英国の研究でグルテンの画期的な進歩が明らかに

2023 年 7 月 31 日発行

ケンタッキー州レキシントン — グルテン不耐症やセリアック病を経験する人がますます増えており、市場でグルテンフリー製品の需要が高まっています。 ただし、これらの製品が真にグルテンフリーであることを確認することは、特に収穫、製造、または包装中に相互汚染が発生した場合には困難になる可能性があります。 グルテンフリー製品に含まれる微量のグルテンであっても、グルテン不耐症やセリアック病の人にとっては健康に重大な影響を与える可能性があります。

この問題に取り組むために、ケンタッキー大学マーティン・ガットン農業・食品・環境学部の研究者らは、解決策を見つけるために研究を実施し、MDPIのジャーナル「Sustainability」に発表した。

この研究は、フーリエ変換赤外 (FTIR) 分光法を使用して、グルテンフリーのコーンブレッドに含まれる小麦 (グルテン) 粉の汚染を迅速に検出および測定することに焦点を当てました。 この技術は、さまざまな波長での赤外光の吸収を使用して、サンプルの有機化合物と無機化合物を識別します。 さらに、研究者らは機械学習技術を組み込んで、コーンブレッド内の小麦粉汚染の特定と定量化を支援しました。

「アレルゲン汚染は、食品業界では非常に一般的な出来事です」と、生物システムおよび農業工学准教授で主任研究員のアキンボデ・アデデジ氏は述べています。 「グルテン不耐症の人にとって、敷居は非常に低いです。 私たちは、グルテン汚染が存在するかどうかを迅速に判断する迅速な方法を見つけたいと考えていました。」

アデデジとバイオシステムおよび農業工学の修士課程学生であるアブチ・オケケ氏は、トウモロコシ粉と小麦粉を使用して、小麦粉の汚染レベルが異なる 13 個の異なるコーンブレッドのサンプルを調製しました。 次に、特別なダイヤモンド付属品を備えた FTIR 分光計を使用して、これらのサンプルを分析しました。 機械学習分析を実行する前に、Savitzky-Golay スムージング アルゴリズム、データ ノイズ低減に使用されるデジタル信号処理技術、および一次微分変換を使用して、収集されたスペクトルを前処理しました。 微分変換は、さまざまなサンプルのスペクトルを区別するのに役立つため、機械学習モデルを使用したサンプルのクラスタリングが容易になります。

「FTIR分光法と機械学習アルゴリズムの組み合わせは、グルテンフリーのコーンブレッドの小麦粉汚染を驚くべき精度で検出および測定するのに非常に効果的であることが証明されました」とアデデジ氏は述べた。 「0.5% という非常に低い汚染レベルであっても、このモデルは生および焼いたコーンミール中の小麦粉の存在を正確に識別できました。 汚染レベルが増加するにつれて精度が向上しました。」

この研究では、複数の機械学習モデルを組み合わせた手法であるアンサンブル学習アルゴリズムが精度をさらに高め、個別の機械学習手法を上回るパフォーマンスを発揮することもわかりました。

この研究で得られた重要な発見は、グルテンフリーのコーンブレッドの小麦粉汚染量を定量化するための最も有望なアプローチとして K 最近傍 (kNN) アルゴリズムが特定されたことでした。 kNN アルゴリズムは、未知のサンプルをデータセット内の最も近いサンプルと比較することで、そのサンプルの汚染レベルを予測します。 研究のマイルストーンとなるもう 1 つの貢献は、汚染された製品から収集された FTIR データを分析してグルテンをリアルタイムで検出および定量できる、「Glutini」と呼ばれるオープンソースの英国のアプリの開発でした。

アデディジェ氏は、この研究の影響は、特に食品業界やグルテンフリー製品の製造業者にとって広範囲に及ぶと述べた。 FTIR 分光法と機械学習アルゴリズムを組み合わせることで、グルテンフリー製品の安全性と品質を確保する信頼性の高い効率的な方法が提供され、グルテン不耐症やセリアック病を持つ個人を潜在的な健康リスクから保護します。

「機械学習アルゴリズムを利用して大規模なデータセットを分析し、隠れたパターンを特定することで、食品の安全検査と品質評価の精度と効率を大幅に向上させることができます」と同氏は述べた。 「この研究は、消費者により安全で高品質のグルテンフリーの選択肢を提供する上での重要な前進です。」