Indice
Il profilo volatile come leva per il controllo qualità alimentare
Il profilo volatile di una matrice alimentare rappresenta un indicatore fondamentale della sua qualità, sicurezza e integrità. Lungo l’intero arco della filiera, dalle prime fasi di trasformazione fino allo stoccaggio, la frazione volatile è soggetta a dinamiche evolutive dettate da complesse reazioni chimiche e biochimiche. Se da un lato processi termici come le reazioni di Maillard sono essenziali per definire l’identità aromatica di prodotti da forno e prodotti torrefatti come il caffè, dall’altro fenomeni ossidativi, degradazioni enzimatiche o proliferazioni microbiche possono compromettere la salubrità del prodotto. In questo contesto, pertanto, il monitoraggio sistematico e rapido dei composti organici volatili (Volatile Organic Compounds, VOCs) emerge come una strategia analitica imprescindibile per tracciare l’evoluzione delle derrate e garantire standard qualitativi elevati (4).
Nell’attuale scenario del comparto agroalimentare, le aziende sono chiamate a implementare protocolli di controllo sempre più rigorosi per garantire prodotti sicuri, salubri e qualitativamente costanti. Questa esigenza spinge i professionisti del settore verso l’adozione di metodologie analitiche rapide, intuitive ed economicamente sostenibili, che riducano al minimo l’impiego di solventi chimici nocivi per l’ambiente e per la salute degli operatori. In risposta a tali sfide, stanno emergendo tecnologie innovative capaci di coniugare efficienza e sostenibilità; tra queste, la gas cromatografia accoppiata alla spettrometria di mobilità ionica nello spazio di testa (HS-GC-IMS) si distingue come una delle soluzioni più promettenti (6).
HS‑GC‑IMS: tecnologia chiave per il controllo qualità alimentare
Preparazione del campione e separazione cromatografica
La tecnologia HS-GC-IMS si basa su una doppia separazione dei composti volatili (approccio “comprehensive”), garantendo un’elevata risoluzione analitica attraverso un processo completamente automatizzato.
L’analisi ha inizio con una preparazione minima del campione: una quantità ridotta (tipicamente tra 0,5 e 3 grammi) viene sigillata in apposite fiale dotate di setto perforabile. Una volta inserite nell’autocampionatore, le fiale subiscono una fase di condizionamento termico (ad esempio, 30 °C per 15 minuti). Questo processo di ripartizione permette ai composti volatili di liberarsi dalla matrice e distribuirsi nello “spazio di testa” (la parte gassosa della fiala). Successivamente si raggiunge un equilibrio termodinamico (Fig. 1).
Raggiunto l’equilibrio, una siringa automatizzata preleva un volume definito di gas e lo inietta nel gas cromatografo. Qui, un flusso di gas carrier inerte (azoto al 99,999%) trasporta i composti attraverso una colonna cromatografica. In questa fase avviene la prima separazione, basata sulla diversa affinità chimico-fisica delle molecole con la fase stazionaria della colonna, che determina tempi di uscita (eluizione) differenziati (Fig. 2).
Ionizzazione, separazione ionica e acquisizione dell’impronta volatile
All’uscita dalla colonna, le molecole eluite entrano nella camera di ionizzazione dove, grazie a una sorgente di trizio, vengono ionizzate. Gli ioni spinti all’interno del tubo di deriva (drift tube), dove avviene la seconda separazione. In questa camera, gli ioni si muovono all’interno di un campo elettrico scontrandosi con un flusso di gas in direzione contraria (drift gas). Inoltre, la separazione avviene qui in base alla mobilità ionica, ovvero alla forma, alle dimensioni e al rapporto massa/carica delle molecole: gli ioni più piccoli e compatti percorrono il tubo più velocemente rispetto a quelli voluminosi o pesanti (Fig. 3).
Dal campione all’impronta aromatica: la lettura del profilo volatile
Al termine del percorso, gli ioni impattano sulla piastra di Faraday, un rilevatore che trasforma la carica degli ioni in una corrente elettrica. Questo segnale viene amplificato, convertito in voltaggio ed elaborato dal software. Infine, si genera un grafico bi- o tridimensionale (o un cromatogramma) (Fig.4) che rappresenta l’impronta volatile univoca del campione.
Tuttavia, il risultato finale dell’analisi HS-GC-IMS è un’impronta digitale chimica complessa, che incrocia i dati di due diverse separazioni:
i) asse delle ordinate (Y), che riporta il tempo di ritenzione, ovvero il tempo impiegato dalle molecole per attraversare la colonna cromatografica (prima separazione)
ii) asse delle ascisse (X), che indica il tempo di deriva (drift time), cioè il tempo impiegato dagli ioni per percorrere il tubo di volo (seconda separazione).
iii) Asse Z (Intensità), rappresenta l’ampiezza del segnale, proporzionale alla concentrazione di ogni specifico composto nel campione.
In genere, per facilitare la lettura, questo grafico viene visualizzato come una mappa topografica vista dall’alto, simile a quelle utilizzate nelle separazioni GCxGC-TOF (comprehensive GC). In questa modalità, l’intensità del segnale (asse Z) è indicata da una scala cromatica: le “macchie” di colore diverso indicano la presenza dei vari composti volatili. Questo permette di confrontare visivamente e istantaneamente diversi campioni, individuando a colpo d’occhio differenze qualitative o quantitative nella composizione del prodotto (4;6;9).
Applicazioni della HS‑GC‑IMS nel controllo qualità alimentare
Autenticazione e frodi alimentari
L’interesse della comunità scientifica verso questa tecnologia emergente è testimoniato dalla crescita esponenziale di pubblicazioni e ricerche che ne esplorano l’efficacia su diverse matrici alimentari. Un esempio significativo è rappresentato dallo studio condotto da Tian et al., (2019) i quali hanno impiegato la tecnologia GC-IMS per l’autenticazione dell’olio di arachidi. Per esempio, il caso studio sull’olio di arachidi mostra che che l’impronta volatile generata dallo strumento è in grado di discriminare con estrema precisione l’olio di arachidi puro da campioni adulterati con olio di colza. Osservando le mappe topografiche (Fig. 5), in effetti, è possibile distinguere chiaramente i profili degli oli di arachidi puri (campioni 1 e 2) rispetto gli oli contraffatti artificialmente con diverse quantità di olio di colza (campioni 314, 529 e 423), dove l’insorgenza o la variazione di specifici spot segnala la presenza dell’agente adulterante.
Monitoraggio dei processi produttivi e trasformazioni aromatiche
Un ulteriore e rilevante esempio applicativo è fornito dallo studio di Chen et al., (2022), incentrato sull’evoluzione del profilo volatile in tre differenti brand di caffè, analizzati in tre diverse forme commerciali: in grani, macinato e come bevanda estratta. Attraverso l’impiego della tecnologia GC-IMS, i ricercatori sono riusciti a identificare mediante gli indici di Kovats 37 composti volatili chiave (Fig. 6), che fungono da marcatori discriminanti per distinguere le peculiarità aromatiche di ciascun prodotto e le trasformazioni subite durante il processo. Tra le classi chimiche di maggiore rilievo sono state individuate aldeidi, chetoni e furani, molecole fondamentali per definire il bouquet sensoriale tipico della tostatura.
Tracciabilità dell’origine e differenziazione geografica
Ma et al., (2024) hanno dimostrato come la provenienza geografica dell’orzo influenzi in modo determinante il profilo volatile, seguendo l’evoluzione aromatica dal malto fino alla birra finita. Analogamente, Bordiga et al., (2025) hanno impiegato questa tecnologia per mappare le differenze nei composti volatili di campioni di Coffea arabica provenienti da Etiopia, Brasile, Nicaragua e Guatemala (Fig. 7), fornendo uno strumento oggettivo per la tracciabilità delle origini.
Shelf-life e stabilità: monitorare l’ossidazione e la conservazione
Oltre alla tracciabilità, la GC-IMS si rivela un potente alleato nel monitoraggio dello stato di conservazione. Cui et al., (2024) hanno condotto uno studio comparativo tra olio di colza fresco (conservato per meno di 18 mesi) e olio ossidato (oltre i 18 mesi). La ricerca ha permesso di identificare i marker volatili dell’ossidazione secondaria, evidenziando un netto incremento delle aldeidi, prodotti diretti dell’autossidazione lipidica. Tra le molecole identificate figurano: 2-octenale, 2,4-eptadienale, 2-eptenale, 2-pentenale, esenale e 3-metil-2-butenale, Tutte queste, infatti, sono considerate marker dell’ossidazione secondaria.
L’efficacia di questa discriminazione è chiaramente visibile nell’analisi delle componenti principali (PCA, Figura 8): la tecnologia GC-IMS ha permesso di separare nettamente gli oli freschi (raggruppati nell’ellisse rossa) da quelli ossidati (ellisse verde), confermandosi una sentinella tecnologica imprescindibile per la valutazione della qualità e della degradazione degli alimenti.
Conclusioni
In conclusione, la tecnologia GC-IMS si prospetta come uno strumento imprescindibile per l’industria alimentare del futuro. Pertanto, la sua capacità di unire sensibilità analitica, rapidità e semplicità operativa ne permette inoltre l’integrazione efficace lungo le linee di produzione, garantendo un monitoraggio puntuale di processi complessi come la tostatura o la fermentazione. Dalla tutela contro le frodi alla rilevazione di alterazioni microbiche, fino al supporto oggettivo per l’analisi sensoriale, la GC-IMS non rappresenta solo un’innovazione tecnica, ma un nuovo standard per la sicurezza e la valorizzazione del prodotto.
—
Speriamo che tu abbia trovato la lettura di questo articolo sulla HS‑GC‑IMS controllo qualità alimentare interessante. Per altri contenuti simili, consulta la sezione RICERCA & SVILUPPO del nostro sito web. E se vuoi restare sempre al passo con le ultime novità in fatto di Agrifood, iscriviti alla nostra Newsletter!
Bordiga, M., Disca, V., Manfredi, M., Barberis, E., Carrà, F., Navarini, L., Lonzarich, V., & Arlorio, M. (2025). Fingerprinting of Green Arabica Coffee Volatile Organic Compounds (VOCs): HS-GC-IMS Versus GC × GC-MS. International Journal of Food Science, 2025(1), 1302823. https://doi.org/10.1155/ijfo/1302823
Chen, Y., Chen, H., Cui, D., Fang, X., Gao, J., Liu, Y., Chen, Y., Chen, H., Cui, D., Fang, X., Gao, J., & Liu, Y. (2022). Fast and Non-Destructive Profiling of Commercial Coffee Aroma under Three Conditions (Beans, Powder, and Brews) Using GC-IMS. Molecules, 27(19). https://doi.org/10.3390/molecules27196262
Cui, F., Liu, M., Li, X., Wang, D., Ma, F., Yu, L., Hu, C., Li, P., & Zhang, L. (2024). Gas chromatography ion mobility spectroscopy: A rapid and effective tool for monitoring oil oxidation. Food Research International, 176, 113842. https://doi.org/10.1016/j.foodres.2023.113842
Gu, S., Zhang, J., Wang, J., Wang, X., & Du, D. (2021). Recent development of HS-GC-IMS technology in rapid and non-destructive detection of quality and contamination in agri-food products. TrAC Trends in Analytical Chemistry, 144, 116435. https://doi.org/10.1016/j.trac.2021.116435
Ma, M., Chen, Z., Huang, B., Chen, X., Liu, H., Peng, Z., Dong, P., Lu, J., & Wu, D. (2024). Characterizing the key aroma compounds of barley malt from different origins using GC-E-Nose, HS-SPME-GC-MS, and HS-GC-IMS. Food Bioscience, 58, 103707. https://doi.org/10.1016/j.fbio.2024.103707
Parastar, H., & Weller, P. (2024). Towards greener volatilomics: Is GC-IMS the new Swiss army knife of gas phase analysis? TrAC Trends in Analytical Chemistry, 170, 117438. https://doi.org/10.1016/j.trac.2023.117438
Parastar, H., & Weller, P. (2025). Feature selection and extraction strategies for non-targeted analysis using GC-MS and GC-IMS: A tutorial. Analytica Chimica Acta, 1343, 343635. https://doi.org/10.1016/j.aca.2025.343635
Tian, L., Zeng, Y., Zheng, X., Chiu, Y., & Liu, T. (2019). Detection of Peanut Oil Adulteration Mixed with Rapeseed Oil Using Gas Chromatography and Gas Chromatography–Ion Mobility Spectrometry. Food Analytical Methods, 12(10), 2282–2292. https://doi.org/10.1007/s12161-019-01571-y
Wang, S., Chen, H., & Sun, B. (2020). Recent progress in food flavor analysis using gas chromatography–ion mobility spectrometry (GC–IMS). Food Chemistry, 315, 126158. https://doi.org/10.1016/j.foodchem.2019.126158
Giacomo Pedron
Nato a Torino, 1997, laureato in Biologia, è dottorando presso il Dipartimento di Scienze del Farmaco dell’Università del Piemonte Orientale. In collaborazione con Unigrà S.p.A., la sua ricerca si focalizza sullo sviluppo di tecniche analitiche innovative per ottimizzare la produzione industriale e il controllo qualità, dalla materia prima al prodotto finito, di pistacchi e frutta secca in generale.
Dott. Occelli Paolo: co-autore.
Dott. Jaouhari Yassine PhD: co-founder di Nutractiva s.r.l., co-autore.
Prof. Arlorio Marco: co-founder di Nutractiva s.r.l., supervisore.
Prof. Bordiga Matteo: supervisore.
Si ringrazia per la collaborazione:
Dott. Cesare Rossini, Senior Business Manager di LabService Analytica s.r.l , Via Emilia 51/c, 40011 Anzola Emilia (Bologna), Italy.
Ministero dell’Università e della Ricerca Italiana; fondi PNRR.
