Convegno olio e vino, marsala 2013
-
Upload
gruppo-sanfaustino -
Category
Business
-
view
111 -
download
0
Transcript of Convegno olio e vino, marsala 2013
Classificazione di vini rossi D.O.C. dell'Oltrepò Pavese mediante analisi
statistica multivariata OPLS-DA Daglia Maria1, Alessandra Leoni2, Sara Capitani2 Matteo Stocchero3
1 Dipartimento di Scienze del Farmaco, Università Degli Studi di Pavia 2 Riccalab, Riccagioia SCPA, Centro di Ricerca Formazione e Servizi della Vite e del Vino
3SIN-Soluzioni informatiche Srl - via G. Ferrari, 14 - 36100 Vicenza
“VINO E OLIO: LA RICERCA SCIENTIFICA PER LA VALORIZZAZIONE DEL TERRITORIO” Complesso Monumentale San Pietro - Comune di Marsala
21-22 Novembre 2013
“VINO E OLIO: LA RICERCA SCIENTIFICA PER LA VALORIZZAZIONE DEL TERRITORIO” Complesso Monumentale San Pietro - Comune di Marsala
21-22 Novembre 2013
Oltrepò Pavese corrisponde all’area meridionale della provincia di Pavia, al confine con il Piemonte e l’Emilia-Romagna.
Superficie complessiva: 100 mila ettari Seconda area del Paese per superficie dedicata al vino, con 16.200 ettari Vino prodotto 1 milione di ettolitri l’anno
I vitigni maggiormente coltivati sono: CROATINA (4000 ETTARI) ottimi vini vivaci ma incostanza produttiva BARBERA (2547 ETTARI) vitigno di medio vigore che si esprime con produzioni abbondanti e costanti Pinot nero (2717 ettari) Riesling (1500 ettari)
Bonarda Barbera Sangue di Giuda
Croatina: 85-100 % Barbera: max 15 %
Altre uve
Barbera: 85-100 % Altre: max 15 %
Altre uve
Barbera: 25-65 % Croatina: 25-65 % Fino al 45% di uva rara o pinot nero
Vini rossi D.O.C. dell’Oltrepò Pavese
“VINO E OLIO: LA RICERCA SCIENTIFICA PER LA VALORIZZAZIONE DEL TERRITORIO” Complesso Monumentale San Pietro - Comune di Marsala
21-22 Novembre 2013
LA COLORAZIONE DEL VINO DIPENDE
DA:
- QUANTITÀ ANTOCIANI
- pH
- STATO REDOX E SOSTITUENTI
- INTERAZIONE CON SO2
- COPIGMENTAZIONE
- COMPLESSAZIONE CON METALLI
Copigmentazione Glicosilazione>
Acilazione
I colori degli antociani sono la
risultante degli equilibri di
quattro strutture dipendenti dal
pH
- Catione flavilio
- Base chinone
- Pseudobase carbinolo
- Calconi
Incremento del blu 7/30%
Decremento del rosso: -3/8%
Incremento di H* e b* 50%
Complessazione con i metalli
VALORIZZAZIONE DEI VINI DELL’OLTREPÒ PAVESE, E IN PARTICOLARE DEL VINO
BONARDA DELL'OLTREPÒ PAVESE DOC
Scopo del lavoro
“VINO E OLIO: LA RICERCA SCIENTIFICA PER LA VALORIZZAZIONE DEL TERRITORIO” Complesso Monumentale San Pietro - Comune di Marsala
21-22 Novembre 2013
Scopo del lavoro
CLASSIFICARE I VINI BONARDA, BARBERA E
SANGUE DI GIUDA DOC SULLA BASE DI:
1) COLORE
2) ALTRI PARAMETRI CHIMICO-FISICI, ANALISI DI ROUTINE PREVISTE
DAL COMPENDIUM DELL’OIV,
3) PARAMETRI CHIMICI: Cu, Fe, Zn, Mn,
MEDIANTE L’APPLICAZIONE DELL’ANALISI STATISTICA MULTIVARIATA
STUDIO MEDIANTE HPLC-MS DELLE ANTOCIANINE E DEGLI ACIDI ORGANICI POLIFENOLICI E NON
PRESENTI IN BONARDA E BARBERA IN PUREZZA
Seconda fase del progetto in progress presso l’Università di Pavia…
Il laboratorio, accreditato alla norma UNI CEI EN ISO/IEC 17025:2005, è destinazione dei campioni di vino che Valoritalia, società leader nelle attività di Controllo effettuate su autorizzazione del MIPAAF sui vini DOC e IG, campiona e per i quali è necessario accertarne le conformità ai disciplinari D.O.C.
OPLS-DA - PCA effetti cooperativi fra le variabili misurate
- Score parallelo separa le classi
- Score ortogonale caratterizza all’interno
Modelli in grado di
attribuire la classe
corretta ad un nuovo
campione
Data set
Training set (2/3 dei campioni) Test set (1/3 dei campioni)
Sono stati analizzati 316
campioni di vino
VENDEMMIA 2012
di cui:
- 210 Bonarda dell’Oltrepò Pavese
- 78 Barbera dell’Oltrepò Paese
- 18 Sangue di Giuda dell’Oltrepò Pavese
- 8 Bonarda in purezza (100% Croatina)
- 2 Barbera in purezza (100% Barbera)
Risultati: Principal Component Analysis
PCA autoscaling
t [ 2 ]
-6
-4
-2
0
2
4
6
8
-10 -5 0 5 10 15 t[1]
R2X[1] = 0.35 R2X[2] = 0.09
Barbera Bonarda Sangue di Giuda
Score scatter plot: Sangue di Giuda possiede valori elevati dello score t[2] differenziandosi da Bonarda e Barbera
Risultati: Sangue di Giuda vs Bonarda + Barbera
Specificity
Se
nsitiv
ity
0.0
0.2
0.4
0.6
0.8
1.0
1.0 0.8 0.6 0.4 0.2 0.0
tp AUC (95%) = 1.00-1.00
Specificity
Se
nsitiv
ity
0.0
0.2
0.4
0.6
0.8
1.0
1.0 0.8 0.6 0.4 0.2 0.0
ID = 1 AUC (95%) = 1.00-1.00
Specificity
Se
nsitiv
ity
0.0
0.2
0.4
0.6
0.8
1.0
1.0 0.8 0.6 0.4 0.2 0.0
ID = 2 AUC (95%) = 0.98-1.00
Specificity
Se
nsitiv
ity
0.0
0.2
0.4
0.6
0.8
1.0
1.0 0.8 0.6 0.4 0.2 0.0
ID = 4 AUC (95%) = 0.79-1.00
name ID
TAV 1
Gluc e Frutt 2
MV 4
AUC ≥ 0,5
contributo delle variabili misurate nella costruzione della componente parallela del modello
Titolo Alcolometrico Volumico Somma glucosio+ fruttosio
Massa Volumica
l’area sotto la curva ROC è superiore a quella delle
singole variabili selezionate indicando che considerando l’effetto cooperativo di più
variabili la potenza discriminante è superiore.
Bonarda + Barbera
Sangue di Giuda
Risultati: Sangue di Giuda vs Bonarda + Barbera OPLS-DA
CALCULATION
pred sangue giuda pred other
sangue giuda 1.00 0.00
other 0.00 1.00
k = 1.00
PREDICTION
pred sangue giuda pred other
sangue giuda 1.00 0.00
other 0.00 1.00
k = 1.00
Il modello non commette errori né in classificazione né in predizione
Training set Test set
Specificity
Se
nsi
tivity
0.0
0.2
0.4
0.6
0.8
1.0
1.0 0.8 0.6 0.4 0.2 0.0
AUC (95%) = 0.50-0.69
Risultati: Bonarda vs Barbera Analisi Multivariata
name ID
Gluc e Frutt 2
MV 4
A.Tot 6
Sovrap. 9
CO2 10
WH 16
x 21
Cu 34
Specificity
Se
nsi
tivity
0.0
0.2
0.4
0.6
0.8
1.0
1.0 0.8 0.6 0.4 0.2 0.0
AUC (95%) = 0.72-0.86
Specificity
Se
nsi
tivity
0.0
0.2
0.4
0.6
0.8
1.0
1.0 0.8 0.6 0.4 0.2 0.0
AUC (95%) = 0.65-0.81
Specificity
Se
nsi
tivity
0.0
0.2
0.4
0.6
0.8
1.0
1.0 0.8 0.6 0.4 0.2 0.0
AUC (95%) = 0.75-0.88
tp
Specificity
Se
nsi
tivity
0.0
0.2
0.4
0.6
0.8
1.0
1.0 0.8 0.6 0.4 0.2 0.0
AUC (95%) = 0.51-0.70
ID = 34 ID = 2 ID = 4 ID = 6
l’area sotto la curva ROC è superiore a quella delle
singole variabili selezionate indicando che
considerando l’effetto cooperativo di più variabili la potenza
discriminante è superiore.
Risultati: Bonarda vs Barbera 3D
- 4 - 3 - 2 - 1 0 1 2 3 4
bonarda barbera
Mann-Whitney test p-value < 0.001
t-test p-value < 0.001
E’ possibile clusterizzare i dati derivanti da Bonarda e Barbera
Box plot variabile latente parallela
Bonarda e Barbera hanno baricentri diversi: nelle variabili misurate esiste l’informazione necessaria per distinguerli
Risultati: Bonarda vs Barbera OPLS-DA modello predittivo
CALCULATION
pred barbera pred bonarda
barbera 0.69 0.31
bonarda 0.26 0.74
PREDICTION
pred barbera pred bonarda
barbera 0.73 0.27
bonarda 0.20 0.80
k = 0.39
k = 0.49
Training set
Test set
Il modello riconosce correttamente: - 73 % dei Barbera - 80% dei Bonarda
Commette degli errori in predizione che ne influenzano
l’affidabilità
Risultati: Colore
R2 di Pearson tra parametri chimico fisici e CIELab
Bonarda commerciale vs Bonarda in purezza
S = C*/L*
Hue angle
S: t-test p-value = 0.04, Mann-Whitney test p-value < 0.001
Hue angle: t-test p-value = 0.008, Mann-Whitney test p-value < 0.001
Descrizioni indipendenti, non ridondanti
t-test e p-value parametri del colore
L, la luminanza, espressa in percentuale (0 per il nero e 100 per il bianco) a e b due gamme di colori che vanno rispettivamente dal verde al rosso e dal blu al giallo con dei valori da -120 a +120.
t o [ 1
]
-12
-10
-8
-6
-4
-2
0
2
4
6
-16 -14 -12 -10 -8 -6 -4 -2 0 2 4
tp
bonarda pura bonarda
STUDIO MEDIANTE HPLC-MS DELLE ANTOCIANINE E DEGLI ACIDI ORGANICI
POLIFENOLICI E NON PRESENTI IN BONARDA E BARBERA IN PUREZZA
Dall’analisi dei dati ottenuti durante lo studio dei 316 vini rossi D.O.C. dell’Oltrepò Pavese, risulta che l’approccio di
tipo multivariato basato sulla tecnica di OPLS-DA consente di elaborare modelli con i quali è possibile:
SULLA BASE DEI CARATTERI FISICI LEGATI AL COLORE, QUALI H ED S RAPPRESENTATIVI DELLA
SATURAZIONE DEL COLORE (S = C*/L*), E DELL’ANGOLO DELLA TRAMA DEL COLORE (HUE)
CHE PERMETTE IL RICONOSCIMENTO, SENZA ALCUN ERRORE, DELL’APPARTENENZA AL RELATIVO
CLUSTER DI CAMPIONI INCOGNITI. IN QUESTO CASO LE VARIABILI DISCRIMINANTI SONO RISULTATE
ESSERE IL TITOLO ALCOLOMETRICO VOLUMICO, GLI ZUCCHERI TOTALI E LA MASSA VOLUMICA
. QUESTO MODELLO HA CONSENTITO DI DIMOSTRARE CHE BONARDA E BARBERA HANNO
BARICENTRI DIVERSI E CHE, NELLA CLASSIFICAZIONE, LA COMBINAZIONE DELLE VARIABILI
(GLUCOSIO E FRUTTOSIO, TITOLO ALCOLOMETRICO VOLUMICO, ACIDITÀ TOTALE, CU) RAFFORZA IL
POTERE DISCRIMINANTE RISPETTO ALLE STESSE PRESE SINGOLARMENTE
PER CONCLUDERE…. L’approccio di tipo multivariato basato sulla tecnica di OPLS-DA ha consentito di elaborare
modelli con i quali è possibile:
COSTRUIRE UN MODELLO PREDITTIVO IN GRADO DI DISCRIMINARE I CAMPIONI DI
SANGUE DI GIUDA BONARDA + BARBERA
COSTRUIRE UN MODELLO PREDITTIVO PER LA CLASSIFICAZIONE DI
BONARDA BARBERA IN GRADO DI PREDIRE LA CLASSE DEL VINO
CON UNA BUONA SPECIFICITÀ IDENTIFICANDO CORRETTAMENTE CIRCA L’80% DEI CAMPIONI
DISCRIMINARE
BONARDA COMMERCIALE BONARDA IN PUREZZA
“VINO E OLIO: LA RICERCA SCIENTIFICA PER LA VALORIZZAZIONE DEL TERRITORIO” Complesso Monumentale San Pietro - Comune di Marsala
21-22 Novembre 2013
GRUPPO DI RICERCA: - Università di Pavia: Maria Daglia - Riccagioia S.C.P.A.: Dott. C. Alberto Panont - Dott. S. Diego Cioccarelli; Riccalab: Dott.ssa M. Alessandra Leoni; Sara Capitani
Grazie per l’attenzione
“VINO E OLIO: LA RICERCA SCIENTIFICA PER LA VALORIZZAZIONE DEL TERRITORIO” Complesso Monumentale San Pietro - Comune di Marsala
21-22 Novembre 2013