Využití metody reten ní kapacity mouky pro predikci technologické kvality pšenice v eské republice
METODIKA PRO PRAXI 2012 Václav Dvo á ek Ludmila Papoušková Ji í Hermuth Ladislav Dotla il
Old ich Fam ra Ilona Hálová Božena Riljaková Tibor Sedlá ek
Metodika vznikla za finanční podpory MZe ČR a je výstupem řešení projektu NAZV QH 91184 „Metody a materiály pro šlechtění a hodnocení pšenice na specifickou kvalitu produkce“.
©Výzkumný ústav rostlinné výroby, v.v.i., Praha 6 - Ruzyně, 2012
ISBN: 978-80-7427-097-0
Využití metody retenční kapacity mouky pro predikci technologické kvality pšenice v České republice
Václav Dvořáček Oldřich Faměra Ilona Hálová Ludmila Papoušková Jiří Hermuth Božena Riljáková Ladislav Dotlačil
Tibor Sedláček
METODIKA PRO PRAXI Výzkumný ústav rostlinné výroby, v.v.i. Praha 6 - Ruzyně Česká zemědělská univerzita v Praze Praha 6 - Suchdol Výzkumné centrum SELTON, s.r.o. Stupice 24 - Sibřina
2012
1
Využití metody retenční kapacity mouky pro predikci technologické kvality pšenice v České republice Předložená metodika podrobně popisuje postupy implementace metody retenční kapacity mouky (SRC test) s využitím v řadě technologických laboratoří ve výzkumu, šlechtění, zpracovatelském průmyslu i státní kontroly zaměřené na hodnocení kvality pšeničného zrna. Metodika objektivně shrnuje poznatky o faktorech působících na variabilitu stanovení retenční kapacity. Současně statisticky dokládá efektivitu jejího využití v oblasti přípravy směsných mouk, predikce technologické kvality sušenek resp. pekařské jakosti pšeničného zrna. Podrobně také popisuje statistické postupy vyhodnocení a stanovení klíčových retenčních kritérií korespondující s požadovanou finální jakostí zrna. The use of Solvent retention capacity test for prediction of wheat technological quality in the Czech Republic The presented method describes in detail implementation steps of the solvent retention capacity (SRC test) with utilization in many technological laboratories of research, wheat breeding, manufacturing industry as well as state control focused on quality evaluation of wheat grain. The method objectively summarizes pieces of knowledge about factors causing variability of the retention capacity assessment. At the same time it documents its application effectiveness in the sphere of flour mixtures preparation, prediction of cookie technological quality and baking quality of wheat grain respectively. This method also describes in detail statistical procedures of evaluation and assessments of key retention criteria corresponding with demanded final grain quality.
Oponenti: doc. Ing. Jan Bárta, Ph.D. Zemědělská fakulta, Jihočeská univerzita v Českých Budějovicích Ing. František Kůst odbor rostlinných komodit, MZe Praha
Metodika je určena pracovníkům zabývajících se šlechtěním pšenice, pracovníkům v mlýnsko-pekárenské i zemědělské praxi, dále i pracovníkům státní kontroly i pracovníkům výzkumných organizací a univerzit.
Metodika byla schválena Ministerstvem zemědělství ČR – odborem rostlinných komodit pod č.j. 76703/2012
Ministerstvo zemědělství doporučuje tuto metodiku pro využití v praxi.
2
Obsah I. Cíl metodiky............................................................................................................................ 4 II. Vlastní popis metodiky .......................................................................................................... 4 1. Směry využití pšenice seté v ČR....................................................................................... 4 2. Významné komponenty technologické kvality zrna ......................................................... 5 3. Metody stanovení technologické kvality zrna................................................................... 6 4. Retenční kapacita mouky – charakteristika metody.......................................................... 6 4.1. Specifika působení definovaných roztoků na vaznost mouky .................................... 6 5. Využití metody retenční kapacity mouky v praxi ............................................................. 7 6. Pracovní protokol .............................................................................................................. 8 6.1. Princip metody ............................................................................................................ 8 6.2. Technické vybavení..................................................................................................... 8 6.3. Chemikálie .................................................................................................................. 9 6.4. Příprava pracovních roztoků ....................................................................................... 9 6.5. Příprava vzorku pro analýzu...................................................................................... 10 6.6. Pracovní postup ......................................................................................................... 10 6.7.Kalkulace výsledku .................................................................................................... 11 6.7.1. Průměrné směrodatné chyby stanovení retenční kapacity mouky ...................... 11 6.8. Metodické poznámky ................................................................................................ 12 III. Příklady využití a postupy hodnocení metody SRC test .................................................... 12 1. Vliv způsobu mletí na hodnoty retenční kapacity mouky............................................... 12 1.1. Úvod do problematiky............................................................................................... 12 1.2. Modelové postupy hodnocení ................................................................................... 13 2. Využití metody SRC test pro mísení mouk s různou technologickou jakostí................. 14 2.1 Úvod do problematiky................................................................................................ 14 2.2. Modelové postupy hodnocení ................................................................................... 14 3. Využití retenční kapacity mouky pro predikci jakosti pšenice na sušenky..................... 17 3.1. Úvod do problematiky............................................................................................... 17 3.2. Modelové postupy hodnocení ................................................................................... 17 4. Využití retenční kapacity mouky pro predikci jakosti pšenice na pekařskou kvalitu ..... 19 4.1. Úvod do problematiky............................................................................................... 19 4.2. Modelové postupy hodnocení ................................................................................... 20 IV. Srovnání novosti postupů................................................................................................... 23 V. Popis uplatnění certifikované metodiky .............................................................................. 23 VI. Ekonomické aspekty .......................................................................................................... 24 VII. Seznam použité literatury ................................................................................................ 24 VIII. Seznam publikací, které předcházely metodice .............................................................. 26
3
I. Cíl metodiky Vypracovaná metodika retenční kapacity mouky by měla uživatelům poskytnout ucelené informace o možnosti využití této metody pro predikci pekařských a pečivárenských vlastností pšenice seté. Její celkově vyšší efektivita, jednoduchost stanovení, komplexnost sledovaných parametrů i relativně nízké pořizovací náklady na zavedení a provoz jsou dobrým předpokladem pro využití ve šlechtění pšenice, v mlýnsko-pekárenské i zemědělské praxi, v procesech státní kontroly i ve výzkumných organizacích a na univerzitách.
II. Vlastní popis metodiky 1. Směry využití pšenice seté v ČR Pšenice je celosvětově jedna z nejvýznamnějších plodin. Z celkové produkce pšenice pěstované v ČR v rozsahu mezi 800 až 860 tisíci hektary je dosud využíváno přibližně 42 % k potravinářským účelům, 46 % ke krmným účelům a malá množství k průmyslovému zpracování (5 %) a produkci osiv (6 %) (Kůst a Potměšilová 2011). V potravinářských aplikacích dominuje výroba kynutých pekárenských výrobků. Asi 9,5 % potravinářské pšenice je v ČR využíváno k pečivárenským účelům zahrnující především výrobu sušenek a oplatek (Capouchová 2002). Pšeničné zrno je ovšem rovněž využíváno pro produkci snídaňových cereálií, těstovin a mnoho dalších výrobků (Prugar et al. 2008). Optimální využití pšeničného zrna pro koncovou produkci tak vyžaduje pečlivé sledování jeho kvality. Termín kvalita či jakost lze definovat jako míru uspokojení potřeb konzumenta (Celba et al. 2001), nebo jako určitý stupeň naplnění potřeb vůči nějakému standardu. Kvalita zrna je komplexní parametr obecně zahrnující několik základních kvalitativních oblastí, jež se vzájemně úzce ovlivňují. Rozeznáváme tak kvalitu hygienickou, danou přípustnými limity látek, u kterých je riziko poškození organizmu a dále pak nutriční, charakterizovanou přítomností výživově pozitivních složek zrna či zpracované mouky. V případě pšeničného zrna má pak zásadní vliv kvalita technologická včetně senzorických vlastností specifikující využitelnost pšeničného zrna pro jednotlivé finální produkty. V oblasti technologické kvality potravinářské pšenice tak jde konkrétně o znaky popisující mlynářskou a pekařskou hodnotu. Norma ČSN 46 1100-2 vymezuje dle zjištěných technologických parametrů při výkupu pšeničného zrna pouze dvě jakostní kategorie, a to pekárenskou a pečivárenskou viz (Tab. 1). Zdaleka ovšem nemůže postihnout všechny technologické a jakostní aspekty zrna s výrazným vlivem na finální kvalitu jednotlivých produktů u obou technologických směrů. Detailnější přístup pro hodnocení technologické jakosti pšenice najdeme v oblasti odrůdového zkušebnictví. ÚKZÚZ (Ústřední kontrolní a zkušební ústav zemědělský) v současnosti deklaruje 4 kategorie potravinářské pšenice (E-elitní, A-kvalitní, B-chlebová, Cnevhodná pro výrobu kyn. těst) s jasnými hraničními kritérii vybraných parametrů pro pekařské využití (Tab. 2). V případě deklarace pro jednotlivé pečivárenské aplikace, průmyslové nebo krmné využití jasně vymezené úrovně těchto kritérií chybí, byť jsou poslední dobou určitá doporučení uváděna především pro kategorie keksových pšenic určených např. pro produkci sušenek, oplatek či krekrů. (Novotný 2006). Obecné doporučení pak panuje pro požadovanou úroveň obsahu škrobu nad 67 % v případě využití pšenice pro průmyslové využití (Prugar et al. 2008).
4
Tab. 1 Rozdíly v technologických požadavcích pro pšenici potravinářskou (ČSN 46 1100-2) Jakostní znaky pšenice seté Využití: pekárenské Využití: pečivárenské Vlhkost (%) Nejvýše 14,0 Nejvýše 14,0 -1 Objemová hmotnost (kg.hl ) Nejméně 76,0 Nejméně 76,0 Obsah N-látek (Nx5,7) (%) Nejméně 11,5 Nejvýše 11,5 Sediment. index - Zelenyho test (ml) Nejméně 30,0 Nejvýše 25 Číslo poklesu (s) Nejméně 220 Nejméně 220 Tab. 2 Minimální požadavky na zařazení odrůd pšenice do skupin jakosti (ÚKZÚZ 2011) Jakostní skupina E – elitní A – kvalitní B – chlebová Vyjádření hodnoty Absolutně - bod (9-1) Absolutně - bod (9-1) Absolutně - bod (9-1) Objemová výtěžnost (ml) 530 8 500 6 470 4 Obsah hrubých bílkovin (%) 12,6 6 11,8 4 11 2 Zelenyho test (ml) 49 7 35 5 21 3 Číslo poklesu (sec) 286 6 226 4 196 3 Objemová hmotnost g.l-1) 790 7 780 6 760 4 Vaznost mouky (%) 55,4 7 53,2 5 52,1 4 2. Významné komponenty technologické kvality zrna V principu je technologická kvalita včetně nutriční a senzorické závislá především na obsahu a specifických funkčních vlastnostech biochemických komponent a jejich interakcích, které determinují vhodnost pro mletí a pekařskou či pečivárenskou produkci. Technologická kvalita tak nemůže být deklarována pouze jedním parametrem, důležité jsou všechny jednotlivé její složky. Z tohoto důvodu existuje celá řada testů pro predikci kvality, přičemž každá metoda postihuje různé komponenty kvality a vyžaduje různý přístup. Za nejdůležitější znak pekařské kvality pšenice je zpracovateli dlouhodobě považován obsah bílkovin s těsným vztahem k obsahu lepkového komplexu zrna. Hodnocení obsahu a kvality lepku dané jeho mechanickými vlastnostmi (pevností a pružností) souvisí s jeho schopností vytvářet po hydrataci „konstrukční základ“ těsta a významně tak ovlivňovat výslednou výtěžnost a tvar pečiva (Prugar et al. 2008). Dalším významným faktorem souvisejícím s technologickou kvalitou pšeničného zrna je obsah a vlastnosti škrobu, které jsou v důsledku geneticky odlišné tvrdosti zrna významně ovlivněny i následnými vymílacími procesy. Obecně k poškození škrobu při přípravě mouky dochází vždy. Odrůdy s tvrdým zrnem vykazují vyšší úroveň mechanického poškození škrobových zrn, jež poté váži vodu mnohem více než škrobová zrna, která nebyla poškozena. Dosažení určité míry tohoto poškození (6 – 10 %) je z technologického hlediska žádoucí, protože je pozitivně ovlivněna vaznost mouky i enzymatické pochody. Právě schopnost mouky vázat při přípravě těsta vodu patří mezi základní ukazatele kvality ovlivňující zpracovatelnost těsta a tím i finální objem pečiva (Dubat 2011). V souvislosti s polysacharidovou složkou zrna se jako významná komponenta kvality uvádí i obsah neškrobových polysacharidů tzv. vodorozpustných i nerozpustných pentosanů (v případě pšenice se konkrétně jedná o arabinoxylany), které se podílejí na konstrukční funkci lepkového komplexu a současně i vázání vody (Saulnier et al. 1995). Z technologického hlediska pak nelze rozhodně opomenout dvě významné charakteristiky: výše uvedenou tvrdost zrna rovněž ovlivňující efektivitu vymílání a celkovou enzymatickou aktivitu, která výrazně ovlivňuje fyzikálně-chemické vlastnosti obou majoritních komponent pšeničného zrna – škrobu a bílkovin.
5
3. Metody stanovení technologické kvality zrna Celosvětově se pro stanovení základních technologických vlastností kvality pšenice využívá řada nepřímých metod. Mezi nejběžnější patří využití spektroskopických hodnocení v blízké či střední infračervené oblasti (NIR/NIT metody). Jejich výhody spočívají v jednoduchosti a rychlosti stanovení s minimálními požadavky na úpravu vzorku. Nevýhody souvisí s celkově nižší přesností predikce i nutností vyvíjet a udržovat nezávislé kalibrace. Omezená je rovněž celková škála vyhodnocených technologických parametrů v souvislosti s obtížnou predikcí fyzikálně-chemických vlastností lepku či škrobového komplexu po hydrataci na intaktním zrnu či mouce (Jirsa et al. 2008). Vlastnosti bílkovin resp. lepkového komplexu a škrobu jsou proto stále hodnoceny klasickými laboratorními postupy zahrnující např. sedimentační test dle Zelenyho, metodu stanovení obsahu mokrého lepku a parametru gluten index a hodnocení úrovně enzymatického či mechanického poškození škrobu stanovením čísla poklesu resp. amperometricky přístrojem SD-Matic. Přesto ani tyto metody nejsou schopny v mnoha případech zcela objektivně odhadnout finální technologickou jakost pšenice. V praxi se pak uvádí jako jejich nejčastější korelační hodnota (r) např. k finální pekařské kvalitě (objem pečiva) v rozsahu 0,5 – 0,6 (Brümmer 2011). Snahy o lepší odhad finální pekařské kvality pak vedly k tvorbě reologických metod simulujících v menší či větší míře vlastní proces zpracování těsta. V principu je zaznamenáván měnící se odpor těsta v čase při jeho hnětení, nebo jsou vyhodnocovány dílčí mechanické vlastnosti těsta při různém způsobu jeho namáhání. Směrem k hodnocení vlastností škrobové složky zrna je rovněž sledována změna odporu těsta (suspenze) při nárůstu teploty vyvolávající mazovatění a gelatinizaci škrobu. Do první skupiny lze zahrnout tradiční metody farinografické či mixografické. Do druhé lze zařadit metody extenzografické či alveografické a do třetího měřícího systému patří metody visko- či amylografické. V poslední době je snaha jednotlivé reologické systémy vzájemně slučovat a získávat tak komplexnější hodnocení. Takovým příkladem může být přístroj francouzské firmy Chopin – Mixolab současně hodnotící odpor těsta v čase při postupném nárůstu a poklesu teploty. Reologické systémy jsou rovněž využívány pro jejich schopnost detailněji popsat vlastnosti jednotlivých komponent zrna např. agregační vlastnosti lepku (Brümmer 2011). Určitou daní za tuto komplexnost je ovšem vyšší časová i pracovní náročnost analýz, včetně vyšší pořizovací ceny a provozních nákladů. 4. Retenční kapacita mouky – charakteristika metody Stále jsou tak hledány pracovně i ekonomicky efektivní metody postihující celý komplex kvality pšenice s dobrou vypovídací schopností. Potenciál naplnit tyto požadavky má metoda stanovení retenční kapacity mouky, hodnotící vaznost mouky po centrifugaci. Využití definovaných čtyř roztoků (voda, 50% sacharosa, 5% uhličitan sodný a 5% kyselina mléčná) pak umožňuje vedle celkové vaznosti mouky nepřímo posoudit i vlastnosti jednotlivých složek (bílkoviny, škrob, pentosany), jejichž obsah a složení se do úrovně vyhodnocené vaznosti promítají. Úroveň vaznosti mouky v 5% roztoku kyseliny mléčné je tak asociován k charakteristice lepkového komplexu, hodnoty vaznosti v roztoku 5% uhličitanu sodného souvisí s mírou poškození škrobu, vaznost v roztoku 50% sacharosy závisí na množství přítomných pentosanů a do vaznosti vody je promítáno v určité úrovni působení všech uvedených komponent zrna (Zhang, 2007). Tato kombinace všech čtyř hodnot retenční kapacity mouky tak poskytuje celkový profil kvality mouky. 4.1. Specifika působení definovaných roztoků na vaznost mouky Principy působení jednotlivých rozpouštědel na výše uvedené komponenty zrna nejsou uváděny příliš podrobně. V případě 5% roztoku kyseliny mléčné s pH hluboko pod 7 dochází
6
k agregaci bílkovinných polymerů (především gluteninů) a jejich následnému nabobtnání a tedy poutání tohoto roztoku v mouce. Řada prací tak uvádí lineární nárůst vazby mouky v 5% kyselině mléčné s růstem obsahu bílkovin v zrně i nárůstem kvality (pevnosti) lepku (Xiao et al. 2006; Colombo et al. 2008). Nicméně, některé výsledky především u pšenic s měkkým zrnem tuto vazbu jednoznačně nepotvrdily (Guttieri et al. 2001). Při působení 5% uhličitanu sodného dochází vlivem pH roztoku nad 11 k ionizaci hydroxylových skupin, molekuly škrobu tak získávají záporný náboj vedoucí k silnějšímu poutání tohoto roztoku ve srovnání s vodou. V případě poškozeného škrobu se pak přístupnost k těmto skupinám výrazně zvyšuje a důsledkem je tak vyšší vaznost (Matsunaga a Seib, 1997). Nárůst vaznosti mouky nejen pro roztok uhličitanu sodného, ale i pro vodu, v důsledku poškození škrobu uvádí např. ve své studii Gaines et al. (2000). Roztok 50% sacharosy je unikátní ve smyslu určitého navození funkčních podmínek vznikajících při přípravě oplatek, sušenek či slazených krekrů. Byl prokázán silný lineární vztah mezi nárůstem pšeničných arabinoxylanů a vazností 50% roztoku sacharosy včetně vaznosti pro vodu a 5% roztoku uhličitanu sodného (Colombo et al. 2008). Obecně má roztok sacharosy za těchto podmínek výrazně vyšší schopnost vázat molekuly vody ve srovnání s intaktními či poškozenými škroby i bílkovinným komplexem. Ve srovnání s pentosany je však vaznost vody sacharosou mnohonásobně menší a vaznost mouky v 50% sacharose by tak měla být výhradně ovlivněna množstvím přítomných arabinoxylanů. Ve skutečnosti se však do vaznosti mouky pro tento roztok prolínají vlivy i dalších komponent (především vliv poškození škrobu), což lze doložit z řady výsledků silných pozitivních korelací vazností mouky pro vodu, uhličitan sodný a sacharosu (Gaines 2000; Guttieri et al. 2001; Ram and Singh 2004). 5. Využití metody retenční kapacity mouky v praxi Vypracovanou metodu retenční kapacity mouky (Solvent retention capacity test – SRC test) představili Slade a Levine v roce 1994. Metoda byla výhradně určena pro hodnocení kvality pšenic s měkkým zrnem vhodných pro pečivárenské účely. Nedávné zahraniční práce naznačují její možnosti využití i pro predikci pekařské kvality, kde především hodnoty retenční kapacity mouky pro kyselinu mléčnou silně korelovaly s výtěžností pečiva (Xiao et al. 2006; Colombo et al. 2008). V roce 2000 pak byla tato metoda oficiálně akceptována mezinárodní institucí American Association of Cereal Chemists (AACC) pod číslem 56-11, včetně doporučených hodnot retenční kapacity mouky např. pro produkci sušenek či mouk pro přípravu kynutých těst (Tab. 3). Toto zařazení tak svědčí o významnosti metody, kterou jí američtí cereální chemici přikládají. Na druhé straně některé oblasti zůstávají metodikou neupřesněny. Například zde není specifikován požadavek na parametry (granulaci) připravené mouky. Rovněž doporučené hodnoty vazností tabelované v této AACC metodě (viz Tab 3.) nejsou zcela přesně vymezeny. Při aplikaci metody je tak nutno počítat s jistou úrovní její adaptace na specifické procesy a požadavky uživatele tedy především mlýnské a pekárenské provozy. Pro šlechtitelské aplikace a mezilaboratorní srovnávání by ovšem detailnější specifikace přípravy mouky i rozsahy vazností např. pro jednotlivé jakostní skupiny pšenic byly velmi užitečné. V roce 2009 byla vydána novelizace této metody zahnující korekci metodiky výpočtu retenční kapacity mouky, která opravuje chybu původního výpočtu. (viz Kap. 6.8. Metodické poznámky). Původní vzorec chybně odečítal číslici 1 až po součinu mezi zjištěným nárůstem hmotnosti gelu a poměrem aktuální vlhkosti mouky k požadovaným 14 %. To ovšem vede v případě jiné vlhkosti mouky než 14 % k vyšším (v případě vlhkosti mouky nad 14 %) resp. nižším kalkulacím retenční kapacity mouky (v případě vlhkosti mouky pod 14 %) než je skutečnost (Haynes et al. 2009). Výpočtem podle obou rovnic lze míru této chybu snadno dokumentovat. Adaptovaná 14% retenční kapacita mouky např. pro vodu bude při
7
hmotnosti vytvořeného gelu 8 g u mouky s vlhkostí např. 13 % činit dle původní rovnice 58,16 % a dle korigované 59,31 %. Je zřemé, že se zvyšujícími se rozdíly vlhkosti mouky od 14 % bude chyba v kalkulaci retenční kapacity mouky u původní rovnice narůstat. Na pracovišti VÚRV oddělení Genové banky se metoda začala testovat před cca 4 lety. Byl optimalizován pracovní protokol metody. Ve spolupráci s ČZU a Výzkumným centrem Selton jsou dlouhodobě vyhodnocovány výsledky vztahy zaměřené především na pekařské a poslední dobou i pečivárenské vlastnosti pšeničného zrna u vybraných v ČR registrovaných odrůd i krajových materiálů. Naše komerční sféra má velký zájem o aplikace – v současné době se metoda začíná využívt na šlechtitelských pracovištích, probíhá implementace metody v mlýnech zaměřených na produkci oplatkové mouky a o zavedení metody je zájem i od dalších subjektů. Tab. 3 Doporučené hodnoty SRC testu pšenice pro pekárenské aplikace (AACC 56-11) SRC test SRC test SRC test SRC test Kategorie (H2O) (5% Na2CO3) (50% C12H22O11) (5% C3H6O3) Sušenková mouka ≤ 51 % ≤ 89 % ≥ 87 % ≤ 64 % Mouka na kynutá těsta ≤ 57 % ≤ 96 % ≥ 100 % ≤ 72 % 6. Pracovní protokol 6.1. Princip metody Metoda je založena na specifické schopnosti mouky zadržovat definovaný roztok po následné centrifugaci. Výsledná hodnota vyjadřuje procentický nárůst hmotnosti mezi původní navážkou mouky a vytvořeným gelem zadržujícím příslušný roztok. Využívají se čtyři nezávislé systémy: retenční kapacita mouky pro vodu, pro 50% sacharosu, pro 5% uhličitan sodný a pro 5% kyselinu mléčnou. Z funkčního pohledu je retenční kapacita mouky pro kyselinu mléčnou asociována s kvalitou lepkového komplexu, retenční kapacita mouky pro uhličitan sodný s úrovní poškozeného škrobu a retenční kapacita mouky pro sacharózu s obsahem pentozanů. Retenční kapacita mouky pro vodu je pak ovlivněna všemi těmito komponenty mouky. Kombinace všech hodnot retenční kapacity mouky tak poskytuje ucelený profil kvality mouky. 6.2. Technické vybavení • Centrifuga s úhlovým resp. výkyvným rotorem vhodná pro centrifugační kyvety s objemem 50 ml (viz Obr. 1) • Polypropylénové centrifugační kyvety se šroubovacím víčkem a objemem 50 ml • Rotační třepačka s příslušným držákem pro zkumavky s objemem 50 ml (viz Obr. 2) • Laboratorní váhy s přesností ± 0,001 g (viz Obr. 3). • Dávkovací byrety (pipety) s minimálním rozsahem 20 – 30 ml korespondující požadovanou hmotností dávkovaného roztoku (viz Obr. 4)
8
Obr. 1 Centrifuga s úhl. rotorem (50 ml kyvety)
Obr. 3 Lab. váhy s deklarovanou citlivostí
Obr. 2 Rotační třepačka pro 50 ml kyvety
Obr. 4 Byrety pro dávkování retenčních roztoků
6.3. Chemikálie • Destilovaná nebo demineralizovaná voda • Kyselina L-mléčná, čistá min. koncentrace 79 % - C3H6O3 • Uhličitan sodný p.a. - Na2CO3 • Sacharosa p.a. - C12H22O11 6.4. Příprava pracovních roztoků • Příprava roztoku 50% sacharosy (w/w): navážit 500 g sacharosy do 1 l odměrné baňky a doplnit destilovanou vodou do dosažení celkové hmotnosti roztoku 1 kg. Řádně rozpustit a nechat odležet 24 h.
9
• •
Příprava roztoku 5% uhličitanu sodného (w/w): navážit 50 g uhličitanu sodného do 1 l odměrné baňky a doplnit destilovanou vodou do dosažení celkové hmotnosti roztoku 1 kg. Řádně rozpustit a nechat odležet 24 h. Příprava roztoku 5% kyseliny mléčné (w/w): zjistit aktuální koncentraci dodané kyseliny mléčné a vypočítat alikvótní hmotnost roztoku kyseliny mléčné odpovídající požadované hmotnosti navážky 50 g při 100%-ní koncentraci kyseliny mléčné. Vypočtené množství navážit do 1l odměrné baňky a doplnit destilovanou vodou do dosažení celkové hmotnosti roztoku 1 kg. Promíchat a nechat odležet 24 h.
6.5. Příprava vzorku pro analýzu V rámci metodiky AACC není zpracování vzorku na mouku blíže specifikováno. Shoda na jednotném typizovaném mlecím zařízení resp. jednotném způsobu přípravy mouky umožní vzájemné mezilaboratorní srovnávání a poskytne předpoklady pro definování optimálních hodnot retenční kapacity mouky pro jednotlivé jakostní kategorie pšenice (viz Kap. III). V našich pokusech byly využívány nejčastěji dva typy mlýnů pro získání mouky: automatický mlýn Bühler mill automat MLU 202 (Obr. 5) a laboratorní mlýn Brabender Quadrumat Junior se sítem 240 µm (Obr. 6). Při volbě mlecího systému je možno počítat s obecně vysokou kompatibilitou ovšem i s posunem zjištěných vazností specifickým pro jednotlivé mlecí systémy (viz výsledková část Kap. III/1). Ukázky využívaných mlecích zařízení pro přípravu mouky při našich hodnoceních: Obr. 5 Mlýn Brabender Quadrumat Junior Obr. 6 Mlecí automat Bühler MLU 202
6.6. Pracovní postup • Je zjištěna a zaznamenána hmotnost prázdné centrifugační kyvety i s víčkem („Tare“). • Do takto zvážené centrifugační kyvety se pro každý roztok ve dvou opakováních naváží vzorek mouky (5 g ± 0,005 g) („Flour“). • Pomocí byrety se přidá 25 g příslušného roztoku ke každé dvojici vzorků mouky. • Kyveta se v ruce silně několikrát protřepe a vzorek se poté nechá promíchávat dalších 20 min. na rotační třepačce (30 ot . min-1). • Poté se vzorek centrifuguje (1000 x g, 15 min). 10
• •
Po centrifugaci je slit supernatant a kyveta s usazeným gelem po hydrataci mouky se obrátí dnem vzhůru a nechá se za laboratorních podmínek 10 min odkapat na ubrousku či filtračním papíru (Obr. 7). Po odkapání se kyveta zašroubuje a včetně usazeného obsahu se zváží („Gel“).
Obr. 7 Proces odkapávání vzorků po 15 min centrifugaci
6.7. Kalkulace výsledku SRC roztoku (%) = [(„Gel“ – „Tare“)/(„Flour“ – „Tare“) –1] * [86 / (100 – vlhkost) *100 ] 6.7.1. Průměrné směrodatné chyby stanovení retenční kapacity mouky V tříleté řadě (2009 – 2011) opakovaných měření jednotlivých parametrů retenční kapacity mouky u 37 prošlechtěných i krajových odrůd pšenic byly podle následujícího postupu zjištěny průměrné hodnoty směrodatných chyb od průměru měření (X(SMCH)). SMCHi,j = (si,j2: ni,j)½ ; kde SMCHi,j = směrodatná chyba měření ret. kapacity mouky u í-tého vzorku v j-tém roce 2 si,j = rozptyl hodnot retenční kapacity mouky u í-tého vzorku v j-tém roce ni,j = počet opakovaných měření ret. kapacity mouky u í-tého vzorku v j-tém roce X(SMCH) = (∑SMCHi,j) : N; kde N = počet změřených vzorků SRC test (voda): X(SMCH) = 0,671 % SRC test (kyselina mléčná): X(SMCH) = 0,997 % SRC test (sacharosa): X(SMCH) = 0,641 % SRC test (uhličitan sodný): X(SMCH) = 0,572 % Získané hodnoty potvrzují vysokou a současně obdobnou přesnost stanovení s největší chybou pro retenční kapacitu mouky v kyselině mléčné, jež plyne z jejího nejvyšší rozsahu i variability ve srovnání s hodnotami ostatních retenčních parametrů. Vyhodnocená distribuce relativních četností chyb měření retenčních kapacit mouky u výše uvedených vzorků (tab. 4) naznačovala, že přes 90 % všech vzorků vykazovalo v jednotlivých retenčních parametrech mouky chybu měření do 2 %. Hodnoty směrodatných chyb měření v rozsazích 4 – 6 % pak vykazovalo pouze 1 resp. 2 % měřených vzorků. Z výše uvedených hodnocení vyplývá, že směrodatná chyba měření by mezi opakovanými stanoveními neměla při dodržení těchto metodických pokynů překročit 3 %. Provedení zjištěných úrovní X(SMCH) pro konkrétní podmínky daného pracoviště může 11
efektivně pomoci v rozhodování přesnosti analýzy i signifikance mezi zjištěnými rozdíly retenční kapacity mouky u odlišných vzorků. Tab. 4 Relativní četnost výskytu chyb měření v definovaných intervalech (2009 – 2011) Relativní četnost (%) Intervaly SMCH i
(%) (0,000 – 1,000) (1,000 – 2,000) (2,000 – 3,000) (3,000 – 4,000) (4,000 – 5,000) (5,000 – 6,000)
SRC test (H2O) 79,808 18,269 0,962 0,000 0,000 0,962
SRC test (5% Na2CO3) 63,462 22,115 8,654 3,846 0,000 1,923
SRC test (50% C12H22O11) 83,654 11,539 1,923 1,923 0,962 0,000
SRC test (5% C3H6O3) 75,962 22,115 1,923 0,000 0,000 0,000
6.8. Metodické poznámky • Rychlejší rozpuštění sacharosy se dosáhne při ohřevu roztoku na 50 °C. • Přesně dodržovat centrifugační parametry a velikost centrifugačních kyvet. • Roztoky kyseliny mléčné a sacharosy mají při vysušování tendenci stékat po stěnách, proto je nezbytné kyvety s roztokem kontrolovat. • Některé publikace zmiňují možnost poměrového snížení navážky (1 g resp. 200 mg) a roztoku (5 ml resp. 1 ml) při dodržení retenčních časů s potvrzenou signifikantní korelací (0,70 – 0,86) ke standardní metodě (Ram et al. 2005; Bettge et al. 2002). • Je nutné se vyvarovat používání původně navržené rovnice kalkulace retenční kapacity mouky s chybně zařazenou pozicí číslice 1 (AACC 56-11, r. 2000): SRC roztoku (%) = 100 * [[(„Gel“ – „Tare“)/(„Flour“ – „Tare“)] * [86 / (100 – vlhkost)] – 1]
III. Příklady využití a postupy hodnocení metody SRC test 1. Vliv způsobu mletí na hodnoty retenční kapacity mouky 1.1. Úvod do problematiky V průběhu mletí dochází k různé úrovni separace mouk a s ní související poškození škrobu v závislosti na typu mlýnu a vlastní, geneticky fixované tvrdosti zrna. Rozsah poškození škrobu se nejčastěji uvádí mezi 5 – 15 %. V souvislosti s retenční kapacitou mouky si je pak nutné uvědomit, že poškozený škrob dokáže navázat vodu odpovídající 2 – 4 násobku své hmotnosti ve srovnání s pouhým 0,4 násobkem v případě nepoškozeného (nativního) škrobu. Určitá míra poškození škrobu je především pro dosažení vysoké pekařské kvality (objemu pečiva) žádoucí. Poškozený škrob je rychleji hydrolyzován alfa a beta amylasou a získaná maltosa je dalším nutným zdrojem energie pro fermentační procesy a pro dosažení optimálního procesu kynutí resp. tvaru a objemu pečiva. Pro vysokou pekařskou jakost jsou tak především preferovány pšenice s tvrdým či velmi tvrdým zrnem (PSI = 12 %), při jejichž zpracování dochází k většímu narušení škrobových zrn. Vyjdeme-li z prostého matematického vyjádření krajních situací získaného podílu poškozeného škrobu (5 % vs. 15 %) u identického vzorku a vaznosti poškozeného škrobu odpovídající 2 násobku jeho hmotnosti, pak by nárůst vaznosti vody mohl činit 33 %. V případě 4 násobku vaznosti by již teoretický nárůst vaznosti mohl být vyšší o 62 %. Je tak zřejmé, že výsledná hodnota retenční kapacity mouky bude silně závislá na míře poškození škrobových zrn příslušným mlecím zařízením.
12
1.2. Modelové postupy hodnocení Příkladem této situace je hodnocení 6 registrovaných odrůd mletých na dvou odlišných mlecích zařízeních. Prvním z nich byl tradiční laboratorní mlýn Brabender Quadrumat Junior vyznačující se jednoduchým vymílacím systémem a ziskem frakcí otrub a proseté mouky. Druhým systémem byl laboratorní mlecí automatu Bühler MLU 202 odpovídající více provozním podmínkám a umožňující přípravy tří frakcí šrotových mouk a 3 frakcí vymílacích mouk. Z naměřených výsledků (Grafy 1 – 4) plynou jednoznačné rozdíly mezi dosaženými hodnotami retenční kapacity mouky u obou mlecích systémů. Jednodušší laboratorní mlýn Brabender Junior poskytoval vyšší retenci v případě vaznosti mouky pro uhličitan sodný a vodu. Naopak signifikantně nižší retence mouky byly u tohoto typu mlýna zaznamenány pro kyselinu mléčnou. Zjištěné rozdíly retence mouky pro sacharosu nebyly mezi oběma typy průkazné. Vyšší hodnoty retenční kapacity mouky pro vodu a uhličitan sodný naznačují vyšší míru poškození škrobu v případě mlecího systému Brabender Junior. Mlecí automat Bühler 202 naopak umožňoval citlivější separaci jednotlivých frakcí mouk s lepším oddělením škrobového endospermu zrna s vyšším podílem lepkových bílkovin vedoucích k vyšší retenci získané mouky pro kyselinu mléčnou. Přes signifikantní rozdíly v retenci mouky mezi jednotlivými mlecími systémy, trendy průběhu křivek jsou velmi obdobné. To je významný fakt umožňující využití řady mlecích systému s podobným efektem predikce k technologické jakosti pšenice. Graf 1 Retence mouky pro vodu
165
73.2
160.7
73
71.5
71.3
71 retenční kapacita mouky pro vodu (%)
160
72.3
72
70
Graf 2 Retence mouky pro kys. mléčnou
70.4 69.5
69
68.6
68.1
68.6
68 67 66 64.8
65
64.2
64 63 62 61 60 59
mlýn - Bühler mlýn - Brabender Junior
retenční kapacita mouky pro kyselinu mléčnou (%)
74
149.5
150 145 140 134.9
135 130
134.4
129.0 124.5
125
120.9
120 115 110 104.8
105 100
58.7
58
158.0
156.7
155
mlýn - Bühler mlýn - Brabender Junior
99.9 96.5
95 Bohemia
Akteur
Biscay
Florett
Šárka
Rheia
Bohemia
Akteur
Biscay
odrůda
114
108
110.0
109 108 107.1
107.0
107 106
105.2 104.5
105
105.6
107.5
106.0
104.3
104 102.8
103 102
101.3
mlýn - Bühler mlýn - Brabender Junior Akteur
104 102 98 96 94 92
Florett odrůda
Šárka
Rheia
93.2
92.7
92.9 90.9
90.3
90
90.4
89.0
88 86 84 81.5
82 80 76
Biscay
101.3
100.8
100
78
100 Bohemia
retenční kapacita mouky pro uhličitan sodný (%)
retenční kapacita mouky pro sacharosu (%)
107.0
106
111
101
Rheia
110 113.0
112
110
Šárka
Graf 4 Retence mouky pro uhličitan sodný
Graf 3 Retence mouky pro sacharosu 113
Florett odrůda
mlýn - Bühler mlýn - Brabender Junior Bohemia
Akteur
76.4 Biscay
Florett
Šárka
Rheia
odrůda
13
Závěrečná doporučení: • Pro stanovení SRC testu bude nutné definovat mlecí zařízení resp. definovat granulaci získané mouky a pro srovnatelnost výsledků tuto skutečnost striktně dodržovat. • V laboratorních i provozních podmínkách se jako nejvhodnější postup jeví navržení individuelní úrovně příslušných hodnot retenční kapacity odpovídající požadovaným jakostem zrna či směsí mouk.
2. Využití metody SRC test pro mísení mouk s různou technologickou jakostí 2.1 Úvod do problematiky Pro získání pekárenských produktů se standardní technologickou a senzorickou jakostí je v mlýnskopekárenském průmyslu běžnou praxí vedle přídavků příslušných aditiv a zlepšovatel i vzájemné mísení pšeničných mouk s odlišnou technologickou jakostí. Současně je tímto způsobem významně ovlivňována i ekonomika výroby související s efektivní kombinací nákupů partií zrna s vysokou technologickou jakostí a tedy vyšší cenou a méně jakostních levnějších partií pšenice. 2.2. Modelové postupy hodnocení Příklad změny hodnot ukazatelů retenční kapacity mouky v případě mísení mouk ze 2 technologicky významně odlišných pšeničných odrůd (Sultan s pekařskou jakostí A – vzorek ‚I‘ a Hermann s pekařskou jakostí C – vzorek ‚II‘) a jejich vztah k výsledným technologickým parametrům finálních produktů (sušenky, pečivo) ukazují následující Grafy 5 – 11. Mouky z obou odrůd byly připraveny na laboratorním mlýnu Brabender Quadrumat Junior se sítem o velikosti ok 240 µm. Celkem byly připraveny 4 směsi mouk v poměrech A:B 80:20, 60:40, 40:60 a 20:80. Součástí hodnocení byly i původní nesmíchané mouky z obou odrůd. S výjimkou retenční kapacity mouky pro roztok sacharosy, kde byl rozdíl mezi původními vzorky mouky minimální, byl zřetelný těsný lineární pokles retence (r > 0,9) ve směru rostoucího podílu vzorku s horší pekařskou jakostí (vzorek ‚II‘) ve směsi (Graf 5). Obdobný lineární průběh se potvrdil s výjimkou výše uvedené retence pro sacharózu i v případě vztahů retenčních ukazatelů k dosaženým technologickým parametrům připravených sušenek (průměr) resp. pečivo (objem, tvarový index) (Grafy 6 – 8). Predikce technologických parametrů u obou kategorií pekárenských produktů na základě využití vícenásobné regresní analýzy pak byla velmi přesná (Grafy 9 – 11) a potvrdila vysokou predikční schopnost metody SRC testu pro odhad významných technologických parametrů kvality pečiva a sušenek. Pro pekárenskou praxi i bez možnosti statistického vyhodnocení a kalkulaci jednoduchých korelačně regresních rovnic (výpočet ovšem umožňuje i běžný program Microsoft Excel) lze zjednodušeně vycházet z lineární změny jednotlivých parametrů retenční kapacity mouky při jejich poměrovém mísení a jejich velmi těsné vazby k technologické kvalitě finálních produktů. Základním předpokladem daného provozu tak bude především určit požadovanou úroveň jednotlivých parametrů retenční kapacity pro finální směs mouky a stanovení těchto parametrů u výchozích mouk určených ke vzájemnému promísení. Výsledný mísící poměr lze pak jednoduše získat pomocí křížového pravidla běžně aplikovaného v chemii pro přípravu roztoků s požadovanou koncentrací. Jako příklad lze uvést kalkulaci výpočtu dvou mísících poměrů na podkladě retence kyseliny mléčné z výše uvedeného Grafu (5).
14
Vycházejme z předpokladu dvou technologicky odlišných vzorků mouky - ‚I‘ s hodnotou retence mouky pro kyselinu mléčnou (111,9 %) a vzorku ‚II‘ s retencí mouky (88,0 %). Příklad 1: Chceme docílit hodnotu retenční kapacity mouky v kyselině mléčné u výsledné mouky 100.7 % (koresponduje s laboratorně dosaženou hodnotou při poměru I : II = 60 : 40). Příklad 2: Chceme docílit hodnotu retenční kapacity mouky v kyselině mléčné u výsledné mouky 93.7 % (koresponduje s laboratorně dosaženou hodnotou při poměru I : II = 20 : 80). Ad 1) Křížové pravidlo: 111,9 100,7 88,0 Ad 2) Křížové pravidlo: 111,9 93,7 88,0
(100,7 - 88) = 12,7 Poměr = 12,7 : 11,2 = 11 : 10 (111,9 - 100,7) = 11,2 Skutečný poměr = 15 : 10
(93,7 - 88,0) = 5,7 (111,9 - 93,7) = 18,2
Poměr = 5,7 : 18,2 = 10 : 32 Skutečný poměr = 10 : 40
V našem případě se ve srovnání s laboratorně zjištěným poměrem dopouštíme určité nepřesnosti a takto vypočtené poměry jsou užší ve srovnání se skutečností. Tyto rozdíly vyplývají z ne zcela přesné linearity sledovaných parametrů způsobené především chybou měření a nižší schopnosti ideálního smísení vzorků ve srovnání s roztoky. Na druhé straně již tento způsob umožňuje rychlou představu o podílu jednotlivých složek ve směsi. Navíc rychlost a jednoduchost stanovení umožňuje snadnou kontrolu připravené mouky a případnou korekci v poměrech mouk a to i vzhledem k dalším retenčním ukazatelům mouky (především pro retenci vody a uhličitanu sodného). Graf 6 Retence mouky a průměr sušenky
retenční kapacita mouky pro daný roztok (%)
Graf 5 Změny retence mouky ve směsích
118 r = -0.953; Průměr s uš enky (mm) = 82.963-0.185*y 116 114 111.9 111.6 112 110 r = -0.268; Průměr suš enk y (mm) = 94.224-0.286*y 108 106.0 105.8 105.5 105.3 106 104 102.4 102.1 100.7 102 100 98.2 98 96.4 96 93.7 94 92.2 92 89.5 90 r = -0.942; Průměr suš enk y (mm) = 101.255-0.409*y 88.0 87.8 87.2 86.8 88 86 84 82 80 v oda 78 k ys elina mléč ná 76 s ac haros a 74 uhličitan s odný 71.6 72 68.9 70 67.7 68 66 64.2 64.1 64.1 64 r = -0.928; Průměr s uš enk y (mm) = 101.519-0.556*y 62 60 61.0 61.5 62.0 62.5 63.0 63.5 64.0 64.5 65.0 65.5 66.0 66.5 67.0 Průměr sušenky (mm)
15
Graf 8 Retence mouky a tvarový index pečiva
118 r = 0.992; Objem c hleba (ml) = 55.536+2.374*y 116 114 111.9 111.6 112 110 108 105.8 105.5 106.0 105.3 106 104 102.4 102.1 r = 0.111; Objem chleba (ml) = 141.079+1.462*y 100.7 102 100 98.2 98 96.4 96 93.7 94 92.2 92 89.5 90 88.0 87.8 87.2 88 86.8 86 84 r = 0.904; Objem c hleba (ml) = -142.571+4.834*y voda 82 ky s elina mléč ná 80 sac haros a 78 uhlič itan s odný 76 74 71.6 72 68.9 70 r = 0.945; Objem c hleba (ml)= -172.205+6.980*y 67.7 68 66 64.1 64.2 64.1 64 62 60 260 265 270 275 280 285 290 295 300 305 310 315 320 325 330
retenční kapacita mouky pro daný roztok (%)
retenční kapacita mouky pro daný roztok (%)
Graf 7 Retence mouky a objem pečiva
118 r = 0.985; Tv arov ý index = 0.153+0.005*y 116 114 111.9 111.6 112 r = 0.083; Tv arov ý index = 0.408+0.002*y 110 108 106.0 105.8 105.5 105.3 106 104 102.4 102.1 100.7 102 100 98.2 98 96.4 96 93.7 94 92.2 92 89.5 90 88.0 87.8 87.2 86.8 88 voda 86 ky s elina mléč ná r = 0.912; Tv arov ý index = -0.268+0.010*y 84 sac haros a 82 uhlič itan s odný 80 78 76 74 71.6 72 68.9 70 67.7 68 66 64.2 64.1 64.1 r = 0.902; Tv arov ý index = -0.279+0.014*y 64 62 60 0.57 0.58 0.59 0.60 0.61 0.62 0.63 0.64 0.65 0.66 0.67 0.68 0.69 0.70 0.71 0.72
Objem chleba (ml / 100g)
Tvarový index chleba (Výška : Šířka)
Graf 9 Predikce průměru sušenky ze směsi
Graf 10 Predikce objemu pečiva ze směsi 330
68.0 67.5
R = 0.998; Chyba odhadu = 0.279 mm Průměr sušenky (mm) = 0.016*A - 0.128*B - 0.218*C - 0.156*D + 112.991 100% Hermann: II
67.0
R = 0.999; Chyba odhadu = 0.931 ml / 100g Objem pečiva = 2.332*A + 1.924*B + 1.344*C - 0.634*D - 138.316
100% Sultan: I
320 80% I : 20% II
66.5
315 Predikované hodnoty objemu pečiva (ml / 100g)
Predikované hodnoty průměru sušenky (mm)
325
66.0 20% I : 80% II
65.5
40% I : 60% II
65.0 64.5
60% I : 40% II
64.0 63.5
80% I : 20% II
63.0 62.5
310 305 300
60% I : 40% II
295 290 285
40% I : 60% II
280
20% I : 80% II
275
A: retence vody (%) B: retence kyseliny mléčné (%) 100% Sultan: I C: retence sacharózy (%) 61.5 D: retence uhličitanu sodného (%) 95% hladina spolehlivosti 61.0 61.0 62.0 63.0 64.0 65.0 66.0 67.0 68.0 61.5 62.5 63.5 64.5 65.5 66.5 67.5 Laboratorně stanovené hodnoty průměru sušenky (mm) 62.0
A: B: C: D:
270 265 100% Hermann: II 260 260
265
270
275
280
285
290
295
300
retence vody (%) retence kyseliny mléčné (%) retence sacharózy (%) retence uhličitanu sodného (%) 95% hladina spolehlivosti
305
310
315
320
325
330
Laboratorně stanovené hodnoty objemu pečiva (ml / 100g)
Graf 11 Predikce tvaru pečiva ze směsi 0.72 100% Sultan - I
0.71 0.70
80% I : 20% II
Predikované hodnoty tvarového indexu
0.69 0.68
R = 0.999; Chyba odhadu: 0.006 Objem pečiva = -0.008*A + 0.005*B + 0.000*C + 0.006*D + 0.0138
0.67 0.66 0.65 0.64
60% I : 40% II 40% I : 60% II
0.63 0.62
20% I : 80% II
0.61 0.60 0.59 0.58
100% Hermann - II
A: B: C: D:
retence vody (%) retence kyseliny mléčné (%) retence sacharózy (%) retence uhličitanu sodného (%) 95% hladina spolehlivosti
0.57 0.57 0.58 0.59 0.60 0.61 0.62 0.63 0.64 0.65 0.66 0.67 0.68 0.69 0.70 0.71 0.72 Laboratorně stanovené hodnoty tvarového indexu
16
Závěrečná doporučení: • Velmi přesné dosažení směsí s požadovanou kvalitou retenční kapacity je možno docílit s využitím regresní statistiky na modelových směsích mouky • Téměř lineární změny retenčních parametrů mouky v závislosti na podílu jednotlivých složek ve směsi umožňují odhadovat daný poměr na základě jednoduchého směšovacího pravidla
3. Využití retenční kapacity mouky pro predikci jakosti pšenice na sušenky 3.1. Úvod do problematiky Současná norma AACC 56-11 uvádí pouze minimální či maximální doporučené hodnoty pro produkci sušenek (viz Tab. 3). S přihlédnutím na řadu specifik v souvislosti se zpracováním (mletím) zrna i požadavků zpracovatelů na koncový produkt lze očekávat, že budou tyto predikční parametry nedostatečné resp. mimo rámec konkrétních požadavků. Pro pracoviště plánující využívat tuto metodu tak bude nezbytně nutné její optimalizace na dané provozní podmínky s navržením vlastní úrovně kritérií zahrnujících posouzení významu jednotlivého retenčního parametru mouky k finální technologické jakosti. 3.2. Modelové postupy hodnocení Jedním z příkladů tohoto postupu ve šlechtitelském procesu je využití této metody při výběru odrůd (novošlechtění) pšenic s vyšší technologickou kvalitou produkce sušenek. Výchozím bodem validace této metody musí být její aplikace na pšeničné materiály s dostatečně širokým rozsahem retenční kapacity mouky pro jednotlivé roztoky i dostatečnou variabilitou ve finální kvalitě sušenek. Současně by se mělo jednat o standardní materiály bez známek porůstání, mechanického poškození či napadení chorobami a škůdci. S využitím statistické metody korelační a regresní analýzy je pak možné vyhodnotit význam a úroveň jednotlivých SRC parametrů mouky k finální kvalitě znaku sušenky a doporučit jejich hodnocení na pracovišti. Současně definované úrovně významných retenčních parametrů mouky v kombinaci s tradičními ukazateli zrna (obsah bílkovin, Zelenyho sedimentace) umožní odhadnout finální technologickou kvalitu u dalších nezávislých materiálů např. v selekcích kmenových školek pšenic bez nutnosti finální přípravy sušenky. V uvedeném modelovém příkladu bylo ověření metody provedeno na spektru 19 pšeničných materiálů s významně odlišnými retenčními parametry mouky, pokrývající běžný rozsah těchto znaků ve školkách testovaných pšenic. Mouka byla připravena na laboratorním mlýnu Brabender Quadrumat Junior se sítem velikosti ok 240 µm. Pečení sušenek a měření průměru proběhlo dle AACC 10-52.02 (AACC 2000 - Pekařská kvalita sušenek: Mikrometoda). Na grafu č. 12 jsou zachyceny korelačně-regresní vztahy mezi jednotlivými retenčními parametry mouky a průměrem získané sušenky. Ve srovnání se směsnými vzorky (viz Kap. III/1) jsou dílčí korelace jednotlivých SRC parametrů o něco nižší. Důvodem je mnohem variabilnější a hůře predikovatelné genetické pozadí a tedy obtížněji odhadnutelné interakce klíčových parametrů zrna působících u jednotlivých materiálů na kvalitu sušenky ve srovnání s definovaným mísením dvou odrůd. Rovněž externí faktory ročníku a pěstitelských podmínek mohou významně ovlivnit hodnotu retenční kapacity mouky (viz Kap. III/4) a měly by být zohledňovány při nastavení selekčních kritérií. Z hodnot dílčích korelací (r) jednotlivých SRC parametrů k průměru sušenky vyplynul významný negativní vztah vaznosti mouky pro vodu k průměru sušenky s hodnotou r = -0,86. O něco nižší rovněž negativní korelace byly zaznamenány v případě SRC pro uhličitan sodný 17
(r = -0,73) resp. sacharosy (r = -0,69). Nízkou negativní korelaci s průměrem sušenky potvrdila retenční kapacita mouky pro kyselinu mléčnou (-0,33). Korelačně regresní analýza nám tak umožnila seřadit efekt jednotlivých parametrů retenčních parametrů k požadovanému parametru sušenky. V tomto případě je zřejmým klíčovým parametrem retenční kapacity mouky pro vodu a lze ji primárně doporučit pro širší mapování šlechtitelských materiálů s ohledem na predikci kvality sušenek. Vyjdeme-li pak z předpokladu, že průměry sušenek nad 70 mm jsou v daném systému hodnocení považovány za excelentní, tak jim odpovídající úroveň retenční kapacity mouky pro vodu bude pod úrovní 65 %. V porovnání s tabelovanými požadavky na pšeničnou mouku pro sušenky v případě AACC 56-11 (Tab. 3) jsou naše hodnoty posazeny mnohem výše a odráží tak specifické faktory přípravy mouky, odrůdového potenciálu pšenic v kombinaci s půdně-klimatickými podmínkami i požadovanou úroveň kvality sušenek. Obdobně lze postupovat pro další retenční parametry i pro další ukazatele kvality sušenek. Je ovšem nutné počítat, že se snižující se hodnotou korelace bude určení jejich optimální hranice méně přesné a při korelačních hodnotách pod 0,5 jen velmi orientační. Zpřesnit odhady kvality pomocí SRC testu lze rovněž využitím vícenásobné regresní analýzy zohledňující najednou všechny retenční parametry (Graf 13). Ve srovnání s jednoduchou korelačně regresní analýzou pro retenční kapacitu mouky pro vodu (kde r = 0,86) však je v našem příkladu její přínos malý a výsledná vícenásobná korelace byla jen o 2 setiny větší (R = 0,88). Další možností je využití modifikované tzv. krokové regresní analýzy, která umožní vytipovat nejvhodnější parametry pro nejspolehlivější predikci průměru sušenky a to na podkladě nejmenší průměrné chyby odhadu. Výsledky této statistické metody jsou zachyceny na grafu 14. Jako nejvýznamnější byly vypočteny dva ukazatele retenční kapacity mouky, a to pro vodu a kyselinu mléčnou. I v tomto případě nebyl přínos této metody zásadní, přesto statisticky lépe vyhovoval a predikoval dosažené průměry sušenek než v kombinaci jíných dvojic retenčních parametrů. Rovněž vzhledem k dalším aplikacím SRC testu v pekařské jakosti (viz Kap. III/4), kde je retenční kapacita mouky pro kyselinu mléčnou také významná, bude využití kombinací obou retenčních parametrů pro plošné mapování pekařské resp. pečivárenské kvality pšenic velmi důležité.
Graf 12. Retence mouky a průměr získané sušenky 155 150 145 140 r = -0.330; Sušenka (průměr) = 7.221-0.007*x 135 130 125 120 r = -0.691; Sušenka (průměr) = 9.803-0.032*x 115 110 105 100 95 r = -0.733; Sušenka (průměr) = 8.867-0.025*x 90 85 80 75 70 65 r = -0.857; Sušenka (průměr) = 10.233-0.054*x 60 55 57 58 59 60 61 62 63 64 65 66 S6 - S 1 1 7 7 - 1 1
voda kyselina mléčná sacharosa uhličitan sodný
S6 - S 7 1 0 -11
S6 - S 1 1 0 0 -11
S6 - S 9 7 9 - 1 0
retenční kapacita mouky pro daný roztok (%)
S6 - S 1 19 0 - 1 1
Fa u s ti n a S6 - S 1 01 7 - 1 1
S6 - S 16 8 6 - 1 1
S6 - S 8 - 1 0
S6 - S 10 0 5 - 0 9
S6 - S 1 83 1 - 1 1
S6 - S 8 50 - 1 1
S6 - S 1 1 7 7 - 1 1
S6 - S 8 - 1 0 S6 - S 8 - 1 0
S6 - S 7 1 0 -11 S6 - S 7 1 0 -11
S6 - S 1 7 3 1 - 09 S6 - S S6 9 7 9- S- 1 07 3 1 - 09 S6 - S 10 0 5 - 0 9 S6 - S 1 7 3 1 - 09
Su l ta n
S6 - S 1 83 1 - 1 1
177 - 11 S6 - S 10 0 5 - S6 0 9 -- S S6 S1 27 7-2 2S-- 109 09 1S6 2
S6 - S 9 7 9 - 1 0
S6 - S 1 24 8 - 1 1 S6 - S 1 24 8 - 1 1 S6 - S 1 01 7 - 1 1 S6 - S 16 8 6 - 1 1 Fa u s ti n a S6 - S 2 6 9 - 0 9 S6 - S 2 6 9 - 0 9 S6 - S 1 24 8 - 1 1
S6 - S 1 83 1 - 1 1 S6 - S 219 6 97 0 --0191 Su l ta n S6 - S 16 8 6 - S6 1 1 - S 1 01
S6 - S 1 2 7 2 - 09
Su l ta n
Fa u s ti n a
S6 - S 1 6 0 8 - 1 1 S6 - S 1 6 0 8 - 1 1
S6 - S 8 50 - 1 1 S6 - S 1 7 9 9 - 1 1
S6 - S 1 1 0 0 -11
S6 - S 1 7 9 9 - 1 1
S6 - S 1 6 0 8 - 1 1 S6 - S 8 50 - 1 1
S6 - S 1 7 9 9 - 1 1
S6 - S 1 1 0 0 -11
S6 - S 7 1 0 -11
S6 - S 8 - 1 0
S6 - S 1 1 7 7 - 1 1 S6 - S 1 7 3 1 - 09
S6 - S 9 7 9 - 1 0 S6 - S 10 0 5 - 0 9
S6 - S 1 19 0 - 1 1 S6 - S 2 6 9 - 0 9
S6 - S 1 2 7 2 - 09
S68-6S- 1124 S6 - S 16 1 8 - 11 S6 - S 1 83 1 - 1 1 S6 - S 1 01 7 - 1 1 Su l ta n Fa u s ti n a
S6 - S 1 6 0 8 - 1 1 S6 - S 1 1 0 0 -11
S6 - S 8 50 - 1 1
S6 - S 1 19 0 - 1 1
S6 - S 1 7 9 9 - 1 1
67
68
69
70
71
72
73
74
75
Průměr sušenky (mm)
18
Graf 13 Predikce průměru sušenky
Graf 14 Predikce průměru sušenky (krok. regrese)
72
72
R = 0.883; Chyba odhadu = 1.972 mm, p = 0.000 71 Průměr sušenky (mm) = -0.671*A - 0.016*B - 0.169*C + 0.199*D + 112.856
Predikované hodnoty průměru sušenky (mm)
69 68
A: B: C: D:
retence vody (%) retence kyseliny mléčné (%) retence sacharózy (%) retence uhličitanu sodného (%)
69 S6 - S 1190 - 11
S6 - S 850 - 11 S6 - S 1100 -11
67
S6 - S 1608 - 11 Sultan
66
S6 - S 1017 - 11 Faustina S6 - S 1248 - 11 S6 - S 1831 S6 - S- 11 1686 - 11
65 64
S6 - S 269 - 09
63 S6 - S- 09 1272 - 09 S6 - S 1005
62 61
S6 - S 1799 - 11
70 Predikované hodnoty průměru sušenky (mm)
70
R = 0.868; Chyba odhadu = 1.950 mm, p = 0.000 71 Průměr sušenky (mm) = -0.517*voda - 0.029*kys. mléčná + 104.403
S6 - S 1799 - 11
S6 - S 1731 - 09 S6 - S 979 - 10 S6 - S 8 - 10
60 S6 - S 1177 - 11
59
S6 - S 1190 - 11 S6 - S 850 - 11
68
S6 - S 1608 - 11 S6 - S 1100 -11
67 66
Sultan Faustina
65
S6 - S 1831 - 11 S6 - S 1017 - 11 S6 - S 1248 - 11 S6 - S 1272 - 09 S6 - S 1686 - 11
64
S6 - S 269 - 09
63
S6 - S 1005 - 09
62 61
S6 - S 979 - 10 S6 - S 1731 - 09 S6 - S 8 - 10
60
S6 - S 1177 - 11
59 S6 - S 710 -11
58
58
57
57
95% hladina spolehlivosti
56 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 Laboratorně stanovené hodnoty průměru sušenky (mm)
S6 - S 710 -11
95% hladina spolehlivosti
56 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 Laboratorně stanovené hodnoty průměru sušenky (mm)
Závěrečná doporučení: • Před využitím metody SRC test pro predikci technologické jakosti sušenek je nezbytná její validace v souladu s charakterem pšeničných materiálů a požadavků pracoviště na finální jakost sušenky. • Lze předpokládat, že optimální hranice požadavků retenční kapacity mouky pro vysokou jakost sušenek mohou být vzhledem k individuálnímu vybavení pracoviště, pěstebních podmínek i specifických požadavků na finální kvalitu sušenek odlišné. • Validace metody s využitím jednoduché korelačně regresní analýzy, umožňující posoudit predikci jednotlivých retenčních parametrů, by měla být jako screeningová technika dostatečná. • Z našeho příkladu i řady dalších zahraničních prací vyplývá jako klíčový parametr pro predikci průměru sušenky retenční kapacita mouky pro vodu. Jeho měření v kombinaci s hodnocením retence kyseliny mléčné a případného využití dalších tradičních parametrů (obsah hrubých bílkovin, Zelenyho sedimentace) lze doporučit pro screeningové mapování a rychlou selekci perspektivních pšeničných materiálů s vysokou pečivárenskou jakostí.
4. Využití retenční kapacity mouky pro predikci jakosti pšenice na pekařskou kvalitu 4.1. Úvod do problematiky Postupy odhadu pekařská kvality pšenice jsou jedny z nejpropracovanějších. Přesto jsou stále hledány ekonomicky i časově efektivní screeningové metody predikce této kvality. Parametry retenční kapacity mouky reflektující vlastnosti významných komponent zrna (viz Kap. II/4.1.) dávají vysoký předpoklad pro využití této metody v predikci pekařské jakosti. Tyto směry mohou zahrnovat jak již zmiňovanou oblast pekárenského průmyslu, tak i řadu šlechtitelských aplikací či využití této metody při hodnoceních genofondu pšenic v kolekcích genových bank. Postup implementace metody na pracoviště je analogický s popisovaným postupem pro odhad technologické kvality pšenice pro sušenky (viz Kap. III/3). I zde budou platit specifika týkající se způsobu přípravy mouky, vlivu receptur a požadavky finální kvality
19
produktu ovlivňující retenční parametry mouky a jejich výslednou predikční schopnost. Nástrojem pro tuto validaci je opět využití korelačně regresních metod umožňující zvolení klíčových retenčních standardů mouky korespondujících s vysokou jakostí finálního produktu pečiva. 4.2. Modelové postupy hodnocení Vzhledem k celosvětově dosud minimálnímu počtu aplikací metody retenční kapacity mouky směrem k predikci pekařské jakosti a nutnosti objektivního vyhodnocení jejího potenciálu, zahrnuje následující příklad dvouletá hodnocení (2010 – 2011) vybraných registrovaných odrůd i prošlechtěných materiálů ze světové kolekce GB pěstovaných na 2 lokalitách (Praha Ruzyně - R a Kroměříž - K). Výběr 15 šlechtěných odrůd pokrýval širokou variabilitu jak v parametrech SRC testu tak ukazatelů technologické kvality pečiva. Příprava mouky probíhala na mlecím automatu Bühler MLU 202. Finální pekařský test s vyhodnocením 4 parametrů pečiva (objem, výška, šířka a tvarový index jako podíl výšky ku šířce) korespondoval s interní metodikou pracoviště ČZU převzatý z bývalého Výzkumného ústavu mlýnsko-pekárenského průmyslu. Pro srovnání efektivity SRC testu s možností tradičních metod odhadu pekařské jakosti pšenice posloužilo farinografické hodnocení ČSN ISO 5530-1. Ze získaných dílčích korelací (r) je zřejmý výrazně nižší efekt retenční kapacity mouky ke sledovaným pekařským parametrům ve srovnání s aplikací metody pro predikci sušenek i paralelní farinografickou analýzou (Tab. 5). Signifikantní, nicméně spíše nižší pozitivní korelace jsou deklarovány pouze mezi retenční kapacitou mouky pro kyselinu mléčnou a objemem resp. výškou pečiva. Nižší negativní korelace byla rovněž zaznamenána mezi retenční kapacitou mouky pro uhličitan sodný a výškou pečiva. Samostatné využití pouze jednoho retenčního parametru v našem případě např. kyseliny mléčné se tak jeví jako velmi hrubé síto pro spolehlivější predikci pekařské kvality a v daném hodnocení se neobejdeme bez aplikace vícenásobné regresní analýzy s využitím predikčních potenciálů všech 4 retenčních parametrů. Příklad využití vícenásobné korelační a regresní analýzy pro odhad objemu pečiva (Graf 15) významně posunulo predikční potenciál SRC metody (R = 0,56) ve srovnání s těsností vztahů individuálních retenčních ukazatelů (r = -0,01 – 0,41). Přesto získaná pouze středně silná hodnota korelace vícenásobné regrese a potvrzení řady materiálů ležící významně mimo navrženou regresní funkci a průměrnou chybu odhadu (22,47 ml) naznačuje nižší schopnost této metody odhadnout pekařskou jakost. Nižší úroveň predikce SRC testu např. ve srovnání s obdobnou predikcí v případě přípravy směsné mouky či odhadu průměru sušenek je velmi pravděpodobně způsobena mnoha faktory. Obecně lze za ně považovat specifické interakce řady majoritních i minoritních složek zrna ovlivněných genetickou variabilitou sledovaných materiálů s umocněním vlivu ročníku a pěstebních podmínek obou lokalit. Do hry vstupují i vlastní specifické procesy přípravy pečiva s fermentačními pochody, jež jsou retenčními vlastnostmi mouky pravděpodobně jen velmi málo ovlivňovány. V oblasti predikce objemu pečiva ovšem neznamenala významně vyšší predikční schopnost ani farinografická metoda (R = 0,60; chyba odhadu = 21,73 ml) (Graf 16) a v tomto kontextu je využití metody retenční kapacity mouky velmi slibné. Nástroje pro zvýšení predikčního potenciálu SRC metody i farinografické analýzy je tak možnost kombinace s dalšími parametry zrna s předpokládanou vazbou k požadovanému parametru. V našem případě lze jako příklad využít obsah hrubých bílkovin (NL). Z návazného predikčního srovnání obou metod pomocí vícenásobné regresní analýzy (Graf 17 a 18) vyplynul významný posun v těsnosti predikce (R = 0,68 resp. 0,70) i snížení průměrné chyby odhadu (20,03 ml resp. 19,61 ml).
20
Je zřejmé, že především při odhadu pekařské ale i pečivárenské kvality u pšeničných materiálů ve šlechtění či hodnocení genetických zdrojů se nevyhneme komplexnějšímu posouzení řady parametrů zrna. Vypracovaná vícenásobná regresní rovnice adaptovaná na individuální požadavky daného pracoviště může být jednou z pomůcek jak odhadnout finální kvalitu materiálu. Je si ovšem potřeba uvědomit, že tyto rovnice i kvalita predikce může vlivem řady genetických i negenetických faktorů oscilovat a není tak jednoduše přenositelná. Význam vícenásobné regresní analýzy tak tkví v naznačení trendů jednotlivých retenčních parametrů směrem k požadované finální kvalitě. V našem příkladu získané rovnice vyplývá významný efekt nárůstu objemu pečiva při rostoucím obsahu NL (11,900*E), rostoucí retenční kapacitě mouky pro kyselinu mléčnou (0,174*B) a sacharosu (0,569*C) a klesající retenční kapacitě mouky pro uhličitan sodný (-0,960*D). V případě retenční kapacity mouky pro vodu je v tomto případě vztah k objemu pečiva velmi slabý (-0.007*A) a je jej možné v predikci zanedbat. V tomto kontextu bude vhodným vodítkem konkretizace úrovně retenčních parametrů zvolení příslušných standardních materiálů s deklarovanou úrovní retenční kapacity mouky a specifikovanou finální kvalitou produkce. Hodnoty retenční kapacity mouky u neznámých vzorků lze pak jednoduše porovnat s navrženými standardy a dle doložených trendů z regresní analýzy posoudit jejich potenciál. Modelová situace je zachycena v tabulce č. 6. Jako standardní materiály s deklarovanou vysokou pekařskou jakostí (objemem pečiva) byly vybrány registrované odrůdy Bohemia a Akteur. Požadovaná úrovně retenčních parametrů u perspektivních materiálů byla stanovena jako intervalové rozpětí retenční kapacity mouky obou standardů s vložením popisu nerovností pro zohlednění trendů jednotlivých retenčních parametrů ze získané vícenásobné regresní analýzy: SRC voda (%) = (61,9 – 68,4) SRC kys. mléčná (%) = (148,0 – 151,1) a vyšší SRC sacharosa (%) = (104,4 – 113,0) a vyšší SRC uhl. sodný (%) = (78,0 – 88,2) a nižší NL (%) = (13,1 – 13,6) a vyšší Při takto striktně nastavených kritériích by jako perspektivní materiál byla selektována pouze jedna z ostatních 13 testovaných odrůd, a to: RU 440-6. Velmi blízko k zadaným kritériím měly ovšem i odrůdy Hasan-Orif či Rada, které vykazovaly jen o něco nižší retenční kapacitu mouky pro kyselinu mléčnou. Efektivitu tohoto způsobu odhadu lze pak doložit srovnáním hodnocení průměrných objemů pečiva dosažených u standardů a zvolených pozitivně selektovaných odrůd, kdy ve všech třech případech potvrzovaly selektované materiály v průměru signifikantně vyšší objem bochníku, než který byl zjištěn u standardních materiálů (Tab. 7). Tab. 5 Korelační vztahy mezi retenčními parametry mouky a finálním pekařským testem Parametry zrna / Pek. test
Objem pečiva
Výška pečiva
Farinograf
SRC test
Voda -0,01 -0,13 Kyselina mléčná 0,41 0,26 Sacharosa 0,19 0,04 Uhličitan sodný -0,13 -0,31 Vaznost mouky 0,10 0,28 Vývin těsta 0,29 0,33 Stabilita těsta 0,52 0,55 Pokles konzistence -0,57 -0,57 Tučně zvýrazněné korelace jsou signifikantní pro p ≤ 0,05
Šířka pečiva -0,07 0,21 0,11 -0,10 0,10 0,00 0,12 -0,13
Tvarový index V:Š -0,06 0,08 -0,04 -0,19 0,02 0,25 0,36 -0,37
21
Graf 15 Predikce objemu pečiva dle SRC testu
Graf 16 Predikce objemu pečiva dle farinografu
R = 0.556; Chyba odhadu (ml) = 22.473; p = 0.000 Objem bochníku (ml) = 1.868*A+0.415*B+1.171*C-2.462*D+152.105 290 A: retence vody (%) B: retence kyseliny mléčné (%) C: retence sacharózy (%) 280 D: retence uhličitanu sodného (%)
300
RU 4 4 0-6: R-2 0 10
Šá rk a : R-2 0 1 0 Šá rk a : K-2 01 0
270
Ak te u r: R-2 01 0
Bo he m i a: K-2 0 1 0 m ia :1 R-2 RU 44 Bo 0Ga -6h:iene K-20 1 0110 Ra d a : R-20 1 0 s : R-20 0 RU 44 0 -6 : R-20 1 1 Ha 01 ss0 a n -Ori f: K-2 0 11 Ra: dK-2 a : 0K-2 RU 44 0 -6 Oli v10 i n : R-2 0 1 -Orif: 0 s an Šá rk a : R-2 01 1 Ra d a : K-2 01 1 Ha Ak steu r: R-2 0 1R-2 1 010 Ha s s a n -Ori f: PF R-257 0 11 2 0 4: R-2 0 10 Ha s s an -Orif: K-20 1 0 Ak te u r: K-2 0 10 CDC Pta rm ig an : R-2 01 0
260
Flo re tt: R-2 0 10
Šá rk a : K-2 01 1 Ra d a: R-20 1 1 PF 5 7 2 0 4: R-2 0 11 Ak teu K-20 Ol iv inr:: K-2 01101 Ga i1ne Bo h e m ia : R-20 1 s : K-20 1 0
250
Ol iv in : K-2 01 1 Da rt:Ga R-2 0 10 i ne s : R-20 1 1
Sa v a n n ah : K-2 01 1
Bo he m iPta a: K-2 01 CDC rm ig a1 n : K-2 0 1 0 PF 57 2 0 4: K-2 0 11
240
Fl ore tt: K-2 0 10
Rh ei a : R-2 0 1 0
Flo re tt: K-2 0 11 Bis c a y : R-2 0 10 Da rt: K-2 0 10 CDC Pta01 rm0 ig an : R-2 01 1 Sa a10 n n ah : R-2 PF 57 2 0 4: Sa K-2vv0a K-2001 Ga inDa e srt: : K-2 111 n n ah : K-2 01 0
Flo re tt: R-20 1 1
CDC Pta rm Oli ig an v i n: :K-2 R-201 011 rt:01R-2 Rh e ia : Da K-2 1 0 11 Bis0c a y : K-2 0 10 Rh e ia : K-2 01
230
Rh ei a : R-2 0 1 1
Predikované hodnoty objemu pečiva (ml)
Predikované hodnoty objemu pečiva (ml)
300
R = 0.598; Chyba odhadu (ml) = 21.730; p = 0.000 Objem bochníku (ml) = 0.780*A+0.038*B+1.128*C-0.272*D+216.267 290 A: vaznost mouky (%) Ha s s an -Orif: R-2 0 1 0 Ak te u r: R-2 01 0 B: vývin těsta (min) Ra d a : K-2 01 0 C: stabilita těsta (min) 280 D: pokles konzistence (BU) Bo h e m ia : R-2 0 10 Ak teu r: R-2 0 1 1
270
Rh ei a : R-2 0 1 1 Oli v i n : R-2 0 1 0 Šá rk a : R-2 0 1 0 Šá rk a : R-2 01 1 RU 44 0 -61:0R-20 1 1 Bo h e m ia : R-20 Ha 1 1 s s an -Orif: K-20 Oli v i n : R-2 0 1 1
260
Rh eiPF a : 5R-2 7 20014:0 R-2Bo 0 11 he m i a: K-2 0 1 0 CDC Pta rm ig an 01 a: -6 :R-2 K-2 0100110 Ra d a: R-20 144 1d 0 RURa : K-2 Ga i ne s : R-20 1 1
Šá rk a : K-2 01 0
250
240
Flo re tt: R-20 1 1
Fl ore tt: K-2 0 10
Rh e ia : K-2 01 0 Bo he m i a: K-2 0 1 1
te u r:1K-2 Ga i ne sAk : R-20 0 0 10
Da rt: R-2 0 Ga 10 i ne s : K-20 1 0 PF 57 2 0 4: R-2 0 10 Ak teu r: K-20CDC 1 1 Pta rm ig an : R-2 01 1 44 0 -6 : K-20 1 1 K-2 1cRU Ha s s a n -Ori f: K-2 0 11 rt:01 R-2 0 Flo re tt: R-2 0 10 Rh e ia : Da Bis a 11 y : K-2 0 10 Ol: iv in : 10 K-2 01 0 010 a yPta K-2 Sa0ig aan nnn: ah R-2 01 01 0 Bi s c aBis yCDC : cR-20 1R-2 1rm Sa vv a :: K-2 Šá rknaah : K-2 01 1 0 Da rt: K-2 01 1 Ol iv in : K-2 01 1 Sa v a n n ah : R-2 01 1 Bis c a y : K-2 0 11 Da rt: K-2 0 10 Flo re tt: K-2 0 11 57K-2 2 0 4: K-2 0 11 PF 57 PF 2 0 4: 0 10
230
CDC Pta rm ig an : K-2 01 1
Sa v a n n ah : K-2 01 1
220
Sa v a n n ah : R-2 01 1
RU 4 4 0-6: R-2 0 10
Ha s s a n -Ori f: R-2 0 11
Bis c a y : K-2 0 11 Bi s c a y : R-20 1 1
220
Ra d a : R-20 1 0
Ga in e s : K-2 0 11
95% hladina spolehlivosti 210 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300 310 320 330
95% hladina spolehlivosti 210 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300 310 320 330 Laboratorně stanovené hodnoty objemu pečiva (ml)
Laboratorně stanovené hodnoty objemu pečiva (ml)
Predikce objemu pečiva dle SRC testu a farinografických ukazatelů při znalosti obsahu NL: Graf 17 SRC test + NL Graf 18 Farinograf + NL 300
A: B: 280 C: D: E: 270
retence vody (%) retence kyseliny mléčné (%) retence sacharózy (%) retence uhličitanu sodného (%) Obsah hrubých bílkovin (%)
PF 57 2Šá 0 4:rkR-2 0 100 1 0 a : R-2 Ak te u r: R-2 01 0
Ha Ha s s sa sn an -Ori-Orif: f: K-2R-2 0 11 010
RU 44 0 -6 : R-20 1 1 Bo h e m ia : R-2 0 10 Oli v i n : R-2 0 1 0 Da rt: R-2 0 10 Šá rk a : K-2 01 0
Ak teu r: R-2 0 1 1 he m i a: Ra Bo K-2d0a1: 0R-20 1 0 Rh ei a : R-2 0 1 0
RU 44 0 -6 : K-2 0 10 5 7 2K-20 0 4: 1R-2 Ga i ne s : Ha R-20 s s1an 0PF -Orif: 0 0 11
260
h e0 m ia : R-20 1 1 Ha s s a n -Ori f: in R-2 0 Bo 1101 Ol iv : K-2 Pta1rm ig an : R-2 01 0 Šá rk a Šá :CDC R-2 rk a01 : K-2 01 Ra1d a : K-2 01 1 Flo re tt: R-2 0 10 Bis c a y : R-2 0 10RU 44 0 -6 : K-20 Ra1te d1a 0 Ak u :r: K-2 K-201 0 10 Da rt: K-2Sa 01v1a n n ah : R-2 01 0Oli v i n : R-2 0 1 1
250
Da rt: PF K-2 57 0 10 2 0 4: K-2 0 10 Ga i ne s : K-20 1 0 PF 2 0r:4: K-210111 Ak57 teu K-20 i ne s : R-20 1 1 Bis 0 10 GaBo inhe e sm : K-2 11 i a: 0K-2 0 1c1a y : K-2Ga Da rt: Ol R-2 iv 0 in11 : K-2 01 1 Rh e ia : K-2 0 n n ah : K-2 01 0Rh ei a : R-2 0 1 1 Sa01 va CDC Pta rm ig a n : K-2 0 1 0 Ra d a: R-20 1 1
240 Flo re tt: R-20 1 1 Sa v a n n ah : K-2 01 1
230 220
Rh e ia : K-2 01 1
CDC Pta rm ig an : K-2 01 1 CDC Pta rm ig an : R-2 01 1
Bis c a y : K-2 0 11 Bi s c a y : R-20 1 1 Flo re tt: K-2 0 11 Fl ore tt: K-2 0 10
Predikované hodnoty objemu pečiva (ml)
Predikované hodnoty objemu pečiva (ml)
290
R = 0.681; Chyba odhadu (ml) = 20.027; p = 0.000 RU 4 4 0-6: R-2 0 10 Objem bochníku (ml) = -0.007*A+0.174*B+0.569*C-0.960*D+11.900*E+92.385
300 R = 0.698; Chyba odhadu (ml) = 19.606; p = 0.000 Objem bochníku (ml) = -0.816*A+0.694*B+0.040*C-0.248*D+11.391*E+162.622 290 Ak steu r: -Orif: R-2 0 1R-2 1 010 Ha s an Ak te u r: R-2 01 0 A: vaznost mouky (%) B: vývin těsta (min) Ra d a : R-20 RU1404 0-6: R-2 0 10 Bo h e m ia : R-2 0 10 280 C: stabilita těsta (min) Šá rk a : R-2 0 1 0 Oli v i n : R-2 0 1 0 D: pokles konzistence (BU) PF 57 2 0 4: R-2 0 10 RU 44 0 -6 : R-20 1 1 E Obsah hrubých bílkovin (%) ei a01 : R-2 Ra d aRh : K-2 0 010 270 Da rt: R-2 0 10 OliHa R-2 Ha-Orif: s0s1a1nK-20 -Ori f:1 K-2 0 0 11 Bo h e m ia : R-20 1v1i sn s: an Bo he m i a: K-2 0 1 0
260
PF0 1 51 7 2 0 4: R-2 0 11 Rh ei a : R-2 Ha s s a n -Ori f: R-2 0 11 rk a01 :CDC R-2 Šá rk a Šá : K-2 0 01 Pta1rm ig an : R-2 01 0 Ga44 i ne0s-6: :R-20 0 RU K-2 0110 Da rt: K-2 01 1 Ol iv in : K-2 01 0 Ra d aAk : K-2 te u01 r: 1K-2 0 10 Flo re tt: R-2 0 10 Sa0v10 a n n ah : R-2 01 0 Bis c a y : R-2 Bo he m i a: 0 1 10 11 DaK-2 rt:Bis R-2 i 1ne s : R-20 1 1 Šá 01 c aay: : K-2 K-2Ga 0 10 Rh e ia : K-2 01 0rk Ga i ne s : K-20 1 0 RU 44: 0K-2 -6 :01 K-20 11 Sa v a n n ah 0 Da rt: K-2 0 10 Flo re tt: R-20 1 1 Ak teu 1R-20 1 010 Pta rmr:ig a10 : K-2 PF CDC 57 PF 20 4: 0K-20 dn a: 57K-2 2 0Ra 4: K-2 0 11 1 1 Ol iv in : K-2 01 1 Bi s c a y : R-20 1 1 CDC Pta rm ig an : R-2 01 1 Rh e ia : K-2 01 1
250 240 230
Bis c a y : K-2 0 11 Sa v a n n ah : R-2 01 1
220
Ga in e s : K-2 0 11 Flo re tt: K-2 0 11
CDC Pta rm ig an : K-2 01 1
Fl ore tt: K-2 0 10 Sa v a n n ah : K-2 01 1
210
Sa v a n n ah : R-2 01 1
210
95% hladina spolehlivosti 200 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300 310 320 330 Laboratorně stanovené hodnoty objemu pečiva (ml)
95% hladina spolehlivosti 200 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300 310 320 330 Laboratorně stanovené hodnoty objemu pečiva (ml)
Tab. 6 Modelový příklad selekce perspektivních genotypů dle navržených standardů Odrůda pšenice Bohemia (standard 1) Akteur (standard 2) Gaines PF 57204 Savannah CDC Ptarmigan Hassan-Orif Biscay RU 440-6 Šárka Dart Rada Olivin Florett Rheia
SRC test SRC test SRC test (H2O) (5% Na2CO3) (50% C12H22O11) 68,4 148,0 113,0 61,9 151,1 104,4 54,2 118,2 102,5 55,3 122,0 96,7 70,3 109,1 109,8 51,4 111,2 91,8 62,9 145,6 107,0 68,1 108,3 109,2 67,0 155,1 118,6 58,7 148,0 108,4 53,2 125,0 93,6 62,6 144,1 103,8 64,6 138,8 105,1 67,2 135,4 107,5 67,2 116,4 107,1
SRC test (5% C3H6O3) 88,2 78,0 70,2 69,6 90,7 64,5 79,1 90,3 85,8 74,9 70,8 76,9 83,0 88,2 88,5
NL (%) 13,6 13,1 12,0 13,1 12,1 11,3 13,9 12,4 13,8 13,0 12,6 12,5 13,2 11,6 12,9
Šedivě zvýrazněný řádek naznačuje perspektivní materiál
22
Tab. 7 Dosažené průměry objemů pečiva u standardních a testovaných odrůd Odrůda pšenice Bohemia (standard 1) Akteur (standard 2) Gaines PF 57204 Savannah CDC Ptarmigan Hassan-Orif Biscay RU 440-6 Šárka Dart Rada Olivin Florett Rheia
Objem pečiva (ml) 260,8 260,0 254,3 250,0 227,0 253,3 267,3 235,0 279,0 243,3 237,3 270,3 256,8 197,3 251,5
Šedivě zvýrazněný řádek naznačuje perspektivní materiál
Závěrečná doporučení: • Aplikace SRC testu pro predikci pekařské jakosti pšenice je možná. Pro spolehlivější predikci bude nezbytné její doplnění o další běžně stanovené technologické parametry především obsah NL. • I v tomto případě je nutné provést validaci metody v souladu s charakterem pšeničných materiálů, pěstebními podmínkami a požadavky pracoviště na finální pekařskou jakost. • Precisní volba referenčních materiálů na podkladě víceletých opakovaných hodnoceních bude klíčová pro úspěšné navržení úrovně jednotlivých retenčních ukazatelů využitelných v selekcích dalších materiálů.
IV. Srovnání novosti postupů V České republice dosud nebyla komplexně zpracována metoda retenční kapacity mouky (SRC test) a její význam pro současný systému hodnocení pečivárenské a pekařské kvality pšenice nebyl jednoznačně ověřen. Předložená metodika komplexně popisuje jednotlivé kroky stanovení a současně s nimi prezentuje nejnovější možnosti o postupech validace metody pro různé směry využití, včetně doložení jejího predikčního potenciálu. Za zcela unikátní lze považovat vypracované validační postupy metody SRC test zaměřené pro predikci pekařské jakosti pšenice, které dosud i v kontextu s mezinárodním srovnáním nebyly uceleně prezentovány.
V. Popis uplatnění certifikované metodiky Předložená metodika zpřístupňuje pro české uživatele postupy stanovení retenční kapacity mouky (SRC test) a současně poskytuje aktuální nové poznatky v oblasti jejího využití pro predikci pečivárenské a pekařské kvality. Budoucí uživatelé metodiky jsou
23
univerzity, výzkumná a šlechtitelská pracoviště, která ji mohou uplatnit ve šlechtitelských programech při hodnocení šlechtitelských materiálů a k urychlení i monitorování procesu tvorby nových odrůd. Metodika najde rovněž uplatnění při charakterizaci genových zdrojů na pracovištích zabývajících se genofondy pšenice. Metodu lze úspěšně aplikovat i v mlýnskopekárenském průmyslu pro predikci technologické jakosti zpracované mouky či u zemědělských podniků s možností rychlého ověření technologické jakosti zrna pšenice.
VI. Ekonomické aspekty Velkou výhodou metody retenční kapacity mouky je její investiční nenáročnost, a to jak s ohledem na přístrojové vybavení, tak požadavky na obsluhu. Současná pracoviště hodnotící kvalitu obilovin většinu požadovaného přístrojového vybavení již mají. Případná investice do rotační třepačky, výměny rotoru centrifugy či dokoupení byret by neměla přesáhnout 60 tis. Kč. Vlastní provedení metody zvládne běžný laborant po půlhodinovém zaškolení. Největší investicí tak bude časová náročnost při implementaci a vyhodnocení požadovaných kritérií ve vztahu k finálním technologickým požadavkům. Volba vhodných standardů s požadovanou finální kvalitou a znalost základních statistických metod tento proces zavedení retenčních standardů významně urychlí. Při optimálním výběru standardů a vhodném naplánování hodnocení by konkrétní požadovaná kritéria měla být na pracovišti známa zhruba do měsíce. Časová náročnost kompletního stanovení všech čtyř retenčních parametrů vzorku je poměrně náročná a závislá na kapacitě centrifugy a rotační třepačky. Při pouze 6 místné centrifuze a dvou opakovaných měřeních na vzorek lze za pracovní dobu kompletně vyhodnotit max. 12 vzorků (96 retenčních parametrů). Na řadě pracovišť lze ovšem očekávat vyhodnocení nižšího počtu retenčních parametrů, které mají významný vliv na finální znak. Nabízí se i další adaptace metody s nižší výchozí navážkou. Výsledná kapacita stanovení pak může být i několikanásovně vyšší. Přibližné náklady na chemikálie pro stanovení jednoho vzorku shrnuje tabulka 8. Výpočet vychází z přibližné kalkulace ceny chemikálií a možnosti vyhodnocení 20 vzorků ve 2 opakováních z připraveného pracovního roztoku. Za největší nákladovou položku tak lze počítat pracovní kapacitu laboratorního technika. Tab. 8 Cenová kalkulace chemikálií pro SRC testu na kompletní analýzu u jednoho vzorku Základní chemikálie Dest. (demin.) voda 80% kys. mléčná p.a. Sacharosa p.a. Uhličitan sodný p.a. Celkem
Cena za kg nebo l (Kč) 10 170 120 200 500
Náklady na přípravu prac. roztoků (Kč) 10 11 + 9 (voda) 60 + 5 (voda) 10 + 9 (voda) 114
Náklady na jeden vzorek (Kč) 10 : 20 = 0,50 20 : 20 = 1,00 65 : 20 = 3,25 19 : 20 = 0,95 5,70
VII. Seznam použité literatury AACC International (2000): Approved Methods of Analysis, 11th Ed. Method 10-52.02. Baking quality of cookie flour – micro method . AACC International, St. Paul, MN, U.S.A. Bettge, A.D., Morris, C.F., DeMacon, V.L., Kidwell, K.K. (2002): Adaptation of AACC Method 56-11, Solvent Retention Capacity, for Use as an Early Generation Selection Tool for Cultivar Development. Cereal Chem., 79(5), 670–674.
24
Brümmer, J.M. (2011): Modern Cereal Analysis by New Rheological Methods. In http://www.muehlenchemie.de/downloads-future-of-flour/FoF_Kap_13-2.pdf, 147-159. (staženo 1.3. 2012) Capouchová, I. (2002): Kvalita odrůd pšenice k pečivárenským účelům. Sb. konference "Setrvalý rozvoj rostlinné a živočišné produkce - cesta k rozvoji českého venkova". ČZU v Praze, 25.-26.9. 2002, str. 19. Celba, J., Perlín, C., Skalička, J. (2001): Aktuální poznatky v oblasti jakosti zemědělské a potravinářské produkce. Konference - Brno 7. - 8. 11. 2001, Brno, 15-22. Colombo, A., Pérez, G.T., Ribotta, P.D., León, A.E., (2008): A comparative study of 450 physicochemical tests for quality prediction of Argentine wheat flours used as corrector flours 451 and for cookie production. Journal of Cereal Science 48, 775-780. Dubat, A. (2011): The importance and impact of starch damage and evolution of measuring methods. Article SDmatic. In http://www.inventech.nl/producten/pdffiles/StarchDamage.pdf, 1-5. (staženo 3.4. 2012) Gaines, C.S. (2000): Collaborative study of methods for solvent retention capacity profiles (AACC Method 56-11). Cereal Foods World, 45, 303–306. Guttieri, M.J., Bowen, D., Gannon, D., O’Brien, K., Souza, E. (2001): Solvent Retention Capacities of Irrigated Soft White Spring Wheat Flours. Crop Sci., , 41:1054–1061. Haynes, C.L., Bettge, A.D., Slade, L. (2009): Soft Wheat and Flour Products Methods Review: Solvent Retention Capacity Equation Correction. AACC International Report, Cereal Foods World, 54(4), 174-175. Jirsa, O.; Hrušková, M.; Švec, I. (2008): Journal of Food Engineering Volume: 87 Issue: 1, 21-25. Kůst, F., Potměšilová, J. (2011): Situační a výhledová zpráva Obiloviny, prosinec 2011, MZe ČR, Praha, str. 90. Matsunaga, N., Seib, P.A., (1997): Extraction of wheat starch with aqueous 485 sodium hydroxide. 486 Cereal Chemistry 74, 851-857. Novotný, F. (2006): Technologická jakost a registrované odrůdy pšenice, ječmene, žita a tritikale v roce 2005. Sborník referátů ze semináře „Současné představy a požadavky na kvalitu rostlinných produktů“ JCU České Budějovice 29.8. 2006, 18-24 Prugar, J. (ed.) (2008): Kvalita rostlinných produktů na prahu 3 tisíciletí. VÚPS a.s. str. 325. Ram, S., & Singh, R. P. (2004): Solvent retention capacities of Indian wheats and their relationship with cookie-making quality. Cereal Chemistry, 81, 128–133. Ram, S., Dakar, V., Singh, R.P., Shoran, J. (2005): Application of solvent retention capacity tests for the prediction of mixing properties of wheat flour. Journal of Cereal Science, 42, 261–266. Saulnier, L., Peneau N., Thibault, J-F. (1995): Variability in grain extract viscosity and watersoluble arabinoxylan content in wheat. Journal of Cereal Science, 22, 259-264. ÚKZÚZ (2011): Seznam doporučených odrůd. Ústřední kontrolní a zkušební ústav zemědělský se sídlem v Brně, Národní odrůdový úřad, Brno, 16-19. Xiao, Z.S., Park, S.H., Chung, O.K., Caley, M.S., Seib, P.A. (2006): Solvent retention capacity 503 values in relation to hard winter wheat and flour properties and straight-dough breadmaking 504 quality. Cereal Chemistry 83, 465-471. Zhang, Q., Zhang, Y., Zhang, Y., He, Z., Peña, R.J. (2007): Effects of solvent retention capacities, 506 pentosan content, and dough rheological properties on sugar snap cookie quality in Chinese soft 507 wheat genotypes. Crop Science 47, 656-664.
25
VIII. Seznam publikací, které předcházely metodice Papoušková, L., Dvořáček, V., Chrpová, J. (2010): SRC test – Effective Screening Method for Prediction of Bread-Making Parameters in Common Wheat( T.aestivum. L.). In: 5th Central European Congress on Food, Book of Full Papers, 500-504, ISBN 978-80-89088-89. Papoušková, L., Bradová, J., Capouchová, I., Dvořáček, V., Škeříková, A. (2011): SRC testkomplexní metoda hodnocení jakosti při šlechtění pšenice seté (T.aestivum L.) . Osivo a sadba. X.odborný a vědecký seminář. Praha, 93-99. ISBN 978-80-213-2153-3. (V databázi Web of Science) Dvořáček, V., Prohasková, A., Papoušková,L., Hermuth, J., Capouchová, I., Škeříková, A., Faměra, O. (2011): FT-NIR spektroskopie - efektivní šlechtitelská metoda pro predikci parametrů retenční kapacity mouky u pšenice seté. Osivo a sadba. X.odborný a vědecký seminář. Praha, ISBN 978-80-213-2153-3, 104-109. (v databázi Web of Science) Prohasková, A., Dvořáček, V., Hermuth, J., Papoušková, L., Faměra, O. (2011): Vztah relativní viskozity k vybraným parametrům technologické kvality pšenice. Úroda 12, vědecká příloha, 511–513. Papoušková, L., Dvořáček, V., Dotlačil, L., Faměra, O. (2011): Sensitivity of SRC test and Mixolab measurment to the damage starch in wheat materials. 7th International Conference on Polysaccharides-Glycoscience 2011, 89-93, ISBN 978-80-86238-90-6.
26
Autoři:
Ing. Václav Dvořáček, PhD. Ing. Ludmila Papoušková Ing. Oldřich Faměra, CSc. Ing. Tibor Sedláček. Ing. Ladislav Dotlačil, CSc Ing. Jiří Hermuth Ing. Ilona Hálová Božena Riljáková
Název: Využití metody retenční kapacity mouky pro predikci technologické kvality pšenice v České republice
Vydal:
Výzkumný ústav rostlinné výroby, v.v.i. Drnovská 507, 161 06 Praha 6 - Ruzyně
Sazba a tisk: xPrint s.r.o., Prokopská 8, 261 01 Příbram Náklad: 100 ks
Vyšlo v roce 2012
Vydáno bez jazykové úpravy
Kontakt na autory:
[email protected] [email protected] [email protected]
Autor fotografií: Václav Dvořáček
©Výzkumný ústav rostlinné výroby, v.v.i., Praha 6 - Ruzyně, 2012
ISBN: 978-80-7427-097-0