La spettroscopia a infrarossi ha dimostrato di essere valida nell’autenticazione del formaggio grazie ai vantaggi dell’elevata sensibilità e velocità di analisi, specialmente se associata alla chemometria. Questa review prende in esame le metodiche di certificazione, i principi delle tecniche del vicino e del medio infrarosso e l’importanza della chemometria per l’autenticazione del formaggio. Le tecniche spettroscopiche si sono rivelate promettenti per l’identificazione dell’origine geografica del formaggio, per l’analisi degli adulteranti e per il monitoraggio delle fasi di maturazione. L’applicazione dell’analisi delle componenti principali, dei minimi quadrati parziali e dell’analisi discriminante lineare in associazione alla spettroscopia ha fornito potenti strumenti per la certificazione del formaggio.

INDICE

Introduzione

Autenticità del formaggio

Tecniche spettroscopiche ad infrarosso

Chemometria e autenticità del formaggio

Applicazione di tecniche di spettroscopia per l’autenticazione del formaggio

Conclusioni

Riferimenti

Introduzione

La genuinità è un fattore determinante nella qualità del formaggio, uno dei latticini più consumati e richiesti al mondo (Vásquez et al. 2018; Bergamaschi et al. 2020). I prodotti con un valore elevato o che hanno una filiera di lavorazione complessa, nella quale sono previste più fasi, come il formaggio, sono più vulnerabili ad azioni che ne possono compromettere la genuinità e, sebbene esistano standard nazionali e internazionali per stabilire la conformità di questi prodotti, la frode per sofisticazione è ancora una cosa comune (Abbas et al. 2018). La genuinità dei formaggi può risultare compromessa per diversi motivi, ma spesso è legata al profitto economico ottenuto dall’intenzione di migliorare la qualità percepita del prodotto o di ridurre i costi di produzione o di commercializzazione. Indipendentemente dalla natura dell’adulterazione, la determinazione dell’autenticità del formaggio può essere legata: (i) all’identificazione della sua origine, che rappresenta un valore aggiunto alle caratteristiche specifiche di una determinata regione (Oca et al. 2012; Ottavian et al. 2012; Danezis et al. 2020; Jabri et al. 2020); (ii) all’analisi delle frodi in seguito ad adulterazione, che può verificarsi aggiungendo ingredienti/adulteranti o sostituendo specifici componenti del formaggio (Leite et al. 2019; Visconti et al. 2020); e (iii) alla verifica del tempo di maturazione, che corrisponde all’età del formaggio e allo sviluppo di caratteristiche proprie di ciascuna fase (Andrade et al. 2018; Alinovi et al. 2019). Con l’aumento delle tendenze riguardanti l’adulterazione dei formaggi (Jabri et al. 2020; Jesus et al. 2020), la capacità di rintracciarle in modo rapido ed efficiente è un modo per proteggere il consumatore e assistere le autorità nel controllo della circolazione di questi prodotti nel mercato. Per valutare l’autenticità dei formaggi sono già stati applicati numerosi metodi basati su tecniche elettroforetiche, cromatografiche e spettrometriche (Gan et al. 2016); tuttavia, nonostante la loro buona sensibilità, sono molto costose e richiedono una complessa preparazione del campione e lunghi periodi di analisi. L’utilizzo di tecniche spettroscopiche come il vicino infrarosso (NIR) e il medio infrarosso (MIR) promette di fronteggiare le sfide riguardanti la certificazione e la garanzia della qualità del formaggio, poiché sono in grado di assicurare analisi rapide, sono di costo relativamente basso e non richiedono l’impiego di reagenti. Queste tecniche rappresentano una potenziale alternativa per le analisi di routine nelle industrie e nei laboratori di riferimento, soprattutto vista la tendenza ad adottare strumenti a infrarossi portatili/manuali e all’applicazione di strumenti chemometrici per la valutazione dell’analisi degli alimenti, tra cui i latticini come il formaggio (Karoui 2017). L’informazione analitica contenuta nello spettro infrarosso ha un gran numero di variabili di natura chimica complessa ed è altamente correlata, il che richiede tecniche multivariate come metodi di interpretazione e classificazione (Lerma-García et al. 2010a; Cevoli et al. 2013a) e modelli di discriminazione o regressione (González-Martín et al. 2014; Currò et al. 2017), utili per determinare l’autenticità. L’obiettivo di questa review era quello di presentare studi che affrontassero l’applicazione delle tecniche spettroscopiche MIR e NIR per la valutazione dell’autenticità dei formaggi. Sono state inoltre chiarite alcune particolarità dell’autenticazione relative all’identificazione dell’origine, le cause di adulterazione, il tempo di maturazione, i principi delle tecniche e l’importanza della loro applicazione unitamente all’analisi chemometrica.

Autenticità del formaggio

Il formaggio è uno degli alimenti più antichi e tradizionali prodotti al mondo, molto importante per il consumo umano visto il suo elevato contenuto di proteine, lipidi, vitamina A e minerali, come calcio e fosforo (Vásquez et al. 2018). Esistono più di 1000 varietà di formaggio prodotte nei diversi paesi (McSweeney et al. 2004), ognuna con proprie peculiarità, formati, consistenze e sapori e, vista la loro richiesta, alcune hanno un ruolo importante nella produzione e nell’esportazione all’interno del mercato lattiero-caseario, con grande valore commerciale aggiunto (Bergamaschi et al. 2020). Tra il 2015 e il 2019, tra i paesi esportatori di formaggio l’Unione Europea ha rappresentato oltre il 40% del mercato mondiale, con un fatturato di 840 milioni di dollari, che sommato al fatturato mondiale, ha raggiunto circa 2,09 miliardi di dollari, con buona parte del mercato occupato da formaggi come Mozzarella, Parmigiano, Camembert, Cheddar, Edam ed Emmental, tra gli altri (USDA 2019). Le basi della lavorazione del formaggio (Figura 1) sono le stesse per le varie tipologie esistenti. Tuttavia, sono presenti particolarità nel processo di produzione che si traducono in diverse proprietà tecnologiche e in diversa composizione finale (Codex Alimentarius 2018; FAO2019).

Il contenuto di grassi, proteine e umidità sono determinanti nella qualità del formaggio e ne influenzano direttamente la consistenza e il sapore, che possono essere influenzati anche dall’origine della materia prima, dall’utilizzo per la caseificazione di latte proveniente da specie diverse, dalle tecniche di lavorazione e dalle reazioni che si verificano nel processo di maturazione, particolarità che portano alla sua diversificazione e anche all’apprezzamento da parte del consumatore (Visconti et al. 2020). Un prodotto autentico mostra la veridicità delle informazioni riportate sull’etichetta ed è conforme alla legislazione (UE 2011; Brasile 2017; Codex Alimentarius 2018). Prodotti come il formaggio che hanno un prezzo elevato, una complessa filiera di lavorazione e di approvvigionamento, con più fasi, sono vulnerabili alla sofisticazione (Figura 1), un problema che appare urgente, poiché le adulterazioni possono compromettere la qualità del prodotto, la sicurezza e la soddisfazione del consumatore (Kamal e Karoui 2015). La genuinità del formaggio è stata una delle principali preoccupazioni dell’industria alimentare, dei ricercatori e dei consumatori, poiché negli ultimi decenni sono state segnalate adulterazioni e non conformità in una varietà di prodotti lattiero-caseari, compreso il latte in polvere (Wu et al. 2008), il latte liquido (Gonc alves et al. 2020), il siero di latte (Andrade et al. 2019), il burro (Koca et al. 2010), il latte fermentato (Genis et al. 2019) e i formaggi (Cevoli et al. 2013b). Indipendentemente dalla natura dell’adulterazione, l’autenticazione del formaggio può riguardare l’identificazione della sua origine, la determinazione delle cause di adulterazione, l’analisi degli adulteranti e la verifica delle fasi di maturazione (Abbas et al. 2018; Danezis et al. 2020), che verranno esaminate di seguito.

Identificazione dell’origine geografica.

La genuinità dei formaggi è un aspetto molto importante, soprattutto quando vengono presi in considerazione prodotti la cui origine ha grandi valori culturali e commerciali. L’origine dei formaggi può avere la sua identità legata alle condizioni edafo-climatiche stabilite dall’ambiente, dove il clima può influenzare la composizione e la qualità della materia prima utilizzata. Anche il luogo di origine e le tecniche di allevamento del bestiame possono influenzare la composizione del microbiota del latte e generare specifici cambiamenti biochimici nel formaggio. Inoltre, anche l’utilizzo di ingredienti e di processi specifici influenzati da aspetti culturali e locali può attribuire al prodotto un insieme di caratteristiche che fanno riferimento all’essenza del territorio, che ne determinano il terroir (Karoui et al. 2005a; 2005b; 2006; 2007). Fattori climatici, bioma e indice di piovosità possono interferire con le caratteristiche finali della materia prima, perché il foraggio offerto all’animale subisce l’influenza di questi aspetti esogeni e interferisce in modo significativo nella composizione del latte utilizzato come materia prima. Questi aspetti associati alle tecniche di produzione locali portano ad avere caratteristiche differenti nel prodotto finale e alla presenza di peptidi specifici, influenzando anche altri parametri come aw, pH, colore e parametri di consistenza (Bergamaschi et al. 2020; Silva et al. 2021). Sebbene gli studi sui formaggi siano ancora poco approfonditi, anche il contenuto di specifici elementi (oligoelementi e terre rare) riflette le condizioni di produzione in un determinato ambiente e i rapporti degli isotopi (es. carbonio, idrogeno, azoto, zolfo, stronzio e piombo) possono fornirci delle impronte digitali rappresentative univoche, consentendo la discriminazione dell’origine del latte e dei formaggi (Danezis et al. 2020; Jabri et al. 2020). L’identificazione delle origini geografiche è un’efficace forma di differenziazione per ridurre possibili perdite e valorizzare gli aspetti regionali del prodotto. Tuttavia, sono ancora molti i formaggi oggetto di sofisticazioni, compresi quelli di origine protetta, per i quali questa documentazione rappresenta una garanzia implicita di un processo di lavorazione tradizionale, con maggior valore aggiunto (Dias e Mendes 2018). La Denominazione di Origine Protetta (DOP) viene attribuita ai formaggi prodotti con materia prima specifica e definita zona geografica e detiene il maggior numero di registrazioni tra i formaggi prodotti nel mondo, come ad esempio Pecorino, Grana, Gouda, Parmigiano Reggiano, Gruyère e Camembert. L’Indicazione Geografica Protetta (IGP) fa riferimento alla registrazione di una sola fase del processo produttivo (Emmental, Formaggi Erborinati, Tomme de Savoie e Danablu) e la specialità tradizionale garantita (STG) comprende prodotti aventi una caratteristica tradizionale, sia nella composizione che nella produzione, ad esempio Mozzarella in Italia (EU 2002). Con il termine indice di provenienza (IP) si intende il nome del luogo riconosciuto per la produzione dei prodotti, come i formaggi Serro, Canastra e Minas, e la denominazione di origine (DO) si riferisce al luogo che designa prodotti/servizi con caratteristiche riconducibile alla provenienza geografica (formaggio Serrano Artigianale) (Wilkinson et al. 2017). Negli ultimi anni diversi criteri sono stati importanti per identificare l’origine dei formaggi e differenziarli. Sono state condotte indagini relative alla differenziazione per origine geografica (Danezis et al. 2020; Silva et al. 2021) e alle fluttuazioni climatiche o stagionali, prendendo in considerazione le variazioni nel contenuto e nel profilo di acidi grassi e di composti volatili presenti nel latte e nei formaggi (González-Martín et al.2011a). Nella distinzione dei formaggi sono stati presi in considerazione anche aspetti relativi al suolo (Karoui et al. 2005a), all’altitudine (Cozzi et al. 2009) e all’alimentazione del bestiame (Guerra et al. 2014) poiché la diversificazione della composizione botanica può influenzare il microbiota del latte e le caratteristiche del formaggio. Inoltre, è stato valutato anche il trattamento termico applicato al latte, poiché la presenza o l’assenza di specifici enzimi termosensibili ne consente una differenziazione (Alewijn et al. 2018). I peptidi sono stati ampiamente utilizzati come marker di specie nei formaggi e la loro applicazione si è contraddistinta anche per l’identificazione dell’origine di questi prodotti (Guerreiro et al. 2013; Fontenele et al. 2017). Tecniche analitiche come la cromatografia, l’elettroforesi e la spettrometria di massa sono già state utilizzate per indagare l’autenticità in relazione all’identificazione dell’origine, al fine di ottenere la DOP; tuttavia, gli studi sull’applicazione delle tecniche spettroscopiche sono ancora scarsi (Silva et al. 2016; Pax et al. 2019).

Adulterazione

Negli ultimi decenni, una varietà di alimenti è stata oggetto di frode dovuta a sofisticazione (Lerma-García et al. 2010a; Leng et al. 2020; Lima et al. 2020; Milani et al. 2020; Xu et al. 2020). Nei formaggi può verificarsi questa tipologia di adulterazione che prevede l’aggiunta e la sostituzione deliberata di ingredienti, il mescolamento di latte proveniente da specie diverse o l’errata etichettatura. La tipologia più comune di adulterazione prevede l’aggiunta di ingredienti utili a modificare la composizione del formaggio o ad aumentarne il volume e, a seconda del livello di adulterazione, la sua individuazione diventa difficile (Kamal e Karoui 2015; Abbas et al. 2018; Montgomery et al. 2020). A seconda della natura e della concentrazione degli additivi, il loro utilizzo indiscriminato può rappresentare un rischio per il consumatore, non solo per ragioni economiche ma anche per ragioni di sicurezza e di salute pubblica, da qui l’importanza del rispetto della normativa. L’utilizzo di regolatori di acidità, conservanti, pigmenti, agenti di maturazione e addensanti (0.05%-5%) è consentito se vengono rispettati i limiti consigliati, a seconda della tipologia di formaggio e della legislazione specifica di ciascun paese (Codex Alimentarius 2018). Inoltre, l’utilizzo di cellulosa e biossido di silicio (<1.0%) e il mescolamento del latte di specie diverse sono consentiti solo quando la specifica è disponibile in etichetta (EU 2011; FDA 2018). Recentemente sono state riscontrate diverse adulterazioni, come la presenza in eccesso di additivi ammessi e di sostanze non autorizzate utilizzate per aumentare il peso e il volume dei formaggi a pasta dura da grattugia (Visconti et al. 2020), la sostituzione del grasso del formaggio con oli vegetali (Leite et al.; 2019) e l’impiego di adulteranti o di miscele di latte provenienti da specie diverse utilizzate per la produzione di formaggio, senza specificarlo in etichetta (Cuibus et al. 2014), con percentuali di livelli di adulterazione medio-alti (>30%) (Soto-Barajas et al. 2013; González-Mart in et al. 2017). Pertanto, l’adozione di metodi di controllo adeguati ed efficienti è essenziale per una rapida tracciabilità, sia per i servizi di ispezione ufficiali sia per i laboratori che certificano l’autenticità al fine di ridurre le possibilità di frode (Medina et al. 2019).

Identificazione del tempo di maturazione

I formaggi stagionati sono prodotti con elevato valore commerciale, nei quali il sapore e la consistenza vengono esaltati tramite il processo di maturazione, e sono il risultato di modificazioni biochimiche di proteine, lipidi e lattosio residuo che avvengono in seguito a proteolisi, uno dei passaggi più importanti per lo sviluppo delle specifiche caratteristiche di questi formaggi (Gan et al. 2016). La frode derivante dalla falsificazione della stagionatura del formaggio è frequente ed è necessario effettuare una sua verifica, poiché i prodotti con un grado di maturazione illegittimo possono avere conseguenze negative per il consumatore e il produttore, in termini di sicurezza alimentare, qualità e prezzo (Loudiyi et al. 2018). I cambiamenti che si verificano durante la proteolisi si basano sui concetti di estensione e di profondità, dove l’indice di estensione quantifica le proteine idrolizzate in peptidi ad alto e medio peso molecolare (insolubili) e l’indice di profondità quantifica le proteine idrolizzate in peptidi a basso peso molecolare (solubili), valutando il grado di degradazione dei peptidi ad amminoacidi dovuto all’azione degli enzimi proteolitici e/o all’azione della chimosina e della plasmina. Vi sono anche reazioni legate al metabolismo del lattosio residuo per azione dei batteri lattici, che sintetizzano composti antimicrobici, come gli acidi organici, che contribuiscono alla stabilità microbiologica e allo sviluppo delle caratteristiche tipiche dei formaggi stagionati (Pagthinathan e Nafees 2015). I formaggi stagionati richiedono del tempo prima di essere commercializzati e, a seconda della tipologia, vengono classificati come molli/semiduri/duri con la loro specifica maturazione o il loro periodo di stagionatura specificati. Tuttavia, la falsificazione delle fasi di maturazione è stata osservata in seguito a riduzione del periodo ottimale per le reazioni o all’utilizzo di temperature inappropriate e all’impiego di enzimi esogeni e colture starter che accelerano la velocità di maturazione, dando luogo a formaggi commercializzati ma con specifiche inadeguate (Visconti et al. 2020). Di grande importanza è l’applicazione di metodiche corrette per la previsione o l’identificazione del tempo e della fase di maturazione dei formaggi al fine di garantirne la qualità. Tale monitoraggio avviene controllando la concentrazione di peptidi, di amminoacidi e di acidi organici, che sono indicatori del processo di maturazione (Martín-del-campo et al. 2007a; 2007b; Currò et al. 2017), valutando le caratteristiche chimico fisiche della pasta e della crosta (Alinovi et al. 2019; Jesus et al. 2020), dovute all’azione dei microrganismi durante la maturazione (Cattaneo et al. 2008) e anche analizzando le caratteristiche reologiche e fisico-chimiche (Kraggerud et al. 2014; Loudiyi et al. 2018).

Tecniche spettroscopiche ad infrarosso

Diverse metodologie come l’elettroforesi, la cromatografia e la spettrometria di massa sono state applicate per rilevare l’autenticità dei formaggi (Gonc alves et al. 2016; Bergamaschi et al. 2020); tuttavia, questi sono metodi laboriosi e costosi e, sebbene sensibili, non sono praticabili quando il flusso di lavoro è veloce e la manodopera è ridotta (Esteki et al. 2018). La spettroscopia a infrarossi rappresenta un’ottima alternativa per l’autenticazione del formaggio in quanto è una tecnica rapida e non distruttiva che richiede una preparazione minima del campione e non richiede l’utilizzo di reagenti. Garantisce l’analisi di più componenti e l’ottenimento dell’impronta digitale, con risparmio di tempo e denaro, diventando un prezioso strumento di screening, soprattutto per la versatilità delle apparecchiature e la tendenza all’adozione di strumenti portatili/manuali per l’analisi dei prodotti lattiero-caseari (Karoui 2017). La spettroscopia studia l’interazione della radiazione elettromagnetica con la materia al fine di valutare i legami chimici, che acquisiscono moti vibrazionali e rotazionali, e la differenza tra la radiazione emessa e la radiazione assorbita dal campione dà origine allo spettro. I gruppi funzionali delle molecole hanno una frequenza di vibrazione unica e questi gruppi possiedono un’impronta digitale che può essere applicata per confermare l’identità dei formaggi (Pasquini 2018). Gli spettri di assorbimento, di emissione e di riflessione nell’infrarosso (IR) delle specie molecolari derivano dalle variazioni di energia prodotte dalle transizioni molecolari da uno stato energetico vibrazionale o rotazionale all’altro. La frequenza della radiazione assorbita corrisponde alla frequenza della vibrazione molecolare generata dall’assorbimento, che è principalmente limitata a specie molecolari con piccole differenze di energia (Karoui 2017). Affinché una molecola assorba la radiazione IR, deve esserci una variazione nel momento di dipolo durante il suo movimento rotatorio-vibratorio, che causa variazioni nelle posizioni e nell’ampiezza degli atomi, che non sono fisse e oscillano continuamente. Le vibrazioni possono essere classificate nelle categorie di stiramento e deformazione, dove una vibrazione di stiramento comporta una variazione continua della distanza interatomica lungo l’asse di legame tra due atomi e le vibrazioni di deformazione sono caratterizzate dalla variazione dell’angolo tra due legami (Lohumi et al.; 2015). Nella regione dell’infrarosso, maggiore enfasi è stata data alle tecniche spettroscopiche nel NIR e nel MIR che, in associazione alla chemometria, sono state utilizzate con successo per l’autenticazione dei formaggi, attraverso analisi qualitative e quantitative (Kamal e Karoui 2015; Medina et al. 2019). Le informazioni strutturali fornite dagli spettri NIR sono il risultato della transizione di due o più livelli di energia (armonici) a causa della anarmonicità delle vibrazioni fondamentali. Le bande sono più larghe, meno intense e più sovrapposte rispetto alla regione nel MIR e sono correlate a combinazioni e coinvolgimento di legami H con O, N e C (C-H, N-H e O-H) (Tabella 1) (Visconti et al. 2020). Le misure di riflettanza e trasmittanza vengono comunemente utilizzate, con la riflettanza che risulta essere maggiormente applicata nell’analisi del formaggio. Questa tipologia di misurazione è adatta per campioni solidi intatti, come il formaggio, ed è stata spesso utilizzata per analisi non distruttive e dirette di varie tipologie di campioni solidi come frutta, carne, cereali, alimenti e mangimi (Currò et al. 2017). Nell’analisi, la radiazione NIR viene proiettata sul campione e avviene l’interazione tra la radiazione e i costituenti del campione; la radiazione emessa dal campione viene raccolta e analizzata. L’assorbimento e la diffusione delle radiazioni sono i fenomeni che differenziano la tecnica e influenzano lo spettro di riflettanza, in quanto sono capaci di analizzare i campioni in modo non invasivo mediante riflettanza diffusa per produrre informazioni analitiche utili (Pasquini 2018). Gli spettri del MIR si verificano per vibrazioni molecolari rotazionali-vibrazionali fondamentali e hanno bande più intense, relativamente a O-H, C-H, C = O, C-N e N-H (Tabella 1). L’introduzione della tecnica della spettrofotometria infrarossa a trasformata di Fourier in riflettanza totale attenuata (FTIR-ATR) ha favorito l’utilizzo dell’infrarosso per l’analisi del formaggio, principalmente nella regione del MIR, poiché consente un’analisi ancora più veloce. Ciò è possibile perché la lettura avviene sulla superficie del campione e l’analisi viene eseguita contemporaneamente dall’interferometro, che è costituito da un divisore di fascio (uno specchio fisso e uno mobile) (Cevoli et al. 2013a). Il fascio risultante dalla combinazione della radiazione proveniente dai due specchi entra in contatto con la porzione superficiale del campione, dove avvengono assorbimenti, trasmissioni e/o riflessioni, generando l’interferogramma. Quando si applica la trasformata di Fourier, la conversione dei dati avviene nel grafico rappresentato dalla radiazione in funzione della frequenza di radiazione (numero d’onda), chiamato spettro, consentendo di effettuare analisi più veloci (Lei e Sun 2019). La valutazione della genuinità dei formaggi mediante MIR o NIR si basa sull’analisi del comportamento spettrale o di bande specifiche, poiché queste riflettono le variazioni che si verificano negli aspetti fisico-chimici, di struttura o di composizione (Gori et al. 2012). Per l’identificazione dell’origine sono state utilizzate le bande originate dalla vibrazione dei gruppi funzionali legati all’acqua (umidità o attività dell’acqua) e dei grassi per indicare le differenze riguardanti la tipologia di lavorazione e di latte utilizzati, così come le proteine/ammidi che consentono l’individuazione di peptidi regione-specifici e possono verificarsi delle variazioni nell’assorbimento di queste bande (Figura 2; Karoui et al. 2005b; Sara et al. 2018). Le adulterazioni dovute all’aggiunta o alla sostituzione di componenti vietati dalla legge possono portare a variazioni del profilo lipidico, proteico e glucidico (lattosio) o alterazioni dell’umidità, riscontrabili nelle bande relative ad acqua, grassi, proteine/ammidi e carboidrati (Leite et al. 2019; Visconti et al. 2020). Le diverse fasi di maturazione che influenzano le caratteristiche fisico-chimiche e strutturali del formaggio e la sua genuinità possono essere analizzate dalle bande riferite a proteine/ammidi, grassi e carboidrati (lattosio) per l’identificazione di peptidi o altri prodotti, specifici del processo di proteolisi (Andrade et al. 2018; Alinovi et al. 2019; Jesus et al. 2020). Il MIR e il NIR associati alla chemometria sono stati in precedenza applicati a diversi prodotti caseari (latte fluido, latte in polvere, burro e siero di formaggio) per la previsione della composizione chimica e fisico-chimica (Koca et al. 2010), per la quantificazione di adulteranti e ricostituenti (Botelho et al. 2015; Andrade et al. 2019) e per l’identificazione di miscele di latte provenienti da specie diverse (Silva et al. 2020); pertanto, l’applicazione di MIR e NIR ha anche dimostrato di essere un’alternativa emergente e innovativa per valutare l’autenticità dei formaggi (Jesus et al. 2020; Silva et al. 2021).

Chemometria e autenticità del formaggio

I dati spettrali ottenuti nell’analisi ad infrarosso hanno diverse variabili, con diverse informazioni di natura chimica e fisica, che sono complesse, altamente correlate (multicollinearità) e distribuite su tutto lo spettro (Lei e Sun 2019). L’applicazione e il successo dei metodi che coinvolgono la spettroscopia ad infrarossi dipendono direttamente dall’applicazione di appropriate tecniche multivariate e, senza di esse, la spettroscopia avrebbe un’applicazione limitata. Con l’analisi multivariata è possibile favorire la riduzione della dimensionalità e l’estrazione di informazioni essenziali dal set di dati. Ciò consente l’utilizzo della spettroscopia a infrarossi per certificare l’origine dei formaggi in termini di provenienza geografica, tipologia di latte utilizzato, processo di produzione, determinazione dei parametri di qualità, dati di composizione e assenza di frodi per sofisticazione, con specificazione sull’etichetta del formaggio (Abbas et al. 2018; Medina et al. 2019). L’analisi ad infrarossi associata alla chemometria prevede dei passaggi essenziali: (i) preparazione del campione, anche se minima; (ii) ottenimento; (iii) trattamento degli spettri; (iv) analisi multivariata; e (v) applicazione a campioni commerciali, a seconda dell’obiettivo dell’analisi (Lohumi et al. 2015; Esteki et al. 2018; Pasquini 2018). Per la maggior parte dei ricercatori, la preparazione dei campioni di formaggio è minima e ciò che di solito avviene è una riduzione delle sue dimensioni con una grattugia (Loudiyi et al. 2018; Visconti et al. 2020). L’ottenimento e l’analisi degli spettri, in alcuni casi, avvengono o con gli spettri grezzi o viene pre-elaborato con analisi di applicazione come la correzione moltiplicativa della dispersione (MSC), la variata normale standard (SNV) e le derivate prime e seconde (Martens et al. 1983; Barnes et al. 1989; Cevoli et al. 2013a; González-Martín et al. 2014). La MSC trasforma gli spettri grezzi linearizzandoli da uno spettro ideale (spettro medio) mantenendo la scala originale delle variabili e la SNV opera singolarmente, utilizzando i dati di ciascuno spettro, modificando la scala. Di contro, la MSC richiede la memorizzazione dei parametri derivati ​​dal set di calibrazione degli spettri, utilizzati per trasformare nuovi spettri, mentre la SNV è autosufficiente e utilizza i dati dello spettro individuale nella trasformazione. L’applicazione della derivata prima o seconda permette di correggere le informazioni contenute lungo le lunghezze d’onda rimuovendo gli effetti additivi di base dello spettro (Pasquini 2018). L’uso di SNV, MSC e derivate ​​è stato ampiamente applicato negli ultimi anni perché sono disponibili in pacchetti software chemometrici commerciali di facile utilizzo. La sua applicazione può aumentare la robustezza del modello contro diverse fonti di variabilità inter o intra-strumento mantenendo la qualità dei risultati (Andrade et al. 2018; Silva et al. 2021). L’applicazione dell’analisi chemometrica può avvenire attraverso l’uso di metodi qualitativi di classificazione e riconoscimento di pattern e metodi quantitativi di regressione. I metodi qualitativi possono essere applicati attraverso il metodo di apprendimento supervisionato o non supervisionato (Figura 3a). I metodi di apprendimento non supervisionato raggruppano il data set senza la preventiva definizione di categorie specifiche; le tendenze tra i campioni sono identificate senza informazioni preliminari su standard o gruppi. Al contrario, i metodi supervisionati hanno una fase di training/calibrazione, basata su una precedente assegnazione di classi, al fine di costruire modelli matematici che verranno utilizzati per prevedere oggetti sconosciuti e allocarli in gruppi a cui è più probabile che appartengano, tramite correlazioni tra classi, che sono reciprocamente indipendenti (Esteki et al. 2018). Per l’organizzazione dei set di dati (formazione e validazione) e la selezione delle variabili si può applicare il metodo random o l’algoritmo di Kennard-Stone (Kennard e Stone 1969), che garantisce la selezione dei campioni più rappresentativi, attraverso una scansione uniforme di dati spettrali (Botelho et al. 2013). La maggior parte della ricerca che riguarda l’autenticazione del formaggio inizia con l’analisi esplorativa dei dati non supervisionati e prosegue con fasi di apprendimento supervisionate, quando l’obiettivo principale include la caratterizzazione del prodotto e la differenziazione tra di essi (González-Martín et al. 2011a; Cevoli et al. 2013a; Alinovi et al. 2019), oppure può anche essere condotta direttamente applicando metodi lineari o non lineari per la classificazione (Sanchez et al. 2018; Bergamaschi et al. 2020). Sono stati riscontrati studi per l’autenticazione del formaggio che utilizzavano strumenti chemometrici qualitativi, con approcci esplorativi e raggruppamento di dati, in modo non supervisionato, come l’analisi delle componenti principali (PCA), l’analisi dei cluster gerarchici (HCA) e l’analisi dei componenti comuni e del peso specifico (CCSWA) (Andrade et al. 2018) e in modo supervisionato, utilizzando la morbida modellazione indipendente per analogia di classe (SIMCA), l’analisi discriminante lineare (LDA) e l’analisi discriminante dei minimi quadrati parziali (PLS-DA) (Karoui et al. 2007; Visconti et al. 2020). Tra i metodi qualitativi, la LDA è stata il più utilizzato. Metodi quantitativi, di regressione e calibrazione multivariata sono stati utilizzati per analizzare la relazione tra variabili dipendenti e indipendenti, attraverso la costruzione di equazioni matematiche per eseguire la stima e la quantificazione delle componenti (come la stima del tempo di maturazione e i livelli di adulterazione nel formaggio) (González- Martín et al. 2011b; Visconti et al. 2020). La Figura 3 (b) mostra che utilizzando MIR o NIR, le analisi chemometriche più utilizzate per l’autenticazione del formaggio sono PCA, PLS (PLS-DA/PLSR) e LDA/FDA. Metodi lineari, come la regressione lineare multipla (MLR) e la regressione dei minimi quadrati parziali (PLSR) (Jesus et al. 2020) e metodi non lineari, come le reti neurali artificiali (ANN) (Cevoli et al. 2013a; Guerra et al. 2014), sono stati applicati per valutare la genuinità dei formaggi, con il PLS che risulta essere il più utilizzato. Questi studi hanno utilizzato parametri come l’errore quadratico medio (RMSE), sia per i set di calibrazione (RMSEC) che per la convalida (RMSEV), la deviazione predittiva residua (RPD) e il rapporto di errore di intervallo (RER) e il coefficiente di determinazione (R2) per valutare rispettivamente il tasso di errore, la precisione dei modelli sviluppati e la correlazione tra le variabili (Lima et al. 2020). Potenziali approcci statistici non ancora utilizzati per l’autenticazione dei formaggi, ma applicati agli spettri infrarossi dei prodotti caseari, sono i metodi bayesiani, che meritano di essere segnalati (Bonfatti et al. 2017; Jabri et al. 2019). Questi metodi fanno riferimento all’applicazione di modelli statistici per ridurre la dimensionalità dei dati (regressione di cresta bayesiana) e anche all’applicazione di equazioni di calibrazione per prevedere con precisione tratti o caratteristiche di interesse nel prodotto caseario. Pertanto, è necessario sottolineare l’importanza di inserire metodi predittivi sempre più promettenti e accurati per i formaggi (Ferragina et al. 2015; Stocco et al. 2019; Bittante et al. 2022).

Applicazione di tecniche di spettroscopia per l’autenticazione del formaggio

Vicino infrarosso

Il vicino infrarosso è stato ampiamente applicato per l’identificazione della provenienza, l’analisi dell’adulterazione e la verifica delle fasi di maturazione del formaggio. La tabella 2 presenta numerosi studi che sono stati trovati su queste applicazioni del NIR e i principali punti salienti osservati sono riportati di seguito. Per quanto riguarda l’identificazione della provenienza, la maggior parte delle indagini con il NIR riguardava la differenziazione per origine geografica (Silva et al. 2021), principalmente di formaggi ad origine protetta (Cattaneo et al. 2008; Oca et al. 2012). Anche il tipo di lavorazione, le filiere produttive (Karoui et al. 2006; Cozzi et al. 2009), l’alimentazione animale (Andueza et al. 2013; Bergamaschi et al. 2020) e la stagionalità (González-Martín et al. 2011b; 2014) sono stati criteri utilizzati per differenziare i formaggi a seconda dell’origine (Tabella 2). L’utilizzo del NIR a questo scopo è avvenuto su campioni grattugiati provenienti dal formaggio intero come presentato da Cozzi et al. (2009) e Andueza et al. (2013) e su crosta o scaglie di formaggio con caratteristiche diverse nella sua parte interna ed esterna a causa del processo di maturazione, come osservato da Karoui et al. (2005b) e Bergamaschi et al. (2020). Per quanto riguarda l’ottenimento e l’analisi degli spettri, la maggior parte degli autori, come Pillonel et al. (2003) e Karoui et al. (2005b), hanno utilizzato spettri grezzi, mentre Oca et al. (2012) hanno applicato la SNV per la correzione della luce e Cevoli et al. (2013a) e Cevoli et al. (2013b) hanno utilizzato le MSC, ottenendo una riduzione del numero di variabili latenti in applicazione dell’analisi multivariata e una maggiore percentuale di spiegazione della variabilità dei dati originali (>91%). La composizione chimica e le caratteristiche fisico-chimiche dei formaggi si riflettono negli spettri del NIR, parametri che hanno contribuito alla differenziazione per origine in diversi studi (Cozzi et al. 2009; González-Martín et al. 2011a; Oca et al. al. 2012; Silva et al. 2021). Nello studio di Silva et al. (2021) il NIR è stato utile nella discriminazione dei formaggi Coalho provenienti da diverse regioni del Brasile nord-orientale a causa dei diversi biomi e delle condizioni climatiche. Decisive nella differenziazione sono state tre regioni spettroscopiche (1400–1650 nm (OH), 1700–1850 nm (CH) e 2100–2300 nm (NH)) associate al contenuto di grassi, proteine e acqua, i componenti principali del formaggio. Utilizzando la PCA sono stati osservati comportamenti distinti nello spazio bidimensionale e con l’applicazione della LDA è stata ottenuta la corretta classificazione tra il 70% e il 90% dei campioni per regione; questo risultato era simile a quello riscontrato nelle analisi fisico-chimiche. González-Martín et al. (2011a) e Oca et al. (2012) hanno sottolineato che le differenze spettrali possono essere correlate al cibo consumato dagli animali, alle condizioni del pascolo, alla razza e allo stadio di lattazione degli animali o anche al trattamento termico utilizzato per il latte, e secondo Cozzi et al. (2009), l’analisi delle bande relative allo stiramento e alla deformazione dei gruppi CH e CH2 delle molecole lipidiche può aiutare a identificare i formaggi prodotti in luoghi diversi e nella visualizzazione delle differenze esistenti per quanto riguarda il contenuto e il profilo degli acidi grassi. Secondo la tabella 2, i metodi chemometrici comunemente usati per la differenziazione tra i campioni in base all’origine applicavano principalmente LDA/FDA, ma sono stati osservati anche lavori che impiegavano PCA e PLS-DA. Karou et al. (2005b) hanno differenziato i formaggi Emmental provenienti da diverse regioni europee attraverso il NIR e applicando LDA/FDA in base alle caratteristiche fisico-chimiche, ottenendo l’86.8-100% di classificazione corretta. Un risultato simile è stato ottenuto da Karoui et al. (2006) applicando la FDA con NIR su formaggi provenienti da diverse zone di produzione ottenendo, rispettivamente, il 90.7% e l’80.6% di corretta classificazione della calibrazione e della validazione. L’applicazione di PLS-DA nello studio di Ottavian et al. (2012) si è rivelata utile anche per differenziare gli spettri NIR in relazione al periodo di produzione dei formaggi Asiago d’Allevo, ottenendo una classificazione corretta al 100%, simile a quella ottenuta con la valutazione diretta delle proprietà chimiche. In alcuni studi è stato osservato anche l’utilizzo della PLSR per prevedere la percentuale di composti importanti per l’identificazione dell’origine. È stato osservato da Pillonel et al. (2007) che il NIR può essere utilizzato per stimare i parametri di colore nei formaggi Emmental provenienti da diverse regioni d’Europa, principalmente il valore b*, visto che sono stati ottenuti risultati soddisfacenti (R2 = 0.82, RMSECV = 0.52) tramite l’applicazione di modelli di calibrazione. Anche la misurazione dei composti volatili nei formaggi Zamorano è stata eseguita attraverso la combinazione di NIR e PLSR nello studio di González-Martín et al. (2014) che hanno ottenuto RSQ = 0.600–0.903, confermando la robustezza del metodo quando viene applicato a nuovi campioni, di diversa composizione, non appartenenti alla fase di calibrazione. Per lo studio dell’adulterazione del formaggio, il NIR si è rivelato anche un utile, sensibile e buono strumento di tracciamento, soprattutto se associato a metodi chemometrici precisi. Come osservato in Tabella 2, l’applicazione del NIR unitamente alla PLSR ha portato a dei risultati rispetto a quando è stata applicata l’ANN per verificare l’adulterazione di formaggi fatti con miscele di latte vaccino, ovino e caprino nei formaggi Zamorano prodotti in laboratorio; per stimare la percentuale di latte aggiunta con la PLSR si è ottenuto un RSQ > 0.834 (González-Martín et al. 2007; 2009), mentre con ANN questa stima ha portato alla corretta classificazione del 75% dei campioni sconosciuti nella fase di convalida (Soto-Barajas et al. 2013). Anche Botelho et al. (2013) hanno applicato la spettroscopia NIR e la PLSR per indagare la conformità delle percentuali dei componenti della mozzarella (principalmente grasso e umidità) per eseguire il controllo ispettivo, ottenendo una buona stima di questi componenti, con RMSE soddisfacenti (tra 2.1 e 0.9%, rispettivamente). Visconti et al. (2020) hanno utilizzato il NIR per rilevare la presenza di additivi consentiti aggiunti in eccesso (cellulosa e biossido di silicio) e di additivi non consentiti (farina di frumento, semola di frumento e segatura) utilizzati per aumentare il volume dei formaggi a pasta dura in Argentina. Gli spettri sono stati pretrattati utilizzando MSC, SNV e le derivate prima e seconda per compensare le variazioni sistematiche della luce, e i dati sono stati randomizzati utilizzando l’algoritmo di Kennard-Stones; quando venivano applicate SIMCA e PLS-DA, la sensibilità, la specificità e la precisione ottenute erano del 100% nel discriminare i campioni nelle loro classi specifiche. L’indagine sulla fase di maturazione del formaggio è stata ampiamente svolta mediante il NIR e l’identificazione di proteine e aminoacidi, durante e dopo il processo di maturazione, si è rivelata importante per questa valutazione (Tabella 2). Micek et al. (2011) hanno applicato il NIR in modalità riflettanza per valutare lo stadio di maturazione del formaggio Edam, utilizzando un modello di calibrazione PLSR per la stima di azoto solubile, triptofano e tirosina, ottenendo coefficienti di correlazione rispettivamente di: R = 0.911, R = 0.929 e R = 0.959. Gli studi di González-Martín et al. (2007) e di González-Martín et al. (2009) hanno quantificato i peptidi idrofobi (più grandi) e idrofili (più piccoli) per identificare lo stadio di maturazione dei formaggi contenenti miscele di latte utilizzando il NIR associato alla PLSR, con RSQ = 0.879 e classificazione del 100% dei peptidi. Anche la percentuale di crosta di formaggi Parmigiano Reggiano stagionati (con DOP) è stata verificata da Cevoli et al. (2013a) e Alinovi et al. (2019), poiché questi formaggi devono rispettare il limite massimo consentito di <18% di crosta affinché sia garantita l’origine protetta. Gli autori hanno indicato che la crosta e la parte interna di questi formaggi sono state grattugiate separatamente per l’analisi e che i dati sono stati pretrattati con MSC, SNV e derivate ​​prime e seconde (Savitzky e Golay 1964), utilizzando tutti i dati spettrali e anche regioni selezionate. È stato visto che le bande più importanti includevano le regioni comprese tra 1064–1335 nm e 1933–2357 nm che presentavano un’assorbanza diversa in base alla riduzione dell’umidità della scaglia di formaggio. Cevoli et al. (2013a) hanno applicato l’ANN e ottenuto una classificazione degli stadi di maturazione >90%, e Alinovi et al. (2019) con la PLSR ha riscontrato un contenuto di pasta del formaggio con una previsione soddisfacente, con R2 > 0.93 in calibrazione e validazione incrociata. Nello studio di Revilla et al. (2009), le fonti spettrali del NIR riflettevano anche i cambiamenti strutturali che si erano verificati nel formaggio durante la maturazione, con l’applicazione della spettroscopia con calibrazione PLSR nei formaggi Zamorano; è stata ottenuta una buona capacità predittiva con RSQ = 0.961 (Tabella 2).

Medio infrarosso

Il medio infrarosso è stato impiegato per valutare l’autenticità del formaggio con una diffusa applicabilità nella ricerca scientifica. Come mostrato nella tabella 3, in diversi studi sono stati trovati metodi correlati all’identificazione dell’origine, all’analisi degli adulteranti e all’identificazione della stagionatura, con non soltanto la discriminazione tra i diversi formaggi ma anche con la quantificazione e la stima di sostanze e composti desiderati o indesiderati (Rodriguez-Saona et al., 2006; Sanchez et al., 2018). Per l’analisi della determinazione dell’origine, è stato osservato che nella regione spettroscopica del MIR, FTIR-ATR ha avuto una maggiore applicazione tra il 2002 e il 2021, con LDA/FDA e PCA come gli strumenti chemometrici più studiati per discriminare i formaggi (Tabella 3). L’origine di formaggi a denominazione di origine protetta come Gruyère e L’Etivaz è stata studiata da Karoui et al. (2005a) e da Karoui et al. (2007), ed entrambi gli studi hanno utilizzato spettri grezzi, senza un precedente trattamento per l’applicazione dell’analisi multivariata. La FDA è stata applicata ai punteggi PCA in regioni spettrali di 900–1500 cm-1 (correlati ai legami C, H e O, in riferimento ai carboidrati), 1500–1700 cm-1 (correlati ai legami C, H e O, in riferimento ai carboidrati), 1500–1700 cm-1 (riguardanti le ammidi I e II) e 2800– 3000 cm-1 (corrispondenti ai gruppi metilico e metilenico degli acidi grassi e allo stiramento NH delle proteine/ammide A), ottenendo tassi di classificazione corretti, variabili tra l’80% e il 90.9%. I risultati trovati da Gori et al. (2012) e da Cevoli et al. (2013a) hanno indicato una discriminazione del 100% in relazione all’origine dei campioni grattugiati di Parmigiano Reggiano quando applicata l’LDA (Gori et al. 2012) e una corretta classificazione >93.2% utilizzando l’ANN (Cevoli et al. 2013a), dimostrando che FTIR-ATR ha una buona capacità predittiva ed è adatta alla classificazione e alla discriminazione di formaggi prodotti in località diverse. L’origine geografica dei formaggi Emmental è stata identificata dal MIR in base alla stagionalità negli studi di Pillonel et al. (2003), di Karoui et al. (2004a), di Karoui et al. (2004b) e di Karoui et al. (2005b), mentre Picque et al. (2002) hanno differenziato questi formaggi in base all’origine del latte utilizzato durante la produzione, applicando le analisi multivariate PCA, CCSWA e ALD e, per tutti gli studi citati, l’applicazione della LDA unitamente al MIR ha fornito la corretta classificazione dei formaggi, con una variabilità tra il 76.7% e il 100%. L’utilizzo della PLSR per stimare i parametri genetici, i processi di produzione e la composizione chimica del latte utilizzato, rispettivamente negli studi di Sanchez et al. (2018) e di Jabri et al. (2019), ha dato risultati migliori (R2 = 0.66–0.89) rispetto a quelli ottenuti da Bergamaschi et al. (2020) che hanno utilizzato la LDA per discriminare la produzione di formaggi, in quanto hanno ottenuto una corretta classificazione del 73.5% in fase di validazione. L’indagine sulle adulterazioni nel formaggio tramite MIR si è dimostrata efficace, soprattutto se associata alla chemometria. La FTIR-ATR si è rivelata utile per identificare diverse fonti di grasso aggiunte al formaggio. Secondo gli studi presentati nella tabella 3, Cuibus et al. (2014) e Leite et al. (2019) hanno ritrovato, rispettivamente, come grasso l’olio di palma e l’olio di soia nel formaggio Dalia e nel formaggio Butter. Cuibus et al. (2014) hanno utilizzato un modello di regressione PLS per il rilevamento di piccole percentuali di olio di palma e hanno ottenuto risultati soddisfacenti con R2 = 0.9695, dimostrando una buona qualità nell’adeguamento del modello. Nel lavoro di Leite et al. (2019), i livelli di adulterazione con olio di soia riflettevano l’andamento degli spettri, nei quali le bande dei lipidi (1743 cm -1, 2852 cm -1, 2922 cm -1 e 3007 cm -1) relative a –C = C–H degli acidi grassi insaturi apparivano più intense nei formaggi adulterati, con R2 = 0.997–0.998 e bassi valori di RMSE (1.780–1.397, calibrazione e validazione, rispettivamente), indicando un buon aggiustamento del modello di regressione. Oltre all’applicazione diretta nei formaggi, il MIR è stato applicato anche per controllare le adulterazioni nel latte, riuscendo ad individuare la presenza di miscele di latte proveniente da specie diverse (Silva et al. 2020); la presenza di acqua o di siero di latte per aumentare il volume del latte, unitamente all’aggiunta di ricostituenti di densità (amido, saccarosio e urea); e i composti utilizzati per mascherare l’acidità (idrossido di sodio e bicarbonato di sodio), per conservare il latte (perossido di idrogeno) e per simulare l’aumento del contenuto proteico (urea) (Conceição et al. 2019). Silva et al. (2020) hanno utilizzato l’ANN per individuare le miscele di latte proveniente da specie diverse ed hanno ottenuto un RMSE = 0.23 e R > 95.5%, mentre Conceição et al. (2019) hanno ottenuto, nella stima di tutti gli adulteranti, un tasso di classificazione >76.6%; ciò indica che l’uso del MIR si è rivelato efficace per lo screening delle sofisticazioni del latte. È stato effettuato il monitoraggio del tempo di maturazione del formaggio con il MIR, principalmente associato a PLSR (Karoui et al. 2006; Kraggerud et al. 2014; Jesus et al. 2020) (Tabella 3). Karou et al. (2006) hanno quantificato e previsto il contenuto di azoto idrosolubile (WSN) nel formaggio Emmental, con R2 = 0,80. Risultati simili sono stati trovati anche da Fagan et al. (2007) durante la valutazione dei formaggi Cheddar ed hanno ottenuto un R2 = 0,88 nella stima di WSN e un R2 = 0,62 nell’identificazione del tempo di maturazione del formaggio, con maggiore enfasi sulle regioni 930–1767 cm-1 e 2839–4000 cm-1. Il MIR (FTIR-ATR) si è dimostrato efficace anche nell’individuare falsificazioni durante la stagionatura dei formaggi Minas Artesanal (Jesus et al. 2020). Nel valutare le frazioni di crosta e di parte interna dei formaggi, gli autori hanno ottenuto un modello migliore per la parte interna, con R2 = 0.92, RMSEV = 5.3 giorni e RPD = 3.79, con le variabili più importanti che erano: le bande 1628–1564 cm-1 associate alle ammidi I e alle ammidi II, 1374–1311 cm-1 e 1184–1135 cm-1 relative a C-O, C-C e C-H in riferimento a esteri e lipidi, a conferma che si verificano dei loro cambiamenti durante la maturazione. In questo modo è stato possibile determinare il tempo di maturazione del formaggio, sottolineando come questa sia una tecnica sicura per verificare la genuinità del formaggio Minas Artisanal. Buone correlazioni sono state ottenute con l’applicazione di MIR per predire la maturazione dei formaggi Camembert, valutando le frazioni di azoto solubile e insolubile (R2 = 0,96–0,97 e R2 = 0,73–0,84 rispettivamente per calibrazione e validazione) (Martín-del- Campo ed altri 2007a; 2007b). Le fasi di maturazione dei formaggi Pecorino sono state classificate anche da Lerma-García et al. (2010a) applicando la LDA sui dati spettrali del FTIR-ATR, e i modelli ottenuti sono stati in grado di discriminare i formaggi in 3 differenti stadi di maturazione con un tasso di classificazione >95% (Tabella 3). Come discusso da Silva et al. (2021) e da Pasquini (2018), il MIR ha una maggiore sensibilità e un limite di rilevabilità più elevato rispetto al NIR, viene così maggiormente applicato all’analisi dei micronutrienti del formaggio, come i peptidi e gli acidi grassi risultanti dal processo di maturazione, mentre il NIR viene applicato maggiormente per l’analisi, la determinazione e la quantificazione di macronutrienti o macroproprietà (es. contenuto di grassi, proteine e acqua). Questo perché le bande di assorbimento sono combinazioni di vibrazioni fondamentali e per questo motivo il loro assorbimento molare è basso e i limiti di rilevabilità sono ridotti e quindi hanno una bassa sensibilità. Metodi qualitativi come HCA e PCA associati a MIR sono stati applicati anche da Andrade et al. (2018) per i formaggi Pecorino e Gouda, nei quali è stata osservata una differenza tra gli spettri in funzione dell’aumento del tempo di stagionatura dei formaggi. Inoltre, queste differenze sono state evidenziate con la formazione di gruppi e cluster per tipologia di formaggio e di classi di stagionatura quando è stata applicata l’analisi multivariata. Le regioni delle ammidi I e II (da 1500 a 1700 cm-1) e dei lipidi e carboidrati (da 3000 a 2800 cm-1 e da 1765 a 1730 cm-1) erano importanti per questa separazione. Gli studi presentati confermano che la spettroscopia MIR e la spettroscopia NIR sono metodi adeguati per verificare l’autenticità di formaggi con notevole applicabilità, poiché non solo consentono la discriminazione di campioni autentici da quelli non autentici, ma anche la stima di importanti componenti chimiche, soprattutto se combinati con strumenti chemometrici. Entrambe le tecniche sono state ampiamente prese in considerazione per l’applicazione nell’industria alimentare grazie all’elevata stabilità degli spettri e alla versatilità nell’applicazione, sia in analisi qualitative che quantitative, dimostrando il loro progresso e il continuo sviluppo (Esteki et al. 2018).

Conclusioni

La sicurezza alimentare e il consumo di prodotti con caratteristiche autentiche e/o regionali sono al centro dell’attenzione delle autorità di regolamentazione e anche dei consumatori. L’autenticità dei formaggi richiede un monitoraggio approfondito e lo sviluppo di metodi analitici efficienti, per garantire la sicurezza e la soddisfazione dei consumatori. In questa review è stato condotto uno studio sull’applicazione delle tecniche di spettroscopia infrarossa per l’autenticazione del formaggio in un modo specifico. Negli ultimi decenni le tecniche del medio e del vicino infrarosso si sono dimostrate come degli strumenti idonei per la verifica della genuinità dei formaggi. Sebbene sia richiesto un costo iniziale per l’acquisizione delle apparecchiature, ci sono diversi vantaggi in relazione alla loro applicazione, come la robustezza dei metodi, la capacità di rivelare preziose informazioni sulle caratteristiche qualitative e quantitative del prodotto utilizzando un’impronta digitale, il basso costo operativo, la rapidità di applicazione e anche la tendenza nell’impiego di strumenti a infrarossi portatili. L’associazione della spettroscopia con i metodi chemometrici rende ancora più promettente la possibilità di introdurre queste tecniche nei laboratori e nelle industrie di riferimento per lo screening dell’autenticità. La ricerca condotta negli ultimi anni ha indicato che il MIR (FTIR-ATR) ha dimostrato un’ampia applicabilità nell’identificazione dell’origine del formaggio, mentre il NIR (riflettanza) era maggiormente idoneo negli studi sulla stagionatura del formaggio, con PCA, PLS e analisi discriminante come le tecniche più applicate. Sono necessari studi più specifici che utilizzino il formaggio e gli estratti dei suoi composti e anche studi maggiormente comparativi tra i vari metodi spettroscopici per la classificazione, la discriminazione e la stima, al fine di ottimizzare le performance di entrambe le tecniche e migliorarne l’utilizzo durante il controllo accurato del prodotto.

Ringraziamenti

Gli autori desiderano ringraziare il “Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)” e “Universidade Estadual do Sudoeste da Bahia (UESB)” per aver fornito borse di studio.

Contributi d’autore

Larissa KR Silva: Concettualizzazione; Cura dei dati; Indagine; Direzione del progetto; Scrittura – bozza originale; Scrittura: review e editing. Leandro S Santos: Concettualizzazione; Supervisione; Scrittura: review e editing. Sibelli P B Ferrão: Concettualizzazione; Supervisione; Scrittura: review e editing.

Informativa sulla disponibilità dei dati  

I dati della ricerca non sono condivisi.

Riferimenti

Abbas O, Zadravec M, Baeten V, Mikuš T, Lešić T, Vulić A, Prpić J, Jemeršić L and Pleadin J (2018) Analytical methods used for the authentication of food of animal origin. Food Chemistry 246 6–17.

Alewijn M, Wehrens R, Saskia M and Ruth V (2018) Robust detection methodology of milk heat treatment in cheese based on volatile profile fingerprinting. International Dairy Journal 85 211–218.

Alinovi M, Mucchetti G and Tidona F (2019) Application of NIR spectroscopy and image analysis for the characterisation of grated Parmigiano-Reggiano cheese. International Dairy Journal 92 50–58.

Andrade J, Pereira C G, Ranquine T, Azarias C A, Bell M J V and AnjosV C (2018) Long-term ripening evaluation of Ewes’ cheeses by Fourier-transformed infrared spectroscopy under real industrial conditions. Journal of Spectroscopy 2018 1–9.

Andrade J, Pereira C G, Almeida Junior J C, Viana C C R, Neves L N O, Silva P H F, Bell M J V and Anjos V C (2019) FTIR-ATR determination of protein content to evaluate whey protein concentrate adulteration. LWT-Food Science and Technology 99 166–172.

Andueza D, Agabriel C, Constant I, Lucas A and Martin B (2013) Using visible or near infrared spectroscopy (NIRS) on cheese to authenticate cow feeding regimes. Food Chemistry 14 209–214.

Barnes R J, Dhanoa M S and Lister S J (1989) Standard normal variate transformation and de-trending of near-infrared diffuse reflectance spectra. Applied Spectroscopy 43 772–777.

Bergamaschi M, Cipolat-Gotet C, Cecchinato A, Schiavon S and Bittante G (2020) Chemometric authentication of farming systems of origin of food (milk and ripened cheese) using infrared spectra, fatty acid profiles, flavor fingerprints, and sensory descriptions. Food Chemistry 305 125480.

Bittante G, Patel N, Cecchinato A and Berzaghi P (2022) Invited review: A comprehensive review of visible and near-infrared spectroscopy for predicting the chemical composition of cheese. Journal of Dairy Science 105 1817–1836.

Bonfatti V, Tiezzi F, Miglior F and Carnier P (2017) Comparison of Bayesian regression models and partial least squares regression for the development of infrared prediction equations. Journal of Dairy Science 100 7306–7319.

Botelho B G, Mendes B A P and Sena M M (2013) Development and analytical validation of robust near-infrared multivariate calibration models for the quality inspection control of Mozzarella cheese. Food Analytical Methods 6 881–891.

Botelho B G, Reis N, Oliveira L S and Sena M M (2015) Development and analytical validation of a screening method for simultaneous detection of five adulterants in raw milk using mid-infrared spectroscopy and PLS-DA. Food Chemistry 181 31–37.

Brasil (2017) Ministério da Agricultura, Pecuária e Abastecimento. Regulamento de Inspeção Industrial e Sanitária de Produtos de Origem Animal (RIISPOA). Diário Oficial da União. [Internet document] URL https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2017/decreto/d9013.htm.

Cattaneo T M P and Barzaghi S (2009) Outer product analysis applied to near infrared and mid infrared spectra to study a Spanish protected denomination of origin cheese. Journal of Near Infrared Spectroscopy 17 135–140.

Cattaneo T M P, Giardina C, Sinelli N, Riva M and Giangiacomo R (2005) Application of FT-NIR and FT-IR spectroscopy to study the shelf-life of Crescenza cheese. International Dairy Journal 15 693–700.

Castanea T M P, Tornelli C, Erini S and Panarelli E V (2008) Relationship between sensory scores and near infrared absorptions in characterizing bitto, an Italian protected denomination of origin cheese. Journal of Near Infrared Spectroscopy 16 173–178.

Cevoli C, Fabbri A, Gori A, Caboni M F and Guarnieri A (2013b) Screening of grated cheese authenticity by nir spectroscopy. Journal of Agricultural Engineering XLIV 264–267.

Cevoli C, Gori A, Nocetti M, Cuibus L, Caboni M F and Fabbri A (2013a) FT-NIR and FT-MIR spectroscopy to discriminate competitors, non-compliance and compliance grated Parmigiano Reggiano cheese. Food Research International 52 214–220.

Codex Alimentarius (2018) General standard for cheese: Codex Stan 283–1978. Codex Alimentarius Commission, joint FAO/WHO food standards program. [Internet document] URL http://www.fao.org/faowho351.

Conceição D G, Gonçalves B R F, Hora F F, Faleiro A S, Santos L S and Ferrão S P B (2019) Use of FTIR-ATR Spectroscopy combined with multivariate analysis as a screening tool to identify adulterants in raw milk. Journal of Brazilian Chemical Society 30 780–785.

Coroian A, Trif M, Coroian C O, Mireşan V, Răducu C and Dărăban S (2012) Qualitative evaluation of buffalo cheese using FTIR spectroscopy. International Journal of the Bioflux Society 4 66–70.

Cozzi G, Ferlito J, Pasini G, Contiero B and Gottardo F (2009) Application of near-infrared spectroscopy as an alternative to chemical and color analysis to discriminate the production chains of Asiago d’Allevo cheese. Journal of Agricultural and Food Chemistry 57 11449– 11454.

Cuibus L, Maggio R, Mureșan V, Diaconeasa Z, Fetea F and Socaciu C (2014) Preliminary discrimination of cheese adulteration by FT-IR spectroscopy. Food Science and Technology 71 142–146.

Curr_o S, Manuelian C L, Penasa M, Cassandro M and De Marchi M (2017) Feasibility of near infrared transmittance spectroscopy to predict cheese ripeness. Journal of Dairy Science 100 8759–8763.

Danezis G P, Pappas A C, Tsiplakou E, Pappa E C, Zacharioudaki M, Tsagkaris A S, Papachristidis C A, Sotirakoglou K, Zervas G and Georgiou C A (2020) Authentication of Greek Protected Designation of Origin cheeses through elemental metabolomics. International Dairy Journal 104 104599.

Dias C and Mendes L (2018) Protected Designation of Origin (PDO), Protected Geographical Indication (PGI) and Traditional Speciality Guaranteed (TSG): a bibiliometric analysis. Food Research International 103 492–508.

Esteki M, Shahsavaria Z and Simal-Gandara J (2018) Use of spectroscopic methods in combination with linear discriminant analysis for authentication of food products. Food Control 91 100–112.

EU (2002) Commission Regulation (EC) N° 178/2002 of the European Parliament and of the Council of 28, 450, January 2002. Official Journal of the European Union. [Internet document] URL http://www.legislation.gov.uk/eur/2002/178/contents.

EU (2011) Commission Regulation (EC) N° 1129/2011. Official Journal of European Union. [Internet document] URL https://eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri=OJ:L:2011:295:0001:0177:EN:PDF

Fagan C C, O’Donnell C P, O’Callaghan D J, Downey G, Sheehan E M, Delahunty C M and Howard V (2007) Application of mid-infrared spectroscopy to the prediction of maturity and sensory texture attributes of cheddar cheese. Journal of Food Science 72 E130–E137.

FAO (2019) Food Agriculture Organization of the United Nations. Gateway to dairy production and products. [Internet document] URL http://www.fao.org/dairy-production-products/products/codexalimentarius/en/.

FDA (2018) Food Additive Status List. Code of Federal Regulations (CFR). Silver Spring, MD: Food and Drug Administration. URL https://www.fda.gov/Food/IngredientsPackagingLabeling/FoodAdditivesIngredients/ucm091048.htm.

Ferragina A, Campos G, Vazquez A I, Cecchinato A and Bittante G (2015) Bayesian regression models outperform partial least squares methods for predicting milk components and technological properties using infrared spectral data. Journal of Dairy Science 98 8133–8151.

Fontenele M A, Bastos M S R, Santos K M O, Bemquerer M P and Egito A S (2017) Peptide profile of Coalho cheese: a contribution for Protected Designation of Origin (PDO). Food Chemistry 219 382–390.

Gan H H, Yan B, Linforth R S T and Fisk I D (2016) Development and validation of an APCI-MS/GC–MS approach for the classification and prediction of Cheddar cheese maturity. Food Chemistry 190 442–447.

Genis D O, Bilge G, Sezer B, Durna S and Boyaci I H (2019) Identification of cow, buffalo, goat and ewe milk species in fermented dairy products using synchronous fluorescence spectroscopy. Food Chemistry 284 60–66.

Gonçalves B R F, Silva G J, Pontes S F O, Fontan R C I, Egito A S and Ferrão S P B (2016) Evaluation of the peptide profile with a view to authenticating buffalo mozzarella cheese. International Journal of Food Science and Technology 51 1586–1593.

Gonçalves B R F, Silva G J, Jesus J C, Conceição D G, Santos L S and Ferrão S P B (2020) Fast verification of Buffalo’s milk authenticity by mid-infrared spectroscopy, analytical measurements and multivariate calibration. Journal Brazilian Chemical Society 31 1453–1460.

González-Martín I, Hernández-Hierro J M, Morón-Sancho R, Salvador- Esteban J, Vivar-Quintana A and Revilla I (2007) Determination of the percentage of milk (cow’s, ewe’s and goat’s) in cheeses with different ripening times using near infrared spectroscopy technology and a remote reflectance fibre-optic probe. Analytica Chimica Acta 604 191–196.

González-Martín I, Hernández-Hierro J M, Vivar-Quintana A, Revilla I and González-Pérez C (2009) The application of near infrared spectroscopy technology and a remote reflectance fibre-optic probe for the determination of peptides in cheeses (cow’s, ewe’s and goat’s) with different ripening times. Food Chemistry 114 1564–1569.

González-Martín I, Hernández-Hierro J M, Salvador-Esteban J, González-Pérez C, Revilla I and Vivar-Quintana A (2011b) Discrimination of seasonality in cheeses by near-infrared technology. Journal of the Science of Food and Agriculture 91 1064–1069.

González-Martín I, Hernández-Hierro J M, Revilla I, Vivar-Quintana A and Ortega I A L (2011c) The mineral composition (Ca, P, Mg, K, Na) in cheeses (cow’s, ewe’s and goat’s) with different ripening times using near infrared spectroscopy with a fibre-optic probe. Food Chemistry 127 147–152.

González-Martín I, Hernández-Hierro J M, González-Pérez C, Revilla I, Vivar-Quintana A and Ortega I L (2014) Potential of near infrared spectroscopy for the analysis of volatile components in cheeses. LWT – Food Science and Technology 55 666–673.

González-Martín M I, Hernández-Hierro J M, Revilla I, Vivar-Quintana A, González-Pérez C, García L G and Ortega I A L (2011a) Differentiation of organic and non-organic ewe’s cheeses using main mineral composition or near infrared spectroscopy coupled to chemometric tools: A comparative study. Talanta 85 1915–1919.

González-Martín M I, Palacios V V, Revilla I, Vivar-Quintana A M and Hernández-Hierro J M (2017) Discrimination between cheeses made from cow’s, ewe’s and goat’s milk from unsaturated fatty acids and use of the canonical biplot method. Journal of Food Composition and Analysis 56 34–40.

Gori A, Maggio R M, Cerretani L, Nocetti M and Caboni M F (2012) Discrimination of grated cheeses by Fourier transform infrared spectroscopy coupled with chemometric techniques. International Dairy Journal 23 115–120.

Guerra E, Gori A, Cevoli C, Losi G and Caboni M F (2014) Lipid fraction of creams collected in the Parmigiano-Reggiano cheese production area in response to extruded linseed supplementation of dairy cows’ diets: GC-FID and FT-MIR evaluation. International Journal of Dairy Technology 67 510–520.

Guerreiro J S, Barros M, Fernandes P, Pires P and Bardsley B (2013) Principal component analysis of proteolytic profiles as markers of authenticity of PDO cheeses. Food Chemistry 136 1526–1532.

Holroyd S E (2013) The use of near infrared spectroscopy on milk and milk products. Journal of Near Infrared Spectroscopy 21 311–322.

Jabri M, Sanchez M -P, Trossat P et al. (2019) Comparison of Bayesian and partial least squares regression methods for mid-infrared prediction of cheese-making properties in Montbéliarde cows. Journal of Dairy Science 102 6943–6958.

Jabri M, Trossat P, Wolf V et al. (2020) Mid-infrared spectrometry prediction of the cheese-making properties of raw Montbéliarde milks from herds and cheese dairy vats used for the production of Protected Designation of Origin and Protected Geographical Indication cheeses in Franche-Comté. Journal of Dairy Science 103 5992–6002.

Jesus J C, Silva G J, Gonçalves B R F, Souza M R, Santos L S and Ferrão S P B (2020) Quick identification of the time of maturation of artisanal Minas cheese by FTIR-ATR spectroscopy and multivariate techniques. Journal Brazilian Chemical Society 31 2001–2011.

Kamal M and Karoui R (2015) Analytical methods coupled with chemometric tools for determining the authenticity and detecting the adulteration of dairy products: A review. Trends in Food Science & Technology 46 27–48.

Karoui R (2017) Methodologies for the characterization of the quality of dairy products. In Advances in Food & Nutrition Research, pp. 2–345. Toldrá F, ed. Valencia, Spain: E-Publishing Inc.

Karoui R, Bosset J O, Mazerolles G, Kulmyrzaev A and Dufour _E (2005a) Monitoring the geographic origin of both experimental French Jura hard cheeses and Swiss Gruyère and L’Etivaz PDO cheeses using mid-infrared and fluorescence spectroscopies: A preliminary investigation. International Dairy Journal 15 275–286.

Karoui R, Dufour E, Pillonel L, Picque D, Cattenoz T and Bosset J O (2004a) Fluorescence and infrared spectroscopies: A tool for the determination of the geographic origin of Emmental cheeses manufactured during summer. Le Lait 84 359–374.

Karoui R, Dufour E, Pillonel L, Picque D, Cattenoz T and Bosset J O (2004b) Determining the geographic origin of Emmental cheeses produced during winter and summer using a technique based on the concatenation of MIR and fluorescence spectroscopic data. European Food Research and Technology 219 184–189.

Karoui R, Dufour E, Pillonel L, Schaller E, Picque D, Cattenoz T and Bosset J (2005b) The potential of combined infrared and fluorescence spectroscopies as a method of determination of the geographic origin of Emmental cheeses. International Dairy Journal 15 287–298.

Karoui R, Mazerolles G, Bosset J, Baerdemaeker J and Dufourd E (2007) Utilisation of mid-infrared spectroscopy for determination of the geographic origin of Gruyère PDO and L’Etivaz PDO Swiss cheeses. Food Chemistry 105 847–854.

Karoui R, Mouazen A M, Ramon H, Schoonheydt R and Baerdemaeker J D (2006) Feasibility study of discriminating the manufacturing process and sampling zone in ripened soft cheeses using attenuated total reflectance MIR and fiber optic diffuse reflectance VIS–NIR spectroscopy. Food Research International 39 588–597.

Kennard R W and Stone L A (1969) Computer-aided design of experiments. Technometrics 11 137–148.

Koca N, Kocaoglu-Vurma N A, Harper W J and Rodriguez-Saona L E (2010) Application of temperature-controlled attenuated total reflectance-mid-infrared (ATR-MIR) spectroscopy for rapid estimation of butter adulteration. Food Chemistry 121 778–782.

Koca N, Rodriguez-Saona L E, Harper W J and Alvarez V B (2007) Application of Fourier transform infrared spectroscopy for monitoring short-chain free fatty acids in Swiss cheese. Journal of Dairy Science 90 3596–3603.

Kraggerud H, Næs T and Abrahamsen R K (2014) Prediction of sensory quality of cheese during ripening from chemical and spectroscopy measurements. International Dairy Journal 34 6–18.

Lei T and Sun D -W (2019) Developments of nondestructive techniques for evaluating quality attributes of cheeses: A review. Trends in Food Science & Technology 88 527–542.

Leite A I N, Pereira C G, Andrade A, Vicentinic N M and Bella M J V (2019) FTIR-ATR spectroscopy as a tool for the rapid detection of adulterations in butter cheeses. LWT – Food Science and Technology 109 63–69.

Leng T, Li F, Xiong L, Xiong Q, Zhu M and Chen Y (2020) Quantitative detection of binary and ternary adulteration of minced beef meat with pork and duck meat by NIR combined with chemometrics. Food Control 113 107203.

Lerma-Garc_ıa M J, Gori A, Cerretani L, Simó-Alfonso E F and Caboni M F (2010a) Classification of Pecorino cheeses produced in Italy according to their ripening time and manufacturing technique using Fourier transform infrared spectroscopy. Journal of Dairy Science 93 4490–4496.

Lerma-García M J, Ramis-Ramos G, Herrero-Martínez J M and Simo- Alfonso E F (2010b) Authentication of extra virgin olive oils by Fourier-transform infrared spectroscopy. Food Chemistry 118 78–83.

Lima A B S, Batista A S, Jesus J C, Silva J J, Araújo A C M and Santos L S (2020) Fast quantitative detection of black pepper and cumin adulterations by near infrared spectroscopy and multivariate modeling. Food Control 107 106802.

Lohumi S, Lee S, Lee H and Cho B -K (2015) A review of vibrational spectroscopic techniques for the detection of food authenticity and adulteration. Trends in Food Science & Technology 45 85–98.

Loudiyi M, Karoui R, Rutledge D N, Lavigne R, Montel M C and A€ıt- Kaddour A (2018) Contribution of fluorescence spectroscopy and independent components analysis to the evaluation of NaCl and KCl effects on molecular-structure and fat melting temperatures of Cantaltype cheese. International Dairy Journal 73 116–127.

Martens H, Jensen S A and Geladi P (1983) Multivariate linearity transformation for near-infrared reflectance spectrometry. In Proceedings of the Nordic Symposium on Applied Statistics, pp 235–268. Stokkand F, ed. Stavenger, Norway.

Martn-del-campo S T, Picque D, Cosío-Ramírez R and Corrieu G (2007a) Middle infrared spectroscopy characterization of ripening stages of Camembert-type cheeses. International Dairy Journal 17 835–845.

Martín-del-campo S T, Picque D, Cosío-Ramírez R and Corrieu G (2007b) Evaluation of chemical parameters in soft mold-ripened cheese during ripening by mid-infrared spectroscopy. Journal of Dairy Science 90 3018–3027.

McSweeney P L H, Ottogalli G and Fox P F (2004) Diversity of cheese varieties: An overview. In Cheese: Chemistry, Physics and Microbiology, pp 1–23. Fox P, McSweeney P, Cogan T and Guinee T, eds. New York: E-Publishing Inc.

Medina S, Perestrelo R, Silva P, Pereira J A M and Câmara J S (2019) Current trends and recent advances on food authenticity technologies and chemometric approaches. Trends in Food Science & Technology 85 163–176.

Milani M I, Rossini E L, Catelani T A, Pezza L, Toci A L and Pezza H R (2020) Authentication of roasted and ground coffee samples containing multiple adulterants using NMR and a chemometric approach. Food Control 112 107104.

Mlček J, Rop O, Dohnal V and Šustová K (2011) Application of near infrared spectroscopy to estimate selected free amino acids and soluble nitrogen during cheese ripening. Acta Veterinaria Brno 80 293–297.

Montgomery H, Haughey S A and Elliott C T (2020) Recent food safety and fraud issues within the dairy supply chain (2015–2019). Global Food Security 26 100447.

Oca M L, Ortiz M C, Sarabia L A, Gredilla A E and Delgado D (2012) Prediction of Zamorano cheese quality by near-infrared spectroscopy assessing false non-compliance and false compliance at minimum permitted limits stated by designation of origin regulations. Talanta 99 558–565.

Ottavian M, Facco P, Barolo M, Berzaghi P, Segato S, Novelli E and Balzan S (2012) Near-infrared spectroscopy to assist authentication and labeling of Asiago d’Allevo cheese. Journal of Food Engineering 113 289–298.

Pagthinathan M and Nafees M S M (2015) Biochemistry of cheese ripening. Agrieast-Journal of Agricultural Sciences 10 16–26.

Pasquini C (2018) Near infrared spectroscopy: A mature analytical technique with new perspectives – A review. Analytica Chimica Acta 1026 8–36.

Pax A P, Ong L, Vongsvivutc J, Tobinc M J, Kentisha S E and Gras S L (2019) The characterisation of Mozzarella cheese microstructure using high resolution synchrotron transmission and ATR-FTIR microspectroscopy. Food Chemistry 291 214–222.

Picque D, Cattenoz T and Corrieu G (2002) Discrimination of Emmental cheeses by infrared spectroscopy. Milk Science International – Milchwissenschaft 57 202–204.

Pillonel L, Dufour E, Schaller E, Bosset J O, De Baerdemaeker J and Karoui R (2007) Prediction of colour of European Emmental cheeses by using near infrared spectroscopy: a feasibility study. European Food Research and Technology 226 63–69.

Pillonel L, Luginbühl W, Picque D, Schaller E, Tabacchi R and Bosset J O (2003) Analytical methods for the determination of the geographic origin of Emmental cheese: Mid- and near-infrared spectroscopy. European Food Research and Technology 216 174–178.

Revilla I, González-Martín I, Hernández J M, Vivar-Quintana A, González-Pérez C and Lurueña-Martínez M A (2009) Texture evaluation in cheeses by NIRS technology employing a fibre-optic probe. Journal of Food Engineering 92 24–28.

Rodriguez-Saona L E, Koca N, Harper W J and Alvarez V B (2006) Rapid determination of Swiss cheese composition by Fourier transform infrared/attenuated total reflectance spectroscopy. Journal of Dairy Science 89 1407–1412.

Sanchez M P, El Jabri M, Minéry S, Wolf V, Beuvier E, Laithier C, Delacroix-Buchet A, Brochard M and Boichard D (2018) Genetic parameters for cheese-making properties and milk composition predicted from mid-infrared spectra in a large data set of Montbéliarde cows. Journal of Dairy Science 101 10048–10061.

Sara S, Davide P, Domenico V, Lucio C and Patrizia P (2018) Determining the authenticity of pdo buffalo mozzarella: an approach based on Fourier Transform Infrared (MIR- FTIR) spectroscopy and on chemometric tools. International Journal of Latest Research in Science and Technology 7 1–6.

Savitzky A and Golay M J E (1964) Smoothing and differentiation of data by simplified least-squares procedures. Analytical Chemistry 36 1627–1639.

Silva L K R, Gonçalves B R F, Hora F F, Santos L S and Ferrão S P B (2020) Spectroscopy Method (FTIR-ATR) and chemometric tools to detect cow’s milk addition to buffalo’s milk. Revista Mexicana de Ingeniería Química 19 11–20.

Silva L K R, Jesus J C, Onelli R R V, Santos L S and Ferrão S P B (2021) Discriminating Coalho cheese by origin through near and middle infrared spectroscopy and analytical measures. International Journal of Dairy Technology 74 393–403.

Silva R A, Bezerra V S, Pimentel M C B, Porto A L F, Cavalcanti M T H and Filho J L L (2016) Proteomic and peptidomic profiling of Brazilian artisanal ‘Coalho’ cheese. Journal of the Science of Food and Agriculture 96 337–4344.

Soto-Barajas M C, González-Martín M I, Salvador-Esteban J, Hernández- Hierro J M, Moreno-Rodilla V, Vivar-Quintana A M and Curto-Diego B (2013) Prediction of the type of milk & degree of ripening in cheeses by means of artificial neural networks with data concerning fatty acids and near infrared spectroscopy. Talanta 116 50–55.

Stocco G, Cipolat-Gotet C, Ferragina A, Berzaghi A and Bittante G (2019) Accuracy and biases in predicting the chemical and physical traits of many types of cheeses using different visible and near infrared spectroscopic techniques and spectrum intervals. Journal of Dairy Science 102 9622–9638.

Subramanian A, Alvarez V B, Harper J and Rodriguez-Saona, L E (2011) Monitoring amino acids, organic acids, and ripening changes in Cheddar cheese using Fourier-transform infrared spectroscopy. International Dairy Journal 21 434–440.

USDA (2019) United States Department of Agriculture. Dairy Market News covers the supply, demand, and price situation every week on a regional, national, and international basis for milk, butter, cheese, and dry and fluid products. [Internet document] URL https://www.ams.usda.gov/market-news/dairy.

Vasquez N, Magan C, Oblitas J, Chuquizuta T, Avila-George H and Castro W (2018) Comparison between artificial neural network and partial least squares regression models for hardness modeling during the ripening process of Swiss-type cheese using spectral profiles. Journal of Food Engineering 219 8–15.

Visconti L G, Rodríguez M S and Anibal C V (2020) Determination of grated hard cheeses adulteration by near infrared spectroscopy (NIR) and multivariate analysis. International Dairy Journal 104 104647.

Wilkinson J, Cerdan C and Dorigon C (2017) Geographical indications and “origin” products in Brazil-the interplay of institutions and networks. World Development 98 82–92.

Wu D, Feng S and He Y (2008) Short-wave near-infrared spectroscopy of milk powder for brand identification and component analysis. Journal of Dairy Science 91 939–949.

Xu L, Shi Q, Wei D L L, Fu H -Y, She Y and Xie S (2020) Simultaneous detection of multiple frauds in kiwifruit juice by fusion of traditional and double-quantum-dots enhanced fluorescent spectroscopic techniques and chemometrics. Microchemical Journal 157 105105.

Ye M P, Zhou R, Shi Y R, Chen H C and Du Y (2017) Effects of heating on the secondary structure of proteins in milk powders using mid-infrared spectroscopy. Journal of Dairy Science 100 89–95.

Autori

LARISSA K R SILVA,1 LEANDRO S SANTOS2 e SIBELLI P B FERRÃO2*

1Center for Biological and Health Sciences, Federal University of Western Bahia, Campus Universitário, Barreiras, Bahia CEP 47810-047, e 2Program in Food Engineering and Science, State University of Bahia Southwest, Campus Universitário, Itapetinga, Bahia CEP 45700-000 Brasile

*Autore corrispondente. E-mail: sibpass@yahoo.com.br