Chimiométrie, analyse de données multivariées

Mieux exploiter les bases de données issues de vos mesures


Comment détecter les OGM par spectroscopie proche infrarouge

► Objectif : L’identification et la ségrégation des céréales génétiquement modifiées (OGM) sont des enjeux prépondérants du monde céréalier. Les réseaux de distribution céréaliers recherchent un test rapide et peu coûteux permettant la détection des céréales OGM. L’Iowa State University (IA, USA) a souhaité développer une alternative aux méthodes classiques longues et fort coûteuses (ELISA, PCR), en se basant sur des mesures spectroscopiques proche infrarouge, non destructives, rapides, peu coûteuses.

► Nos solutions : Divers algorithmes non linéaires de discrimination multivariée (tels que PLS- DA, LWR-DA et Réseaux de Neurones Artificiels) ont été testés sur les larges banques de données de l’ISU (plus de 8 000 échantillons). Ceci a permis de détecter les sojas OGM des sojas conventionnels avec seulement 8% d’erreur !

► Bénéfices client : Ainsi, l’Iowa State University a pu prouver que la spectroscopie proche infrarouge était capable de détecter les lots purs de soja OGM. Ces équipements étant présents dans tous les silos américains, ils facilitent la mise en place des filières commerciales non-OGM aux États-unis (identity-preserved market).

► Innovation et pragmatisme : Le développement de modèles d’analyse de données plus élaborés (réseaux de neurones, modélisation locale) a permis d’étendre les fonctionnalités des spectromètres du commerce. Ces méthodes chimiométriques plus poussées donnent ainsi aux céréaliers de nouvelles possibilités de détection et de qualification de leurs produits.

 

→ Pour en savoir plus sur cette action ou sur nos services en modélisation des base de données

 




based on Pollen CMS