Сравнение методов ИК- и Раман-спектроскопии для оценки структурных изменений в молоке при тепловой обработке
https://doi.org/10.37442/fme.2025.3.91
Abstract
Введение. Контроль качества молочной продукции требует быстрых, точных и несложных методов анализа. Наиболее широкое распространение в данной области получила инфракрасная спектроскопия, однако применяемая приборная база в большинстве случаев представлена импортными производителями, что в современной обстановке усложняет их использование. Данное обстоятельство актуализирует задачу разработки как российских аналогов, так и поиск альтернативных методов контроля. Одним их таких методов выступает рамановская спектроскопия, обладающая рядом преимуществ: меньшей чувствительностью к водному фону образцов, высокой информативностью измерений, а также возможностью перевода спектральных метрик в количественные.
Цель. Целью работы являлось сопоставление инфракрасной и рамановской спектроскопии в аспекте анализа обезжиренного пастеризованного молока, полученного при разных температурных нагрузках, и определение спектральных диапазонов, наиболее чувствительных к температуре.
Материалы и методы. В исследовании проводили снятие спектров образцов обезжиренного пастеризованного молока, полученные при нагреве до 70, 80 и 90°С и выдержке в течение 30 секунд. В качестве контроля выступало молоко, нагретое до 45°С. Анализ проводили на российском оборудовании: инфракрасном спектрометре Инфраспек-1201 и рамановском спектрометре РС-ИК785. Спектры анализировали методом главных компонент.
Результаты. Для инфракрасных спектров образцов молока зафиксировали изменения в областях амидов I-III (1640-1660 см-1, 1530-1550 см-1 и 1230-1300 см-1 соответственно), лактозы (1040-1150 см-1), липидо-белковых комплексов (2850-2950 см-1) и воды (3200-3400 см-1). Визуальные различия спектральных показателей были минимальны как визуально, так и по показателю поглощения (отн.ед.). метод главных компонент позволил выявить вклад перечисленных диапазонов волновых чисел в различия образцов, обработанных при разной температуре. Рамановская спектроскопия зафиксирована ярко выраженные различия в образцах в зонах 280-520 см-1, 800-850 см-1, 1450 см-1, 1660 см-1 и 2850-2950 см-1, характеризующих основные компоненты молочной системы. выявлена четкая тенденция снижения интенсивности характерных полос с повышением температуры обработки. Анализ главных компонент отразил вклад всех составных частей молока (белки, углеводы и липиды) в различия образцов.
Выводы. Полученные данные свидетельствуют о более высокой чувствительности рамановской спектроскопии к температурным воздействиям, в сравнении с инфракрасной спектроскопией. Результаты подтверждают перспективность разработки отечественной экспресс-методики для оценки качества молочных продуктов с использованием российского прибора.
About the Authors
Ирина БарковскаяRussian Federation
Светлана Туровская
Russian Federation
Елена Илларионова
Russian Federation
Владислав Ярышев
Russian Federation
Владимир Блиадзе
Russian Federation
Владимир Кондратенко
References
1. Abdullaeva, L. V., & Bedretdinova, S. A. (2023). Analytical assessment of conformity system for milk and dairy products. Food Metaengineering, 1(4). (In Russ.) https://doi.org/10.37442/fme.2023.4.31
2. Belyakov, M. V., Samarin, G. N., & Efremenkov, I. Yu. (2024). Study of milk souring by Raman scattering. Engineering for Rural Areas, (5), 40–44. (In Russ.) https://doi.org/10.33267/2072-9642-2024-5-40-44
3. Galstyan, A. G., Petrov, A. N., Yurova, E. A., et al. (2025). Cyber-physical components of food meta-engineering. Herald of the Russian Academy of Sciences, (6), 77–84. (In Russ.) https://doi.org/10.31857/S0869587325060099
4. Kalugina, D. N., & Yurova, E. A. (2022). Justification of the whey-protein
5. nitrogen index for estimation of milk protein composition. Dairy Industry, (7), 35–37. (In Russ.) https://doi.org/10.31515/1019-8946-2022-07-35-37
6. Kobzeva, T. V., & Yurova, E. A. (2016). Quality and identification characteristics of milk powder. Dairy Industry, (3), 32–35. (In Russ.)
7. Petrov, A. N., Galstyan, A. G., Radaeva, I. A., et al. (2017). Indicators of quality of canned milk: Russian and international priorities. Foods and Raw Materials, 5(2), 151–161. https://doi.org/10.21603/2308-4057-2017-2-151-161
8. Radaeva, I. A., Chervetsov, V. V., Galstyan, A. G., et al. (2016). Interstate standard for milk powder. Dairy Industry, (3), 36–38. (In Russ.)
9. Samarin, G. N., & Belyakov, M. V. (2024). Optical spectral diagnostics of casein. Proceedings of Higher Education Institutions. Food Technology, (1), 112–116. (In Russ.) https://doi.org/10.26297/0579-3009.2024.1.18
10. Харитонов, В. Д., Юрова, Е. А., Чигасов, А. И. (2012). Спектральный анализ в ближней ИК-области. Молочная промышленность, (2), 55–56.
11. Kharitonov, V. D., Yurova, E. A., & Chigasov, A. I. (2012). NIR spectral analysis. Dairy Industry, (2), 55–56. (In Russ.)
12. Khurshudyan, S. A., & Galstyan, A. G. (2018). Quality of food products: terms and contradictions. Product Quality Control, (1), 48–49. (In Russ.)
13. Yurova, E. A., & Filchakova, S. A. (2021). Development of measurement methods… In the book: Ideas of Academician V. D. Kharitonov…(pp. 243–262). Moscow. (In Russ.)
14. Acuña-Nelson, S. M., et al. (2024). Effect of UHT Thermal Treatment on the Secondary Structures of Milk Proteins: Insights From FTIR Analysis and Potential Allergenic Activity. International Journal of Food Science, 2024, 1880779. https://doi.org/10.1155/2024/1880779
15. Almeida, M. R., Oliveira, K. D. S., Stephani, R., & de Oliveira, L. F. C. (2011). Fourier-transform Raman analysis of milk powder: A potential method for rapid quality screening. Journal of Raman Spectroscopy, 42(7), 1548–1552. https://doi.org/10.1002/jrs.2893
16. Andrade, J., Pereira, C. G., de Almeida Junior, J. C., et al. (2019). FTIR-ATR determination of protein content to evaluate whey protein concentrate adulteration. LWT, 99, 166–172. https://doi.org/10.1016/j.lwt.2018.09.043
17. Antunes, C., Bexiga, R., Pinto, C., Roseiro, L. C., & Quaresma, M. A. G. (2023). Cow’s Milk in Human Nutrition and the Emergence of Plant-Based Milk Alternatives. Foods, 12(1), 99. https://doi.org/10.3390/foods12010099
18. Beckett, E. L., Cassettari, T., Starck, C., & Fayet-Moore, F. (2024). Dairy milk: There are alternatives but no equivalents. Food Science & Nutrition, 12(10), 8470–8482. https://doi.org/10.1002/fsn3.4301
19. Buckova M, Vaskova H, Bubelova Z. (2016). Raman spectroscopy as a modern tool for lactose determination. Energy, 69(105), 70.
20. Çolak, S. (2025). Simultaneous Raman and FTIR-ATR Spectroscopy Techniques Combined With Chemometrics… Journal of Raman Spectroscopy. https://doi.org/10.1002/jrs.6812
21. de Almeida, M. R., de Sá Oliveira, K., Stephani, R., & Cappa de Oliveira, L. F. (2012). Application of FT-Raman Spectroscopy and Chemometric Analysis for Determination of Adulteration in Milk Powder. Analytical Letters, 45(17), 2589–2602. https://doi.org/10.1080/00032719.2012.698672
22. Elderderi, S., et al. (2020). ATR-IR spectroscopy for rapid quantification of water content in deep eutectic solvents. Journal of Molecular Liquids, 311, 113361. https://doi.org/10.1016/j.molliq.2020.113361
23. He H, Sun DW, Pu H, Chen L, Lin L. (2019). Applications of Raman spectroscopic techniques for quality and safety evaluation of milk: A review of recent developments. Critical Reviews in Food Science and Nutrition, 59(5), 770-793. https://doi.org/10.1080/10408398.2018.1528436
24. He, H., Sun, D.-W., Pu, H., Chen, L., & Lin, L. (2019). Applications of Raman spectroscopic techniques for quality and safety evaluation of milk: A review of recent developments. Critical Reviews in Food Science and Nutrition, 59(5), 770–793. https://doi.org/10.1080/10408398.2018.1528436
25. Júnior, P. H. R., et al. (2016). FT-Raman and chemometric tools for rapid determination of quality parameters in milk powder: Classification of samples for the presence of lactose and fraud detection by addition of maltodextrin. Food Chemistry, 196, 584–588. https://doi.org/10.1016/j.foodchem.2015.09.055
26. Khan HH, McCarthy U, Esmonde-White K, Casey I, O'Shea N. (2023). Potential of Raman spectroscopy for in-line measurement of raw milk composition. Food Control, 152, 109862. https://doi.org/10.1016/j.foodcont.2023.109862
27. Kostovska, R., et al. (2025). Use of Raman spectroscopy as a rapid tool to discriminate milk deriving from different pasture-based diets and breeds in a seasonal, spring-calving dairy production system. Journal of Dairy Science, 108(9), 9205–9221. https://doi.org/10.3168/jds.2025-26489
28. Łach, K., et al. (2023). Infrared Spectroscopy as a Potential Diagnostic Tool for Medulloblastoma. Molecules, 28(5), 2390. https://doi.org/10.3390/molecules28052390
29. Li M, Chen J, Xu J, Fu S, Gong H. Determination of lactose in milk by Raman spectroscopy. Analytical Letters. 2015;48(8):1333-1340. https://doi.org/10.1080/00032719.2014.979358
30. Li, M., Chen, J., Xu, J., Fu, S., & Gong, H. (2015). Determination of lactose in milk by Raman spectroscopy. Analytical Letters, 48(8), 1333–1340. https://doi.org/10.1080/00032719.2014.979358
31. Markoska, T., Huppertz, T., Grewal, M. K., & Vasiljevic, T. (2019). Structural changes of milk proteins during heating of concentrated skim milk determined using FTIR. International Dairy Journal, 89, 21–30. https://doi.org/10.1016/j.idairyj.2018.08.001
32. McGoverin, C. M., Clark, A. S. S., Holroyd, S. E., & Gordon, K. C. (2010). Raman spectroscopic quantification of milk powder constituents. Analytica Chimica Acta, 673(1), 26–32. https://doi.org/10.1016/j.aca.2010.05.014
33. Mohammadi, S., Gowen, A., Luo, J., & O’Donnell, C. (2024). Prediction of milk composition using multivariate chemometric modelling of infrared, Raman and fluorescence spectroscopic data: A review. Food Control, 165, 110658. https://doi.org/10.1016/j.foodcont.2024.110658
34. Moros, J., Garrigues, S., & de la Guardia, M. (2007). Evaluation of nutritional parameters in infant formulas and powdered milk by Raman spectroscopy. Analytica Chimica Acta, 593(1), 30–38. https://doi.org/10.1016/j.aca.2007.04.036
35. Ní Fhuaráin, A. M., O’Donnell, C. P., Luo, J., & Gowen, A. A. (2024). A Review on MIR, NIR, Fluorescence and Raman Spectroscopy Combined with Chemometric Modeling to Predict the Finctional Properties of Raw Bovine Milk. ACS Food Science & Technology, 4(10), 2258–2271. https://doi.org/10.1021/acsfoodscitech.3c00510
36. Rachah, A., et al. (2021). Exploring Dry-Film FTIR Spectroscopy to Characterize Milk Composition and Subclinical Ketosis throughout a Cow’s Lactation. Foods, 10(9), 2033. https://doi.org/10.3390/foods10092033
37. Reiner, J., Protte, K., & Hinrichs, J. (2020). Investigation of the applicability of Raman spectroscopy as online process control during consumer milk production. ChemEngineering, 4(3), 45. https://doi.org/10.3390/chemengineering4030045
38. Ribeiro, D. C. S. Z., et al. (2023). Determination of the lactose content in low-lactose milk using FTIR and CNN. Heliyon, 9(1), e12898. https://doi.org/10.1016/j.heliyon.2023.e12898
39. Schott, J. A., et al. (2021). FTIR investigation of CO₂ sorption in porous ionic liquids. Green Chemical Engineering, 2(4), 392–401. https://doi.org/10.1016/j.gce.2021.10.002
40. Silva MG, de Paula IL, Stephani R, Edwards HG, de Oliveira LFC. Raman spectroscopy in the quality analysis of dairy products: A literature review. Journal of Raman Spectroscopy. 2021;52(12):2444-2478.
41. Silva, M. G., et al. (2021). Raman spectroscopy in the quality analysis of dairy products: A literature review. Journal of Raman Spectroscopy, 52(12), 2444–2478. https://doi.org/10.1002/jrs.6214
42. Smith, G. P. S., Gordon, K. C., & Holroyd, S. E. (2013). Raman spectroscopic quantification of calcium carbonate in spiked milk powder samples. Vibrational Spectroscopy, 67, 87–91. https://doi.org/10.1016/j.vibspec.2013.04.005
43. Stani, C., et al. (2020). FTIR investigation of the secondary structure of type I collagen: New insight into the amide III band. Spectrochimica Acta Part A, 229, 118006. https://doi.org/10.1016/j.saa.2019.117653
44. Yan, H., Yu, Z., & Liu, L. (2022). Lactose crystallization and Maillard reaction in simulated milk powder based on the change in water activity. Journal of Food Science, 87(11), 4956–4966. https://doi.org/10.1111/1750-3841.16267
45. Zhang, ZY. (2020). The statistical fusion identification of dairy products based on extracted Raman spectroscopy. RSC Advances, 10(50), 29682-29687. https://doi.org/10.1039/D0RA06318E
46. Zhang, Y., Shen, B., Wang, H., & Zhao, Y. (2025). Quantification of cow milk in adulterated goat milk using Raman spectroscopy and machine learning. Microchemical Journal, 215, 114319. https://doi.org/10.1016/j.microc.2025.114319
47. Zhang, Z.-Y., Su, J.-S., & Xiong, H.-M. (2025). Technology for the Quantitative Identification of Dairy Products Based on Raman Spectroscopy, Chemometrics, and Machine Learning. Molecules, 30(2), 239. https://doi.org/10.3390/molecules30020239