Nouvelles approches analytiques pour la détection des fraudes

14
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

description

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".

Transcript of Nouvelles approches analytiques pour la détection des fraudes

Page 1: Nouvelles approches analytiques pour la détection des fraudes

Sûreté alimentaireQuelles 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

Page 2: Nouvelles approches analytiques pour la détection des fraudes

Eric JAMINManager Business Unit Authenticité

Eurofins Analytics France

Plénière 1

Page 3: Nouvelles approches analytiques pour la détection des fraudes

Nouvelles approches analytiques pour la détection des fraudes :

présentation du projet Agrifood GPS (Global Protection

System)

Eric Jamin / Eurofins Analytics France

Page 4: Nouvelles approches analytiques pour la détection des fraudes

4

Analyses physico-chimiques de composition Identification et quantification de composants ciblés

Outils analytiques de contrôle d’authenticité

Isotopes stables

Origine des molécules

Biologie moléculaire

Identification d’espèces ou de variétés

Méthodes de Profiling

Empreinte spectrale de matrices entières

Page 5: Nouvelles approches analytiques pour la détection des fraudes

5

Les analyses d’authenticité / sécurité alimentaire aujourd’hui

Les analyses d’authenticité / sécurité alimentaire de demain

Comment anticiper les crises?

Projet R&D 2012-2017 conduit par EUROFINS

Page 6: Nouvelles approches analytiques pour la détection des fraudes

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)

Page 7: Nouvelles approches analytiques pour la détection des fraudes

7

60 80 100 120 140 160 180 200 220 240 260m/z

0

20

40

60

80

100

Rel

ativ

e A

bund

ance

247.0721

204.0667

161.0612

176.0720218.0333

133.0664

191.3928137.0212100.6693 229.144685.4235 165.784260.9031 77.0776 214.9476126.9277 149.5655114.1821

198.8961

179.1933

257.4338

242.8735

220.7238

x100 x20 x20

4. Identification

-20

-10

0

10

20

-20 -10 0 10 20

t[2]

t[1]

12

3

4567

8

91011

12

13

14

1516

3. Chimiométrie

Reference

Inconnus

Echantillons

Var

iab

les

(TR

, m

/z)

2. Traitement des données

0 20 40 60 80 100 120 140Time (min)

0

10

20

30

40

50

60

70

80

90

100

Rel

ative

Abu

ndan

ce

0 20 40 60 80 100 120 140Time (min)

0

10

20

30

40

50

60

70

80

90

100

Rel

ative

Abu

ndan

ce

0 20 40 60 80 100 120 140Time (min)

0

10

20

30

40

50

60

70

80

90

100

Rel

ative

Abu

ndan

ce

0 20 40 60 80 100 120 140Time (min)

0

10

20

30

40

50

60

70

80

90

100

Rel

ative

Abun

danc

e 0 20 40 60 80 100 120 140Time (min)

0

10

20

30

40

50

60

70

80

90

100

Relative Ab

unda

nce

0 20 40 60 80 100 120 140Time (min)

0

10

20

30

40

50

60

70

80

90

100

Relative Ab

unda

nce

0 20 40 60 80 100 120 140Time (min)

0

10

20

30

40

50

60

70

80

90

100

Relative Ab

unda

nce

0 20 40 60 80 100 120 140Time (min)

0

10

20

30

40

50

60

70

80

90

100

Relative Ab

unda

nce

0 20 40 60 80 100 120 140Time (min)

0

10

20

30

40

50

60

70

80

90

100

Relative Ab

unda

nce

Référence Inconnus

1. Chimie analytique

L’approche non-ciblée ou “Metabolomics”

Mesurer des “effets” biomarqueurs

Une nouvelle approche analytique

Page 8: Nouvelles approches analytiques pour la détection des fraudes

8

Méthode globaleDomaine d’observation: ppm à x% (adultération)

RMN 1H Haute Résolution

__ Lab 1__ Lab 2

Points forts: Haut débit, reproductibilité

Page 9: Nouvelles approches analytiques pour la détection des fraudes

9

Méthode sensible, couverture chimique largeDomaine d’observation: traces (ppb, ppt)Points forts: information riche, identification par la masse exacte

Spectrométrie de Masse Haute RésolutionUPLC/APGC-TOF

chromatogramme

Spectre de masse

Page 10: Nouvelles approches analytiques pour la détection des fraudes

Détection de marqueurs de l’ajout d’hydrolysat de protéine (« lait de cuir »)

Application du profiling RMN à la matrice lait

Applicable à d’autres adultérants potentiels (ex. mélamine, dicyandiamide),de matière grasse exogène, de sucres, etc.

Page 11: Nouvelles approches analytiques pour la détection des fraudes

Détection d’ajouts de sucres

Application du profiling RMN à la matrice Miel

Zone des sucres mineurs: - En noir spectre

moyen

- En bleu/vert: spectres à ± 2 écarts-types

- Spectre rouge: échantillon sucré

Confirmation de l’origine botaniqueAnomalies diverses (ex. chauffage excessif, fermentation)

Page 12: Nouvelles approches analytiques pour la détection des fraudes

Détection et quantification de Robusta dans ArabicaUtilisation de marqueurs multiples

Application du profiling RMN à la matrice café

ArabicaRobusta

ProportionsDéfautsEtc.

Page 13: Nouvelles approches analytiques pour la détection des fraudes

www.eurofins.com21/11/2013 confidential www.eurofins.com

Perspectives:

Extension des bases de données à d’autres matrices alimentaires

Approfondissement statistique, fusion de données issues detechniques complémentaires

Développement d’outils de traitement automatisés

Outils de screening non ciblé

Page 14: Nouvelles approches analytiques pour la détection des fraudes

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