Cookies y Privacidad
Usamos cookies propias y de terceros para mejorar la experiencia de nuestros usuarios, analizar el tráfico del sitio y personalizar contenido. Si continúas navegando, asumimos que aceptas su uso. Para más información, consulta nuestra Política de Cookies
Identificación de péptidos característicos de caseína en leche de vaca basada en MALDI-TOF MS para la detección directa de adulteración de leche de cabra
Es ampliamente reconocido que la caseína es una proteína alergénica importante en la leche que puede representar un peligro para los consumidores. La identificación y confirmación de las caseínas a través de espectrometría de masas requiere la selección de péptidos característicos adecuados. En este estudio, mediante espectrometría de masas por ionización desorción láser asistida por matriz de tiempo de vuelo (MALDI-TOF MS), se identificaron los tres péptidos específicos más representativos de la caseína en la leche de vaca con relaciones de masa a carga de 830, 1195 y 1759, respectivamente. Al comparar las matrices MALDI de ácido 2,5-dihidroxibenzoico (DHB) y ácido -ciano-4-hidroxicinámico (CHCA), se encontró que el DHB era más adecuado para la detección de péptidos con límites de detección (LODs) de 0.1 mg/L para la caseína. Además, basándose en la verificación de los péptidos característicos de la caseína de la leche de vaca, este protocolo se aplicó a la autenticación de la leche de cabra. La adición de leche de vaca en la leche de cabra fue investigada utilizando los péptidos específicos identificados. Los resultados mostraron que la adulteración podía ser identificada cuando la proporción de leche de vaca era del 1% o más. Al aplicarse para inspeccionar la adulteración en cinco marcas de leche de cabra comercial, se detectaron péptidos específicos de caseína bovina en cuatro de ellas. El método tiene ventajas de alta confiabilidad, alto rendimiento, simple preprocesamiento y rapidez, lo que puede proporcionar una ayuda poderosa para la prevención de alérgenos lácteos.
Autores: Lu, Yan; Dai, Jinxia; Zhang, Sen; Qiao, Junqin; Lian, Hongzhen; Mao, Li
Idioma: Inglés
Editor: MDPI
Año: 2023
Disponible con Suscripción Virtualpro
Categoría
Licencia
Consultas: 6
Citaciones: Sin citaciones