Сравнение методов ИК- и Раман-спектроскопии для оценки структурных изменений в молоке при тепловой обработке

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.

1. Абдуллаева, Л. В., Бедретдинова, С. А. (2023). Аналитическая оценка системы подтверждения соответствия молока и молочной продукции обязательным требованиям. Food Metaengineering, 1(4). https://doi.org/10.37442/fme.2023.4.31

2. Беляков, М. В., Самарин, Г. Н., Ефременков, И. Ю. (2024). Исследование скисания молока методом рамановского рассеяния. Техника и оборудование для села, (5), 40–44. https://doi.org/10.33267/2072-9642-2024-5-40-44

3. Галстян, А. Г., Петров, А. Н., Юрова, Е. А. и др. (2025). Киберфизические компоненты пищевой метаинженерии. Вестник РАН, (6), 77–84. https://doi.org/10.31857/S0869587325060099

4. Калугина, Д. Н., Юрова, Е. А. (2022). Обоснование определения индекса азота сывороточного белка для оценки белкового состава молока. Молочная промышленность, (7), 35–37. https://doi.org/10.31515/1019-8946-2022-07-35-37

5. Кобзева, Т. В., Юрова, Е. А. (2016). Оценка показателей качества и идентификационных характеристик сухого молока. Молочная промышленность, (3), 32–35.

6. Петров, А. Н., Галстян, А. Г., Радаева, И. А., Туровская, С. Н., Илларионова, Е. Е., Семипятный, В. К. и др. (2017). Показатели качества сгущённого молока: российские и международные приоритеты. Foods and Raw Materials, 5(2), 151–161. https://doi.org/10.21603/2308-4057-2017-2-151-161

7. Радаева, И. А., Червецов, В. В., Галстян, А. Г., Туровская, С. Н., Илларионова, Е. Е.; Петров, А. Н.(2016). Межгосударственный стандарт на сухое молоко. Молочная промышленность, (3), 36–38.

8. Самарин, Г. Н.; Беляков, М. В. (2024). Оптическая спектральная диагностика казеина. Известия вузов. Пищевая технология, (1), 112–116. https://doi.org/10.26297/0579-3009.2024.1.18

9. Харитонов, В. Д., Юрова, Е. А., Чигасов, А. И. (2012). Спектральный анализ в ближней ИК-области. Молочная промышленность, (2), 55–56.

10. Хуршудян, С. А., Галстян, А. Г. (2018). Качество пищевых продуктов. Термины, определения и противоречия. Контроль качества продукции, (1), 48–49.

11. Юрова, Е. А., Фильчакова, С. А. (2021). Разработка методик измерений, обеспечивающих проведение испытаний продукции по всему спектру показателей и идентификационных характеристик продукта. В книге: Идеи академика В. Д. Харитонова в наукоёмких технологиях переработки молока (с. 243–262). Москва: Изд-во.

12. 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

13. 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

14. 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

15. 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

16. 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

17. Buckova M, Vaskova H, Bubelova Z. (2016). Raman spectroscopy as a modern tool for lactose determination. Energy, 69(105), 70.

18. Çolak, S. (2025). Simultaneous Raman and FTIR-ATR Spectroscopy Techniques Combined With Chemometrics… Journal of Raman Spectroscopy. https://doi.org/10.1002/jrs.6812

19. 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

20. 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

21. 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

22. 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

23. 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

24. 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

25. 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

26. Łach, K., et al. (2023). Infrared Spectroscopy as a Potential Diagnostic Tool for Medulloblastoma. Molecules, 28(5), 2390. https://doi.org/10.3390/molecules28052390

27. 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

28. 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

29. 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

30. 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

31. 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

32. 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

33. 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

34. 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

35. 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

36. 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

37. 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

38. 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.

39. 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

40. 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

41. 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

42. 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

43. 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

44. 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

45. 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