لیست اختراعات با مالکیت احمد مانی ورنوسفادرانی
2 عدد


ثبت :
از
تا
اظهارنامه :
از
تا

بازنشانی
تعداد موارد یافت شده: 2
تاریخ ثبت: 1401/06/05
خلاصه اختراع:

زعفران به دليل ارزش اقتصادي بالا مستعد به تقلبات گسترده از جمله افزودن گياهان با خواص ظاهري و شيميايي مشابه است. روشي كه به طور مرسوم توسط استاندارد ملي ايران براي تشخيص تقلبات شبه‌زيستي در اين ادويه با ارزش استفاده مي‌شود، طيف‌بيني مرئي-فرابنفش است. اساس كار روش طيف‌بيني مرئي-فرابنفش اندازه‌گيري جذب حاصل از عصاره نمونه است. رنگ و ظاهر مشابه تقلبات شبه‌زيستي با زعفران خالص باعث جذب يكسان و عدم تشخيص در ناحيه مرئي-فرابنفش مي‌شود. از طرف ديگر ايجاد پيك‌هاي پهن توسط طيف‌بيني مرئي-فرابنفش باعث تداخل طيفي سافرانال (عامل آروما زعفران) و كروسين (عامل رنگ زعفران) مي‌گردد. از اين جهت كه طيف‌سنجي تحرك يون بر مبناي يونيزاسيون متابوليت‌هاي ثانويه (سافرانال، كروسين و پيكروكروسين) و تفكيك آن‌ها براساس اندازه، بار و جرم يون عمل مي‌كند، لذا اين تداخل طيفي ديده نمي‌شود. از طرف ديگر پهناي پيك‌ها كم بوده و تيز مي‌باشند. اين امر منجر به تفكيك و جداسازي بهتر متابوليت‌هاي اصلي و تعيين كننده كيفيت زعفران مي‌شود. علاوه‌براين روش‌هاي مرسوم در تشخيص تقلبات زعفران به دليل زمان‌بر بودن، هزينه بالا و همچنين نياز به كاربر ماهر داراي محدوديت كاربردي هستند كه روش طيف‌سنجي تحرك يون همانطور كه در بخش مزاياي اختراع ذكر شد فاقد اين محدوديت‌هاي كاربردي است.

تاریخ ثبت: 1402/01/19
خلاصه اختراع:

در اختراع حاضر كاربرد طيف‌سنج تحرك يوني براي بررسي تقلبات صورت گرفته در زعفران با رنگ‌دهنده‌هاي خوراكي مصنوعي شامل: تارترازين، سان‌ست‌يلو، پانسئا-4R و اريتروزين در نسبت‌هاي بين 0 تا 30 درصد وزني به وزني از اين رنگ‌دهنده‌هاي مصنوعي مورد مطالعه قرار گرفت. مدل‌هاي تجزيه مؤلفه‌هاي اصلي (PCA) و خوشه‌بندي سلسله مراتبي (HCA) الگوهاي گروه‌بندي بسيار خوبي را براي تفكيك زعفران خالص از تقلبات مربوط به آن ارائه دادند. اين مشاهده صورت گرفته منطقي و دقيق بود چرا كه در حدود 28%/92 (مؤلفه اول: 78%/74، مؤلفه دوم: 22%/13 و مؤلفه سوم: 28%/4) از واريانس‌هاي حاصل از داده‌هاي جمع‌آوري شده مربوط به نمونه خالص زعفران و 4 نوع رنگ‌دهنده مصنوعي را توصيف كرد. در حالت كلي، ادويه‌هاي دستكاري شده تحت تيمار با روش‌هاي مختلف تجزيه و تحليل چند متغيره قرار گرفتند، در اين راستا، يون‌هاي مشخص مختلفي به عنوان متابوليت‌هاي مهم با استفاده از شاخص تعيين متغيرهاي مهم در مدل‌سازي (1VIP >) به عنوان ويژگي‌هاي متمايزكننده براي ساخت مدل‌هاي رگرسيوني حداقل مربعات جزئي (PLSR) براي پيش‌بيني نسبت‌هاي مختلف از تقلبات افزوده شده استفاده شدند. نتايج خوبي براي پيش‌بيني نسبت‌هاي مختلف از تقلبات در زعفران دستكاري شده به دست آمد. در اين راستا، مقادير RMSE و R2 براي مخلوط‌هاي آزمون زعفران-رنگ‌دهنده‌هاي مصنوعي به ترتيب در دامنه بين %53/3-39/2 و 954/0-880/0 بود.

موارد یافت شده: 2