizine olanak sağlar.
Çalışmada sekiz çeşit kahve çekirdeği aynı koşullar altında öğütülmüş, kavrulmuş, ekstrakte edilmiş ve duyusal teste tabi tutulmuştur. Metabolitler daha sonra her kahve çekirdeği tipinden ekstrakte edilerek GC-MS / MS ile analiz edilmiştir.
Duyusal test sonuçlarının yanıt değişkenleri ve metabolitlerin tespit edilen pik alanlarının işlenmiş değerlerinin açıklayıcı değişkenler olarak kullanılmasıyla, değişkenler arasındaki ilişkiye dair bir kısmi küçük kareler (PLS) regresyon modeli oluşturulmuştur. Sonrasında, tadı etkileyen bu bileşenler, PLS regresyon modeli sonuçları kullanılarak değerlendirilmiştir.