Chimica analitica del XXI secolo.

510-oHqVlZL._SY300_

uno dei più moderni testi di chimica analitica

L’apertura delle frontiere in seguito alla nascita dell’Unione Europea ha permesso l’ingresso sul mercato di prodotti agro-alimentari aventi la stessa denominazione commerciale ma qualità e prezzo diversi. Questo ha spinto molti produttori e, addirittura, alcuni Stati membri a valorizzare i loro prodotti più pregiati, proteggendo contemporaneamente gli stessi diritti dei consumatori, mediante una certificazione di qualità. Così, i Disciplinari di produzione (normative comunitarie che forniscono tutte le caratteristiche produttive necessarie affinché un prodotto possa fregiarsi di una Denominazione di Origine Protetta (DOP) o di una Indicazione Geografica Protetta (IGP)), già presenti da molti anni nell’industria vinicola, sono stati recentemente estesi ad altri prodotti agro-alimentari, tra i quali l’olio extra vergine d’oliva.
Per l’accertamento a posteriori della “qualità” di un prodotto è però necessario poter risalire attraverso la misura di parametri fisici, chimici ed organolettici alla sua “origine” (materie prime, tecniche di produzione, provenienza geografica e varietale, etc.).
Il controllo analitico della qualità e della purezza o genuinità rappresenta nel suo complesso un problema di non semplice risoluzione, poiché la composizione naturale è fortemente influenzata da fattori genetici, agro-ambientali e produttivi, nonché dalla possibile incorporazione di sostanze xenobiotiche di derivazione agronomica e/o produttiva. A queste obbiettive difficoltà viene a sommarsi l’annosa questione delle frodi sempre più sofisticate.

320px-Continuous-Flow_Analysator
Così se da un lato può essere più o meno semplice, attraverso l’analisi chimica, stabilire la classificazione merceologica e/o l’identificare possibili frodi, quando il problema si sposta sulla determinazione dell’origine geografica o “colturale”, il parco dei dati analitici viene ad essere più difficilmente interpretabile, poiché le variabili discriminanti non risultano più indipendenti, cioè legate ai singoli dati, ma devono essere considerate nel loro insieme. In questi casi è necessaria una valutazione più sofisticata dei risultati dell’analisi chimica che richiede un loro “processamento” attraverso opportuni metodi statistici.
L’approccio più comunemente utilizzato è l’analisi statistica multivariata (chemiometrica), che consiste in un insieme di complessi metodi matematici (Analisi Fattoriale (FA), Analisi dei Clusters (CA), Analisi Discriminante Lineare (LDA)) in grado di operare una valutazione comparativa dei dati (nel nostro caso forniti dall’analisi chimica) finalizzata alla costruzione di un modello matematico “capace” di discriminare e quindi di prevedere, in termini di probabilità, l’appartenenza o meno di un campione ad un determinato “sistema di riferimento”.
In tempi più recenti si stanno sempre più affermando altri metodi di valutazione comparativa dei dati che vanno sotto il nome di Reti Neurali Artificiali (Artificial Neural Networks, ANN) e che si ispirano al modo in cui i sistemi nervosi biologici elaborano le informazioni: acquisizione dei dati – processo di apprendimento – formulazione della risposta.
La loro finalità discriminante è analoga a quella dei metodi della “chemiometria classica”, tuttavia essi, oltre a fornire spesso un quadro “più dettagliato” ed “articolato” nella risposta previsionale in quanto (con un sistema correttamente istruito) possono trovare una più esatta collocazione “interclasse” dei campioni in analisi, sono di grande utilità perché, essendo basati su procedimenti di indagine statistica diversi dai precedenti, consentono di operare un controllo incrociato sulla “significatività” delle risposte ottenute.
Sulla base di queste riflessioni, il problema analitico si può porre fondamentalmente nei termini seguenti (che costituiscono il processo logico e sperimentale da seguire) :

a.
individuare i parametri chimici che “potrebbero” nel loro insieme essere utili a discriminare “al livello richiesto” i singoli prodotti in analisi;
b.
eseguire le determinazioni analitiche dei suddetti parametri (mettendo a punto, se necessario, i relativi metodi di analisi) sui campioni in studio e, se non disponibili in letteratura, su un congruo numero di campioni analoghi “di sicura provenienza” che dovrà servire per la costruzione della “matrice di riferimento” (training set);
c.
analizzare “statisticamente” i risultati ottenuti attraverso passaggi successivi atti ad ottimizzare il procedimento di valutazione, di cui vengono di seguito riportate le fasi più significative:

controllo dei dati analitici per “eliminare o correggere” eventuali valori “statisticamente” dubbi che potrebbero falsare i risultati dell’indagine (outliers)
riduzione del numero delle variabili sperimentali,”scremandole” da quelle iniziali, senza incidere sul grado di discriminazione del sistema (variabili a scarso o nullo potere discriminante e/o variabili direttamente correlate tra loro);
determinazione dei fattori di correlazione tra tutte le variabili sperimentali rimaste e compressione dei dati così ottenuti in un nuovo set semplificato (purificato da ogni ridondanza nei dati originali);
uso dei dati compressi e delle classificazioni note per ricondurre le osservazioni esistenti alla classe più vicina;

d) controllare ed affinare l’interpretazione dei dati analitici (risposte)
mediante un metodo di indagine indipendente (ANN)
Per poter applicare con successo questo tipo di analisi statistica, è pertanto necessario disporre di un numero sufficiente di variabili “discriminanti” (ad esempio, nel caso di un olio di oliva, intese ad accertare la “cultivar” delle olive utilizzate per la produzione dell’olio in esame) e di un “training set” (campioni per i quali sia nota l’attribuzione) ben rappresentativo.

100px-Italian_olive_oil_2007

Per poter applicare con successo questo tipo di analisi statistica, è pertanto necessario disporre di un numero sufficiente di variabili “discriminanti”  e di un “training set” (campioni per i quali sia nota l’attribuzione) ben rappresentativo.Nel caso ad esempio di un prodotto di largo consumo come l’olio di oliva potrebbero essere utilizzati soltanto indici chimici (acidità, numero di perossidi, K232 , K270, DK, acidi grassi, steroli e LLL) che,essendo stati standardizzati per la relativa determinazione, evitano il rischio che il risultato finale possa essere influenzato da una certa variabilità sperimentale.

per approfondire:

http://en.wikipedia.org/wiki/Analytical_chemistry

3 thoughts on “Chimica analitica del XXI secolo.

  1. Pingback: Roba da chimici | il blog della SCI

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione / Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione / Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione / Modifica )

Google+ photo

Stai commentando usando il tuo account Google+. Chiudi sessione / Modifica )

Connessione a %s...