Please use this identifier to cite or link to this item:
http://dx.doi.org/10.25673/2169.2
Title: | Nicht-zielgerichtete Analyse flüchtiger Verbindungen zur Identitätsprüfung von Wein mittels Gaschromatographie-Massenspektrometrie und Multivariater Datenanalyse |
Author(s): | Springer, Andrea |
Referee(s): | Glomb, Marcus A. Fischer, Markus |
Granting Institution: | Martin-Luther-Universität Halle-Wittenberg |
Issue Date: | 2018 |
Extent: | 1 Online-Ressource (176 Seiten) |
Type: | Hochschulschrift |
Type: | PhDThesis |
Exam Date: | 2018-01-12 |
Language: | German |
Publisher: | Universitäts- und Landesbibliothek Sachsen-Anhalt |
URN: | urn:nbn:de:gbv:3:4-1981185920-8941.24 |
Abstract: | In der Arbeit wird die Machbarkeit eines nicht-zielgerichteten Ansatzes (Fingerprinting) zum chemisch-analytischen Nachweis der botanischen Herkunft von Wein auf der Basis der flüchtigen Weinbestandteile gezeigt. Hierbei wurden die dreidimensionalen Rohdaten aus der Analytik mittels einer Metabolomics-Software in eine Tabelle umgewandelt und die Daten speziell für die folgende Multivariate Datenanalyse vorbereitet. Das entwickelte Verfahren wurde standardisiert an insgesamt 791 rebsortenreinen Weiß- und Rotweinen angewendet. Eine vollständige Kenntnis über die einzelnen Analyten zu erlangen war hierbei nicht nötig. Die Proben wurden nach der botanischen Herkunft diskriminiert, außerdem wurden beispielhaft Rebsorten-Prognosemodelle für Wein erstellt und validiert. Die entwickelte Strategie erwies sich hauptsächlich für Weißweine, teilweise für Rotweine, als nachweislich geeignet. The paper demonstrates the feasibility of a non-targeted approach (fingerprinting) for the chemical analytical detection of the botanical origin of wine on the basis of volatile wine constituents. The three-dimensional raw data from the analysis was converted into a table by means of a metabolomics software and the data was specially prepared for the following multivariate data analysis. The developed method was applied standardized to a total of 791 varietal white and red wines. Full knowledge of the individual parameters was not necessary. The samples were discriminated according to the botanical origin. Exemplary, wine varietal prediction models were created and validated. The strategy developed proved to be mainly suitable for white wines, partly for red wines. |
URI: | https://opendata.uni-halle.de//handle/1981185920/8941.2 http://dx.doi.org/10.25673/2169.2 |
Open Access: | Open access publication |
License: | In Copyright |
Appears in Collections: | Chemie und zugeordnete Wissenschaften |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Dissertation_MLU_2018_SpringerA.pdf | 2.64 MB | Adobe PDF | View/Open |