Pre-evaluación de origen Halal — Cómo usarla
Una guía paso a paso para construir su biblioteca de referencia privada y evaluar muestras entrantes para detectar tendencia de origen porcino. Tiempo de lectura: unos 5 minutos.
Qué hace este banco de trabajo
- Mantiene una biblioteca de referencia privada, por equipo, de espectros FTIR de lotes calificados en los que confía.
- Compara una nueva muestra entrante con esa biblioteca e informa de su consistencia, con evidencia de diferencias a nivel de picos.
- Funciona para cualquier categoría: a base de proteínas (gelatina, cápsula, carne, surimi, lácteos), a base de grasas/aceites (aceite comestible, manteca vegetal, mantequilla, ghee) o productos procesados mixtos.
- Le ofrece un informe trazable que puede imprimir y conservar con los registros de los lotes.
Cómo se produce el resultado
- Se analiza el espectro completo: las ventanas de literatura que se muestran en la página son guías de lectura, no límites de análisis.
- La conclusión es un juicio de similitud: cuánto coincide la muestra entrante con su biblioteca de referencia calificada.
- La redacción del resultado sigue las etiquetas de su biblioteca: una biblioteca no porcina da una redacción no porcina, una biblioteca de control porcino da una redacción porcina.
- Cada etiqueta está respaldada por la tabla de diferencias de picos que puede revisar en el informe.
El flujo de trabajo en cuatro pasos
Paso 1 — Crear una biblioteca de referencia
Una biblioteca de referencia es un conjunto de espectros FTIR de lotes que ya considera aceptables para este material. La muestra entrante se compara con esta biblioteca, no con ninguna base de datos pública.
¿Qué archivos puede subir?
Se aceptan formatos comunes de exportación de instrumentos, incluidos CSV / TXT (número de onda, absorbancia), SPA, DPT, DXD, JWS y otros. El espectro se lee e interpola automáticamente; no necesita convertirlo manualmente.
¿Cuántos lotes necesita?
Comience con al menos 3 a 5 lotes para un material. Más lotes hacen que la comparación sea más fiable. La página muestra una advertencia siempre que la biblioteca seleccionada tenga menos de 5 lotes.
Una biblioteca por material
Cree una biblioteca separada para cada material que desee evaluar (por ejemplo, una para salchicha de res, una para aceite de cocina). Las bibliotecas son privadas para la cuenta de su equipo y aparecen en la barra lateral izquierda.
Tipo de matriz
Elija A base de proteínas, A base de grasa/aceite o Mixto. Esto solo cambia qué ventanas discriminantes de la literatura se muestran en la página como guías de lectura — el análisis en sí siempre usa el espectro completo.
Especie de origen — requerida y por qué
Etiquete cada lote con su fuente declarada (bovino, pescado, planta, porcino, ...). La redacción del resultado depende de esto: una biblioteca de lotes certificados no porcinos produce una redacción de “tendencia no porcina”, mientras que una biblioteca etiquetada como control positivo porcino produce una redacción de “tendencia porcina” en una coincidencia cercana. Sin etiquetas de especie, el informe solo indica la consistencia de la biblioteca.
Otros campos
El proveedor, el número de lote, el estado de JAKIM/certificado, los escaneos, la resolución y el cristal de ATR se registran en cada lote de referencia y aparecen en los informes, por lo que la cadena de trazabilidad permanece intacta.
Paso 2 — Evaluar una muestra entrante
- Seleccione la biblioteca de referencia para este material en el menú desplegable «Biblioteca de referencia».
- Ingrese el número de lote y la especie declarada por el proveedor de la muestra entrante (esto se registra en el informe, no lo utiliza el motor).
- Cargue el archivo FTIR entrante (los mismos formatos que arriba).
- Haga clic en “Ejecutar preevaluación Halal”. El motor compara la muestra con la biblioteca y produce el informe.
Paso 3 — Lea el informe
La etiqueta de tendencia
El sello en la parte superior es la conclusión del preanálisis. Lo que puede decir depende de qué sea su biblioteca de referencia:
| Su biblioteca | Muestra frente a biblioteca | Etiqueta |
|---|---|---|
| Lotes certificados no porcinos | Consistente | Consistente con las referencias no porcinas |
| Parcialmente consistente | Necesita confirmación adicional | |
| Inconsistente | Origen no porcino no confirmado | |
| Control positivo porcino | Consistente | Tendencia porcina |
| Parcialmente consistente | Necesita confirmación adicional | |
| Inconsistente | No coincide con el control porcino | |
| Sin etiqueta de especie | Consistente | Consistente con la biblioteca de referencia |
| Parcialmente consistente | Necesita confirmación adicional | |
| Inconsistente | Inconsistente con la biblioteca de referencia |
El algoritmo detrás de la etiqueta
El motor selecciona automáticamente el modo de análisis según cuántos lotes tenga la biblioteca:
| Lotes de referencia | Modo | Qué se calcula |
|---|---|---|
| 19 o menos | Similitud | Correlación de Pearson, similitud de coseno y los principales picos de diferencia |
| 20 – 49 | PCA | Similitud más proyección PCA, distancia de Mahalanobis, T² de Hotelling |
| 50 o más | Modelo de clase | PCA más SIMCA: residual Q, probabilidad de pertenencia a clase, puntaje de conformidad |
Las regiones discriminantes
El panel “Regiones discriminantes (literatura)” enumera las ventanas reportadas en estudios publicados de detección de origen, coincidiendo con su tipo de matriz. Los picos en la tabla de diferencias que caen dentro de estas ventanas se etiquetan con el nombre de la región — una priorización útil para su propia revisión:
De dónde provienen estas ventanas
Las ventanas a base de proteínas siguen a Hashim 2010 (Food Chem) y Sci Rep 2021 — este último reporta un número de onda dominante para la gelatina porcina cerca de 1470–1475 cm⁻¹ (bovino 1444–1450, pescado 1496–1500). Las ventanas a base de grasa/aceite siguen la revisión de autenticación halal de Int J Mol Sci 2020: regiones discriminantes SIMCA para la manteca de cerdo en ghee (3030–2785 / 1786–1680 / 1490–919 cm⁻¹) y una región combinada que cuantificó la manteca de cerdo en aceite de coco virgen mediante PLSR+DA con R² = 0.999 (3020–3000 / 1120–1000 cm⁻¹).
Estas son guías de lectura para su propia revisión — el motor analiza todo el espectro, no solo estas ventanas. No hay un conjunto de ventanas válido para todos los materiales; diferentes matrices tienen diferentes bandas discriminantes en la literatura.
La tabla de diferencias de picos
«Picos de diferencia principales» enumera las diferencias más fuertes entre la muestra y la media de referencia, con la dirección (muestra más alta/baja) y si el pico es anómalo. Esta es la evidencia detrás de la etiqueta: revísela cuando la etiqueta no sea «consistente».
Gráficos
La superposición espectral dibuja la muestra frente a la media de referencia. El diagrama de dispersión PCA (cuando la biblioteca tiene 20+ lotes) muestra dónde se sitúa la muestra en relación con la nube de lotes históricos.
Interpretación por IA
Cuando esté disponible, el panel de IA resume las diferencias, enumera causas plausibles y sugiere próximos pasos. Es solo apoyo a la decisión: trate sus afirmaciones químicas y redacción como un punto de partida y verifique antes de actuar.
Preguntas frecuentes
- Mi muestra dio como resultado «origen no porcino no confirmado». ¿Significa eso que contiene cerdo?
- No. Significa que la muestra difiere de su biblioteca de referencia no porcina. Las diferencias pueden deberse a un proveedor diferente, humedad, aditivos, configuraciones del instrumento o la variación normal entre lotes. Trátelo como una señal para investigar, no como una detección de porcino. Si debe establecerse la presencia de porcino, use ADN/PCR.
- ¿Puedo analizar aceites y grasas con esto?
- Sí. Elija “A base de grasa/aceite” como tipo de matriz. Los paneles de literatura muestran entonces las bandas reportadas para la detección de adulteración con manteca de cerdo (cis C–H cerca de 3006, éster C=O cerca de 1743, el par C–O de triglicéridos cerca de 1117/1097, trans cerca de 968), y la interpretación de IA brinda orientación de lectura específica para grasas.
- ¿Por qué la página advierte que los resultados son exploratorios con menos de 5 lotes?
- Una comparación contra 1–4 espectros tiene un significado estadístico limitado. El motor sigue funcionando, pero trate la salida como direccional, no cuantitativa. Agregue lotes a medida que los califique.
- ¿Se comparten mis datos espectrales?
- No. Las bibliotecas de referencia son privadas de su cuenta y no se utilizan como referencias de prueba para nadie más. Puede eliminar lotes o bibliotecas completas en cualquier momento.
- ¿Necesito crear una biblioteca por proveedor o por material?
- Por material es el mínimo. Si sus proveedores difieren mucho, bibliotecas separadas por proveedor y por material dan la comparación más limpia.
- ¿En qué se diferencia esto de una búsqueda de similitud en una gran biblioteca espectral?
- Aquí el conjunto de comparación son sus propios lotes calificados, la evidencia son diferencias a nivel de picos con ventanas de literatura, y el informe mantiene el rastro de proveedor/lote/certificación. Una búsqueda en la biblioteca pública puede responder «a qué se parece este espectro»; este banco de trabajo responde «cuánto coincide este lote con mi línea base calificada».
- ¿Puedo convertir una muestra analizada en un lote de referencia?
- Sí — en el banco de trabajo, cada evaluación anterior tiene un botón “Add” que la promueve a la biblioteca de referencia una vez que acepta el lote. Los registros conservan su historial.
- ¿Qué significa “estado de JAKIM” para usuarios fuera de Malasia?
- El campo es de formato libre y está etiquetado como «JAKIM / estado de certificación halal». Los laboratorios fuera de Malasia pueden registrar su propio organismo de certificación o dejarlo como «Desconocido».