(A) study on the discrimination of omega-3 fatty acid forms by combining NMR spectroscopy with statistical and artificial intelligence

국문 초록 (Abstract)

오메가-3 건강기능식품은 일반적으로 triglyceride (TG), ethyl ester (EE) 및 re-esterified triglyceride (rTG)의 세 가지 형태로 제공됩니다. TG는 자연적으로 발생하는 안정적인 형태이지만, 포화지방산이 존재하기 때문에 유익한 오메가-3 지방산의 함량이 낮습니다. 반면, rTG 형태는 오메가-3 지방산으로만 이루어져 있어 체내 흡수율과 생체 이용률이 높은 것으로 알려져 있습니다. 그러나 복잡한 제조 공정으로 인해 다른 형태보다 비용이 높습니다. 따라서 다른 형태의 오메가-3가 rTG로 판매될 위험이 있으므로 정확한 식별 방법이 중요합니다. 그러나 현재 이러한 형태의 오메가-3를 정확하게 구별할 수 있는 신뢰할 수 있는 방법이 없습니다.
본 연구의 목적은 AI를 활용하여 다양한 형태의 오메가-3를 분류하기 위한 새로운 판별법을 개발하는 것입니다. 이를 위해 90개의 오메가-3 스펙트럼(각 형태당 30개)로 구성된 데이터세트를 분석에 활용했습니다. 분석은 주성분 분석-선형 판별 분석(PCA-LDA), 지원 벡터 머신(SVM), 컨볼루션 신경망(CNN) 딥러닝 모델을 사용하여 수행되었습니다. 그 결과, 2D CNN 딥러닝 모델이 테스트 샘플(n=6)을 100% 정확도로 정확하게 구별할 수 있는 것으로 나타났습니다. Gradient weighted class activation mapping analysis (Grad-CAM)를 통해 CNN 딥러닝 모델이 의미 있는 신호를 통해 오메가-3 형태를 결정하는 것으로 나타났습니다. 이 연구는 미래의 식품 분류를 위한 효율적이고 정확한 접근 방식으로서 AI 기반 1H NMR 스펙트럼 분류의 잠재력을 보여주었습니다.

다국어 초록 (Multilingual Abstract)

Omega-3 supplements are typically available in three forms: triglyceride (TG), ethyl ester (EE), and re-esterified triglyceride (rTG). The TG form is a stable form that occurs naturally, but it has a low content of beneficial omega-3 fatty acids due to the presence of saturated fatty acids. On the other hand, the rTG form is made entirely of omega-3 fatty acids and it is known to have high absorption and bioavailability rates in the body. But its cost is higher than other forms owing to its complex manufacturing process. Therefore, there is a risk that other forms of omega-3 may be marketed as rTG, making an accurate discrimination method crucial. However, there is currently no reliable method to accurately distinguish between these forms of omega-3.
The objective of this study is to develop a novel discrimination method for classifying different forms of omega-3 using AI. A dataset consisting of 90 omega-3 samples (30 for each form) was utilized for analysis. The analysis was conducted using principal component analysis-linear discriminant analysis (PCA-LDA), support vector machine (SVM), and convolutional neural network (CNN) deep learning models. The results revealed that the 2D CNN deep learning models could correctly discriminate the test samples (n = 6) with 100% accuracy. Additionally, gradient weighted class activation mapping analysis showed that the CNN deep learning model determined the omega-3 forms through the meaningful signal. This study demonstrates the potential of AI-based 1H NMR spectral classification as an efficient and precise approach for future food type classification.

목차 (Table of Contents)

• 1. Introduction 1
• 2. Experimental Details 6
• 2.1 Materials 6
• 2.2 Samples preparation 7
• 2.3 1H NMR Measurement 8
• 2.4 qNMR experiment 9
• 2.5 PCA-LDA 11
• 2.6 SVM 12
• 2.7 CNN deep learning 13
• 3. Results and Discussion 16
• 3.1 1H NMR spectra of omega-3 supplements 16
• 3.2 Authenticity of the omega-3 supplements 20
• 3.3 Determination of omega-3 form by PCA-LDA 25
• 3.4 Determination of omega-3 form by SVM 27
• 3.5 Determination of omega-3 form by CNN 29
• 3.6 Comparison of PCA-LDA, SVM and CNN models 31
• 4. Conclusions 33
• References 35
• 국문초록 39