영국 연구에서 글루텐의 획기적인 발견

2023년 7월 31일에 게시됨

켄터키주 렉싱턴 — 점점 더 많은 사람들이 글루텐 불내증과 셀리악병을 겪고 있으며, 이로 인해 시장에서 글루텐 프리 제품에 대한 수요가 높아졌습니다. 그러나 이러한 제품에 실제로 글루텐이 없는지 확인하는 것은 어려울 수 있으며, 특히 수확, 제조 또는 포장 중에 교차 오염이 발생할 경우 더욱 그렇습니다. 글루텐 프리 제품에는 아주 작은 글루텐이라도 글루텐 불내증이나 소아 지방변증이 있는 사람들의 건강에 심각한 영향을 미칠 수 있습니다.

이 문제를 해결하기 위해 University of Kentucky Martin-Gatton 농업, 식품 및 환경 대학의 연구원들은 해결책을 찾기 위해 MDPI의 저널 Sustainability에 게재된 연구를 수행했습니다.

이 연구는 푸리에 변환 적외선(FTIR) 분광학을 사용하여 글루텐이 없는 옥수수빵에서 밀(글루텐) 가루 오염을 신속하게 감지하고 측정하는 데 중점을 두었습니다. 이 기술은 다양한 파장의 적외선 흡수를 사용하여 샘플의 유기 및 무기 화합물을 식별합니다. 또한 연구원들은 옥수수빵의 밀가루 오염을 식별하고 정량화하는 데 도움이 되는 기계 학습 기술을 통합했습니다.

“알레르겐 오염은 식품 산업에서 매우 흔한 일입니다.”라고 바이오시스템 및 농업 공학 부교수이자 수석 조사관인 Akinbode Adedeji가 말했습니다. “글루텐 불내증이 있는 사람들에게는 한계점이 매우 희박합니다. 우리는 글루텐 오염이 존재하는지 신속하게 판단할 수 있는 빠른 방법을 찾고 싶었습니다.”

옥수수 가루와 밀가루를 사용하여 Adedeji와 생물 시스템 및 농업 공학 석사 학생 Abuchi Okeke는 각각 밀가루 오염 수준이 다양한 13가지 옥수수 빵 샘플을 준비했습니다. 그런 다음 특수 다이아몬드 액세서리가 포함된 FTIR 분광계를 사용하여 이러한 샘플을 분석했습니다. 머신러닝 분석을 진행하기 전, 수집된 스펙트럼을 데이터 노이즈 감소에 사용되는 디지털 신호 처리 기법인 Savitzky-Golay 평활화 알고리즘과 1차 미분 변환을 통해 전처리했습니다. 미분 변환은 서로 다른 샘플의 스펙트럼을 구별하는 데 도움이 되므로 기계 학습 모델을 사용하여 클러스터링하는 것이 더 쉬울 수 있습니다.

Adedeji는 "FTIR 분광학과 기계 학습 알고리즘의 조합은 글루텐 프리 옥수수빵에서 밀가루 오염을 매우 정확하게 감지하고 측정하는 데 매우 효과적인 것으로 입증되었습니다."라고 말했습니다. “0.5%에 불과한 매우 낮은 오염 수준에서도 모델은 생옥수수가루와 구운 옥수수가루에 밀가루가 있는지 정확하게 식별할 수 있었습니다. 오염 수준이 높아질수록 정확도가 향상되었습니다.”

또한 이 연구에서는 여러 기계 학습 모델을 결합한 기술인 앙상블 학습 알고리즘이 정확도를 더욱 향상시켜 개별 기계 학습 방법을 능가하는 것으로 나타났습니다.

연구에서 중요한 발견은 K-Nearest Neighbor(kNN) 알고리즘이 글루텐 프리 옥수수빵의 밀가루 오염 정도를 정량화하는 가장 유망한 접근 방식임을 확인했다는 것입니다. kNN 알고리즘은 데이터 세트에서 가장 가까운 샘플과 비교하여 알려지지 않은 샘플의 오염 수준을 예측합니다. 또 다른 연구 이정표 기여는 오염된 제품에서 수집된 FTIR 데이터를 분석하여 실시간으로 글루텐을 감지하고 정량화할 수 있는 "Glutini"라는 오픈 소스 영국 앱의 개발이었습니다.

Adedije는 이번 연구가 특히 식품 산업과 글루텐 프리 제품 제조업체에 미치는 영향이 광범위하다고 말했습니다. FTIR 분광학과 기계 학습 알고리즘의 결합은 글루텐 프리 제품의 안전과 품질을 보장하는 신뢰할 수 있고 효율적인 방법을 제공하여 글루텐 불내증이나 체강 질병이 있는 개인을 잠재적인 건강 위험으로부터 보호합니다.

“기계 학습 알고리즘을 활용하여 대규모 데이터 세트를 분석하고 숨겨진 패턴을 식별함으로써 식품 안전 검사 및 품질 평가의 정확성과 효율성이 크게 향상될 수 있습니다.”라고 그는 말했습니다. "이 연구는 소비자에게 보다 안전하고 고품질의 글루텐 프리 옵션을 제공하는 데 있어 중요한 진전입니다."