VIEW ARTICLE    http://dx.doi.org/10.1094/ASBCJ-2012-0703-01

Chemometric Investigation of Barley and Malt Data (1). K. J. Siebert (2), Dept. of Food Science, Cornell University, Geneva, NY; and A. Egi and R. McCaig, Canadian Malting Barley Technical Centre, Winnipeg, Manitoba. (1) This work was presented as an oral paper at the 2011 ASBC National Meeting in Ft. Myers, FL. (2) Corresponding author. Phone: +1.315.787.2299; Fax: +1.315.787.2284; E-mail: <kjs3@cornell.edu> J. Am. Soc. Brew. Chem. 70(3):163-175, 2012.

Several hundred samples of barleys and corresponding pilot scale malts were analyzed for eight barley parameters and 15 malt parameters. Principal components analysis (PCA) was applied to the barley and malt data sets. The barley data had three significant PCs, corresponding to kernel size, germination rate and protein content, and moisture. The malt data had 5 significant components, largely corresponding to modification, extract, enzyme activity, nitrogenous substances, and wort pH. Pattern recognition of the barley and malt data sets was carried out with Linear Discriminant Analysis (LDA), k-Nearest Neighbor analysis (k-NN) and SIMCA. Classification of the barley samples into 2- or 6-row, winter or spring, origin country and cultivar was fairly successful. Classification of the malt samples into hulled or hull-less barleys, country of origin, and cultivar was quite successful; classification by crop year and 2- or 6-row barley was less successful. Models of malt parameters as a function of multiple barley measurements were constructed using partial least squares regression (PLSR). An excellent model of malt total protein (R(^2) = 0.74) was obtained. Fair models of friability, fine and coarse extract, soluble protein, Kolbach index, diastatic power and alpha-amylase activity were produced. Only poor models of the other parameters were obtained. Keywords: Classification, Modeling, Pattern recognition, Principal components

Varios cientos de muestras de cebadas y correspondientes maltas a escala piloto se analizaron para ocho parámetros de cebada y quince parámetros de malta. El análisis de componentes principales (ACP) se aplicó a los conjuntos de datos de la cebada y malta. Los datos de la cebada tuvo tres CPs importantes, lo que corresponde al tamaño del grano, la tasa de germinación y contenido de proteína y la humedad. Los datos de malta tenían 5 componentes importantes, en gran parte correspondientes a la modificación, extracto, la actividad de enzimas, sustancias nitrogenadas, y el pH del mosto. El reconocimiento de patrones de la cebada y la malta conjuntos de datos se llevó a cabo con el análisis discriminante lineal (LDA), k-análisis más cercano vecino (k-NN) y SIMCA. Clasificación de las muestras de cebada en 2- o 6-fila, invierno o primavera, país de origen y de la variedad fue bastante exitosa. Clasificación de las muestras de malta en cebada mondados o sin cáscara, el país de origen, y de los cultivos tuvo bastante éxito, la clasificación por el año de cosecha y 2- o 6-filas de cebada tuvo menos éxito. Modelos de parámetros de malta como una función de las mediciones múltiples de cebada se construyeron utilizando parcial regresión de mínimos cuadrados (PLSR). Un excelente modelo de la proteína total de malta (R(^2) = 0.74) se obtuvo. Buenos modelos de friabilidad, el extracto de fino y grueso, proteínas solubles, índice de Kolbach, el poder y la actividad diastásica y alfa-amilasa fueron producidos. Sólo mediocre modelos de los demás parámetros se obtuvieron. Palabras claves: Clasificación, Los componentes principales, Modelo, Reconocimiento de patrones