Recibido 18/09/2010, Aceptado 19/10/2010, Disponible online 22/12/2011

QUIMIOMETRIA APLICADA A LA DIFERENCIACION POR ORIGEN DE PRODUCTOS DE LAS ABEJAS Carlos Mario Zuluaga1, Consuelo Díaz Moreno1, Martha Cecilia Quizacán1 1

Instituto de Ciencia y Tecnología de Alimentos – ICTA. Universidad Nacional de Colombia. Bogotá D.C. – Colombia. Emails: [email protected], [email protected], [email protected]

RESUMEN La tipificación y diferenciación de los productos de la colmena (miel, polen y propóleos) por origen y calidad en Colombia es un proceso en fase inicial, impulsado por el crecimiento de la producción y el interés de la cadena productiva en fortalecer las condiciones de calidad y comercialización. Se ha diseñado y desarrollado un plan de trabajo en el que se realiza un muestreo en cuatro regiones de Colombia: Cundinamarca, Boyacá, Santander y Magdalena durante cuatro semestres. Esta investigación tiene como objetivo valorar características físicas y químicas (volátiles y no volátiles), nutricionales y funcionales de estos productos, para establecer el espectro de huella única, utilizando el perfil aromático de las muestras. En el desarrollo experimental se estandarizaron y validaron las técnicas y se evaluaron parámetros fisicoquímicos a 50 muestras de miel de Apis mellifera (pH, acidez, humedad, cenizas, carbohidratos, diastasa, hidroximetilfurfural, rotación específica, color, conductividad eléctrica y minerales (Na, K, Ca, Mg, Fe, Cu, Zn)), 49 muestras de miel de especies nativas, 40 muestras de polen (pH, acidez, humedad, cenizas, grasa, proteína y minerales (Na, K, Ca, Mg, Fe, Cu, Zn)) y 21 muestras de propóleo (capacidad antioxidante y el contenido de compuestos fenólicos totales). Como resultado se encontró que es posible discriminar por origen los productos apícolas de las regiones en estudio, soportado en Análisis de Componentes Principales (PCA), Análisis de Función Discriminante (DFA) y Análisis Clústers (HCA). Se identificó que los parámetros más importantes para clasificar estos productos son los minerales y las señales de los sensores electroquímicos de la nariz electrónica, estos últimos de gran importancia para el análisis estadístico multivariado demostrando que los compuestos volátiles y semi‐volátiles presentes en los productos apícolas contribuyen significativamente en la variación del flavor, que se relaciona a su vez con el origen botánico y geográfico de las muestras. PALABRAS CLAVE: calidad, diferenciación, origen, generación de valor, quimiometría.

ABSTRACT Characterization and differentiation of beehive products (honey, pollen and propolis) by origin and quality in Colombia is a starting up process, boosted by an increasing production and the interest of producers to strengthen the quality requirements and its Vol 20, No 24 (2011), Revista Alimentos Hoy - 23

commercialization. It was designed and developed a work plan which were performed a sampling involving four regions of Colombia: Cundinamarca, Boyacá, Santander and Magdalena during four semesters. This research aims to assess the physical, chemical (volatile and nonvolatile), nutritional and functional characteristics of these products, in order to establish a unique fingerprint spectrum, by using the aromatic profile of samples. On the experimental development, it were standardized and validated all used techniques and the physicochemical parameters of 50 samples of honey from Apis mellifera (pH, acidity, moisture, ash, carbohydrates, diastase, hydroxymethylfurfural, specific rotation, color, electrical conductivity and minerals (Na, K, Ca, Mg, Fe, Cu, Zn)), 49 samples of honey of native species, 40 samples of pollen (pH, acidity, moisture, ash, fat, protein and minerals (Na, K, Ca, Mg, Fe , Cu, Zn)) and 21 samples of propolis (antioxidant capacity and total phenolic content) were evaluated. As result it was found that it is possible to discriminate by origin the beehive products of regions under study, supported by Principal Component Analysis (PCA), Discriminant Function Analysis (DFA) and Cluster Analysis (HCA). It was identified that the most important parameters to classify these products are minerals and the signals obtained with the electrochemical sensor from the electronic nose. These latter are of great importance to the multivariate statistical analysis showing that the volatile and semi-volatile compounds present in beehive products contribute significantly to the variation of flavor, which in turn is related to the botanical and geographical origin of samples. KEY WORDS: quality, differentiation, origin, value generation, chemometrics.

INTRODUCCION En esta investigación se utilizan técnicas quimiométricas para caracterizar y diferenciar productos apícolas provenientes de cuatro regiones de Colombia, mediante el manejo estadístico de la huella digital obtenida con el perfil aromático utilizando nariz electrónica y su correlación con análisis fisicoquímicos. La quimiometría es una técnica que aplica herramientas matemáticas y estadísticas que permiten analizar matrices de datos que contienen muchas variables; su uso ha sido ampliamente difundido y hoy en día es un instrumento de gran importancia para garantizar la autenticidad de productos alimenticios y el control de calidad de productos y procesos. La cadena apícola nacional enfrenta una serie de retos originados por la falta de conocimiento de las

características fisicoquímicas, nutricionales y funcionales de los productos que esta agroindustria comercializa, lo que origina ausencia de criterios técnicos para evaluar la calidad de los productos y el control del aumento de la adulteración y falsificación de los productos. El presente trabajo realiza la catalogación por origen de miel, polen y propóleo como un aporte científico para el conocimiento de los productos de la colmena en Colombia y un soporte técnico para generar valor en procesos de comercialización. Las tendencias actuales de calidad y autenticidad se han enfocado principalmente hacia la protección de alimentos de acuerdo a su origen geográfico, mediante la creación de sellos de calidad, entre ellos la Denominación de Origen Protegida (DOP), lo que hace necesario identificar las cualidades que ligan un

Vol 20, No 24 (2011), Revista Alimentos Hoy - 24

producto a una región determinada, obtenidas mediante el desarrollo de técnicas quimiométricas para interpretar los resultados de un conjunto de análisis fisicoquímicos relacionados con las características propias del alimento. Diversos grupos científicos, con base en la diferenciación por origen geográfico de matrices alimentarias, han propuesto el uso de herramientas como la nariz electrónica, para evaluar los compuestos volátiles específicos en un origen geográfico. Este equipo permite el análisis del perfil aromático de alimentos mediante la disposición de un arreglo de sensores específicos que identifican diferentes grupos químicos funcionales y proporcionan una respuesta cuantitativa, la cual es analizada mediante técnicas estadísticas multivariadas. Con este antecedente, la Universidad Nacional de Colombia creó el programa de investigación Estrategias para Establecer la Denominación de Origen de Productos Apícolas en Colombia, financiado por el Ministerio de Agricultura y Desarrollo Rural, el cual busca mediante la caracterización fisicoquímica, microbiológica y botánica de miel, polen y propóleo de cuatro regiones del país: Cundinamarca, Boyacá, Santander y Magdalena y el establecimiento de las características de importancia que permitan la diferenciación por origen de estos productos. El desarrollo de este trabajo hace parte de la metodología para catalogar miel, polen y propóleo mediante el análisis y manejo de los datos de orden fisicoquímico. Los parámetros evaluados en la miel: perfil aromático, pH, acidez libre y lactónica, humedad, carbohidratos, cenizas, minerales, actividad diastasa,

hidroximetilfurfural, rotación específica, color, conductividad eléctrica; mientras que para polen: perfil aromático, pH, acidez, humedad, cenizas, grasa, proteína y minerales; para propóleos se determinó el perfil aromático de muestras provenientes de las cuatro regiones de estudio. De igual manera, se utilizó la nariz electrónica para clasificar muestras de miel de abejas nativas de las regiones de Santander y Magdalena. Los datos de análisis fisicoquímico y de perfil aromático fueron tratados mediante estadística descriptiva, análisis de varianza (ANOVA) y técnicas quimiométricas: Análisis de Componentes Principales (PCA), Análisis de Función Discriminante (DFA) y Análisis de Clústers (HCA). Estas técnicas han demostrado ser herramientas útiles para describir, analizar e interpretar datos, permitiendo la selección de indicadores que clasifiquen y diferencien por origen las matrices estudiadas. La catalogación de productos apícolas colombianos, permitirá generar en el país una nueva cultura, en la cual tanto consumidores como apicultores extiendan su nivel de conocimiento en calidad, manejo y atributos de interés de los productos de las abejas, a su verificación y certificación contribuyendo a mejorar la competitividad de la cadena mediante la generación de valor. MATERIALES Y MÉTODOS Recolección de muestras Para la clasificación y diferenciación por origen de productos apícolas, se establecieron como unidades experimentales las muestras recibidas de miel, polen y propóleo, recolectadas en cuatro departamentos. La Tabla 1,

Vol 20, No 24 (2011), Revista Alimentos Hoy - 25

describe las unidades de muestreo, por

origen y especie.

Tabla 1. Muestras analizadas por especie y origen Producto

Especie

Número de muestras por región Cundinamarca: 10 Boyacá: 10 Magdalena: 15 Santander: 15

Apis mellifera

Especies nativas Miel Mellipona

Magdalena: 6 Santander: 18

Trigona

Magdalena: 15 Santander: 10

Polen

Apis mellifera

Propóleo

Apis mellifera

Sabana de Bogotá (Une, La Calera, Bogotá, Bojacá, Sibaté, Funza): 10 Boyacá Centro-Oriente (Tutazá, San Mateo, Boavita, Paipa, Susacón): 10 Boyacá Occidente (Chiquinquirá, Guachetá): 10 Boyacá Sur (Viracachá, Turmequé, Umbita): 10

El procedimiento de muestreo de los productos lo realizaron los apicultores en las épocas de cosecha siguiendo recomendaciones sanitarias y de conservación para el manejo de las muestras, posteriormente cada asociación de productores acopio las muestras de cada región y organizadas de esta forma se recibieron y codificaron en el laboratorio para su posterior análisis. Metodologías de análisis Análisis del perfil aromático utilizando nariz electrónica Una nariz electrónica está formada por cuatro elementos principales: a) una técnica de extracción de aroma o sistema de flujo de aire el cual transporta los compuestos volátiles de las muestras, b) un arreglo de sensores químicos que transforman el aroma en señales eléctricas, c) un sistema de instrumentación y control que mida la señal de los diferentes sensores, d)

Cundinamarca: 10 Santander: 11

sistema de reconocimiento de patrones para identificar y clasificar el aroma de las muestras medidas (Lozano y otros 2008). Los sensores aunque no identifican los compuestos presentes en la matriz alimenticia, son capaces de identificar patrones aromáticos de acuerdo a la sensibilidad de cada uno de ellos; mientras un sensor identifica compuestos aromáticos con estructura de anillo, otros hacen lo mismo para compuestos azufrados y así sucesivamente. La respuesta obtenida del equipo es visible de los sensores a través del software del equipo, que es expresada cuantitativamente como un valor de conductividad, obteniéndose al final una matriz de datos de m columnas por n filas, donde las m columnas serán el número de sensores que posea la nariz y n el número de muestras. Los resultados, por ende, deberán ser analizados con técnicas de

Vol 20, No 24 (2011), Revista Alimentos Hoy - 26

análisis estadístico (Schaller y otros 1998).

multivariado

Para cada una de las muestras recolectadas se determinó el perfil aromático mediante el uso de una nariz

electrónica Airsense Analytics GmbH PEN3 (Schwerin, Alemania). Se realizaron los perfiles aromáticos de las muestras bajo las condiciones de operación mostradas en la Tabla 2.

Tabla 2. Condiciones de operación de la nariz electrónica para determinar el perfil aromático en productos apícolas

Producto

Miel Polen Propóleo

Peso de la muestra (g) 3 2 2

Tiempo de análisis (s) 150 220 180

Muestreo En este trabajo, de manera paralela a la determinación del perfil aromático, se realizaron análisis fisicoquímicos a las muestras de miel, polen y propóleo con el fin de encontrar la correlación entre estos parámetros. Parámetros fisicoquímicos analizados en muestras de miel Acidez libre y lactónica El método de análisis está basado en la neutralización de los ácidos presentes en la miel por titulación de acuerdo al AOAC 962.19 (A.O.A.C. 2005). 10 g de miel fueron disueltos con 75ml de agua libre de CO2 en un beaker de 250ml. El electrodo del pHmetro (Mettler Toledo T70, Suiza) fue sumergido en la solución, la cual fue agitada y titulada con NaOH 0.05 N a pH 8.5 (acidez libre). Entonces la adición es detenida; inmediatamente se agregan 10 ml de NaOH 0.05 N y sin espera se retrotitula con HCl 0.05 N a pH 8.3 (acidez lactónica). La acidez total resulta de sumar la acidez libre y lactónica. Los resultados son expresados en miliequivalentes/kg. pH El valor de pH fue obtenido potenciométricamente a 20 °C usando

Tiempo de estabilización del headspace (min) 20 15 15

Temperatura de estabilización (°C) 40 20 20

Flujo de gas a la cámara de sensores (mL/min) 60 200 60

un pHmetro (Mettler Toledo T70, Suiza) con la misma muestra de miel utilizada para realizar el análisis de acidez, justo antes de iniciar la titulación. Humedad El contenido de agua fue determinado por refractometría, midiendo el índice de refracción de acuerdo al AOAC 969.38B (A.O.A.C. 2005), usando un instrumento ABBE (Euromex, Holanda) a 20 °C. El contenido de agua es entonces obtenido de una tabla Chataway (Chataway 1932). El resultado es expresado en porcentaje. Cenizas Este método fue realizado de acuerdo al AOAC 920.181 (A.O.A.C. 2005). 5g de muestra es pesada; la cual es precalcinada hasta que deje de liberar humo. Entonces es puesta en una mufla y calcinada a 600 °C hasta peso constante. El resultado es expresado como porcentaje. Carbohidratos Esta metodología fue llevada a cabo siguiendo el AOAC 979.23 y 983.22 (A.O.A.C. 2005) por Cromatografía Líquida de Alto Rendimiento (HPLC) (JASCO CO-2065, Japón), con un detector de índice de refracción

Vol 20, No 24 (2011), Revista Alimentos Hoy - 27

(JASCO RI-2031, Japón), una columna de resinas de calcio de intercambio catiónico MetaCarb Ca 111 Plus (VARIAN A5205, USA) y como fase móvil agua destilada degasificada deionizada, la temperatura de la columna fue mantenida a 80 °C mientras la del detector a 45 °C, con un flujo de 0.5ml/min. El resultado es expresado como porcentaje. Actividad Diastasa La técnica fue realizada por el método según Schade de acuerdo a los Métodos Armonizados de la Comisión Europea para Miel (Bogdanov y otros 1997), 10ml de una solución de miel al 20%, se hace reaccionar con 5ml de una solución al 2% de almidón, mezclada a 40 °C, momento en el cual se empieza a contar el tiempo y se mide el valor con un espectrofotómetro (JASCO UV/VIS V-530, Japón) a 660nm el complejo coloreado formado por 0.5ml de la mezcla y una solución acuosa diluida de triyoduro, se realiza una gráfica de absorbancia en función del tiempo y se interpola en valor de tiempo al cual se alcanza un valor de 0.235, que es dividido por 300. Los resultados son expresados como número de diastasa. Hidroximetilfurfural (HMF) La evaluación de HMF es realizada por espectrofotometría según White basado en Métodos Armonizados de la Comisión Europea para Miel (Bogdanov y otros 1997), mediante la determinación de la absorbancia UV a 284nm. Para evitar la interferencia de otros componentes a esta longitud de onda la diferencia entre absorbancias de una solución acuosa de miel y la misma solución después de la adición de bisulfito es determinada. El contenido de HMF es calculado por diferencia entre las dos soluciones, midiéndose esta última a 336nm. Los

resultados mg/kg.

son

expresados

como

Rotación específica La técnica está basada de acuerdo a los Métodos Armonizados de la Comisión Europea para Miel (Bogdanov y otros 1997). La rotación angular de una solución acuosa, clarificada y filtrada de miel es medida con un polarímetro Polax-2L (Atago, Japón). Aproximadamente 10g de sustancia seca son disueltos en agua destilada, entonces 10ml de la solución de Carrez I son adicionados y mezclados durante 30 segundos. Después de esto, 10 ml de la solución de Carrez II es agregada y mezclada durante 30 segundos, se lleva a volumen en un matraz de 100 ml con agua destilada. El día siguiente, se filtra la solución y se introduce en el tubo del polarímetro de 2 dm, a la cual se hace la medición a 20 °C. Color El color es medido usando un colorímetro Pfund C-221 (Hanna instruments, USA), en el cual la muestra es colocada en una cubeta y por medio de fotometría, se registra el dato grabado en una escala calibrada desde blanco hasta ámbar, los resultados son expresados en mmPfund. Conductividad eléctrica Este parámetro es realizado de acuerdo a los Métodos Armonizados de la Comisión Europea para Miel (Bogdanov y otros 1997), por medición a 20 °C de una solución acuosa de miel al 20%, que es medida con un conductivímetro T70 (Mettler Toledo, Suiza). Los resultados son expresados como mS/cm. Minerales Esta metodología es llevada a cabo según la AOAC 979.23 (A.O.A.C.

Vol 20, No 24 (2011), Revista Alimentos Hoy - 28

2005). 5g de muestra son pesados, la muestra es precalcinada y calcinada de manera similar a la prueba de cenizas. El crisol es entonces lavado con una disolución agua:HCl y transferida a un beaker de 100ml. Esta disolución es calentada a ebullición y filtrada transfiriendo su contenido a un balón de 50ml. Se utilizó un espectrómetro de absorción atómica AA240 (Varian Inc, USA) para realizar las mediciones de minerales de acuerdo a las siguientes longitudes de onda: Na: 599nm, Mg: 285nm, K: 766.5nm, Ca: 422.7nm, Zn:213.9nm, Cu:327.4nm y Fe:248.3nm. Los resultados son expresados en mg/kg. Parámetros fisicoquímicos analizados en muestras de polen pH y acidez libre Esta metodología se realiza de acuerdo a (Díaz y otros 2009), usando 2.5 g de muestra previamente pesada, la cual es molida y mezclada con 35ml de agua libre de CO2, entonces es dejada en agitación magnética durante 30 minutos. Después el contenido es filtrado al vacío y transferido cuantitativamente a un beaker, haciendo 3 lavados de 5ml con agua libre de CO2 y se inicia la titulación con NaOH 0.05N hasta pH 8.5. El resultado es expresado como miliequivalentes/kg. Humedad Este procedimiento reportado por (Díaz y otros 2009), fue realizado pesando 3 g de muestra, la cual es colocada en un crisol de vidrio y calentada a 65 °C por 24h, el contenido de humedad es obtenido por diferencia, los resultados son expresados como porcentaje. Grasa Esta metodología es llevada a cabo según el A.O.A.C 920.39 (A.O.A.C.

2005). La determinación de grasa se realiza por la técnica Soxhlet, la cual hace la extracción de la grasa a partir de una matriz alimenticia por arrastre con solvente, el cual es separado de la grasa mediante calentamiento, los resultados son expresados como porcentaje. Proteína Esta técnica se realiza según el A.O.A.C 984.13 (A.O.A.C. 2005), por el método Kjehldahl. Para la determinación de proteína es usada la modalidad Winckler de este método, usando ácido bórico para cuantificar el contenido de Nitrógeno en la muestra, aplicando un factor de conversión de N x 6.25, los resultados son expresados como porcentaje. Cenizas y minerales Estas técnicas se llevan a cabo de manera similar a miel, utilizando 3g de muestra. Análisis estadístico Los datos obtenidos del perfil aromático y de los análisis fisicoquímicos fueron analizados por PCA y DFA utilizando regression and principal component analysis toolbox, de Milano Chemometrics and QSAR Research Group (v. 1.0, Univesità degli Studi di Milano-Bicocca, Milano, Italy) con el software MATLAB (v. 7.9, The MathWorks, Inc., USA), mientras que el HCA fue realizado usando MINITAB (v. 13.2 Minitab Inc., State College, Pennsylvania, USA). El PCA ha sido utilizado para análisis exploratorio de datos ya que este identifica las direcciones ortogonales de máxima varianza en los datos originales y los proyecta a un espacio de dimensionalidad reducida formado por un subconjunto de componentes de la mayor varianza. Las direcciones ortogonales son

Vol 20, No 24 (2011), Revista Alimentos Hoy - 29

combinaciones lineales (componentes principales) de las variables originales y cada componente explica una parte de la varianza total de los datos. En particular, la primera componente explica el porcentaje mayor de la varianza total, el segundo, la segunda varianza más grande y así sucesivamente (Benedetti y otros 2004).

El HCA realiza agrupamiento jerárquico de objetos basado en la similaridad o disimilaridad de datos. La jerarquía de clusters puede ser representada en un diagrama binario, llamado dendograma. La partición final, es decir, la asignación de grupo para cada objeto es obtenida cortando el árbol en un nivel específico (Mannino y otros 2007). Su importancia radica en que a través de este análisis es posible detectar similaridades entre un grupo de muestras de acuerdo a parámetros de interés (Bereton 2007).

El DFA es un procedimiento diseñado para ayudar a distinguir entre dos o más agrupaciones de datos, basado en un conjunto de p variables cuantitativas. Esto es hecho construyendo funciones discriminantes que son combinaciones lineales de variables. El objetivo de este análisis es describir los casos observados matemáticamente en una manera que los separe en grupos lo mejor posible y clasifique nuevas observaciones como perteneciente a uno o varios grupos (Bereton 2007).

RESULTADOS Y DISCUSIÓN Miel Los resultados de los diferentes análisis fisicoquímicos se presentan en las tablas 3-5.

Tabla 3. Parámetros fisicoquímicos para miel de acuerdo a origen geográfico Departamento CU BY MG SN

Acidez libre (meq kg 1 ) 34.1 ± 3.6

pH 4.1 ± a 0.2 4.1 ± a 0.3 4.0 ± a 0.1 3.8 ± b 0.1

Lactona -1 (meq kg ) -

a

Humedad (%)

Cenizas (%)

17.5 ± 1.0

a

31.2 ± 3.9

-

17.7 ± 1.2

b

34.5 ± 3.1

-

17.5 ± 0.8

a

18.2 ± 1.1

a

a

a

33.8 ± 4.8 a

4.1 ± 2.4

0.23 ± 0.06

a

0.22 ± 0.07

a

0.20 ± 0.04

a

0.11 ± 0.05

b

Fructosa (%)

Glucosa (%)

40.4 ± 1.8

31.9 ± 3.6

43.6 ± 2.6

33.4 ± 3.4

40.3 ± 3.1

31.0 ± 2.9

39.4 ± 4.3

30.8 ± 4.1

a

b

a

a

a

a

a

a

Letras diferentes en la misma columna indica diferencias significativas

Tabla 4. Parámetros fisicoquímicos para miel de acuerdo a origen geográfico Diastasa (DN) 19.5 ± 7.0

HMF -1 (mg kg ) -

Rotación

CU

Sucrosa (%) a 6.8 ± 1.5

BY

7.1 ± 0.9

a

22.3 ± 9.3

8.5 ± 7.4

-11.9 ± 5.1

ab

76 ± 14

a

1057 ± 229

MG

6.9 ± 2.3

a

14.1 ± 3.1

-11.2 ± 2.4

b

63 ± 12

b

956 ± 143

a

SN

5.2 ± 0.7

b

12.5 ± 7.5 5.8 ± 2.9

57 ± 14

b

615 ± 132

b

Departamento

a

a

b

21.7 ± 5.5 a

-7.7 ± 4.3

Color (mm Pfund) a 77 ± 20

a

- 11.4 ± 1.4

b

Conductividad -1 (mS cm ) a 1066 ± 208

Letras diferentes en la misma columna indica diferencias significativas

Vol 20, No 24 (2011), Revista Alimentos Hoy - 30

a

Tabla 5. Parámetros fisicoquímicos para miel de acuerdo a origen geográfico

CU

Sodio -1 (mg kg ) 159 ± 41

Potasio -1 (mg kg ) 473 ± 167

Calcio -1 (mg kg ) 136 ± 59

Hierro -1 (mg kg ) 8.4 ± 6.9

Magnesio -1 (mg kg ) 58 ± 24

Cobre -1 (mg kg ) 0.73 ± 0.65

Zinc -1 (mg kg ) 25 ± 13

BY

172 ± 52

761 ± 412

97 ± 37

5.3 ± 1.3

48 ± 23

1.49 ± 0.68

22 ± 11

MG

94 ± 47

491 ± 215

124 ± 25

4.9 ± 3.7

30 ± 8

No detectable

15 ± 9

SN

67 ± 30

279 ± 122

76 ± 36

5.2 ± 2.8

27 ± 10

0.82 ± 0.53

12 ± 9

Departamento

a

a

b

b

ab

a

b

c

ab

ac

b

c

a

a

a

a

a

a

b

b

a

b

a

a

ab

bc

c

Letras diferentes en la misma columna indica diferencias significativas

La composición y aspectos de calidad de las mieles muestreadas cumplen los requerimientos establecidos en las normativas colombianas y europeas. Las mieles analizadas tienen un particularmente alto nivel de acidez muy cercano al límite de 50 meq/kg; (Baroni y otros 2004) y (Finola y otros 2007) reportan para mieles argentinas un valor promedio de 20.6 meq/kg. El hecho que las mieles colombianas tengan niveles tan altos puede ser originado en condiciones específicas de suelo y flora endógenos de esta región como (Ojeda y otros 2004) describen en su trabajo para mieles venezolanas. El análisis estadístico muestra que la región de Boyacá tiene diferencias significativas en parámetros tales como humedad, fructosa y cobre, siendo el mayor de todas las muestras. La región de Magdalena ha mostrado el menor valor de actividad diastasa y el mayor HMF, esto es claramente entendido debido a las zonas tropicales tienen influencia por mayor temperatura, con lo que las condiciones de almacenamiento afectan en mayor

proporción la actividad enzimática, este departamento también mostró el menor nivel de potasio de las muestras analizadas. Igualmente se observa que la región de Santander es significativamente diferente en algunos parámetros, mostrando menores niveles de pH, cenizas, conductividad, disacáridos y potasio comparado con las otras zonas. El análisis de componentes principales incluyó, además de los datos de análisis fisicoquímico, los datos de perfil aromático. En la figura 1 puede apreciarse que los sensores de la nariz electrónica son las variables más importantes para clasificar miel, esto quiere decir que los compuestos volátiles son un parámetro muy importante para diferenciar este producto por origen. Resultados similares encontraron diferentes autores para clasificar mieles por su contenido aromático y análisis multivariado (Alissandrakis y otros 2007; Ampuero y otros 2004; Benedetti y otros 2005; Bonvehí y Coll 2003; Cuevas-Glory y otros 2007).

Vol 20, No 24 (2011), Revista Alimentos Hoy - 31

score plot

4

PC 2 - EV = 21.68%

2

0

-2

-4

-6

-6

-4

Boyacá

-2

0 2 PC 1 - EV = 23.52%

Cundinamarca

4

6

Santander

Magdalena Loading plot

Lactone 0.15 Moisture

0.1

Free acidity

PC 2 - EV = 21.68%

0.05

W3C

W5S

W5C

0

W1C

Diastase Activity -0.05

W2S W1S

-0.1

HMF W3S

Glucose

Iron

Copper -0.15

W2W

-0.2

Fructose

W6SW1W

-0.25

Specific Rotation Calcium Zinc Sucrose

Sodium Color Magnesium Potassium Ashes Electrical conductivity pH

-0.3 -0.35 -0.3

-0.2

-0.1 0 0.1 PC 1 - EV = 23.52%

0.2

0.3

Figura 1. Análisis de Componentes Principales PCA realizado a muestras de miel de diferente origen

En la figura 2 se presentan los datos de clasificación por DFA, además de este gráfico se realizó una tabla de clasificación, la cual permite observar el ajuste del modelo para asignar muestras desconocidas a los grupos existentes. Para un conjunto de muestras evaluadas, cada una es asignada al grupo más probable, basado en la función discriminante obtenida, si el valor calculado es similar al estimado, entonces el modelo clasificará correctamente.

Los resultados obtenidos muestran que ha sido posible obtener una perfecta diferenciación de acuerdo al origen, confirmado por la tabla de clasificación (Tabla 6) con un porcentaje de éxito del 100%. Esto quiere decir que el uso de una nariz electrónica complementada con análisis fisicoquímicos tradicionales permite una apropiada diferenciación de miel de acuerdo a su origen, convirtiéndose en una importante herramienta de control y clasificación.

Vol 20, No 24 (2011), Revista Alimentos Hoy - 32

Plot of Discriminant Functions

Function 2

5,9

Label BY CU MG SN Centroids

3,9 1,9 -0,1 -2,1 -4,1 -6

-3

0

3

6

9

Function 1 Figura 2. Análisis de Función Discriminante (DFA) realizado a muestras de miel de diferente origen

Tabla 6. Clasificación de datos de perfil aromático y análisis fisicoquímicos Región

Tamaño real

BY

10

CU

10

MG

15

SN

15

BY 10 (100.00%) 0 (0.00%) 0 (0.00%) 0 (0.00%)

Predicción de grupos CU MG 0 0 (0.00%) (0.00%) 10 0 (100.00%) (0.00%) 0 15 (0.00%) (100.00%) 0 0 (0.00%) (0.00%)

SN 0 (0.00%) 0 (0.00%) 0 (0.00%) 15 (100.00%)

Porcentaje de casos correctamente clasificados: 100,00% El análisis jerárquico muestra en la figura 3 la importancia de los sensores de la nariz electrónica para clasificar muestras de miel. Puede verse que los sensores con terminación C forman un grupo con una similaridad cercana al 100%, un segundo grupo es formado por sensores con terminación S y W, cuya similaridad es cercana al 80%, y finalmente hay un tercer grupo, que reúne parámetros fisicoquímicos tales como pH, conductividad, cenizas y

potasio, con una similaridad cercana al 90%. Este análisis estadístico permite inferir que estas son las variables más importantes para clasificar y diferenciar mieles colombianas; (Acquarone y otros 2007) encontró el mismo resultado en su investigación concluyendo que estos parámetros pueden ser considerados como marcadores importantes del origen geográfico de miel.

Vol 20, No 24 (2011), Revista Alimentos Hoy - 33

Similarity 63,47

75,65

87,82

100,00

s ic iu m s iu c m s e r er ic s e e n se ee e e Fr i s tur c to n pH she ec tr ta ss lciu gne Zin diu c ro olo pp 6S 1W 2W 1S 2S 3Sec if cto cosIro sta HMF 5S 1C 3C 5 C o W W W W W W W W c u u a i l C W W A o u p l a o a r i a a o L C E P C M S S S F G D M

Variables

Figura 3. Dendograma para muestras de miel

Polen Los resultados de análisis fisicoquímico de muestras de polen se observan en las tablas 7-8. Tabla 7. Valores medios y desviación estándar de los índices químicos para polen de acuerdo a origen. (Base seca). Región

pH

BCO BO BS SB

4.8 ± 0.4 a 4.7 ± 0.2 a 4.6 ± 0.1 a 4.7 ± 0.3

a

Acidez -1 (meq kg ) a 233 ± 37 a 227 ± 35 a 275 ± 40 a 263 ± 61

Humedad (%) a 5.8 ± 0.9 b 4.5 ± 1.2 a 6.1 ± 1.1 ab 5.7 ± 1.8

Cenizas (%) ab 2.2 ± 0.3 b 2.0 ± 0.4 c 2.6 ± 0.3 ac 2.4 ± 0.5

Grasa (%) a 4.5 ± 1.8 a 6.1 ± 1.2 a 6.5 ± 1.5 a 5.6 ± 2.1

Proteína (%) a 22.7 ± 3.3 a 20.6 ± 2.4 b 25.7 ± 2.3 b 26.2 ± 2.9

Letras diferentes en la misma columna indica diferencias significativas

Tabla 8. Valores medios y desviación estándar de los índices químicos para polen de acuerdo a origen. (Base seca). Región BCO BO BS SB

Sodio -1 (mg kg ) 101 ± 59 ab

Calcio -1 (mg kg ) a 1420 ± 222

4982 ± 967

1556 ± 162

a

2040 ± 422

b

1574 ± 526

a

a

107 ± 23 b

c

83 ± 39 b

178 ± 100

Potasio -1 (mg kg ) 6069 ± 602

a

5787 ± 727

ab

5264 ± 652

bc

Hierro -1 (mg kg ) 83 ± 31 a

68 ± 30 a

69 ± 30 a

68 ± 30 a

Magnesio -1 (mg kg ) 859 ± 183

Cobre -1 (mg kg ) 9.5 ± 3.0

775 ± 110

9.4 ± 1.2

a

8.8 ± 2.9

a

9.9 ± 2.5

a

a

a

a

1158 ± 282

b

1072 ± 260

b

Zinc -1 (mg kg ) 53 ± 19 a

44 ± 9 a

50 ± 20 a

57 ± 17 a

Letras diferentes en la misma columna indica diferencias significativas

Los valores de acidez libre obtenidos para todas las regiones en estudio son inferiores que los existentes en la normatividad internacional, (Díaz y otros 2009) había

encontrado en una investigación similar que el polen del altiplano cundiboyacense tiene un pH entre 4.0 y 5.1 y una acidez entre 200 – 350 meq/kg, lo cual se ajusta a los

Vol 20, No 24 (2011), Revista Alimentos Hoy - 34

resultados obtenidos en este estudio. La normatividad mexicana (México 1998) regula el valor del pH en polen entre 4 y 6, lo cual muestra que los resultados encontrados cumplen el estándar internacional. La región de Boyacá Occidente (BO) tiene el menor valor de humedad, las otras tres regiones tienen un alto valor, que está por encima de la normatividad brasilera (Brasil 2001) que establece un valor máximo de 4%, pero cumple la argentina (Argentina 1990) y mexicana con un valor de 8%. El contenido de cenizas es uno de los parámetros más importantes para clasificar y diferenciar productos apícolas, ya que su contenido es variable de acuerdo al origen botánico y composición del suelo (Anklam 1998; Ouchemoukh y otros 2005). Como era de esperarse, el contenido de cenizas fue variable entre regiones, Boyacá Sur tuvo el mayor porcentaje, mientras que Boyacá Occidente el menor; (AlmeidaMuradian y otros 2005) reporta una composición de cenizas para polen brasilero en un rango entre 1.6% 4.2%, en base seca. El contenido de grasa de las cuatro regiones mostró una considerable variabilidad en sus desviaciones estándar, debido posiblemente a la cantidad de ácidos grasos, carotenos y vitaminas presentes en el polen (Parra y Tobón 1990). Por otra parte, se encontró una diferencia estadística en el contenido de proteína entre muestras recolectadas de las regiones norte (Boyacá Centro-Oriente (BCO) y Boyacá Occidente) y sur (Boyacá Sur (BS) y Sabana de Bogotá (SB)),

teniendo estas últimas mayores niveles. A pesar de esto, las cuatro zonas tienen una cantidad considerable y sobrepasan perfectamente los estándares internacionales de calidad, Brasil (min: 8%), Argentina (min: 15%) y México (min: 12%); esto permite inferir que el polen colombiano es una fuente de proteína vegetal de gran importancia. El análisis de componentes principales para polen (Figura 4) muestra como los sensores de la nariz electrónica son las variables más importantes para categorizar polen comparado a los datos fisicoquímicos, basado en la distancia que esas variables tienen desde el origen coordenado. Esto quiere decir que los compuestos volátiles imparten un patrón de aroma específico que puede ser claramente diferenciado. (Kaškoniené y otros 2008) ha concluido que estas sustancias sirven como indicadores de origen floral, pero debe tenerse en cuenta que polen es un ente viviente que sufre cambios directos en su composición química que podría tener influencia remarcable en los constituyentes del aroma. Las variables fisicoquímicas que tienen un peso preponderante para clasificar son minerales tales como hierro, potasio, cobre, zinc y magnesio y parámetros tales como cenizas y proteínas, estos resultados son concordantes a lo esperado. Este mismo análisis permite inferir que parámetros tales como acidez, humedad y minerales tales como sodio y magnesio no son variables importantes para la clasificación.

Vol 20, No 24 (2011), Revista Alimentos Hoy - 35

score plot 5 4

PC 2 - EV = 18.38%

3 2 1 0 -1 -2 -3 -4 -4

Boyacá Occidente

-2

0 2 PC 1 - EV = 34.47%

Boyacá Centro-Oriente

4

6

Sabana de Bogotá

Boyacá Sur

Loading plot Cenizas Magnesio

0.4

Proteína Acidez libre

Potasio

PC 2 - EV = 18.38%

0.3 Calcio

W3S

0.2 Hierro W1W Zinc 0.1

W5C W1C W3C

Cobre W6S

0

Humedad

Grasa

W2W W1S

-0.1

Sodio -0.3

W5S

-0.2

pH

-0.1 0 0.1 PC 1 - EV = 34.47%

W2S 0.2

0.3

Figura 4. Análisis de Componentes Principales (PCA) realizado a muestras de polen de diferente origen

De manera similar al PCA, el análisis por DFA (Figura 5) muestra que hay una muy buena diferenciación por origen, sugiriendo que los sensores de la nariz electrónica acompañados por datos fisicoquímicos tradicionales permiten una adecuada diferenciación.

Este gráfico demuestra que el origen botánico y geográfico hace de este un producto único, ya que esta especificidad es solamente conseguida poniendo consigo un conjunto de factores medioambientales que afectan directamente la composición del polen.

Vol 20, No 24 (2011), Revista Alimentos Hoy - 36

Plot of Discriminant Functions

Function 2

5,9

Simbolo BCO BO BS SB Centroids

3,9 1,9 -0,1 -2,1 -4,1 -7

-5

-3

-1

1

3

5

Function 1 Figura 5. Análisis de Función Discriminante (DFA) realizado a muestras de polen de diferente origen

El análisis HCA mostrado en la figura 6 corrobora la importancia de los sensores de la nariz electrónica para clasificar muestras de polen; como fue encontrado en el análisis PCA, lo sensores W1C, W3C, W5C, W1S y W2S son las variables más importantes para caracterizar polen de acuerdo al origen. También es posible encontrar

cierta correlación entre parámetros tales como el contenido de hierro, cobre y zinc formando un clúster y acidez, cenizas y proteína con minerales como magnesio, potasio y calcio formando otro. El sodio no tuvo importancia para clasificar polen al igual que la humedad y el pH.

Similarity 63,04

75,36

87,68

100,00

o is M

r e s t m n m in u iu 1C 3C 5C 6S 5S 1S 2S 2W 1W 3S diu tur pH r ee s he ote esi a ss lciu Iro ppe Zinc Fa W So o W W W W W W W W W F i A Pr agn ot Ca C P ac M

Variables

Figura 6. Dendograma para muestras de polen

Propóleo El análisis de componentes principales, muestra los sensores de la nariz electrónica más importantes para la clasificación del propóleo de acuerdo al origen (Figura 7). Con base en la

varianza acumulada obtenida (85.8%) este diagrama explica gran parte de la información recolectada. Se observa la formación de dos grupos de sensores, la primera junta aquellos con terminación C (W1C, W3C y W5C), sus Vol 20, No 24 (2011), Revista Alimentos Hoy - 37

respuestas están correlacionadas y son directamente proporcionales.

sensores con terminación C, al encontrarse en extremos opuestos del gráfico. Entre tanto, los sensores W2S, W2W y W3S, dada su cercanía al origen con respecto a las otras variables parecen no tener una importancia relevante para el análisis de propóleos; estos sensores son sensibles a alcoholes y compuestos orgánicos clorados.

La segunda agrupación reúne a los sensores W1S, W5S, W6S y W1W, al igual que en el primer grupo, la respuesta de estos sensores son directamente proporcionales, pero son inversamente proporcionales a las respuestas entregadas por el grupo de

score plot 2.5 2

PC 2 - EV = 20.29%

1.5 1 0.5 0 -0.5 -1 -1.5 -2 -4

-3

Boyacá

-2

-1 0 1 PC 1 - EV = 65.55%

Cundinamarca

2

3

Magdalena

4

5

Santander

loading plot 0.3

W3S

0.2

PC 2 - EV = 20.29%

0.1 0

W5S W1S W1W W6S

W5C W1C W3C

-0.1 -0.2 -0.3 -0.4 -0.5 -0.6

W2S

-0.7 -0.4

-0.3

-0.2

W2W

-0.1 0 0.1 PC 1 - EV = 65.55%

0.2

0.3

0.4

Figura 7. Análisis de componentes principales (PCA) para muestras de propóleo

La Figura 8 muestra el análisis de función discriminante para las muestras de propóleo, a pesar de encontrarse

una tendencia en la ubicación de los datos de acuerdo a su origen, las regiones de Cundinamarca y Boyacá Vol 20, No 24 (2011), Revista Alimentos Hoy - 38

no son claramente diferenciables, mientras que Magdalena y Santander forman agrupaciones separables. Para análisis multivariados de este tipo, es recomendable para lograr una buena diferenciación incrementar el número de propóleos estudiados, ya que como

lo muestra la tabla de clasificación (Tabla 9) el método cataloga el producto aceptablemente de acuerdo a su origen, lo cual permite inferir que esta técnica dará una respuesta mucho más precisa con tamaños de muestra más representativos.

DFA Plot

Función 2

2,8

Departamento Boyacá Cundinamarca Magdalena Santander Centroids

1,8 0,8 -0,2 -1,2 -2,2 -3,3

-1,3

0,7

2,7

4,7

Función 1 Figura 8. Análisis de función discriminante (DFA) para muestras de propóleo

Tabla 91. Tabla de clasificación para muestras de propóleo Departamento

Tamaño

Boyacá

6

Cundinamarca

Predicción Boyacá 4 (66.67%)

Cundinamarca 0 (0.00%)

Magdalena 1 (16.67%)

Santander 1 (16.67%)

10

2 (20.00%)

6 (60.00%)

1 (10.00%)

1 (10.00%)

Magdalena

6

1 (16.67%)

0 (0.00%)

5 (83.33%)

0 (0.00%)

Santander

11

1 (9.09%)

1 (9.09%)

0 (20.00%)

9 (81.82%)

Porcentaje de casos correctamente clasificados: 72.73%

El análisis de clusters (Figura 9), muestra en el dendograma la alta correlación existente entre los sensores con terminación C, cuya similaridad es cercana al 100%. También se observa la formación de un segundo grupo con los restantes 7 sensores que tienen

una similaridad cercana al 80%. Este análisis confirma la relación inversa entre los sensores con terminación C y el conjunto de demás sensores, los cuales tienen una similaridad aproximada del 30%.

Vol 20, No 24 (2011), Revista Alimentos Hoy - 39

Similarity 33,32

55,55

77,77

100,00

W

1C

W

3C

W

5C

W

6S

W

5S

W

1S

W

2S

W

2W

W

1W

W

3S

Variables

Figura 9. Dendograma para muestras de propóleo

Miel de abejas nativas Inicialmente, el análisis de componentes principales permitió definir los sensores más importantes (Figura 10).

para la clasificación de las mieles de acuerdo al género de abejas involucrado

score plot

1.5 1

PC 2 - EV = 13.12%

0.5 0 -0.5 -1 -1.5 -2 -2.5 -8

-6

-4 -2 0 PC 1 - EV = 70.53%

2

4

6

Abejas nativas Apis mellifera

Vol 20, No 24 (2011), Revista Alimentos Hoy - 40

loading plot W5S 0.2 W2S

PC 2 - EV = 13.12%

0

W1S W6S

W2W

W1C W3C W5C

-0.2

-0.4

W1W

-0.6

W3S

-0.8 -0.3

-0.2

-0.1 0 0.1 PC 1 - EV = 70.53%

0.2

0.3

Figura 10. Loading plot obtenido del Análisis de Componentes Principales (PCA) realizado a muestras de miel de abejas nativas

La figura 10 muestra las respuestas obtenidas de los sensores de la nariz electrónica para las muestras de miel de abejas nativas, con lo cual es posible establecer con base en la distancia a partir del origen a la ubicación de cada variable, que hay 2 agrupaciones ubicadas en los extremos del gráfico que explican la mayor parte de la información obtenida por el perfil aromático. La primera agrupación reúne a los tres sensores con terminación C y la segunda agrupación reúne a los sensores W1S, W2S y W2W, al igual que el grupo anterior, estos sensores están correlacionados entre sí y sus respuestas son directamente proporcionales. El hecho que las dos agrupaciones estén ubicadas en extremos opuestos hace que la respuesta de los sensores de la

primera de ellas sea inversamente proporcional a los de la segunda. El análisis de clusters permite de una manera más clara establecer las diferencias encontradas en el PCA (figura 11). El dendograma muestra la correlación previamente hallada en el grupo de sensores con terminación C, la similaridad de estas variables es cercana al 100%. Entre tanto se observa la formación de un segundo grupo en el cual se puede establecer que los sensores con mayor similaridad dentro de este son W1S, W2S y W2W. Este dendograma también permite establecer la correlación inversa que existe entre las respuestas obtenidas por los sensores para los dos grupos, considerando que similaridad de las variables es solamente del 33%.

Vol 20, No 24 (2011), Revista Alimentos Hoy - 41

Figura 11. Dendograma de los sensores de la nariz electrónica para la clasificación de miel de abejas nativas.

El análisis de función discriminante fue realizado con el fin de clasificar por origen y género de abeja las muestras de miel; para este análisis se incluyeron los resultados del perfil aromático de la especie Apis mellifera.

nativas), siendo apreciable fácilmente la separación entre clases para las dos especies de Santander, mientras que los centroides de las clases de las especies de Magdalena están a una distancia más cercana. Este gráfico establece que a pesar que las muestras pertenecen al mismo género hay una separación visible entre agrupaciones, permitiendo deducir que el origen, para especies nativas, es un elemento de diferenciación importante.

El primer análisis fue realizado para el género Trigona (figura 12). El gráfico obtenido muestra que a pesar de la agrupación de puntos, las muestras son diferenciables de acuerdo al origen y especie (Apis mellifera – abejas

DFA Plot 3,6

Símbolo APIS-MAG APIS-SAN TET-MAG TET-SAN Centroids

Función 2

2,6 1,6 0,6 -0,4 -1,4 -2,4 -4,4

-2,4

-0,4

1,6

3,6

Función 1 Figura 12. Análisis de Función Discriminante (DFA) para diferenciar el género Trigona

Las predicciones realizadas por las funciones discriminantes dan un aceptable ordenamiento de acuerdo al origen y especie; de los casos

correctamente clasificados para el género Trigona, Magdalena fue el más bajo (66.67%) (Tabla 10).

Vol 20, No 24 (2011), Revista Alimentos Hoy - 42

Tabla 10. Tabla de clasificación para el género Trigona Departamento

Tamaño

APIS-MAG

15

APIS-SAN

15

TET-MAG

15

TET-SAN

9

APIS-MAG 11 (73.33%) 0 (0.00%) 2 (13.33%) 1 (11.11%)

Predicción APIS-SAN TET-MAG 2 0 (13.33%) (0.00%) 14 0 (93.33%) (0.00%) 0 10 (0.00%) (66.67%) 0 0 (0.00%) (0.00%)

TET-SAN 2 (13.33%) 1 (6.67%) 3 (20.00%) 8 (88.89%)

Porcentaje de casos correctamente clasificados: 79.63%

El segundo análisis, para el género Melipona, muestra en el análisis de función discriminante un resultado similar al primero (Figura 13); hay una clara diferenciación entre las muestras de Magdalena para las dos especies, igualmente para Santander. A pesar de esto, si existe una diferencia

observable entre orígenes para este género como había sido encontrado en el caso anterior; esto permite concluir que es posible clasificar y diferencias muestras de miel de especies de abejas nativas por origen mediante la obtención de la huella digital usando una nariz electrónica.

DFA Plot

Función 2

3,6

Símbolo APIS-MAG APIS-SAN MEL-MAG MEL-SAN Centroids

1,6 -0,4 -2,4 -4,4 -7,6

-5,6

-3,6

-1,6

0,4

2,4

Función 1 Figura 13. Análisis de Función Discriminante (DFA) para diferenciar el género Melipona

La tabla de clasificación obtenida (Tabla 11), muestra que en este caso fue posible obtener un mejor ordenamiento con base en la predicción obtenida con las funciones discriminantes. El porcentaje de casos

correctamente clasificados es cercano al 90%, lo cual es un indicador que la diferenciación obtenida es adecuada, especialmente en el caso del género Melipona de Magdalena en donde la predicción fue acertada en un 100%.

Vol 20, No 24 (2011), Revista Alimentos Hoy - 43

Tabla 11. Tabla de clasificación para el género Melipona Departamento

Tamaño

APIS-MAG

15

APIS-SAN

15

MEL-MAG

6

MEL-SAN

23

APIS-MAG 14 (93.33%) 1 (6.67% ) 0 (0.00%) 0 (0.00%)

Predicción APIS-SAN MEL-MAG 1 0 (6.67%) (0.00%) 11 0 (73.33 (0.00 %) %) 0 6 (0.00%) (100.00%) 2 1 (8.70%) (4.35%)

MEL-SAN 0 (0.00%) 3 (20.00 %) 0 (0.00%) 20 (86.96%)

Porcentaje de casos correctamente clasificados: 86.44%

CONCLUSIONES Por medio de la determinación del perfil aromático, análisis de parámetros fisicoquímicos y análisis quimiométrico tales como análisis de componentes principales, análisis de función discriminante y análisis jerárquico, fue posible clasificar y diferenciar miel, polen y propóleo de diferentes orígenes geográficos. El PCA y el HCA han mostrado que es posible encontrar las variables con mayor importancia para la clasificación de los productos de la colmena, encontrándose que los sensores de la nariz electrónica tienen un papel preponderante. En consecuencia se concluye que el contenido de compuestos volátiles permite la discriminación por origen debido a que su perfil será determinado por las fuentes florales y medioambientales de cada uno de los sitios que la abeja visita. La extensión de esta metodología para caracterizar productos apícolas de otras regiones de Colombia podría representar un modelo de generación de valor importante que a su vez influye en el reconocimiento de propiedades y atributos propios de estos productos.

Acquarone C., Buera P., and Elizalde B. 2007 Pattern of pH and electrical conductivity upon honey dilution as a complementary tool for discriminating geographical origin of honeys. Food Chemistry 101(2):695703. Alissandrakis E., Tarantilis PA., Harizanis PC., and Polissiou M. 2007. Aroma investigation of unifloral Greek citrus honey using solid-phase microextraction coupled to gas chromatographic-mass spectrometric analysis. Food Chemistry 100(1):396404. Almeida-Muradian L., Pamplona L., Coimbra S., and Barth O. 2005. Chemical composition and botanical evaluation of dried bee pollen pellets. Journal of Food Composition and Analysis 18:105 - 111. Ampuero S., Bogdanov S., and Bosset J. 2004. Classification of unifloral honeys with an MS-based electronic nose, using different sampling modes: SHS, SPME and INDEX. European Journal of Food Research and Technology. 218:198207.

REFERENCIAS BIBLIOGRÁFICAS A.O.A.C. 2005.Official Methods of Analysis. AOAC International, Washington.

Anklam E. 1998. A review of the analytical methods to determine the geographical and botanical origin of

Vol 20, No 24 (2011), Revista Alimentos Hoy - 44

honey. Food Chemistry 63(4):549562. Argentina. 1990. Código Alimentario Argentino. Capitulo X. Art. 785. Polen. Administración Nacional de Medicamentos, Alimentos y Tecnología Médica.. Baroni M., Chiabrando G., Costa C., Fagundez G., and Wunderlin D. 2004. Development of a competitive ELISA for the evaluation of sunflower pollen in honey samples. Journal of Agricultural and Food Chemistry 52:7222-7226.. Benedetti S., Mannino S., Sabatini A., and Marcazzan G. 2004. Electronic nose and neural network use for the classification of honey. Apidologie 35(4):397–402. Benedetti S., Sinelli N., Buratti S., and M MR. 2005. Shelf Life of Crescenza Cheese as Measured by Electronic Nose. Journal of Dairy Science 88:3044 - 3055. Bereton R. 2007. Applied Chemometrics for Scientists. USA: John Wiley & Sons Bogdanov S., Martin P., and Lüllmann C. 1997. Harmonized Methods of the European Honey Commission. Apidologie Extra issue:1-59.. Bonvehí J., and Coll F. 2003. Flavour index and aroma profiles of fresh and processed honeys. Journal of the Science of Food and Agriculture 83(4):275 - 282. Brasil. Instrucao Normativa n. 3 de 2001. 2001. Regulamentos Técnicos de Identidade e Qualidade, de Apitoxina, de Cera de Abelha, de Geléia Real, de Geléia Real

Liofilizada, de Pólen Apícola, de Própolis, de Extrato de Própolis. Ministerio da Agricultura, Pecuária e Abastecimento. Cuevas-Glory L., Pino J., Santiago L., and Sauri-Duch E. 2007. A review of volatile analytical methods for determining the botanical origin of honey. Food Chemistry 103:1032 1043. Chataway H. Canadian Journal Research 6:532-547. 1932. Díaz C., Zuluaga C., Fuenmayor C., and Martínez T. 2009. Special features of pollen production in Colombia. Apimondia. Montpellier, France. Finola M., Lasagno M., and Marioli J. 2007. Microbiological and chemical characterization of honeys from central Argentina. Food Chemistry 100(4):1649 - 1653.. Kaškoniené V., Venskutonis P., and Čeksteryté V. 2008. Composition of volatile compounds of honey of various floral origin and beebread collected in Lithuania. Food Chemistry 111(4):988 - 997. Lozano J., Arroyo T., Santos J., Cabellos J., and Horrillo M. 2008. Electronic nose for wine ageing detection. Sensors and Actuators B: Chemical. 133:180 -186. Mannino S., Benedetti S., Buratti S., Cosio M., and Scampicchio M. 2007. Electrochemical Sensors for Food Authentication. Electrochemical Sensor Analysis:1091-1098. México. Norma Mexicana NMX-FF094-1998-SCFI: Productos alimenticios no industrializados para consumo humano - Polen - (Pollínis).

Vol 20, No 24 (2011), Revista Alimentos Hoy - 45

Especificaciones. Secretaría de Comercio y Fomento Industrial. 1998. Ojeda G., Sulbarán B., Ferrer A., and Rodríguez B. Characterization of Honey produced in Venezuela. Food Chemistry 84(4):499 - 502. 2004. Ouchemoukh S., Louaileche H., and Schweitzer P. Physicochemical characteristics and pollen spectrum of some Algerian honeys. Food Control 18(1):52 - 58. 2005. Parra B. and Tobón G. Evaluación biológica de la calidad nutricional del polen. Universidad Nacional de Colombia, Sede Medellín. 1990. Schaller E., Bosset J., and Escher F. Electronic Noses and their application to food. Lebensmittel Wissenschaft und - Teechnologie. 21:305 - 316. 1998.

AGRADECIMIENTOS Los autores desean agradecer al Instituto de Ciencia y Tecnología de Alimentos – ICTA de la Universidad Nacional de Colombia, Ministerio de Agricultura y Desarrollo Rural, Asociación de Apicultores del Sumapáz, Asociación Apícola Comunera, Asociación de Apicultores Conservacionistas de la Sierra Nevada de Santa Marta, Programa Jóvenes Investigadores e Innovadores de COLCIENCIAS, Facultad de Ciencias Agropecuarias de la Universidad Nacional de Colombia, sede Medellín, Instituto Italo-Latinoamericano, Departamento de Ciencias y Tecnologías Alimentarias y Microbiologícas – DISTAM de la Universidad de Milán (Italia) y Departamento de Quimiometría y QSAR de la Universidad de MilanoBicocca (Italia).

Vol 20, No 24 (2011), Revista Alimentos Hoy - 46