Identification of species affiliation and determination of fish eggs adulteration by vibrational spectroscopy and digital colorimetry methods

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The efficiency of combining spectroscopic and chemometric methods for identification and classification of salmon, sturgeon and particle fish caviar, as well as for differentiation of natural and imitated samples, has been shown. Analysis of infrared spectra in the near and middle regions made it possible to identify the peculiarities of chemical composition and structure of the samples under study, providing reliable differentiation of natural and imitated caviar. The use of Raman spectroscopy helped to identify characteristic spectral differences related to protein-lipid composition and the presence of carotenoids, which allowed to clearly differentiate the samples. The application of principal component analysis (PCA), hierarchical cluster analysis (HCA) and formal independent modeling of class analogies (SIMCA) algorithms improved classification accuracy, providing separation of samples by fish species. Digital colorometry based on the analysis of optical characteristics in the UV and IR ranges showed to be an affordable and reliable method that can be an alternative to more expensive spectroscopic approaches.

About the authors

V. G. Amelin

All-Russian State Centre for Quality and Standardization of Animal Drugs and Feeds; Alexander Grigorievich and Nikolai Grigorievich Stoletov Vladimir State University

Email: amelinvg@mail.ru
Moscow, Russia; Moscow, Russia

O. E. Emelyanov

Alexander Grigorievich and Nikolai Grigorievich Stoletov Vladimir State University

Moscow, Russia

A. Yu. Khrushchev

Alexander Grigorievich and Nikolai Grigorievich Stoletov Vladimir State University

Moscow, Russia

A. V. Tretyakov

All-Russian State Centre for Quality and Standardization of Animal Drugs and Feeds

Moscow, Russia

References

  1. ГОСТ 18173-2004. Икра лососевая зернистая баночная. Технические условия. М.: Изд-во стандартов. 2004. 10 с.
  2. Ситникова Н.В. Идентификация и фальсификация икры в России // Ученые записки Санкт-Петербургского имени В.Б. Бобкова филиала Российской таможенной академии. 2007. № 2(28). С. 84.
  3. Калюжная Т.В., Орлова Д.А., Родак Г.Н. Идентификация икры лососевых пород рыб с помощью полимеразной цепной реакции с наблюдением в реальном времени // Международный вестник ветеринарии. 2021. № 4. С. 88. https://doi.org/10.52419/issn2072-2419.2021.4.88
  4. Santiago-Felipe S., Tortajada-Genaro L.A., Puchades R., Maquieira A. Recombinase polymerase and enzyme-linked immunosorbent assay as a DNA amplification-detection strategy for food analysis // Anal. Chim. Acta. 2014. V. 811. P. 81. https://doi.org/10.1016/j.aca.2013.12.017
  5. Taboada L., Sanchez A., Sotelo C. G. A new real-time PCR method for rapid and specific detection of ling (Molva molva) // Food Chem. 2017. V. 228. P. 469. https://doi.org/ 10.1016/j.foodchem.2017.01.117
  6. Hu Q., Pan Y., Xia H., Yu K., Yao Y., Guan F. Species identification of caviar based on multiple DNA barcoding // Molecules. 2023. V. 28. Article 5046. https://doi.org/10.3390/molecules28135046
  7. Birstein V.J., Doukakis P., Sorkin B., Desalle R. Popu­lation aggregation analysis of three caviar producing species of sturgeons and implications for the species identification of black caviar // Conserv. Biol. 1998. V. 12. № 4. P. 766. https://doi.org/10.1111/j.1523-1739.1998.97081.x
  8. Абрамова Л.С., Козин А.В., Гусева Е.С. Проблема фальсификации зернистой икры лососевых рыб и пути решения // Пищевые системы. 2022. Т. 5. № 4. С. 319. https://doi.org/10.21323/2618-9771-2022-5-4-319-326
  9. Шаока З.А.Ч., Большаков Д.С., Амелин В.Г. Использование смартфона в химическом анализе // Журн. аналит. химии. 2023. Т. 78. № 4. С. 317. (Shogah Z.A.Ch., Bol'shakov D.S., Amelin V.G. Using a smartphone in chemical analysis // J. Anal. Chem. 2023. V. 78. №. 4. P. 317.) https://doi.org/10.31857/S0044450223030131
  10. Böck F.C., Helfer G.A., da Costa A.B., Dessuy M.B., Ferrao M.F. PhotoMetrix and colorimetric image analysis using smartphones // J. Chemometrics. 2020. V. 34. Article 12. https://doi.org/10.1002/cem.3251
  11. Helfer G.A., Magnus V.S., Böck F.C., Teichmann A., Ferrãoa M.F., da Costa A.B. PhotoMetrix: An application for univariate calibration and principal components analysis using colorimetry on mobile devices // J. Braz. Chem. Soc. 2017. V. 28. № 2. P. 328. https://doi.org/10.5935/0103-5053.20160182
  12. Амелин В.Г., Емельянов О.Э., Третьяков А.В., Гергель М.А., Зайцева Е.В. Идентификация и установление фальсификации икры лососевых рыб методами ПЦР, ИК-спектроскопии и цифровой цветометрии // Журн. аналит. химии. 2025. Т. 80. № 5. С. 459.
  13. Емельянов О.Э., Амелин В.Г., Третьяков А.В. Идентификация куркумы и установление фальсификации методами цифровой цветометрии и ближней ИК-спектроскопии // Журн. аналит. химии. 2025. Т. 80. № 6. С. 533.
  14. Johnson J.B., Walsh K.B., Naiker M., Ameer K. The use of infrared spectroscopy for the quantification of bioactive compounds in food: A Review // Molecules. 2023. V. 28. № 7. Article 3215. https://doi.org/10.3390/molecules28073215

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2025 Russian Academy of Sciences

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).