Sûreté alimentaire
Quelles innovations pour
la maîtrise des contaminants
et l'authentification des produits
agricoles et a...
Eric JAMIN
Manager Business Unit Authenticité
Eurofins Analytics France

Plénière 1
Nouvelles approches analytiques
pour la détection des fraudes :
présentation du projet
Agrifood GPS (Global Protection
Sys...
Outils analytiques de contrôle d’authenticité

 Analyses physico-chimiques de composition
 Identification et quantificat...
Comment anticiper les crises?
Les analyses
d’authenticité / sécurité
alimentaire aujourd’hui

Les analyses
d’authenticité ...
Partenaires :
Analyses – développement analytique





EUROFINS
PROFILOMIC – start-up ex CEA
GEPEA/Université de Nante...
Une nouvelle approche analytique
L’approche non-ciblée ou “Metabolomics”
100

100

90

10

80

40
30

0
0

20

20

10

100...
RMN 1H Haute Résolution

Méthode globale
Domaine d’observation: ppm à x% (adultération)
Points forts: Haut débit, reproduc...
Spectrométrie de Masse
Haute Résolution
UPLC/APGC-TOF

Méthode sensible, couverture chimique large
Domaine d’observation: ...
Application du profiling RMN à la matrice lait

Détection de marqueurs de l’ajout d’hydrolysat de protéine (« lait de cuir...
Application du profiling RMN
à la matrice Miel
Détection d’ajouts de sucres

Confirmation de l’origine botanique
Anomalies...
Application du profiling RMN
à la matrice café

Détection et quantification de Robusta dans Arabica
Utilisation de marqueu...
Perspectives:

 Extension des bases de données à d’autres matrices alimentaires
 Approfondissement statistique, fusion d...
w w w . r e n c o n t r e s ‐ q u a l i m e d i t e r r a n e e . f r
Prochain SlideShare
Chargement dans…5
×

Nouvelles approches analytiques pour la détection des fraudes

1 840 vues

Publié le

Eric JAMIN est le manager de l'Unité "Authenticité", chez Eurofins Analytics France. Il nous parle des nouvelles approches analytiques pour la détection des fraudes, et présente l'exemple du projet d'Eurofins "Agrifood GPS".

Publié dans : Technologie
0 commentaire
1 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
1 840
Sur SlideShare
0
Issues des intégrations
0
Intégrations
20
Actions
Partages
0
Téléchargements
41
Commentaires
0
J’aime
1
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Nouvelles approches analytiques pour la détection des fraudes

  1. 1. Sûreté alimentaire Quelles innovations pour la maîtrise des contaminants et l'authentification des produits agricoles et alimentaires ? > 13 & 14 novembre 2013 > Montpellier SupAgro INRA www.rencontres-qualimediterranee.fr
  2. 2. Eric JAMIN Manager Business Unit Authenticité Eurofins Analytics France Plénière 1
  3. 3. Nouvelles approches analytiques pour la détection des fraudes : présentation du projet Agrifood GPS (Global Protection System) Eric Jamin / Eurofins Analytics France
  4. 4. Outils analytiques de contrôle d’authenticité  Analyses physico-chimiques de composition  Identification et quantification de composants ciblés  Isotopes stables Origine des molécules  Biologie moléculaire Identification d’espèces ou de variétés  Méthodes de Profiling Empreinte spectrale de matrices entières 4
  5. 5. Comment anticiper les crises? Les analyses d’authenticité / sécurité alimentaire aujourd’hui Les analyses d’authenticité / sécurité alimentaire de demain Projet R&D 2012-2017 conduit par EUROFINS 5
  6. 6. Partenaires : Analyses – développement analytique     EUROFINS PROFILOMIC – start-up ex CEA GEPEA/Université de Nantes – La Roche s/Yon BRUKER Traitement et analyse des données  LIST - CEA Saclay  IAQA - AgroParisTech Partenaires industriels Le projet AGRIFOOD GPS est conduit par EUROFINS et financé à hauteur de 5 M€ par le programme ISI (Bpifrance) 6
  7. 7. Une nouvelle approche analytique L’approche non-ciblée ou “Metabolomics” 100 100 90 10 80 40 30 0 0 20 20 10 100 70 50 R elative A bundanc e 20 60 90 60 80 50 70 40 40 30 0 0 20 20 R elative A bundance 30 90 100 90 60 80 50 70 100 40 30 20 0 60 80 Tim e (m in) 100 120 140 100 70 60 50 40 40 40 60 80 Tim e (m in) 100 120 20 20 40 140 10 30 20 0 20 40 60 10 80 Tim e (m in) 100 120 140 80 50 50 20 100 60 40 10 120 80 Time (m in) 140 100 120 140 30 0 0 0 90 60 70 80 40 Tim e (min) 60 30 60 0 0 40 0 80 70 40 30 50 10 90 80 50 20 20 10 0 60 100 90 60 30 10 R la eA u d Re tiv A u d n e e tiv b n a cla e b n a c ne 100 70 40 R la eA u d n e e tiv b n a c 80 50 R elative A bundanc e R elative A bundanc e 90 60 R la eA u d n e e tiv b n a c 100 70 1. Chimie analytique 80 70 80 R la eA u d n e e tiv b n a c 90 20 20 0 40 20 60 80 40 Time (m in) 60 100 80 Time (m in) 120 100 140 120 140 10 0 0 0 20 40 60 80 Tim e (m in) 100 120 140 0 Référence 20 40 60 80 Time (m in) 100 120 140 Inconnus Variables (TR, m/z) Echantillons 2. Traitement des données 20 3. Chimiométrie t[2] 10 Reference 3 13 4 27 6 5 0 16 15 9 11 1 10 8 14 -10 -20 Inconnus 12 -20 -10 0 10 20 t[1] x 00 1 x2 0 x2 0 24 72 7.0 1 Mesurer des “effets”  biomarqueurs 4. Identification Relative Abundance 10 0 2 67 04.06 80 1 .07 76 20 2 .0 3 18 33 60 161 61 .0 2 20 0 60 03 7 77 85 35 .9 1 7.0 6 .42 60 7 1 61 98.89 133.0 4 66 40 8 0 100 69 11 82 126.9 7 13 21 14 65 .6 3 4.1 1 7.0 2 9.5 5 27 1 00 12 0 14 0 1 .19 79 33 2 .8 5 42 73 1 .39 91 28 16 84 5.7 2 1 60 m /z 220 23 .7 8 180 2 .947 14 6 20 0 25 8 7.433 229.14 46 2 20 2 40 26 0
  8. 8. RMN 1H Haute Résolution Méthode globale Domaine d’observation: ppm à x% (adultération) Points forts: Haut débit, reproductibilité __ Lab 1 __ Lab 2 8
  9. 9. Spectrométrie de Masse Haute Résolution UPLC/APGC-TOF Méthode sensible, couverture chimique large Domaine d’observation: traces (ppb, ppt) Points forts: information riche, identification par la masse exacte chromatogramme Spectre de masse 9
  10. 10. Application du profiling RMN à la matrice lait Détection de marqueurs de l’ajout d’hydrolysat de protéine (« lait de cuir ») Applicable à d’autres adultérants potentiels (ex. mélamine, dicyandiamide), de matière grasse exogène, de sucres, etc.
  11. 11. Application du profiling RMN à la matrice Miel Détection d’ajouts de sucres Confirmation de l’origine botanique Anomalies diverses (ex. chauffage excessif, fermentation) Zone des sucres mineurs: - En noir spectre moyen - En bleu/vert: spectres à ± 2 écarts-types - Spectre rouge: échantillon sucré
  12. 12. Application du profiling RMN à la matrice café Détection et quantification de Robusta dans Arabica Utilisation de marqueurs multiples Arabica Robusta Proportions Défauts Etc.
  13. 13. Perspectives:  Extension des bases de données à d’autres matrices alimentaires  Approfondissement statistique, fusion de données issues de techniques complémentaires  Développement d’outils de traitement automatisés Outils de screening non ciblé 21/11/2013 confidential www.eurofins.com
  14. 14. w w w . r e n c o n t r e s ‐ q u a l i m e d i t e r r a n e e . f r

×