Методологические подходы к геноидентификации чайного сырья и сырьевого состава безалкогольных напиток на основе чая

Обложка

Цитировать

Полный текст

Аннотация

Чай, чайный куст, или камелия китайская — растение вида Camellia sinensis , листья которого, предварительно подготовленные специальным образом, являются традиционным сырьем для производства чайной продукции. Сортовая геноидентификация чая позволяет повысить уровень оценки подлинности чайного сырья и чайной продукции. Она преимущественно базируется на ДНК-технологиях детекции и интерпретации SNP-маркеров (Single Nucleotide Polymorphism — однонуклеотидный полиморфизм), представленных широким арсеналом как дорогостоящих высокотехнологичных методов, так и общедоступных лабораторных подходов. Видовая геноидентификация сырьевого состава безалкогольных напитков на основе чая является не менее важным направлением исследования в связи с риском фальсификации данного вида продукции. Цель настоящего исследования заключалась в изыскании методологических подходов к сортовой геноидентификации чайного сырья и к видовой геноидентификации сырьевого состава безалкогольных напитков на основе чая. В результате проведенного биоинформационного исследования по выявлению полиморфных сайтов рестрикции в нуклеотидных последовательностях локусов генома Camellia sinensis были подобраны диагностически значимые рестриктазы, способные к детекции SNPs и к идентификации генотипов чая по анализируемым маркерам. При этом потенциалом практического применения обладали 16 локусов, из которых 11 относились к группе наиболее информативных SNP-маркеров. С ними и была проведена постаналитическая оценка сортов чая на предмет их генотипической принадлежности и идентифицируемости в рамках решения первой задачи исследования. Для реализации второй задачи был протестирован молекулярно-генетический подход к видовой идентификации сырьевого состава безалкогольных напитков на основе зеленого чая. Исследование включало анализ экспериментальных напитков (с натуральным ароматизатором «Лимон» и синтетическим ароматизатором «Персик 716»), а также коммерческих концентратов «ТИАКВА» (на основе экстрактов из огрубелых стеблей зеленого или черного чая). В работе использовались методы ПЦР (полимеразная цепная реакция), ПДРФ (полиморфизм длин рестрикционных фрагментов) и прямого секвенирования амплифицированного локуса хлоропластной ДНК. Сочетание двух методов (ПЦР и секвенирование) показало свою эффективность в установлении принадлежности анализируемых образцов нуклеиновых кислот к виду Camellia sinensis — сырьевой основы исследованных напитков и концентратов. Однако для раскрытия аутентификационного потенциала ПЦР с праймерами #1 и #2, совмещенного с ПДРФ-анализом, потребуется подбор диагностически значимых рестриктаз, пригодных для генерации видоспецифичных комбинаций ПЦР-ПДРФ-профилей маркерной последовательности.

Об авторах

Р. Р. Вафин

Всероссийский научно-исследовательский институт пивоваренной, безалкогольной и винодельческой промышленности

Email: agira_@ro.ru
доктор биологических наук, профессор РАН, заместитель заведующего, Межотраслевой научно-технический центр мониторинга качества пищевых продуктов. 119021, Москва, ул. Россолимо, 7

И. Ю. Михайлова

Всероссийский научно-исследовательский институт пивоваренной, безалкогольной и винодельческой промышленности

Email: agira_@ro.ru
научный сотрудник, Межотраслевой научно-технический центр мониторинга качества пищевых продуктов. 119021, Москва, ул. Россолимо, 7

И. И. Агейкина

Всероссийский научно-исследовательский институт пивоваренной, безалкогольной и винодельческой промышленности

Email: agira_@ro.ru
младший научный сотрудник, Межотраслевой научно-технический центр мониторинга качества пищевых продуктов. 119021, Москва, ул. Россолимо, 7

Список литературы

  1. Ding, Y., Huang, H., Cui, H., Wang, X., Zhao, Y. (2023). A non-destructive method for identification of tea plant cultivars based on deep learning. Forests, 14(4), Article 728. https://doi.org/10.3390/f14040728
  2. De Castro, O., Comparone, M., Di Maio, A., Del Guacchio, E., Menale, B., Troisi, J. et al. (2017). What is in your cup of tea? DNA verity test to characterize black and green commercial teas. PLoS ONE, 12(5), Article e017826. https://doi.org/10.1371/journal.pone.0178262
  3. Fang, W., Meinhardt, L. W., Tan, H., Zhou, L., Mischke, S., Wang, X. et al. (2016). Identification of the varietal origin of processed loose-leaf tea based on analysis of a single leaf by SNP nanofluidic array. The Crop Journal, 4(4), 304-312. https://doi.org/10.1016/j.cj.2016.02.001
  4. Mphangwe, N. I. K., Vorster, J., Steyn, J. M., Nyirenda, H. E., Taylor, N. J., Apostolides, Z. (2013). Screening of tea (Camellia sinensis) for trait-associated molecular markers. Applied Biochemistry and Biotechnology, 171(2), 437-449. https://doi.org/10.1007/s12010-013-0370-4
  5. Hu, C. Y., Tsai, H. T., Chiu, C. F., Su, T. C., Le, N. H. K., Yeh, S. D. (2023). SSR-based molecular diagnosis for Taiwan tea cultivars and its application in identifying cultivar composition of the processed tea. Journal of Food and Drug Analysis, 31(3), 446-457. https://doi.org/10.38212/2224-6614.3465
  6. Li, J.-W., Li, H., Liu, Z.-W., Wang, Y.-X., Chen, Y., Yang, N. et al. (2023). Molecular markers in tea plant (Camellia sinensis): Applications to evolution, genetic identification, and molecular breeding. Plant Physiology and Biochemistry, 198, Article 107704. https://doi.org/10.1016/j.plaphy.2023.107704
  7. Li, L., Li, X., Liu, F., Zhao, J., Zhang, Y., Zheng, W. et al. (2023). Preliminary investigation of essentially derived variety of tea tree and development of SNP markers. Plants, 12(8), Article 1643. https://doi.org/10.3390/plants12081643
  8. Wang, L., Xun, H., Aktar, S., Zhang, R., Wu, L., Ni, D. et al. (2023). Development of SNP markers for original analysis and germplasm identification in Camellia sinensis. Plants, 12(1), Article 162. https://doi.org/10.3390/plants12010162
  9. Wei, K., Wang, X., Hao, X., Qian, Y., Li, X., Xu, L. et al. (2022). Development of a genome-wide 200K SNP array and its application for high-density genetic mapping and origin analysis of Camellia sinensis. Plant Biotechnology Journal, 20(3), 414-416. https://doi.org/10.1111/pbi.13761
  10. Fan, K., Zhang, J., Wang, M., Qian, W., Sun, L., Shen, J. et al. (2022). Development and application of SNP-KASP markers based on genes related to nitrogen uptake, assimilation and allocation in tea plant (Camellia sinensis L.). Agronomy, 12(10), Article 2534. https://doi.org/10.3390/agronomy12102534
  11. Khiavi, J. S., Falakro, K., Chaeikar, S. S. (2021). PCR-RFLP analyses of chloroplast DNA in some cultivated tea (Camellia sp.) genotypes. Journal of Horticulture and Postharvest Research, 4(1), 25-36. https://doi.org/10.22077/jhpr.2020.3116.1121
  12. Вафин, Р. Р., Михайлова, И. Ю., Агейкина, И. И., Харламова, Л. Н. (2024). Прогнозная модель сортовой идентификации чая ПЦР-ПДРФ-анализом SNP-маркеров Camellia sinensis. Пищевая промышленность, 1, 74-77. https://doi.org/10.52653/PPI.2024.1.1.014
  13. Ульянова, Е. В., Михайлова, И. Ю. (2024). Современные технологии в производстве напитков на основе чая. Пиво и напитки, 1, 23-27. https://doi.org/10.52653/PIN.2024.01.09
  14. Faller, A. C., Ragupathy, S., Shanmughanandhan, D., Zhang, Y., Lu, Z., Chang, P. et al. (2019). DNA quality and quantity analysis of Camellia sinensis through processing from fresh leaves to a green tea extract. Journal of AOAC International, 102(6), 1798-1807. https://doi.org/10.5740/jaoacint.18-0318
  15. Wu, Z., Li, X., Xu, X., Xing, A., Xu, Y., Yang, X. et al. (2023). Quality components identification and formation analysis of tea (Camellia sinensis L.) flower beverages from three cultivars. LWT, 181, Article 114739. https://doi.org/10.1016/j.lwt.2023.114739
  16. Ujihara, T. Hayashi, N. Tanaka, J. (2012). Identification of Material Cultivar of Green Tea Infusions by Simple Sequence Repeat Markers. Food Science and Technology Research, 18(2), 209-217. https://doi.org/10.3136/fstr.18.209
  17. Al-Janabi, S. M., McClelland, M., Petersen, C., Sobra, l B. W. S. (1994). Phylogenetic analysis of organellar DNA sequences in the Andropogoneae: Saccharinae. Theoretical and Applied Genetics, 88(8), 933-944. https://doi.org/10.1007/BF00220799
  18. Hwang, H., Bae, S. C., Lee, S., Lee, Y.-H., Chang, A. (2013). A rapid and simple genotyping method for various plants by direct-PCR. Plant Breeding and Biotechnology, 1(3), 290-297. https://doi.org/10.9787/PBB.2013.1.3.290
  19. Вафин, Р. Р., Михайлова, И. Ю., Агейкина, И. И., Харламова, Л. Н. (2023). Моделирование ДНК-технологии видовой идентификации сырьевого состава напитков на растительной основе. Пищевая промышленность, 8, 107-111. https://doi.org/10.52653/PPI.2023.8.8.020
  20. Вафин, Р. Р., Михайлова, И. Ю., Агейкина, И. И., Свиридов, Д. А., Ганин, М. Ю. (2023). Моделирование ДНК-технологии определения ботанического происхождения меда. Пищевая промышленность, 11, 72-75. https://doi.org/10.52653/PPI.2023.11.11.015
  21. National Institutes of Health (NIH). National Library of Medicine (NLM). National Center for Biotechnology Information (NCBI). (2022). tRNA-Val [Camellia sinensis]. Gene ID: 14412475, updated on 02-Apr-2022. Retrieved from https://www.ncbi.nlm.nih.gov/gene/14412475. Accessed April 21, 2024.
  22. National Institutes of Health (NIH). National Library of Medicine (NLM). National Center for Biotechnology Information (NCBI). (2022). 16S ribosomal RNA [Camellia sinensis]. Gene ID: 14412476, updated on 02-Apr-2022. Retrieved from https://www.ncbi.nlm.nih.gov/gene/14412476. Accessed April 21, 2024.
  23. Шеховцов, С. В., Шеховцова, И. Н., Пельтек, С. Е. (2019). ДНК-штрихкодирование: методы и подходы. Успехи современной биологии, 139(3), 211-220. https://doi.org/10.1134/S0042132419030074

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Вафин Р.Р., Михайлова И.Ю., Агейкина И.И., 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».