En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal AGROPARISTECH logo logo logo logo logo logo QUALIMENT

UMR_GENIAL

Un détecteur universel pour les contaminants issus des matériaux au contact des aliments

Un détecteur universel pour les contaminants issus des matériaux au contact des aliments
L’identification et la quantification des contaminants organiques est fondamental pour la maîtrise des risques chimiques. Il n’existe pas de méthode universelle pour séparer, identifier et quantifier des substances dans des mélanges complexes. Une méthode quantitative de déformulation a été développée pour recherche des substances dans un dictionnaire quasiment illimité.

Résumé :

L’identification et la quantification des contaminants organiques est fondamental pour la maîtrise des risques chimiques. Il n’existe pas de méthode universelle pour séparer, identifier et quantifier des substances dans des mélanges complexes. Avec dix-sept groupes de matériaux (plastiques, élastomères, vernis, encres, colles,…) et près de 8000 substances susceptibles de migrer dans les aliments, les emballages et les matériaux au contact présentent un sérieux challenge. Une méthode quantitative de déformulation a été développée pour recherche des substances dans un dictionnaire quasiment illimité.

Contexte de la réalisation :

La spectroscopie par résonnance magnétique nucléaire du proton (RMN 1H) offre un détecteur universel pour les contaminants organiques : toutes les substances organiques contiennent des atomes d’hydrogène. Elle reste relativement peu sensible, mais elle offre de très bon rapport signal-sur-bruit. Parce que plusieurs substances peuvent présenter des déplacements chimiques similaires, la séparation de substances à partir des seuls spectres RMN 1H est réputée impossible. Il faut généralement recourir à des séquences complexes pour étudier les couplages nucléaires ou recourir à la RMN 2D. Dans le cadre du projet ANR SAFEFOODPACK DESIGN, une toute nouvelle méthode de séparation des spectres a été développée pour aider la déformulation aveugle de centaines de matériaux d’emballage prélevés sur le marché français.

Résultat :

Si on appelle les multiplets identifiés en RMN 1H des syllabes et les spectres entiers des substances des mots, nous avons développé une technique mathématique pour identifier une combinaison arbitraire de mots (substances) dans une conversation (mélange). La solution proposée s’attaque de front à la situation réputée mathématiquement insoluble : i) le nombre de mots est inconnu, ii) les mots sont répétés dans des proportions variables (concentrations), iii) les mots appartiennent à un très grand dictionnaire (100 à 104 substances) et iv) peuvent être mélangés avec des mots non répertoriés dans le dictionnaire (substances inconnues). Finalement, les mots peuvent être prononcés par le même locuteur (spectres mesurés sur le même type d’appareil) ou prononcés avec un fort accent (spectres théoriques issus de calculs ou de bases de données spectrales).
La méthode mathématique proposée est une méthode de poursuite généralisée à deux échelles très fortement inspirée des méthodes de reconnaissance de caractères ou de visages. L’information pertinente est décomposée quantitativement sur une base réduite de signaux que l’algorithme peut utiliser pour rechercher un mot ou une fraction de celui-ci au milieu d’un mélange extrêmement complexe. Un principe de parcimonie couplé à une méthode de choix optimal permet de proposer des solutions réalistes sur le nombre de substances, leurs identités et leurs quantités. Les résultats finaux sont disponibles en moins de deux heures, ce temps comprenant la durée d’extraction (40 min), mesure (30 min) et d’interprétation (5 min).

Perspectives, impact possible à terme :

Les résultats ont été utilisés dans le cadre du projet SAFEFOODPACK DESIGN. La méthode est utilisée en routine par le Laboratoire National de métrologie d’Essais pour la recherche des contaminants issus des matériaux d’emballage. Il est important de noter qu’elle ne requiert en aucun cas une calibration par substance et qu’il n’est pas nécessaire de disposer d’un étalon de la substance à rechercher.
Les données de concentration reconstruites par la méthode sont directement utilisables dans les logiciels de migration développés par l’équipe (ex. FMECAengine, SFPP3) et permettent de quantifier les risques de contamination dans des conditions données.

Valorisation :

La méthode d’identification couplée à un dictionnaire (exemple) de 53 substances est disponible sous la forme d’un projet open-source comprenant une interface graphique. Le code actuel est compatible avec la majorité des spectrothèques RMN 1H publiques ou commerciales (représentant plus de 80000 substances uniques).
https://github.com/ovitrac/SFPDnmrspec

Partenaires :

Le laboratoire National de métrologie et d’Essais (LNE).

Figure 1. Interface du projet open-source

I2MC- FAIT MARQUANT 2015- detecteur universel pour contaminants - IMG 1

SFPDnmrspec. Un scenario d’insertion des substances est d’abord construit (STEP 1) en fonction des comparaisons paire-à-paire des substances du dictionnaire puis une déconvolution quantitative (STEP 2) est appliquée à partir d’une généralisation de l’algorithme de poursuite. Des scénarios concurrents peuvent être générés en fonction des risques de confusion entre substances. Un algorithme optimal de classement à partir des résultats de comparaison paire-à-paire permet de sélectionner les meilleurs scénarios d’insertion des substances. La méthode est tolérante aux déplacements et déformations des multiplets dus aux erreurs de mesure ou aux calculs (spectres théoriques).

Figure 2.

Exemple d’un spectre de RMN 1H de l’extrait d’un matériau en polypropylène commercial et la correspondante des concentrations des additifs codés avec des lettres a-f. Deux scénarios d’insertion des substances (rouge et vert) sont générés suivant que la substance d est confondue ou non avec la substance.

I2MC- FAIT MARQUANT 2015- detecteur universel pour contaminants - IMG 2

Documents à télécharger