Skip navigation
Please use this identifier to cite or link to this item: http://dx.doi.org/10.25673/2169
Title: Nicht-zielgerichtete Analyse flüchtiger Verbindungen zur Identitätsprüfung von Wein mittels Gaschromatographie-Massenspektrometrie und Multivariater Datenanalyse
Author(s): Springer, Andrea
Advisor(s): Glomb, Marcus A.
Fischer, Markus
Granting Institution: Martin-Luther-Universität Halle-Wittenberg
Issue Date: 2018
Extent: 1 Online-Ressource (176 Seiten)
Type: Hochschulschrift
Exam Date: 12.01.2018
Language: ger
Publisher: Universitäts- und Landesbibliothek Sachsen-Anhalt
URN: urn:nbn:de:gbv:3:4-21823
Keywords: Wein; Authentizität; Betrug; Festphasenmikroextraktion; SPME; Gaschromatographie; Massenspektrometrie; GC-MS; Chemometrie; Modellvalidierung
wine; authenticity; fraud; solid phase microextraction; SPME; gas chromatography; mass spectrometry; GC-MS; chemometrics; validation of prediction models
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
http://dx.doi.org/10.25673/2169
Appears in Collections:Chemie und zugeordnete Wissenschaften

Files in This Item:
File Description SizeFormat 
Dissertation-Springer.pdf2.53 MBAdobe PDFThumbnail
View/Open
Show full item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.