Determination of banned sudan dyes in culinary spices through spectroscopic techniques and multivariate analysis

• Main Author: Di Anibal, Carolina Vanesa
• Other Authors: Callao Lasmarías, María Pilar
• Format: Doctoral Thesis
• Language: English
• Published: Universitat Rovira i Virgili 2011
• Subjects: Food adulteration; Spectroscopy; Multivariate analysis; 543
• Online Access: http://hdl.handle.net/10803/52794

La presente tesis esta focalizada en el desarrollo de métodos analíticos para determinar la adulteración de especias culinarias con colorantes Sudan I, II, III y IV. Estos colorantes están prohibidos como aditivos para uso alimentario por la legislación europea ya que son carcinógenos. Las metodologías analíticas desarrolladas están basadas en el uso de técnicas espectroscópicas como UV-visible, Resonancia Magnética de protón y Raman junto con tratamiento multivariante de los datos obtenidos. En relación al análisis multivariante, como principal objetivo se planteó el establecimiento de modelos de clasificación y posteriormente se utilizaron diversas herramientas quimiométricas con el objetivo de mejorar los resultados de clasificación: análisis exploratorio de datos, métodos de selección de variables y procesamiento de espectros, estrategias de fusión de datos y métodos de transferencia (estandarización). === This thesis is focused at developing multivariate analytical screening methodologies for determining the adulteration of culinary spices with Sudan I, II, III and IV dyes. Such dyes are prohibited to be used as additive in foods according to the European legislation because they are Class 3 carcinogens. The proposed methodologies are based on the use of spectroscopic techniques such as UV-Visible, 1H-NMR and Raman along with multivariate data treatment. The applied chemometric tools include the establishment and application of supervised classification techniques combined with exploratory data analysis, data processing and variable selection techniques to extract the maximum possible information from the spectral data. Otherwise some strategies to improve the classification have been evaluated such as data fusion strategies and multivariate transfer (standardization) methods.