Evaluation du risque mycotoxique sur maïs



Documents pareils
MYCOTOXINES : changements règlementaires et analytiques

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.

TABLE DES MATIERES. C Exercices complémentaires 42

Introduction à l approche bootstrap

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

Logiciel XLSTAT version rue Damrémont PARIS

Gestion obligataire passive

Enjeux mathématiques et Statistiques du Big Data

Aide-mémoire de statistique appliquée à la biologie

Filière Master Sciences et Techniques

INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES

Prévention de la fusariose des épis de maïs et de l accumulation de mycotoxines dues aux Fusarium spp.

Déroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI

INFORMATION DEUX/13 ÉDITION SPÉCIALE NIRS. Solutions en spectroscopie proche infrarouge par Metrohm NIRSystems. Théorie de la spectroscopie NIR

Stages de Formation en Statistique Appliquée et Logistique

Informations produits. Massepain

LA MESURE DE MASSE POUR LA DÉTERMINATION DE PÉRIODES RADIOACTIVES

Base de données multifactorielle de l incidence des facteurs agro-climatiques sur l intensité de la fusariose et sur les teneurs en fusariotoxines

Stages de Formation en Statistique Appliquée et Logistique

GénoToul 2010, Hôtel de Région Midi Pyrénées, Toulouse, 10 décembre 2010

Les conducteurs automobiles évaluent-ils correctement leur risque de commettre un accident?

Analyse d échantillons alimentaires pour la présence d organismes génétiquement modifiés

Bio-ingénieur : chimie et et bio-industries (BIRC)

LES MODELES DE SCORE

Chapitre 3. Les distributions à deux variables

Centre Universitaire LA CITADELLE 220, avenue de l Université B.P DUNKERQUE CEDEX 1 GUIDE DES ETUDES LICENCE PROFESSIONNELLE

4. Conditionnement et conservation de l échantillon

Note: Les informations support présentées dans l'annexe II ne sont pas soumises à observation mais sont pour information uniquement.

Conférence technique internationale de la FAO

BREVET DE TECHNICIEN SUPÉRIEUR QUALITÉ DANS LES INDUSTRIES ALIMENTAIRES ET LES BIO-INDUSTRIES

Programmation linéaire

A predictive model of trans isomerisation of polyunsaturated fatty acids during the industrial deodorising of vegetable oils

PREFET DES BOUCHES-DU-RHONE

Techniques du Data Mining pour la prédiction de faillite des entreprises et la gestion du risque de crédit

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie

ÉVALUATION DU RISQUE SANITAIRE LIE A LA PRÉSENCE D OCHRATOXINE A DANS DES FARINES ALIMENTAIRES ET LES VINS COMMERCIALISÉES AU BÉNIN

Chapitre 4 : Régression linéaire

Projet Optiperf : les ressources du calcul parallèle à destination des architectes navals

Food. Notes de Doctrine IFS, Version 2

Master de Bioinformatique et Biologie des Systèmes Toulouse Responsable : Pr. Gwennaele Fichant

1 er Pôle d Economie Sociale et Solidaire de Midi-Pyrénées «Il faut donner à chacun la possibilité de devenir entrepreneur» M.

Exercice : la frontière des portefeuilles optimaux sans actif certain

Capteurs Passifs et Outils de Monitoring des Sédiments

Dan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier

CHROMATOGRAPHE BTEX GC 5000 BTX

Participez à l évolution des normes

AVIS. de l'agence nationale de sécurité sanitaire de l alimentation, de l environnement et du travail

RESOLUTION OIV-VITI GUIDE D APPLICATION DU SYSTÈME HACCP (HAZARD ANALYSIS AND CRITICAL CONTROL POINTS) A LA VITICULTURE DE L OIV

Spectrophotomètre double faisceau modèle 6800

Le Data Mining au service du Scoring ou notation statistique des emprunteurs!

Dosage des sucres par CLHP dans les vins (Oeno 23/2003)

La Marque de sécurité UL-EU. La nouvelle marque de certification paneuropéenne mondialement reconnue

Contient:CONTENANT DU GLUTEN, OEUF ET DÉRIVÉS, LAIT ET DÉRIVÉS, NOIX ET DÉRIVÉS

ESIEA PARIS

REP12/CF, par REP13/CF, par

Mémoire d actuariat - promotion complexité et limites du modèle actuariel, le rôle majeur des comportements humains.

Analyse de la vidéo. Chapitre La modélisation pour le suivi d objet. 10 mars Chapitre La modélisation d objet 1 / 57

*Institut Supérieur Agricole de Beauvais, Département des Sciences Animales, B.P , 60026, Beauvais Cedex

Âge effectif de sortie du marché du travail

Perrothon Sandrine UV Visible. Spectrophotométrie d'absorption moléculaire Étude et dosage de la vitamine B 6

Ordonnance du DFI sur les sucres, les denrées alimentaires sucrées et les produits à base de cacao

Silicalloy Concept. Comment une solution chrome-free élaborée en laboratoire conduit à renforcer l activité économique en région wallonne. S.

Actifs des fonds de pension et des fonds de réserve publics

IBM SPSS Regression 21

Fiche Technique. Filière Maraichage. Mais doux. Septembre 2008

Étude de marché. Critères de qualification Travaux de génie civil et construction de bâtiments industriels au CERN

Les enfants laissés pour compte

PRESENTATION GROUPE LHP

Dosage des métaux lourds (As, Cd, Cr, Cu, Ni, Pb, Zn et Hg) dans les sols par ICP-MS

Le nouveau système de surveillance continue des émissions atmosphériques

MYCOTOXINES : Guide d'utilisation des kits immunoenzymatiques format microplaques (kits ELISA)

4. Résultats et discussion

Etude d un cas industriel : Optimisation de la modélisation de paramètre de production

Viandes, poissons et crustacés

Les techniques alternatives dans la gestion des eaux pluviales. Jean Yves VIAU Directeur Opérationnel

SVE 222 & PCL-442. Fascicule de Travaux Pratiques

Compléments ments alimentaires Les règles du jeu - SCL / Strasbourg-Illkirch 14 octobre 2011

rue Sainte Marseille Présentation de l Agence

TECHNIQUES: Principes de la chromatographie

Les méthodes alternatives de surveillance de la qualité des eaux. Présentation du projet SWIFT-WFD

QUALITÉ DE L APPRENTISSAGE DE L INTUBATION ORO-TRACHÉALE EN LABORATOIRE DE SIMULATION, SON INTÉRÊT POUR LES PATIENTS.

Etude des propriétés empiriques du lasso par simulations

Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données

Mesures in situ et sur site

Re-Certification 2012 Programme complet > 8 modules

Le creusement des inégalités touche plus particulièrement les jeunes et les pauvres

PROGRAMME MIXTE FAO/OMS SUR LES NORMES ALIMENTAIRES

industrie agroalimentaire

1 Complément sur la projection du nuage des individus

Master professionnel aliments, microbiologie, assurance qualité

Circulaire relative au monitoring dioxine des produits à risque destinés à l alimentation animale

Les Fibres naturelles pour les architectes - La réaction au feu des matériaux à base de fibres naturelles

DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES

Intérêt du découpage en sous-bandes pour l analyse spectrale

Comment se préparer à la certification

Correction du baccalauréat STMG Polynésie 17 juin 2014

APPLICATION QMS AMIKACINE Système intégré Ortho Clinical Diagnostics VITROS 5600, systèmes de chimie VITROS 5,1 FS et 4600

1: généralités; 2: l évaluation par l opérateur; 3: l analyse d image; 4: la densitométrie en absorbance et en fluorescence; 5: la conclusion.

Transcription:

Evaluation du risque mycotoxique sur maïs 1 Cécile LEVASSEUR, Olivier SUREL, Didier KLEIBER Laboratoire d Agro-Physiologie, UPSP/DGER115, Ecole d Ingénieurs de Purpan, Université de Toulouse, 75 voie du TOEC, BP 57611, 31076 Toulouse Cedex 03 cecile.levasseur@purpan.fr H E L I O S P I R, 3 0 S E P T E M B R E 2 0 0 9

Les mycotoxines étudiées Mycotoxines : métabolites fongiques => pertes économiques et de risque sanitaires La FAO estime que jusqu'à 25% de la production alimentaire mondiale est contaminée par des mycotoxines 2 Déoxynivalénol DON - Fumonisines B1 et B2 FUM Mycotoxine Limite (Règlement (CE) N 1126/2007) DON FUM maïs brut mais pas à destination farine : 1750 ppb maïs brut consommation humaine, farine : 750 ppb maïs poudre > 500 µm pas conso. directe : 750 ppb idem < 500 µm : 1250 ppb maïs brut mais pas à destination farine : 4000 ppb maïs brut consommation humaine, farine : 1000 ppb maïs poudre > 500 µm pas conso. directe : 1400 ppb idem < 500 µm : 2000 ppb

Matériel et méthodes (1) 3 Spectre infrarouge Teneur mycotoxines Prédictions physicochimiques Classification Classe 1 Maïs sain : [DON, FUM] < limite ± écart-type calibration Classe 3 Maïs contaminé : [DON, FUM] > limite ± écart-type calibration Classe 2 Maïs douteux : limite - écart-type < [DON, FUM] < limite + écart-type Analyse HPLC ciblée

Echantillons de maïs Matériel et méthodes (2) 4 370 échantillons issus de contaminations naturelles, 2007 DON : 110 hybrides / FUM : 42 hybrides Italie, Danemark, France, Hongrie, Pays-Bas, Pologne Analyses de référence : HPLC 2 sets : calibration et validation QL QT TOT Notations au champ + prédiction IR Collecte des spectres FOSS NIRSystems 6500 : 400 2498 nm, 2 nm 3 répétitions par échantillon Sur grains entiers; grains broyés; grains tamisés DON 4 20 24 FUM 4 22 26

5 Analyte Echantillon Valeur de référence Moyenne 3 2Ut Incertitude Conclusion certifié (µg/kg) 1 observée 2 labo 4 Zéaralénone BCR717 83 ± 9 80 ± 13.9 14.4 35% Acceptable Fumonisines F-10 2500 ± 600 1940 ± 125 606 13% Acceptable Déoxynivalénol Myc850 474 ± 30 469 ± 39 46 17% Acceptable

Travail sur les données Réduction des données : Table de contingence pour QL Coefficient de Pearson pour QT Traitement des données Matériel et méthodes (3) 6 Classe 1 Maïs sain : [DON, FUM] < limite ± écart-type calibration Classe 3 Maïs contaminé : [DON, FUM] > limite ± écart-type calibration Classe 2 Maïs douteux : limite - écart-type < [DON, FUM] < limite + écart-type Analy se HPLC ciblée ANCOVA Analyse de COVAriance : modèle linéaire qui prédit un paramètre quantitatif à partir de variables quantitatives et qualitatives limite des valeurs qualitatives au champ => QT AFD Analyse Factorielle Discriminante : 3 catégories PLS-DA régression des moindres carrés discriminante : PLS avec une classe comme prédicteur

Résultats (1) DON - ANCOVA 7 LOC (location of growth) x (Pr > F = 0.016) HYB (nature of the hybrid) x (Pr > F = 0.022) CEL (% of cell walls) STA (% of starch) MOI (% of moisture) LIN (% of linoleic acid) x (Pr > F = 0.093) - FAT (% of oil) x (Pr > F = 0.165) - OLE (% of oleic acid) AMP (% of amyl pectin) DIS (% of discarded grains) r² = 0.85 o Effet environnemental o Hybrides : +/-

Résultats (2) DON - AFD 8 8 modèles de classification testés (autour de la limite règlementaire): (0,1500 ppb (µg.kg- 1), 1500,1900 ppb, >1900 ppb), (0,1000 ppb, 1000,2500 ppb, >2500 ppb), (0,1250 ppb, 1250,2250 ppb, >2250 ppb), etc. Composition en acides gras Composition générale du grain

Résultats (3) DON - AFD 9 100 Col 1 vs Col 2 Col 1 vs Col 3 validation % of reclassification in CAT1 and CAT3 90 80 70 60 50 40 30 CAT 1 : 53.3% (t 5) à 94% (t 2, 4, 6 et 7) CAT 3 : 30.0% (t 2 et 7) à 53% (t 1) 20 trial 1 trial 2 trial 3 trial 4 trial 5 trial 6 trial 7 trial 8 CAT2 dans CAT1 : 17% (t 2 et 7) à 100% (t 1) CAT3 dans CAT1 : 23% (t 5) à 40% (t 1) Risque sanitaire CAT1 reclassifié dans CAT3 : 0% (t 5) à 13% (t 1) CAT2 reclassifié dans CAT3 : 0% (t 1) à 50% (t 5 et 6) % of misclassification 120 100 80 60 40 20 0 CAT2 reclassified in CAT1 CAT3 reclassified in CAT1 CAT1 reclassified in CAT3 CAT2 reclassified in CAT3 Total of samples misreclassified in CAT1 Total of samples misreclassified in CAT3 Pertes économiques trial 1 trial 2 trial 3 trial 4 trial 5 trial 6 trial 7 trial 8

Choix de la classification : Résultats (4) DON - AFD - Meilleure classification dans CAT1 - Meilleure classification dans CAT3 - Risque sanitaire minimal - Pertes économiques minimales T3 et T6 ; T6 : 0,1 000ppb, 1 000,2 000 ppb and > 2 000 ppb (bonnes classifications mais plus de pertes économiques) 10 Validation de la classification: - 94% des échantillons de la CAT1 sont bien classés - 50% de la CAT3 sont bien classés - 25% de la CAT3 dans la CAT1 => 50% des échantillons dangereux sont bien classés et 25% vont être analysés par HPLC (CAT2) et 25% dits sans risque alors qu ils le sont!

Résultats (5) FUM - ANCOVA 11 LOC (location of growth) x <<<< Communs avec DON HYB (nature of the hybrid) x Pr > F = 0.024 CEL (% of cell walls) x Pr > F = 0.004-0.127 STA (% of starch) x Pr > F = 0.129-0.188 STE (% of stearic acid) x Pr > F = 0.369 0.064 r² = 0.70 POL (% of polyunsaturated acids) FAT (% of oil) x Pr > F = 0.447-0.067 OLE (% of oleic acid) x Pr > F = 0.283-0.127 AMS (Ratio amylose /starch) x Pr > F = 0.128-0.231 DIS (% of discarded grains) PRO (% of protein) o Effet environnemental o Hybrides : +/-

Résultats (6) FUM - AFD 8 modèles de classification testés (autour de la limite règlementaire): (0,1500 ppb (µg.kg- 1), 1500,1900 ppb, >1900 ppb), (0,1000 ppb, 1000,2500 ppb, >2500 ppb), (0,1250 ppb, 1250,2250 ppb, >2250 ppb), etc. 12 Composition en acides gras Composition générale du grain

Résultats (7) FUM - AFD 13 % of reclassification in CAT1 and CAT3 100 80 60 40 20 0 CAT 1 CAT 3 Choix de la classification : -Meilleure classification dans CAT1 -Meilleure classification dans CAT3 -Risque sanitaire minimal -Pertes économiques minimales t5 : 0, 3000 ppb, 3000, 11000, > 11000 ppb 80 trial 1 trial 2 trial 3 trial 4 trial 5 trial 6 trial 7 trial 8 Validation de la classification: -67% des échantillons de la CAT1 sont bien classés -83% de la CAT3 sont bien classés -17% de la CAT3 dans la CAT1 => 17% dits sans risque alors qu ils le sont % of misclassification 60 40 20 0 CAT2 reclassified in CAT1 CAT3 reclassified in CAT1 CAT1 reclassified in CAT3 CAT2 reclassified in CAT3 Total of samples misreclassified in CAT1 Total of samples misreclassified in CAT3 trial 1 trial 2 trial 3 trial 4 trial 5 trial 6 trial 7 trial 8

Résultats (8) : DON et FUM PLS-DA 14 Rappel des limites : 1750 ppb pour DON et 4000 ppb pour FUM validation DON Gamme Taux d erreur 0-10000 ppb 27.2% 0-2500 ppb 16.5% FUM Gamme Taux d erreur 0-5000 ppb 0% 0-10 000 ppb 10.2% 0-30000 ppb 3.5% PLS-DA > ANCOVA, AFD

Résultats soumis dans FAC Conclusion et perspectives Teneurs en mycotoxines trop faibles pour l IR (µg/kg) => modification de la matrice 15 Perspectives : Rajouter la base de données 2008 + 2009 Autre méthode de traitement de données

Remerciements 16 Syngenta Seeds, Maïsadour GIS STIMUL DRAF Midi-Pyrénées Benoit Igne et Pr Hurburgh, ISU Merci pour votre attention