gıdalar içindeki maltol, etil maltol, vanilin ve etil vanilin'in yapay sinir ...

iİÇİNDEKİLERSayfaİÇİNDEKİLER......................................................................................................... iÖZET ..................................................................................................................... iiiABSTRACT ...........................................................................................................ivTEŞEKKÜR .............................................................................................................vŞEKİLLER DİZİNİ .................................................................................................viÇİZELGELER DİZİNİ ...........................................................................................viiSİMGELER VE KISALTMALAR DİZİNİ............................................................viii1. GİRİŞ ...................................................................................................................11.1. Tat – Koku Maddeleri ........................................................................................31.2. Tat – Koku Maddelerinin Gıda Endüstrisinde Kullanım Alanları........................51.3. Gıda Katkı Maddeleri Güvenli midir? ............................................................... 61.4. Gıda Katkı Maddelerinin Sağlık Üzerindeki Etkileri ..........................................71.5. Hangi Koşullarda Katkı Maddeleri İnsan Sağlığını Tehdit Eder?..................... 101.6. Gıda Katkı Maddelerinin Zararlarından Korunmak İçin NelereDikkat Etmeliyiz? ...................................................................................... 111.7. UV ve Görünür Bölge Spektroskopisi ..............................................................121.7.1. Absorpsiyonun nicel yorumu.........................................................................131.7.2. UV ve görünür bölge absorpsiyon spektrofotometreleri.................................141.7.3. UV ve görünür bölge moleküler absorpsiyon spektroskopisininuygulamaları...............................................................................................151.8. Kemometrik Yöntemler....................................................................................161.8.1. Yapay sinir ağları (Artificial Neural Network) teorisi....................................172. KAYNAK BİLGİSİ ............................................................................................183. MATERYAL VE METOT..................................................................................223.1. Genel Bilgi ......................................................................................................223.2. Kullanılan Cihazlar ..........................................................................................223.2.1. UV-görünür spektrofotometre cihazı ............................................................223.3. Kullanılan Kimyasal Maddeler.........................................................................223.3.1. Kullanılan çözeltiler ......................................................................................23

ii3.4. Metot ...............................................................................................................244. ARAŞTIRMA BULGULARI .............................................................................264.1. Spektrumların Alınması ...................................................................................264.2. Numune Analizi...............................................................................................294.3. Metodoloji .......................................................................................................314.4. Metodun Validasyonu ......................................................................................325. TARTIŞMA VE SONUÇ....................................................................................336.KAYNAKLAR....................................................................................................41ÖZGEÇMİŞ............................................................................................................43

iiiÖZETGıdalar İçindeki Maltol, Etil Maltol, Vanilin ve Etil Vanilinin Yapay SinirAğları Yöntemiyle Kalibrasyonu ve Simultane Spektrofotometrik TayinleriSibel AYDOĞDUBu çalışmada maltol, etil maltol, vanilin ve etil vanilinin çalışma çözeltilerihazırlandı. Sonra bu maddelerin farklı oranlarını içeren karışım çözeltileri hazırlandı.Öncelikle bu çalışma çözeltilerinin, daha sonra karışımların UV-görünür bölgespektrofotometresinde spektrumları alındı. Alınan spektrumlar Matlab 7.0 programıkullanılarak yapay sinir ağları (ANN) ile işleme tabi tutuldu. Bu işlemler neticesindeMAL, EMA, VAN ve EVA arasındaki korelasyonlar saptandı. Bu saptamadan sonraIsparta ilindeki çeşitli marketlerden alınan gıda numuneleri spektrofotometrikyöntemle analiz edildi.ANAHTAR KELİMELER: Yapay sinir ağları, spektrofotometrik tayin, maltol, etilmaltol, vanilin, etil vanilin.

ivABSTRACTSimultaneous Spectrophotometric Determination of Maltol, Etil Maltol, Vanillinand Etil Vanilin in Foods by Multivariate Calibration and Artificial NeuralNetworksSibel AYDOĞDUIn this study, test samples of MAL, EMA, VAN and EVA were prepared. And thencontaining various amounts of this substance mixture solutions were prepared. Eachsample’s spectra was obtained using UV-VIS spectrophotometry. These spectraswere then applied to Artificial Neural Network using Matlab 7.0 and correlationsbetween MAL, EMA, VAN and EVA were determined. After establishing thisprocess, food samples which were bought from different market in Isparta wereanalysed using this spectrophotometric method.KEYWORDS: Artificial neural network, spectrophotometric determination, maltol,etil maltol, vanillin, etil vanillin.

vTEŞEKKÜRÇalışmalarım esnasında her türlü desteğini esirgemeyen danışman hocam KimyaBölümü Öğretim üyesi Yrd. Doç. Dr. A.Hakan AKTAŞ’a, laboratuar çalışmalarımesnasında yardımlarını gördüğüm Arş Gör. Güzide Pekcan ERTOKUŞ’ a ,çalışmalarda kullandığım kimyasal maddeleri sağlayan Bilimsel AraştırmaProjelerine (0812-YL-04), spektrofotometrik ölçümlerim esnasında bendenyardımlarını esirgemeyen Deneysel ve Gözlemsel Öğrenci Araştırma ve UygulamaMerkezi elemanlarına, çalışmalarım esnasında manevi desteğini asla esirgemeyen vebeni bugünlere getiren aileme sonsuz teşekkürlerimi sunarım.Sibel AYDOĞDUIsparta, 2007

viŞEKİLLER DİZİNİŞekil 1.1. Önerilen katkı maddesinin incelenme şeması.............................................7Şekil 1.2. Bir kapta bulunan bir çözelti üzerine gönderilen ışın demetindeyansıma, saçılma (dağılma) ve absorbansla Io demetinin zayıflamasıve I demeti olarak çözeltiyi terk etmesi ...............................................................14Şekil 1.3. Bir spektrofotometrenin temel bileşenleri ...............................................14Şekil 1.4. Üç tabakalı geri beslemeli neural network’ ün yapısı(b 1 ve b 2 bias birimleri)................................................................................18Şekil 4.1. Vanilin’in 200-400 nm arasında verdiği absorpsiyon spektrumu..............27Şekil 4.2. Etil vanilin’in 200-400 nm arasında verdiği absorpsiyon spektrumu ........27Şekil 4.3. Maltol’ un 200-400 nm arasında verdiği absorpsiyon spektrumu ............28Şekil 4.4. Etilmaltol’ un 200 400 nm arasında verdiği absorpsiyon spektrumu ........28Şekil 4.5. Çizelge 4.2’deki verilere göre sentetik karışımların 200-400 nmarasında verdikleri absorpsiyon spektrumları ..........................................................29Şekil 4.6. Spektrofotometrik metodun kullanıldığı network yapısı...........................32Şekil 5.1. Vanilin’ in aktüel değerlerinin train veri setlerinin NN10 modeldentahmin edilen analiz sonuçlarının karşılaştırılması ......................................35Şekil 5.2. Vanilin’ in aktüel değerlerinin train veri setlerinin NN10 modeldentahmin edilen analiz sonuçlarının karşılaştırılması......................................35Şekil 5.3. Maltol’un aktüel değerlerinin train veri setlerinin NN10 modeldentahmin edilen analiz sonuçlarının karşılaştırılması.......................................36Şekil 5.4. Etilmaltol’un aktüel değerlerinin train veri setlerinin NN10modelden tahmin edilen analiz sonuçlarının karşılaştırılması.......................36Şekil 5.5. Vanilin’ in aktüel değerlerinin test veri setlerinin NN10 modeldentahmin edilen analiz sonuçlarının karşılaştırılması.......................................37Şekil 5.6. Etilvanilin’ in aktüel değerlerinin test veri setlerinin NN10modelden tahmin edilen analiz sonuçlarının karşılaştırılması.......................37Şekil 5.7. Maltol’un aktüel değerlerinin test veri setlerinin NN10 modeldentahmin edilen analiz sonuçlarının karşılaştırılması.......................................38Şekil 5.8. Etilmaltol’un aktüel değerlerinin test veri setlerinin NN10modelden tahmin edilen analiz sonuçlarının karşılaştırılması.......................38

viiÇİZELGELER DİZİNİÇizelge 3.1. Çalışmada kullanılan kimyasallar ve formülleri ...................................23Çizelge 3.2. Kullanılan kimyasalların özellikleri .....................................................23Çizelge 4.1. VAN, EVA, MAL ve EVA’nın kalibrasyon çözeltilerininhazırlanması................................................................................................26Çizelge 4.2. VAN, EVA, MAL ve EVA’nın karışımlarını içerenkalibrasyon çözeltilerinin hazırlanması .......................................................30Çizelge 4.3. Analizde kullanılan gıda örneklerinin miktarları ..................................31Çizelge 5.1. Hazırlanan yapay sinir ağlarının performans değerleri .........................33Çizelge 5.2. Oluşturulan yapay sinir ağları ve RMS değerleri..................................34Çizelge 5.3. Sentetik dörtlü karışımların yapay sinir ağları metoduylaelde edilen geri kazanım değerleri...............................................................39Çizelge 5.4. Yapay sinir ağları kullanarak vanilin, etil vanilin, maltol veetil maltol’un çeşitli gıdalardaki analizlerinin kantitatif sonuçları................40

viiiSİMGELER VE KISALTMALAR DİZİNİANN : Yapay sinir ağlarıUV-Vis : Ultra viyole görünür bölge spektrometresiVAN : VanilinEVA : Etil vanilinMAL : MaltolEMA : Etil maltolb 1 ve b 2 : Bias birimlerinm : Dalga boyuInput layer : Giriş tabakasıHidden layer : Gizli tabakaOutput layer : Çıkış tabakasıRecovery : Geri kazanımSD : Standart sapmaRSD : Bağıl standart sapma

11. GİRİŞGıda katkı maddeleri genel anlamda “gıdaların özelliklerini istenilen biçimdeetkilemek amacıyla kullanılan maddeler” olarak tanımlanmaktadır. Bu özelliklerarasında görünüm, lezzet, koku, besleyici değer ve depolama ömrü sayılabilmektedir.Uluslar arası terminolojide ise gıda katkı maddeleri şöyle tanımlanmaktadır:“Tek başına gıda olarak tüketilmeyen ve gıdanın tipik bir bileşeni olmayan, besleyicideğeri olsun veya olmasın imalat, işleme, hazırlama, uygulama, paketleme,ambalajlama, taşıma ve depolama aşamalarında gıdalara teknolojik amaçla katılanveya bu gıdaların içinde ya da yan ürünlerinde doğrudan veya dolaylı olarak birbileşeni haline gelen veya bunların karakteristiklerini değiştiren maddelerdir. Gıdakatkı maddesinin görevi ürünün üretimi, taşınması ve depolanması gibi işlemlersırasında gıda maddesinin tat, koku, görünüş ve yapı özelliklerini korumak,düzeltmek bunun yanı sıra ürünün kalite ve raf ömrünü arttırmaktır. Bu maddelerüretim süreci içerisinde gıdaların yapısına katılabileceği gibi bazen gıdalarda doğalolarak da bulunabilirler. Gıda katkı maddelerinin gıda endüstrisinde kullanımıteknolojik gereksinimlerden kaynaklanmaktadır. Ancak; bunun yanında; dünyanüfusundaki artışlar, gıda sektörünü besleyen hammadde kaynaklarındaki azalmalar,insanların yaşam standartlarını yükseltme eğilimleri gibi etmenler teknolojikbuluşları yönlendirmiştir. 1950’li yıllardan bu yana hızla artan dünya nüfusunaparalel olarak gıda maddelerine duyulan gereksinimin çoğalması, şehirleşme veinsanların yaşam biçimlerinde oluşan değişmeler, yüksek kalitede ve çeşitliliktekigıda maddelerine duyulan ihtiyaç, seyahat ve nakil imkânlarının gelişmesi, gıdasektörüne yeni ve üstün teknolojilerin kazandırdığı değişik üretim teknikleri, bunagöre ürünlerin çeşitlenmesi, tüketici beğenisinin değişmesi, ürünlerde raf ömrününuzatılması gibi durumlar, gıda endüstrisinde kullanılan tekniklerin yanı sıra gıdakatkı maddelerinin kullanımını zorunlu hale getirmiştir. Bu maddelerin gıdalardagüvenli bir şekilde kullanımı ise tüketiciler açısından bu konunun en önemli yönünüoluşturmaktadır. Bu nedenle dünyadaki pek çok uluslar arası ve ulusal kuruluşlar,katkı maddelerinin gıdalarda güvenilir bir şekilde kullanılmaları amacıylaspesifikasyonlar ve sınırlamalar getirmişlerdir. Ülkemizde de 6 Mart 1988’de

2yürürlüğe giren “Gıda Katkı Maddeleri Yönetmeliği” gıda katkı maddelerininkullanılmasına ilişkin genel hükümleri ve prensipleri kapsamaktadır.Gıda katkı maddelerinin kullanılması ile ilgili tarihsel gelişmeler incelendiğinde,Milattan Önce (MÖ) 3000 yıllarında et ürünlerini kürlemede tuzdan yararlanıldığı,MÖ 900 yıllarında ise tuz ve odun tütsüsünün gıda saklama yöntemleri olarakkullanıldıkları görülmektedir. Ortaçağda etlere koruyucu amaçla tuz ve tütsünün yanısıra katılan nitratın etin rengini olumlu yönde değiştirmek ve besin zehirlenmesiniönlemek amacıyla kullanıldığı bilinmektedir. MÖ 50’lerde baharatlardan lezzetverici olarak yararlanılmış, gıda boyaları ise günümüzden yaklaşık 3.500 yıl kadarönce Mısırlılar tarafından renklendirici amaçla kullanılmışlardır. On dokuzuncuyüzyılda; hızlı kentleşmenin paralelinde katkı maddelerinin kullanımı, özelliklegıdaları bozulmalara karşı koruma amacıyla yaygınlaşmış olup günümüzde ise bumaddeler gelişen gıda teknolojisinin vazgeçilmez bir parçasını oluşturmuşlardır.Gıda katkı maddeleri bazen ait oldukları madde grubuna göre, bazen kullanımamacına göre, bazen de üretimde kullanıldığı gıdaya göre gruplandırılmaktadır. Katkımaddeleri işlevlerine göre 25'den fazla gruba ayrılırlar. Eğer genel bir şekildesınıflandırma yapacak olursak;1) Renk maddeleri2) Aroma maddeleri3) Koruyucu maddeler4) Gıdanın yapı ve görünüşünü etkileyen maddeler5) Biyolojik değeri arttırıcı maddeler şeklinde olur.Gıda katkı maddelerinin ticari amaçla kullanılabilmeleri için bazı nitelikleri taşımasıgereklidir. Gıda katkı maddelerini tam olarak tanıyabilmek ve onlardan istenenamaca yönelik yararlanabilmek için bu niteliklerin de bilinmesi gereklidir. Bunitelikler;• Gıda katkı maddesi hangi amaçla kullanılırsa kullanılsın, her şeyden önce tüketiciaçısından zararsız olması ve kullanılma miktarlarının yasalarla belirtilmiş olmasıgerekir.

3• Gıda maddesinin besleyici değerini ve kalitesini düşürmemelidir.• Yetkili kurumlarca saptanmış olan bütün teknik özellikleri yapısında taşımalıdır.• Kompleks olmayıp, basit yapıda olmalıdır.• İmalatçı tarafından rahatlıkla satın alınabilmesi için pahalı olmamalıdır.• Reaksiyon alanı geniş olmalı ve içine konduğu gıdanın yapısına homojen olarakdağılabilmelidir.• Gıda saflığında olmalıdır.Food Safety kitabının yazarı, gıda ve beslenme profesörü Julie Miller (1992)demektedir ki: “Amerikalılar (şehir hayatı yaşayanlar da yaklaşık olarak benzerşekilde beslenmektedir) bir yılda yaklaşık olarak ağırlıkları kadar gıda katkı maddesitüketmektedirler. Bu çok fazla bir miktardır. Bu yüzden bunların ne olduğunu vezararlı olup olmadıklarını açığa çıkarmak için çalışmaya değer.”1.1. Tat-Koku Maddeleriİngilizce dilindeki “flavour” sözcüğü bir ürünün tat-koku özelliklerinin tümünükapsamaktadır. Bu özellik saptanırken duyu organlarımızın hepsi devreye girerekbunların ortak algısı olan “flavour” ortaya çıkmaktadır. Tat-koku özellikleridilimizde lezzet sözcüğü ile karşılığını bulmaktadır. Bilindiği gibi dil üzerinde veağzın tümünde algılanan dört temel tat vardır; tuzluluk, tatlılık, ekşilik ve acılık.Bunlardan başka algılayabildiğimiz burukluk, biber tadındaki acılık ve etin kendineözgü tadı vb. sayılabilir. Son yıllarda Japonca adıyla literatüre giren ve tat-kokuzenginleştiricisi olarak adlandırılan, diğer tat-koku ajanlarından ayrılan monosodyumglutamat (MSG) ve Inosin monofosfat (IMP)’ın oluşturduğu tat “Umami” temeltatlardan biri olarak kabul edilmeye başlanmıştır.Gıdalardan elde edilen tat-koku maddeleri elde edildiği kaynağa göre şu şekildesınıflandırılmaktadır;1. Doğal tat-koku maddeleri: Uygun fiziksel (destilasyon ve çözücü ekstraksiyonudahil), enzimatik veya mikrobiyolojik yöntemlerle bitkisel veya hayvansal

4kaynaklardan veya işlem görmüş (kurutma, fermantasyon, vs.) gıdalardan eldeedilen maddelerdir.2. Doğala özdeş tat-koku maddeleri: Doğal olarak gıdalarda bulunan ancak kimyasalbir işlem sonucu elde edilmiş tat-koku maddeleridir.3. Yapay tat-koku maddeleri: Doğal olarak gıdalarda yer almayan ve kimyasalyollarla elde edilen tat-koku maddeleridir.Tat-koku maddelerinin kullanım tarihi insanlık tarihi kadar eskidir. Bunlar arasındaen önemli yeri meyve ekstraktları ve meyve suyu konsantreleri tutmaktadır. Bumaddeler su, şeker ve organik asitlerle birlikte kullanılarak reçel, jöle, alkolsüziçecekler, dondurma ve yoğurtlarda etkili ve güzel bir tat-koku oluşturmaktadırlar.Tat-koku maddeleri gıda endüstrisinde aşağıdaki amaçlarla kullanılırlar;• Üretim sırasında gıdanın kaybolan tat-kokusunu tekrar yapıya kazandırmak,• Mevcut tat ve kokuyu zenginleştirmek,• Üründe bulunmayan bir tat ve kokuyu sağlayarak gıdayı daha hoş ve çekici halegetirmek.1.2. Tat-Koku Maddelerinin Gıda Endüstrisinde Kullanım AlanlarıBu maddeler gıda endüstrisinde en çok alkollü içecekler (vermut, likör, rom vb.)endüstrisinde kullanılmaktadır. Bunu sırasıyla fırıncılık ürünleri (pasta, kek, bisküvive kraker) izlemektedir. Şekerlemeler grubunda da tat-koku ajanları yoğun olarakkullanılmaktadır. Tat-koku maddeleri özellikle aromalı süt ürünleri ile taklit süt veürünlerinin üretiminde kullanılmaktadır.Bu çalışmamızda ki tat-koku maddelerini inceleyecek olursak;Vanilya 1816 yılından bu yana bilinmekte ve 1858 yılından beri vanilya tohumununalkollü ekstraksiyonundan saf kimyasal olarak elde edilmektedir. 1872 yılında Carlesadlı bir bilim adamı vanilyanın doğru formülasyonunu bulmuştur. 1874’te iseTiemann ve Haarmann vanilyayı 3-metoksi-4-hidroksi benzaldehit olarakadlandırmıştır. Son olarak da Reimer adlı bir bilim adamı vanilyayı guayakol adlı birmaddeden sentezlemiş böylece kimyasal yapısı ispatlanmıştır.

5Vanilya birçok saf materyalden elde edilir bunlardan biri ve en önemlisi uzunyıllardır kullanılan ve vanilyanın bugün de en önemli kaynağı izoöjenoldür.İzoöjenolün oksidasyonu ile karanfil yağından fenolik bir bileşik hazırlanır ve hamürünün tekrar kristallendirilmesiyle saf vanilya elde edilir. Bu sentetik vanilya,vanilya tohumunda doğal olarak oluşan vanilya ile aynı kimyasal yapıya sahiptirfakat doğal vanilya ekstraktı kadar koku yaymaz. İkinci ürün birçok tatlandırmaamacı için oldukça pahalı olduğundan ilki tercih edilir. Vanilya çikolatalarda,şekerlemelerde, tereyağında, hazır pasta ve keklerde, toz pudinglerde, fırıncılık vepasta ürünlerinde yaygın olarak kullanılmaktadır.Etil vanilin vanilyadan daha tatlı bir aromaya sahiptir. Vanilya aroması veren sarırenkli pudra şeklinde bir kimyasal bileşiktir. Vanilya aromalı çoğu şeydedayanıklılığından dolayı vanilya yerine kullanılır. Yapay vanilya aroması olarak dabilinir. Kimyasal adı 3-etoksi-4- hidroksi benzaldehit' tir. Pek çok gıda maddesindekullanılmaktadır.Maltol ilk kez 1942 yılında lezzet arttırıcı olarak kullanılmıştır. Maltol üyesi olduğufuran grubunun ilk bulunan üyesidir. 3-hidroksi-2-metil-4-piran yapısında bir maddeolan maltol, soya proteini veya glutinin fermentasyonu ile oluşan beyaz renkte,kristal yapıda, hoş kokulu, suda çözünen bir tozdur. Maltol özellikle yumuşakiçeceklerin, meyveli içeceklerin, reçellerin, dondurmaların, kolanın, çikolatanın,kahvenin, jelatinlerin ve yüksek oranda karbonhidrat içeren diğer bütün gıdalarıntadını arttırma ve yoğunlaştırmada etkilidir.Etil maltol 1950’li yıllardan beri gıdalara tat vermek için kullanılmaktadır. Etilmaltolun karamelimsi bir tadı vardır. Kimyasal adı 2-etil-3-hidroksi-4-pirandır. Etilmaltol, maltolun bir türevi olduğu için kullanım yerleri aynıdır.

61.3. Gıda Katkı Maddeleri Güvenli midir?Gıda katkı maddeleri Birleşmiş Milletler Örgütüne bağlı Tarım ve Gıda Örgütü(FAO) ile Dünya Sağlık Örgütü (WHO)’ nün birlikte kurdukları ve ülkemizin de üyeolduğu Codex Alimentarius Commission tarafından denetlenmektedir. Bu örgütünoluşturduğu Gıda Katkı Maddeleri Uzmanlar Komitesi (JECFA) her türlü gıda katkımaddesini tüm etkileri için uzun süre denemeye almakta, sağlığa zararlı olmadığınakanaat getirdiği katkı maddesi için ADI (günlük tüketilebilir miktar) değerlerinibelirlemektedir.Şekil 1.1’de gösterilen akım şemasına göre bir katkı maddesinin önerilmesiylebirlikte incelemeye alınması ve deney hayvanları yardımıyla toksik, karsinojenik,teratojenik ve mutajenik etkiler uzun yıllar incelenir ve sonunda NOEL olarakkısaltılan toksik olmadığı halde etkili olan minimum doz bulunur. Güvenlik içinbunun yüzde biri alınarak ADI (günlük tüketilebilir miktar) belirlenir. Bu sonuçlaragöre gıdalarda kullanılmasında sakınca görülmeyen katkı maddeleri A-1 no’lu GRAS(generally recognized as safe) listesinde yayınlanır. Dünyada ve ülkemizde gıdaüretiminde kullanılan katkı maddeleri mutlaka A-1 no’lu listede yer alan katkımaddeleridir. Gıda mevzuatında; hangi katkı maddesinin hangi gıdaya, ne amaçla vene kadar katılacağı belirlenmiştir. Bir katkı maddesinin belirlenen gıda maddesidışında, başka bir gıdaya katılması veya belirlenen miktardan fazla katılması suçtur.Katkı Maddesi↓Toksik, Karsinojenik (kanserojenik), Teratojenik , Mutajenik vb. Etkilerin BilimselOlarak İncelenmesi↓NOEL (No Observed Effect Level)↓Güvenlik Faktörü (NOEL / 100)↓ADI (Acceptable Daily Intake)Şekil 1.1. Önerilen katkı maddesinin incelenme şeması

71.4. Gıda Katkı Maddelerinin Sağlık Üzerindeki EtkileriSon yıllarda besin maddeleri çok çeşitlenmiş ve üretimde kullanılan gıda katkımaddelerinin sayıları büyük bir hızla artmıştır. Gıda katkı maddelerinin kullanımıyasalarla düzenlenmektedir. Bu düzenlemelerin amacı, besinlerde kullanılan gıdakatkı maddelerinin kötü kullanımını ve sağlık üzerinde oluşabilecek tehlikeleriönlemektir. Gıda katkı maddelerinin yasallık kazanabilmesi için, akut, kronik,farmakolojik deneylerin, fare dışında iki değişik hayvanın üzerinde yapılmış olmasızorunludur. Besinlere katılacak miktarın (ADI: Acceptable Daily Intake) hayvanlardahiçbir toksik etki göstermeyen en yüksek dozun 1/100, bazen 1/200 kadarı olmasıgereklidir.Besinlerde kullanılan gıda katkı maddelerinin beslenme kalitesini sağlaması,kalite ve dayanıklılığı gerçekleştirmesi, işlenmeye yardımcı olması arananözelliklerdir. Bir gıda katkı maddesi işleme ve üretim hatalarını gizlememeli,tüketiciyi aldatmamalı ve bir besinin besleyici değerini düşürmemelidir.Bazı gıda katkı maddelerine duyarlı olan insanlar reaksiyon verebilirler. Avrupa danüfusun %0.03-0.10 unun gıda katkı maddelerine karşı duyarlı olabileceğisaptanmıştır. Renklendiricilerden bazıları astım, deri döküntüleri, hiper aktivite vemigrene yol açabilirler. İzin verilen renklendiriciler ülkeden ülkeye değişebilir.Örneğin; Norveç ve İsveç, besinlerdeki tüm yapay renklendiricilerin kullanımınıyasaklamıştır.Bazı gıda katkı maddelerinin sebep olduğu düşünülen sağlık problemleri şunlardır:-Astım, alerji-Davranış bozuklukları, hiper aktivite sendromu,-Baş ağrısı, migren,-Cilt problemleri: egzama, kurdeşen,-Dikkat eksikliği ve uyku problemleri.Nitrit ve nitratlar (E250, E251), kansere sebep olan nitrozaminleri oluşturur.Ayrıca bunlar kanın oksijen taşıma kapasitesini azaltır. Bazı araştırmacılar, sucuk ve

8salam gibi işlenmiş et ürünlerinde nitrit kullanılması yasaklanırsa, pek çok etürününün piyasadan kalkacağını, dolayısıyla hayvan üreticisinin, et teknolojisinin,insan beslenmesinin ve genel ekonominin önemli ölçüde zarara uğrayacağını iddiaetmektedir. Nitritsiz üretilecek et ürünlerinin kötü renkte ve lezzetsiz olacağı,dayanma sürelerinin azalacağı ve dolayısıyla gıda zehirlenmeleri yoluyla sağlıkproblemleri ortaya çıkacağı endişesi duyulmaktadır. Nitrit kalıntısını ve nitrozaminoluşmasını azaltacak metotlar araştırılmaya başlanmıştır. Tokoferoller, askorbik asitve laktik asit, bakterilerin nitrozamin oluşumunu azaltmaktadır. Ülkemizde 1970'liyıllarda yapılan çalışmalarda, işlenmiş et ürünlerinde izin verilenin çok üzerindenitrit kullanıldığı tespit edilirken, son çalışmalarda daha iyi sonuçlar alınmıştır. Nitratve nitritler bazı bünyelerde baş ağrısı ve kurdeşene sebep olabilir.Astım, deri döküntüsü ve hiper aktiviteye sebep olabilen bir diğer koruyucu katkımaddesi benzoik asittir. Türkiye'de üretilen bazı meyve sularında benzoik asitmiktarının izin verilen değeri aştığı tespit edilmiştir.Sülfitler; çeşitli alerjik reaksiyonlara, ayrıca kurdeşen, göğüste sıkışma, karındakramp, ishal, kan basıncı düşmesi, halsizlik gibi durumlara yol açar. Birçokrestoranın salata soslarında yüksek miktarda sülfit mevcuttur.Sık kullanılan bir suni tatlandırıcı olan aspartam; hassas kişilerin göz kapaklarında,dudak, el veya ayaklarında şişmeye sebep olabilir. Ancak, bunların görülme sıklığıazdır.Monosodyum glutamat, özellikle Uzak Doğu ve Türk mutfaklarında değişikgıdalarda lezzet artırıcı olarak kullanılır. Fazla miktarda monosodyum glutamatalınmasıyla oluşan reaksiyona "Çin Restorantı Sendromu" denir; bu, baş ağrısı,bulantı, ishal, terleme, deri döküntüsü, baş dönmesi, tansiyon düşmesi, astım krizi,göğüste sıkışma ve boyun arkasında yanmaya sebep olur.Çocuklar, vücut ağırlığına göre, daha fazla enerji ve gıdaya ihtiyaç duyar. Bazençocuklar belirli gıda maddelerini çok tüketir, bunun neticesinde enerji ihtiyaçlarını

9karşılarken daha fazla miktarda katkı maddesi alabilir. Dolayısıyla ebeveynlere,çocuklarını, içinde katkı maddesi bulunan gıda maddelerini aşırı tüketmeleriniengelleme hususunda çok iş düşmektedir.1.5. Hangi Koşullarda Katkı Maddeleri İnsan Sağlığını Tehdit Eder?-Pozitif listede veya GRAS listesinde yer almıyorsa,-Belirlenen limitlerin üzerinde kullanılıyor ve ADI değeri dikkate alınmıyorsa,-Etiketinde uyarıcı bilgi taşımayan ve belli katkıları içeren bazı gıdaların bazı riskgruplarınca tüketilmesi halinde,-Katkı maddesi bazı safsızlıkları ve bulaşıcıları içeriyorsa,-Eğitimsiz kişilerce teknolojisine uygun kullanılmıyorsa,-Bir ülkede bu konudaki kontrol mekanizmalarının iyi işletilememesi durumundatüketiciler risk altındadır.Bu nedenle zaman içinde sağlık üzerinde olumsuz etkileri saptanan katkı maddeleriyasaklanmış, kullanımdan kaldırılmıştır. Bunun iki önemli örneği olarak siklamatlarve sakkarin verilebilir. Sakkarin çok yüksek dozlara çıkıldığında farelerde tümörlereneden olmuş ancak günlük diyetle alınabilecek sakkarin dozunun bununçok altında olduğu ve yeni tatlılaştırıcılarla birlikte kullanımı ile iyisonuçlar alınması nedeniyle yeniden kullanımına izin verilmiştir.1.6. Gıda Katkı Maddelerinin Zararlarından Korunmak İçin Nelere DikkatEtmeliyiz?Sağlığa zararlı olduğu kanıtlanmış ve birçok ülkede yasaklanmış gıda katkımaddelerinin kullanımını engelleyecek, şüpheli olanları sınırlayacak ve alternatiflergetirecek, ayrıca bu tür zararlı katkıların çok fazla kullanıldığıürünlerin reklamını sınırlayacak yasal düzenlemelere ihtiyaç vardır.Ayrıca üretici firmalara da önemli sorumluluklar düşmektedir. Bazı gıda maddeleriözellikle atopik (alerjik bünye ve genetik özelliğe sahip) kişilerde ve çocuklarda

10sorun yarattığı için işlenmiş veya hazır gıdaların etiketlerinde, hangi katkılarınkullanıldığı anlaşılır ve okunabilir bir şekilde yazmalıdır. Çoğunluk bu katkılarınisim ve numaralarını bilemeyeceği için paketlerin üzerine bu maddelerin kimlerüzerinde ne tür sağlık sorunları yaratabileceği de belirtilmelidir. Risk grubunda olantüketiciler bu şekilde uyarılmış olacaktır.Bizim de yapabileceğimiz çok şey var. Mümkün olduğu kadar doğal ve katkısızgıdalarla beslenmeye çalışmalıyız. Özellikle de çocuklarımızın boyalı şeker veçikolataları, renkli toz içecekleri, kremalı bisküvileri, cipsleri, ketçapları, salam, sosisgibi işlenmiş et ürünlerini, hamburger gibi fast food ürünlerini çok fazlatüketmelerine izin vermemeliyiz.Günümüzde gıda katkı maddelerinin kullanımı kaçınılmaz bir gereksinimdir. Çokçeşitli olan ve değişik amaçlarla gıdalara katılan bu maddeler kimyasal bileşiklerdirve önerilenden daha fazla miktarda tüketildiklerinde tümü insan ve hayvanorganizması üzerinde sağlığı bozucu etkiler gösterebilmektedirler. Doğal katkımaddeleri de fazla tüketildiklerinde aynı derecede olumsuz etkilergösterebilmektedirler. Bundan dolayı herhangi bir maddenin sağlık üzerindekietkileri çok iyi planlanan ve uzun süreli hayvan deneyleri ile tespit edilmelidir.Kullanılmasına izin verilmiş bulunan gıda katkı maddelerinin etkileri de toplumdaepidemiolojik yöntemler kullanılarak yapılacak çalışmalar ile sürekli olarakizlenmelidir. Gıda katkı maddelerinin sağlık üzerine etkileri ancak gıdalara çokyüksek dozlarda katılmış olmaları sonucu veya uzun süreli olarak tek yönlü beslenmesonucu ortaya çıkmaktadır. Gıda katkı maddelerinin sağlık üzerindeki etkileriniortadan kaldırmak veya en aza indirmek için bazı konulara dikkat etmekgerekmektedir. Bunlar;· Gıda üreticileri bilinçlendirerek üretimde kullanılması zorunlu olan katkımaddelerinin önerilenden fazla kullanılması engellenmeli.· Tüketici; özellikle gebe, emzikli ve çocuklar gıda katkı maddeleri ve zararlarıkonusunda aydınlatılmalı.· Tek yönlü beslenmeden kaçınmalı; yeterli ve dengeli beslenme unsurlarısağlanmalı.

11· Günlük diyetin ancak çok az bir bölümü hızlı hazır yemeklerden oluşmalı veyamümkünse hızlı hazır yemekler diyete dahil edilmemeli.· Tüketicinin sağlıklı gıdalarla beslenme, eğitilme, bilinçlendirilme ve korunmahakları yerine getirilmeli.· Gıda üreticileri denetim altına alınmalı ve denetim mekanizması iyileştirilmelidir.· Tüketici gıda alırken gıdanın raf ömrüne ve içeriğine mutlaka dikkat etmelidir.· Adresi ve üretim kalitesi belirli olmayan gıdalar sadece fiyat avantajından dolayıtüketilmemelidir.1.7. UV ve Görünür Bölge SpektroskopisiHer madde üzerine düşürülen ışınlardan bazılarını absorplayabilir. Maddenin hangidalga boylarındaki ışınları absorplayacağı kendine özgüdür. Bundan yararlanılaraknitel analiz yapılabilir. Bir maddenin absorplayacağı ışın şiddeti ise madde miktarıile orantılıdır. Bundan yararlanılarak da nicel analiz yapılabilir. Bu amaçla maddeüzerine çok çeşitli enerjilere sahip ışınlar gönderilebilir. Madde ile etkileşen ışınınenerjisi değiştiğinde madde ile etkileşim mekanizması da değişir. Buna bağlı olarakölçüm tekniğinin de değişmesi gerekir. Bu nedenle elektromanyetik spektrumuntümü için ölçüm yapılabilecek tek bir cihazın bulunması mümkün değildir.Elektromanyetik spektrumun farklı bölgeleri için farklı cihazlar kullanılır. Dalgaboyu 110 nm – 1000 nm arasındaki UV ve görünür bölge ışınları ile çalışılabilencihazlara UV ve Görünür Bölge Spektrofotometreleri denir. Bu bölgedeki ışınlarınabsorplanmalarının ölçümlerini temel alan analitik yönteme de UV ve GörünürBölge Spektroskopisi denir. UV ve görünür bölge ışınları molekülün en üst enerjiseviyesindeki bir elektronun daha yüksek bir enerji düzeyine geçiş yapmasına sebepolur. UV ve görünür bölge ışınları, moleküllerde benzer etki yaptığı içinbirleştirilmişlerdir. Hem organik, hem de anorganik moleküller UV ve görünür bölgeışınlarını absorplarlar. Her iki grup molekülde de ışın absorpsiyonu elektron geçişiile gerçekleşmesine rağmen etkileşim mekanizmaları farklıdır. Organikmoleküllerdeki absorpsiyon molekül orbital teorisine göre, anorganik moleküllerdekiabsorpsiyon ise kristal alan teorisine göre açıklanır.

121.7.1. Absorpsiyonun nicel yorumuIşığı geçiren bir kap içerisinde bulunan bir madde üzerine Io şiddetindekimonokromatik ışın demeti gönderilecek olursa demetten bir kısım ışın yansır (Iy)(ışın demeti çözeltiye dik olarak geldiği için çözelti kabının cidarına dik olarak geridöner), bir kısmı maddenin tanecikleri (iyon, molekül) tarafından absorplanır (Ia), birkısmı çözeltide bulunan büyük veya büyükçe moleküller tarafından etrafa saçılır(Id), bir kısmı da çözeltiden geçer (I). Şekil 1.2’de bu olaylar görülmektedir. Bunlararasında,Io = I + Ia + Iy + Id (1.1)şeklinde bir bağıntı vardır.Şekil 1.2. Bir kapta bulunan bir çözelti üzerine gönderilen ışın demetinde yansıma,saçılma (dağılma) ve absorbansla Io demetinin zayıflaması ve I demeti olarak çözeltiyiterk etmesiBurada amaç ışık şiddetinin madde tarafından absorplanan ışık miktarını ölçmektir.Bu nedenle saçılma ve yansımada oluşan kayıpların engellenmesi gerekir. Bu amaçlaIo şiddetindeki ışın demeti birkaç kez çözücüden birkaç kez de incelenecek maddeyiiçeren çözeltiden geçirilir. Saf çözücüden geçen ışık şiddeti Io olarak alınır.Maddeyi içeren çözeltide yansıma, saçılma ve absorplama, saf çözücüde ise sadeceyansıma ve saçılma gerçekleşir.1.7.2. UV ve görünür bölge absorpsiyon spektrofotometreleriMaddenin ışığı absorplamasını incelemek için kullanılan düzeneğe absorpsiyon

13spektrometresi veya absorpsiyon spektrofotometresi adı verilir. Bir spektrofotometredüzeneği Şekil 1.3’de görüldüğü gibi başlıca. ışık kaynağı, dalga boyu seçicisi vededektörden oluşur. Dedektörde elektrik sinyaline çevrilen optik sinyal bir kaydediciveya bir galvanometre ile ölçülür.Şekil 1.3. Bir spektrofotometrenin temel bileşenleriBu ana bileşenlere ek olarak spektrofotometrelerde ışığı toplamak. odaklamak,yansıtmak, iki demete bölmek ve örnek üzerine belli bir şiddette göndermekamacıyla mercekler, aynalar, ışık bölücüleri ve giriş ve çıkış aralıkları vardır. Örnekise, kullanılan dalga boyu bölgesinde ışığı geçiren maddeden yapılmış örnekkaplarına konularak ışık yoluna yerleştirilir.1.7.3. UV ve görünür bölge moleküler absorpsiyon spektroskopisininuygulamalarıBu yöntemin başlıca uygulama alanları şunlardır.1. Nitel Analiz: Analizi yapılacak olan bilinmeyen madde saflaştırıldıktan sonrauygun bir çözücüde çözülerek spektrumu alınır. Bu spektrum bilinen bileşiklerin aynıkoşullarda çekilmiş spektrumları ile karşılaştırılır. Bilinmeyen madde spektrumukendisininkine tam olarak uygun maddedir. Bu yöntem nitel analiz için çok uygunbir yöntem değildir. Çünkü moleküllerin absorpsiyon bantları oldukça geniştir vebazı kromoforların absorpsiyon bantları birbiri ile örtüşebilir. Ayrıca moleküllerinUV ve görünür bölge absorpsiyon spektrumlarında çok az sayıda bant bulunur. Bu azsayıda bandın birbiri ile karşılaştırılarak karar verilmesi bazen hatalı sonuçlara yolaçabilir.2. Nicel Analiz: Işının absorplamasına dayanan analiz yöntemleri nicel analiz içinoldukça yararlı ve güçlü yöntemlerdir. Bu yöntemlerin klasik yöntemlere göre

14önemli avantajları vardır;a) Analiz süresi kısadır. Sonuç çabuk alınır.b) Doğruluk derecesi yüksektir. Çoğunlukla analizlerdeki hata binde bir veya ikicivarındadır.c) Oldukça duyarlı bir yöntemdir. 10 -8 M a kadar seyreltik çözeltilerin bile analizleriyapılabilir.d) Her maddenin kendine özgü bir absorpsiyon spektrumu olduğu için seçiciliğiyüksektir. Çoğunlukla bir karışımdaki maddeler bir ön ayırma işlemine gerekkalmaksızın analizleri yapılabilir.e) Hem organik hem de anorganik pek çok molekül UV ve görünür bölge ışınlarıabsorpladığından uygulama alanı geniştir.1.8. Kemometrik YöntemlerNümerik yöntemler olarak da adlandırılan kemometrik yöntemler son yıllardaspektrumlardan elde edilen ölçüm değerlerinin bilgisayar destekli programlar ilelineer denklem sistemlerinin çözümüne dayalı kalibrasyonların ve ölçüm değerlerinindekomposizyonunu içeren algoritmalar kullanılarak kalibrasyonlann kurulduğumatematiksel yöntemlerdir.Günümüzde kemometrik yöntemlerin gelişmesiyle birden fazla etken madde içerenürünlerin kantitatif analizi hiçbir kimyasal ön ayırma işlemi ve hiçbir grafik işlemigerektirmeksizin hızlı, doğru ve hassas olarak gerçekleştirilmektedir. Kemometrikhesap yöntemlerini spektrofotometrik, elektrokimyasal ve kromatografık ölçümcihazlarından elde edilen verilere uygulamak mümkündür.Birden fazla etken maddenin bir arada bulunduğu bileşiklerde bu etken maddelerinaynı bölgede absorbans vermeleri sonucunda spektral girişimleri nedeniyle doğrudankantitatif analizleri mümkün olmadığı için bir ayırma işleminim ardından ancakarıalizleri yapılabilir. Bu durum, uzun yıllar ürün analizlerinde UV- görünür alanspektrofotometrilerin kullanımını kısıtlayıcı bir faktör olmuştur. Ancak günümüzdekarışım analizlerinde UV-görünür alan spektrofotometrisi, kemometrik yöntemlerin

15kullanımıyla tekrar güncellik kazanmıştır.Kemometrik yöntemlerle bir maddenin kantitatif analizi, maddenin UV-görünür alanspektrumundaki birden fazla dalga boyundaki absorbans ölçümleri kullanılarak, dahahassas bir şekilde gerçekleştirilebilmektedir. Son yıllarda classical least squares(CLS), principal component regression (PCR) , partial least squares (PLS) ve artifialneural network gibi kemometrik yöntemler analitik kimyacıların sık sık kullandıklarıyöntemler olmuştur. Kompleks karışımların kantitatif analizinde kemometrikyöntemler, spektrumlardan ölçülen absorbans değerleri ile konsantrasyonlararasındaki kalibrasyon algoritmalarına göre kalibrasyonlar hazırlanır ve bukalibrasyonlarda çok sayıda dalga boyunun ölçümlerde kullanılması sonucundaortalama nedeniyle gürültü piklerinin etkisi ya tamamen ortadan kaldırılır yadaazaltılır.Bu kemometrik kalibrasyonların hesaplanması matriks matematiği içeren bilgisayarprogramları ile yapılmaktadır. CLS, PCR, PLS ve ANN kalibrasyon algoritmalarınaek olarak kompleks karışımlardaki etken maddelerin analizinde son zamanlardakullanılmaya başlanan bivariate kalibrasyon (BC) ve multilinear regressionkalibrasyon (MLRC) yöntemleri de kompleks karışımların analizinde son derecebaşarılı sonuçlar vermektedir. Bu bivariate kalibrasyon ve multilineer regressionkalibrasyon yöntemleri PCR ve PLS gibi soyut vektör işlemlerini de içermediği gibibasit bir matematiksel algoritmaya sahip olmaları diğer kemometrik kalibrasyonyöntemlerine alternatif oluşturmaktadır. Kemometri günümüzde lineer cebirmatematiğine dayalı olarak bilgisayar destekli kalibrasyonlar kurularak kantitatifanalizlerin yapılmasına olanak tanıyan Analitik Kimyanın bir koludur.1.8.1. Yapay sinir ağları (Artificial Neural Network) teorisiBiz bu çalışmada kemometrik yöntemlerden son yıllarda popülaritesi artan artificialneural network (ANN) yöntemini kullanacağımız için bu yöntemin teorisi hakkındakısaca bilgi vermemiz uygun olacaktır.

16Biyolojik nöronların yapısı ve fonksiyonlar neural network’ lere ilham kaynağıolmuştur. Bir neural network nöron yapılarını temsil eden nodüllerden veyanöronlardan oluşmuştur. Nöronlar içten birbirine bağlıdır ve bu bağlantılar, bağlantıağırlıkları ile orantılıdır. Her nöron iki parçadan oluşur. İlk parça ağırlıklı girişleritoplar ve buna miktar I denir. İkinci parça filtredir. Genelde aktivasyon fonksiyonuile diye tabir edilir ve φ(I) olarak simgelenir. En geniş kullanılan aktivasyonfonksiyonu, lojistik fonksiyondur ve Sigmoidal aktivasyon fonksiyonu bunlardanbiridir. Feed-forward neural network Şekil 1.4’ de gösterilmiştir (Çilek 2002).Buradaki örnekte 6 nörondan oluşan giriş tabakası, 3 nörondan oluşan gizli tabakası,2 nörondan oluşan çıkış tabakası bulunmaktadır. Bir nöronun gizli tabakadan çıkışıφ(Ij) olarak sembolize edilir ve aşağıdaki lojistik fonksiyonla hesap edilebilir.1φ(Ij) =(1.2)1+exp ( −α∑Viwij)Burada w ij girişle gizli tabaka arasındaki bağlantı ağırlığı,V i giriş tabakasındaki ithnöronun giriş sinyali ve α sabittir.Şekil 1.4. Üç tabakalı geri beslemeli neural network’ ün yapısı (b 1 ve b 2 biasbirimleri)Bir nöronun çıkış tabakasındaki verimi φ(I k )ise;1φ( Ik) =(1.3)1+exp[ − α∑ φ(I) w ]jjk

17Burada w jk gizli ve çıkış tabakaları arasındaki bağlantı ağırlığıdır. Nöronun çıkıştabakasındaki çıkışı, hedef değerinden çıkartılarak ve karesi alınarak hata değerininkaresi bulunur. Bağlantı ağırlıkları geriye dağılım algoritması ile deneme yanılmametotları kullanılarak adapte edilir. Ağırlıklar tespit edildikten sonra test verilerinetwork girişleri olarak kullanılarak network’ un hassaslığı oluşturulur. Bu prosesteher deneyin çalışma setinde doğru neticeler vermesi ve hata payını azaltması içinağırlıkları her seferinde düzeltilerek network’ ün tahmini ilgili cevapları vermesisağlanır. Bütün deneyler network’ e tanımlanınca gerekli işlemler tekrarlanaraknetwork’ ün tatmin edici neticeleri sağlanır. Gizli tabakaların ve bu tabakalardakinöronların sayısı network’ ün cevap verme ve uyma kapasitesine göre seçilmelidir.Gizli tabakaları ve / veya gizli tabakalardaki nöron sayısını arttırmakla çok esneknetwork’ lar elde edilebilir. Bu network’ lar çok iyi model alma kabiliyetine sahipolabilirler. Ancak bu sefer network’ ün datayı öğrenmesi neticesini doğurur. Bu dasistem fonksiyonlarını ve hareketlerini belirleme konusunda genel kurallara uymaz.Bu proses bir çok network için tekrarlanır. Her seferinde farklı sayıda tabakalar veher sayıda farklı nöronlar tekrarlanır. Böylece suni neural network’ lerin bukabiliyetlerini başka tekniklerle neticelerinin kontrol edilmesi çok önemlidir.

182. KAYNAK BİLGİSİPortela vd. (1995) yaptıkları çalışmada maltolun elektrokimyasal çalışması veamperometrik tayinli sıvı kromatografi ile gıdalardaki tayini yapılmıştır. Buliteratürde ki çalışmacılar öncelikle camsı karbon elektrodunda maltolunelektrokimyasal davranışını incelemişler. Sonuçlar LC-ED sıvı kromatografideelektrokimyasal tayine uygulanmıştır. LC ve camsı karbon elektroduyla oksidatifamperometrik tayin maltolun gıda örneklerindeki tayinine uygulanmıştır. Metanolasetonitril-sitrat/fosfattamponunun hareketli fazı pH = 2.4, E = 1000 mV Ag/AgClreferans elektrotta çalışan dedektör ile kullanılmıştır. Optimal şartlar altında tespit vetayin sınırları sırasıyla 0.1 ve 3.7 ng olarak bulunmuştur. Yöntem kekteki maltoluntayini için kullanılmıştır.Ni ve arkadaşı (1997) yaptıkları çalışmada gıda renklendiricilerinin karışımlarınınsimultane spektrofotometrik tayinini çalışmışlardır. Bu çalışmada tartrazine, sunsetyellow, ponceau 4R, amaranth ve brillant blue içeren gıda renklendiricilerininkarışımı ön ayırma yapılmaksızın spektrofotometri ile simultane olarak analizedilmiştir. Deneylerden elde edilen veriler normal absorbans spektrumu, 1. ve 2.türev absorbans spektrumu kullanılarak CLS, PCR, PLS ve ITTFA gibi kimyasalyaklaşımlarla işleme tabi tutulur. 5 kombinasyonlu 16 renklendirici karışımının farklıkemometrik yaklaşımların uygulanması ile elde edilen sonuçları tartışılmış vedeğerlendirilmiştir. ITTFA’ nın CLS, PCR ve PLS’ den daha iyi doğruluk verdiği ve1. türev verilerine dayanan kalibrasyonların bu dört metot için bazı avantajlarsağladığı bulunmuştur. Metot birçok ticari gıda örneğindeki renklendiricilerin tayiniiçin başarılı olarak uygulanmıştır.Li vd. (1997) yaptıkları çalışmada vanilya ve türevlerinin absorblanmış reçinefazında spektrofotometrik tayinini yapmışlardır. Bu literatürde reaktif mekanizma,denge ve birbiriyle ilgili özellikleri, vanilya içeren β-CDP polimerinin termodinamiksabiti, 4-hidroksi benzaldehit ve piperonal anlatılmıştır. Reaksiyondaki sıcaklık,zaman, çözücü derişimi ve pH etkisi belirlenmiştir.

19Reaksiyon için gerekli olan optimum şartlar tespit edilmiştir. Metot yer fıstığıkaramela ve şekerlemesindeki ve diğer β-CDP adsorblamış reçine ile iyi sonuç verendiğer aromatik aldehitlerdeki vanilinin direkt UV katı faz spektrofotometrik tayiniiçin uygulanmıştır. β-CDP reçinesinin diğer reçinelerle karşılaştırıldığında UVbölgedeki geri absorbansının daha düşük olduğu belirlenmiştir.Kompany-Zareh vd. (1998) yaptıkları çalışmada bazı endüstriyel örneklerdeki Fe veNi’ nin XO’ lu PCA ve ANN kullanarak simultane spektrofotometrik tayininiyapmışlardır. Bu çalışmada Fe ve Ni, pH = 4.0’ da XO’ lup sulu ortamda simültanetayin edilmiştir. Bu yöntemde PCA kullanarak spektral verilerin sayısını azalttıktansonra, üç tabakalı geri beslemeli ANN uygulanmıştır. Sigmoid değişim fonksiyonlarıgizli tabakada ve ürün tabakasında lineer olmayan kalibrasyonları kolaylaştırmak içinkullanılmıştır. Metot sentetik örneklerdeki Fe ve Ni’ nin, bazı Ni alaşımlarının vebazı endüstriyel atık suların spektrofotometrik tayinine uygulanmıştır.Pulido vd. (1998) yaptıkları çalışmada RBF’ nin UV spektrumunu sınıflamasınauygulanması anlatmıştır. Bu literatür RBFs’ nin yapay sınır ağı temelinde çokdeğişkenli verileri sınıflamak için nasıl uygulanacağını anlatır.Sınıflama stratejisi ardışık enjeksiyonlu analitik sistemde otomatik olarak yerinegetirilir. RBF neural network’ ün aynı uygulamalarda kullanıldıklarında, CPNNs’yegöre bazı avantajlara sahip olduğu belirtilmiştir. Bu avantajların; sınıflama hatasının%20’ den %13’ e indirilmesi, girdi değişkenlerinin ön işleme tabi tutulmak zorundaolmaması ve yapılan işlem daha basit olduğu belirtilmiştir.Agüi vd. (1998) yaptıkları çalışmada silindirik karbon lifli mikroelektrodun düşükgeçirgenlikli organik çözücülerdeki performansını ve etil asetattaki vanilinin tayininiçalışmışlardır. Bu çalışmada 8 mm uzunluktaki silindirik karbon liflimikroelektrodun (CFMEs) elektrokimyasal davranışı toluen ve asetat gibi düşükgeçirgenlikli organik çözücülerde araştırılmıştır. İdeale yakın kararlı hal yanıtlarıbackground elektrolitin nispeten yüksek derişimini ve düşük potansiyel taramaoranını kullanarak bu yayındaki ferrosen çözeltileri için periyodik voltametri ile eldeedilmiştir. Teori ile tahmin edilen voltametrik yanıtların iyi uyumu her iki çözücüde

20de bulunmuştur. İyi tanımlanmış oksidasyon pikleri hem diferansiyel-darbe hem deSWV(square wave voltammetry) ile elde edilmiştir. SWV, etil asetattaki vanilinintayini için bir metot geliştirmek amacıyla kullanılmıştır. Çalışmada 1,0.10 -5 -7,0. 10 -4mol/L derişim aralıklı ve (7,1±0,1). 10 3 µ A L/mol eğimli bir lineer kalibrasyongrafiği elde edilmiştir. Vanilinin tespit sınırı 4,2. 10 -6 mol/L ve derişim seviyesi 5,0.10 -4 mol/L n = 10 için kısmi standart sapma % 2 bulunmuştur. SWV metodu susuzpuding tozundaki vanilinin tayini için uygulanmıştır. Bu tayin etil asetattaki örnekekstraktlarına direkt olarak uygulanmıştır. Elde edilen sonuçlar referansspektrofotometrik sonuçlarla karşılaştırılmış ve arada önemli bir fark olmadığıbulunmuştur.Luque vd. (1999) yaptıkları çalışmada gıda örneklerindeki vanilinin tayini için sıvımembran destekli amperometrik tayin metodunu kullanmışlardır. Bu çalışmada sıvımembran destekli bir sistem vanilinin gıda örneklerinden tayini için geliştirilmiştir.Süngerimsi bir PTFE membranı iki sulu faz arasında engel oluşturan organik birçözücü ile doymuş hale getirilmiştir. Analit hidrofik membran içerisine verici fazdanekstrakte edilip daha sonra ikinci sulu çözelti içine geri ekstrakte edilir. Tayin (100-1400 µg ml -1 vanilin) PVC-grafit karma elektrot 0,850 V’ da Ag/AgCl/3M KCl’ yekarşı amperometrik dedektör olarak wall-jet akışlı hücre içine konularakgerçekleştirilmiştir. Katı numune membran içine hiçbir işlem yapmadan yerleştirilirve analit örnekten ekstrakte edilir, membran içerisinden geçer ve alıcı akımı ile pilakımına neden olur. Tespit sınırı 44 mg/mL olarak bulunmuştur. Yöntem gıdanumunelerindeki vanilinin tayini için kullanılmıştır.Adachour vd. (1999) çalışmada GC-MS ve katı faz ekstraksiyonu ile tereyağındakitat bileşiklerinin eser düzey tayinleri yapılmıştır. Uçucu bileşikler tereyağınınaromasından sorumludur. Tereyağını erittikten ve sulu fazın yağdan ayrışmasındansonra katı faz ekstraksiyonuna dayanan (SPE) basit bir teknik bu bileşenlerin tayiniiçin tanımlanmıştır. 500 µL metil asetat desorpsiyonundan sonra 1µL radyoaktiförnek GC-MS ile tayin edilmiştir. Yöntem iyileşme ile ilgili olarak beş kutupsalmodel analiti kullanarak gerçek hayattaki örneklerden tespit sınırı, lineerlik veiyileşme ile ilgili olarak test edilmiştir. Bu işlem aynı zamanda sıcaklığın 170 o C’ den

21önce ve sonra tereyağındaki kutupsal tat bileşiklerinin karakterizasyonuna olanaksağlamıştır. Beş model bileşikten, vanilin, diasetilin kalıntıları ve maltol tereyağıörneklerinde bulunmuştur. Sıcaklık 500–1000 katları şeklinde arttıktan sonramaltolun derişimi artmış ve furanolün büyük bir kısmı tayin edilmiştir.Ni vd. (2003) yaptıkları çalışmada vanilin ve maltol’un spektrofotometrik tayininiyapmışlardır. Ancak bu maddelerin pikleri üst üste katlanırlar ve başlangıçtakarışımlardan bir ön ayırma olmaksızın tespit etmek zordur. Bu literatürde, kimyasalyaklaşımlarla katlanmış spektrumları çözmek ve bu bileşikleri simültane olarakbelirlemek amacıyla başvurulmuştur. Bu bileşiklerin analizi, bu bileşikleri içerenkarışımların bir kalibrasyon düzeneğinden elde edilen 200-250 nm aralığındakiabsorpsiyon spektrumundan oluşan ortogonal sıra düzeneğinin kullanılmasıylakolaylaştırılır. Bu sistem ile yedi farklı kimyasal metot uygulanabilir. CLS, PCR,PLS, ANN,… gibi. Bu kemometrik modeller bu bileşiklerin sentetik çözeltilerindenelde edilen onaylama verilerinin kullanımı ile test edilir. Bu kimyasal modellerinanalitik performansı RPE ve iyileşmeler ile karakterize edilir. Önerilen metotlar ticarigıda örneklerinin analizine başarılı bir şekilde uygulanmıştır. RBF-ANN’ nin diğerkemometrik metodlara göre daha iyi sonuçlar verdiği görülmüştür. CLS ve DCLS’nin performansı daha kötüyken, PLS, PCR, DPLS ve DPCR memnun edici sonuçlarverir. Türevi alınarak önceden iyileştirilen spektrumun hiçbir avantajının olmadığıbulunmuştur. Bileşikler ayrı ayrı alındığında 1,0-20,0 mg/L derişim aralığında tespitsınırı (LOD) maltol ve vanilin için sırasıyla 0.39 ve 0.49 mg/L olur.

223.MATERYAL VE METOT3.1. Genel BilgiBu çalışmada, spektrofotometrik ölçümlerle çözücü olarak suyun kullanıldığı maltol,etil maltol, vanilin ve etil vanilinin pH = 2.87’ de Britton Robinson tamponuortamında çözeltileri oluşturulmuştur. Önce tek tek sonra farklı oranlardakarışımların spektrumları alınmıştır. Son işlem olarak da dört ayrı gıda numunesiincelenmiş ve kemometrik olarak hesaplamaları yapılmıştır.3.2. Kullanılan Cihazlar3.2.1 UV-görünür spektrofotometre cihazıUV – Vis spektrumları, bilgisayar tarafından kontrol edilen 1 cm uzunluğundakihücre ile donatılan Perkin – Elmer LAMBDA 20 spekrofotometresi kullanılarak notedilen spektrum değerleri gıda numunesindeki MAL, EMA, VAN ve EVA miktarınıbelirlemek için kemometrik metoda uygulandı.Su , 0.05 S. cm -1 den düşük kondüktiviteye sahip , Milli – Q su arıtma (MilliporeCorp.) sisteminden sağlanmıştır.3.3. Kullanılan Kimyasal MaddelerDeneylerde analitik saflıkta olan kimyasallar kullanılmıştır. Çalışmada kullanılankimyasallar Çizelge 1’ de verilmiştir.Çalışmada kullanılan kimyasalların özellikleri Çizelge 2’ de verilmiştir.

23Çizelge 3.1. Çalışmada kullanılan kimyasallar ve formülleriBİLEŞİĞİN ADIBileşiğin FormülüMaltol C 6 H 6 O 3Etil maltol C 7 H 8 O 3Vanilin C 8 H 8 O 3Etil vanilin C 9 H 10 O 3EtanolC 2 H 5 OHAsetik asitCH 3 C00HBorik asit HBO 3Fosforik asit H 3 PO 4Çizelge 3.2. Kullanılan kimyasalların özellikleriBİLEŞİĞİN ADIMaltolEtil maltolVanilinEtil vanilinEtanolAsetik asitBorik asitFosforik AsitÖzelliğiFlukaAldrichFlukaFlukaMerckMerckMerckMerck3.3.1 Kullanılan ÇözeltilerÇalışmada spektrofotometrik ölçümler için:MAL, EMA, VAN ve EVA maddelerinin önce stok çözeltileri hazırlandı. Daha sonrabu stok çözeltilerden çalışma çözeltileri elde etmek için, 5 mL çözelti alınarak son

24hacim etanolle 250 mL’ ye tamamlandı. Stok çözeltilerinin hazırlanışı aşağıdaanlatılmıştır.Vanilin çözeltisi5 mg / 250 mL miktarını sağlamak için 0,2536 gram maltol maddesinden tartılarakbir miktar saf etanolde çözüldükten sonra son hacim 250 mL ye tamamlandı.Etil vanilin çözeltisi0,2511 gram etil vanilin maddesinden tartılarak bir miktar saf etanolde çözüldüktensonra son hacim 250 mL ye tamamlandı.Maltol çözeltisi0,2541 gram maltol maddesinden tartılarak bir miktar saf etanolde çözüldükten sonrason hacim 250 mL ye tamamlandı.Etil maltol çözeltisi0,2504 gram etil maltol maddesinden tartılarak bir miktar saf etanolde çözüldüktensonra son hacim 250 mL ye tamamlandı.Britton Robinson tamponu2,3 mL asetik asit, 2,7 mL fosforik asit ve 2,4719 g borik asit önce az miktarda su ileçözülür. Daha sonra son hacim suyla 1 L’ ye tamamlanır. Bu çözeltiden 50 mL alınırve uygun miktarda KOH (2,0 M) ilavesiyle pH = 2,87’ ye ayarlanır.3.4 MetotBu çalışmada, spektrofotometrik ölçümlerle çözücü olarak etanolün kullanıldığıMAL, EMA, VAN ve EVA çözeltilerinin pH = 2.87 de Britton Robinson tamponuortamında kalibrasyon çözeltileri oluşturulmuştur. Önce tek tek sonra farklı oranlardakarışımların spektrumları alınmıştır. Son işlem olarak da 4 farklı gıda numunesiincelenmiştir ve kemometrik olarak hesaplamaları yapılmıştır. İlk basamakta, UVspektrofotometre cihazının kalibrasyonu (sıfırlama işlemi) yapıldı. Kalibrasyon

25işlemi önce her iki hücre boş bırakılarak havaya karşı yapıldı. Daha sonra her ikihücreye etanol konularak kalibrasyon işlemi yapıldı. Böylece spektrumlardakiçözücünün etkisi ortadan kaldırıldı. Sonra aynı işlem bu kez her iki ışık yoluna 5 mLBritton Robinson tamponu ve 20 mL su ile hazırlanan kör numunesi konularakyapılır. Bütün okumalarda kör hep bu şekilde hazırlanmıştır. Kör içerisine tamponkonularak tamponun numunelere etkisi yok edildi ve sadece çözeltilerin spektrumuokundu.

264. ARAŞTIRMA BULGULARI4.1. Spektrumların AlınmasıBu çalışmada, spektrofotometrik ölçümlerle çözücü olarak etanolün kullanıldığıMAL, EMA, VAN ve EVA çözeltilerinin pH = 2.87 de Britton Robinson tamponuortamında kalibrasyon çözeltileri oluşturulmuştur. Önce tek tek sonra farklı oranlardakarışımların spektrumları alınmıştır. VAN, EVA, MAL ve EMA ve karışımlarınalınan spektrumları sırasıyla Şekil 4.1, 4.2, 4.3, 4.4 ve 4.5’ de verilmiştir. Son işlemolarak da 4 farklı gıda numunesi incelenmiştir ve kemometrik olarak hesaplamalarıyapılmıştır. İlk basamakta, UV spektrofotometre cihazının kalibrasyonu (sıfırlamaişlemi) yapıldı. Kalibrasyon işlemi önce her iki hücre boş bırakılarak havaya karşıyapıldı. Daha sonra her iki hücreye etanol konularak kalibrasyon işlemi yapıldı.Böylece spektrumlardaki çözücünün etkisi ortadan kaldırıldı. Sonra aynı işlem bukez her iki ışık yoluna 5 mL Britton Robinson tamponu ve 20 mL su ile hazırlanankör numunesi konularak yapılır. Bütün okumalarda kör hep bu şekilde hazırlanmıştır.Kör içerisine tampon konularak tamponun numunelere etkisi yok edildi ve sadeceçözeltilerin spektrumu okundu. İlk basamakta, VAN, EVA, MAL ve EMAmaddelerinin spektrumları alındı. VAN, EVA, MAL ve EMA’nın kalibrasyonçözeltilerinin hazırlanması Çizelge 4.1’ teki gibidir. İkinci basamakta VAN, EVA,MAL ve EMA’nın değişik oranlardaki karışımlarını içeren kalibrasyon çözeltilerihazırlanmıştır. Bu çözeltilerin hazırlanması Çizelge 4.2’ de verilmiştir.Çizelge 4.1. VAN, EVA, MAL ve EMA’nın kalibrasyon çözeltilerinin hazırlanmasıNo Stok(mL) Tampon(mL) Son Hacim (mL)1 1 5 252 2 5 253 3 5 254 4 5 255 5 5 256 6 5 257 7 5 258 8 5 25

27Absorbans0.70.60.50.40.30.20.10200 250 300 350 400Dalga boyu (nm)VAN1VAN2VAN3VAN4VAN5VAN6VAN7VAN8Şekil 4.1. Vanilin’in 200-400 nm arasında verdiği absorpsiyon spektrumu0.7Absorbans0.60.50.40.30.20.10200 250 300 350 400Dalga boyu (nm)EVA1EVA2EVA3EVA4EVA5EVA6EVA7EVA8Şekil 4.2. Etil vanilin’in 200-400 nm arasında verdiği absorpsiyon spektrumu

28Absorbans0.70.60.50.40.30.20.10200 250 300 350 400Dalga boyu (nm)MALT1MALT2MALT3MALT4MALT5MALT6MALT7MALT8Şekil 4.3. Maltol’ un 200-400 nm arasında verdiği absorpsiyon spektrumu0.6Absorbans0.50.40.30.20.1EMA1EMA2EMA3EMA4EMA5EMA6EMA7EMA80200 250 300 350 400Dalga boyu (nm)Şekil 4.4. Etilmaltol’ un 200 400 nm arasında verdiği absorpsiyon spektrumu

29Absorbans1.41.210.80.60.40.20200 250 300 350 400Dalga boyu (nm)K1K2K3K4K5K6K7K8K9K10K11K12K13K14K15K16Şekil 4.5. Çizelge 4.4’ teki verilere göre sentetik karışımların 200-400 nm arasındaverdikleri absorpsiyon spektrumları4.2. Numune AnaliziÖnerilen yapay sınır ağları metodu, vanilin, etil vanilin, maltol veya etil maltol içerençeşitli gıda numunelerinin tayinleri için uygulandı. Aşağıda yerleri belirtilenmarketlerden alınan bu gıdalarda önce incelenen maddeler araştırıldı. Daha sonra hernumuneye belli miktarda eklemeler yapılarak iyileştirmeler yapıldı. Yapılan buiyileştirmeler hesaplandı. Deney sonuçları tartışma ve sonuç bölümünde verildi.Uygulanan yapay sınır ağları metodu için gıda numunelerindeki analiz sonuçlarınınmakul neticeler olduğu gözlendi.Bu işlemler dört ayrı gıda numunesine uygulanmıştır. Bunlar;1. Susuz puding tozu2. Bonbon şeker3. Şekerli vanilya4. Çikolatalı gofret.

30Çizelge 4.2. VAN, EVA, MAL ve EVA’nın karışımlarını içeren kalibrasyonçözeltilerinin hazırlanmasıNo VAN(mL)EVA (mL) MAL (mL) EMA (mL) Tampon(mL)SonHacim(mL)1 1,00 1,00 1,00 1,00 5 252 3,00 3,00 1,00 2,00 5 253 5,00 5,00 1,00 3,00 5 254 7,00 7,00 1,00 4,00 5 255 3,00 5,00 3,00 1,00 5 256 1,00 7,00 3,00 2,00 5 257 7,00 1,00 3,00 3,00 5 258 5,00 3,00 3,00 4,00 5 259 5,00 7,00 5,00 1,00 5 2510 7,00 5,00 5,00 2,00 5 2511 1,00 3,00 5,00 3,00 5 2512 3,00 1,00 5,00 4,00 5 2513 7,00 3,00 7,00 1,00 5 2514 5,00 1,00 7,00 2,00 5 2515 3,00 7,00 7,00 3,00 5 2516 1,00 5,00 7,00 4,00 5 25Gıda numunelerinin hazırlanmasıÇizelge 4.3’de gösterilen miktarlarda tartılan gıda örnekleri önce bir havandaezilerek iyice parçalanması sağlandı. Daha sonra üzerine 50 mL susuz etanol ilaveedildi. Bir süre çözünmesi beklendikten sonra bir erlene boşaltıldı. Çözelti laboratuarçalkalayıcısı ile 1 saat çalkalandı. Karışım daha sonra santrifüj tüpüne konularak3000 rpm’ de 5 dakika santrifüj edildi. Çözeltinin berrak kısmı analizde kullanıldı.Bu çözeltiye gerekli seyreltme işlemleri yapıldıktan sonra, 5mL numune alındı,üzerine 5 mL tampon çözelti, 5 mL etanol ve 10 mL saf su ilave edilerekspektrumları alındı. Bütün numuneler için aynı işlemler gerçekleştirildi.Veriler bu deneysel aşamadan sonra Artificial Neural Network Calibrationprogramına uygulandı. Bu işlemler üniversitemizin lisanslı kullanıcısı olduğu Mat-Lab 7.0 programında yapıldı.

31Çizelge 4.3. Analizde kullanılan gıda örneklerinin miktarlarıNumune (g)Tartılan Miktar (g)Puding 20,0020Bonbon şeker 20,0020Vanilya 19,8645Gofret 19,00434.3. MetodolojiYapay sinir ağlarının yapısı, giriş elemanları olarak spektrofotometrede okunanabsorbans değerleri ve dalga boyları, çıkış elemanları olarak da çalışılan maddelerinderişimleri olarak Şekil 4.6’ da gösterildiği gibi oluşturuldu.Yapay sinir ağları programının içinde aktivasyon fonksiyonu olarak logistikfonksiyon kullanıldı. Deneylerden elde edilen veriler train ve test verileri olarak ikikısma ayrıştırıldı. İki kısma ayrılan her bir veri grubu tekrar kendi içerisinde giriş veçıkış verileri olarak (train in ; train out ve test in ; test out) iki ayrı gruba ayrıldı. Herbir veri grubu sayısal değerlerin çok fazla sapma göstermemesi için 0,1-0,9aralığında aşağıdaki formülde gösterildiği gibi normalize edildi (Aktaş ve Yaşar2004).X N0.8(X − X min)= 0.1+(4.1)(X max−X min)Burada X N kurulan network’ ün girişinde veya çıkışındaki değişkenlerin normalizeedilmiş değerleridir. X değişken orijinal değeri, Xmax ve Xmin ise değişkenlerinorijinal değerlerinin en büyüğünü ve en küçüğünü temsil etmektedir.Yapay sinir ağlarında ilk olarak vanilin, etil vanilin, maltol ve etil maltol’un Çizelge4.1’ de verilen değerlerine uygun olarak alınan spektrofotometrik verilerden her biriyon için normalizasyon işlemleri yapıldı. Daha sonra Çizelge 4.2’ de belirtilen

32karışım değerlerine uygun olarak hazırlanan karışımların absorbans değerlerinormalize edildi. Toplam 1370 veri ile çalışıldı. Bu verilerden rasgele seçilen 1046tanesi oluşturulan yapay sinir ağının train bölgesine, kalan 324 tanesi ise testbölgesine yerleştirilerek oluşturulan neural network’ ler çalıştırıldı. Ve aralarında eniyi ilişkiyi veren sistem oluşturulmaya çalışıldı. Elde edilen neural network’ün testsonuçlarının kantitatif olarak ispatlanan doğruluğu için en küçük karelerin hata oranı(RMS) değerleri aşağıdaki formülle hesaplandı.RMS=N−1∑' 20 .5N( X − X )(4.2)i=111AGiriş TabakalarıGizli TabakalarDış TabakaVanEvaMalEmab2nmbŞekil 4.6. Spektrofotometrik metodun kullanıldığı network yapısıBurada N test verileri sayısını ve'X1ise hedeflenen değeri göstermektedir.4.4. Metodun ValidasyonuYapay sinir ağları metodu çeşitli derişimlerde çalışılan sentetik bileşiklerin testedilmesinde uygulandı. Önerilen yapay sinir ağları metodu için iyi ve hassas sonuçlarelde edildi. Geri kazanımlar (recovery), bunların ortalamaları ve standart sapmadeğerleri tartışma ve sonuç bölümünde verildi. Hazırlanan karışımlarda bileşenlerinbirbirleriyle uygun ilişkileri olduğu sonuçlarda gözlendi.

335. TARTIŞMA VE SONUÇSpektrofotometrik metotla elde edilen veriler deneysel kısımda anlatılan yöntemleçeşitli yapay sinir ağları oluşturmak üzere normalize edildi. Bu amaçla çeşitli yapaysinir ağları oluşturularak en uygun sonuçlar bulunmaya çalışıldı. Çizelge 5.1’ deoluşturulan yapay sinir ağları ve bu programdan elde edilen performans değerleriverilmiştir.Çizelge 5.1. Hazırlanan yapay sinir ağlarının performans değerleriModelPerformansNN1 2.1.4 0,00298334NN2 2.2.4 0,00265978NN3 2.3.4 0,00245039NN4 2.4.4 0,00244797NN5 2.5.4 0,00286414NN6 2.9.4 0,00204443NN7 2.10.2.4 0,00260538NN8 2.13.3.4 0,00176173NN9 2.14.9.4 0,00153002NN10 2.15.5.4 0,00135554NN11 2.19.5.4 0,00155063Çizelge 5.2.’ de oluşturulan yapay sinir ağları ve programdan elde edilen RMSdeğerleri gösterilmiştir.Train ve test işlemlerinden sonra logistik fonksiyona sahip olan çeşitli yapay sinirağlarının sonuçlarının RMS değerleri ile değerlendirildi ve oluşturulan network’ üngizli nöronları ve gizli tabakalarının sayısı hesaplandı. Çizelge 5.1’ de verilenperformans değerleri ve Çizelge 5.2’ de verilen RMS değerleri değerlendirilerekNN10 modeli 15 nöronlu gizli tabakası 4 nöronlu çıkış tabakası ile en iyi değerleriverdiği gözlenerek, bu model vanilin, etilvanilin, maltol ve etilmaltol’underişimlerini tahmin etmek için kullanıldı.

34Çizelge 5.2. Oluşturulan yapay sinir ağları ve RMS değerleriRMS HatalarıModel Vanilin Etilvanilin Maltol EtilmaltolTrain Test Train Test Train Test Train TestNN1 0,03706 0,03675 0,0495 0,048165 0,03708 0,031869 0,027713 0,027913NN2 0,036919 0,036718 0,037356 0,037365 0,036013 0,032694 0,035554 0,03518NN3 0,037042 0,036775 0,03861 0,038246 0,03599 0,032657 0,027252 0,028383NN4 0,03626 0,037301 0,038282 0,038401 0,03368 0,030184 0,031326 0,033558NN5 0,048857 0,046927 0,038813 0,039766 0,03348 0,033912 0,02672 0,026259NN6 0,032221 0,034802 0,031583 0,035308 0,032636 0,030076 0,031433 0,033913NN7 0,032408 0,03271 0,03298 0,034248 0,048351 0,041177 0,027111 0,028044NN8 0,029814 0,034134 0,031732 0,031708 0,031207 0,030026 0,025569 0,025928NN9 0,026776 0,031997 0,027728 0,036116 0,02567 0,09252 0,023798 0,025649NN10 0,08712 0,083356 0,041746 0,031902 0,085026 0,081274 0,024712 0,028769NN11 0,028863 0,044735 0,029221 0,068979 0,0284 0,028309 0,024652 0,027615NN10 modelden tahmin edilen vanilin, etilvanilin, maltol ve etilmaltol’un tahminedilen değerlerinin train ve test regrasyon noktaları Şekil 5.1, 5.2, 5.3 ve 5.4’ degösterildi. Çıkış (hedeflenen) train ve test veri setinin grafiksel gösterimi ise Şekil5.5, 5.6, 5.7 ve 5.8’ de gösterildi. NN10 modelden elde edilen korelasyon R 2değerleri sırasıyla 0,9781 ; 0,9857 ; 0.9805; 0,9809; 0,9736; 0,9924; 0,9527 ve0,9882’dir. Tahmin edilen sonuçlar oluşturulan modelden aktüel sonuçlarla uyumiçinde olduğu görülmektedir.Metodun validasyonu için derişimleri Çizelge 4.4’de verilen sentetik karışımlarhazırlandı. Önerilen NN10 modeli için iyi ve hassas sonuçlar elde edildi. Gerikazanımlar (recovery), bunların ortalamalar ve standart sapma değerleri Çizelge 5.3’de verildi.

350.25y = 1.2419xR 2 = 0.9781Tahmin Edilen Vanilin0.20.150.10.0500 0.05 0.1 0.15 0.2Hedeflenen VanilinŞekil 5.1. Vanilin’ in aktüel değerlerinin train veri setlerinin NN10 modelden tahminedilen analiz sonuçlarının karşılaştırılmasıTahmin Edilen Etilvanilin0.250.20.150.10.050y = 1.131xR 2 = 0.98050 0.05 0.1 0.15 0.2Hedeflenen EtilvanilinŞekil 5.2. Etilvanilin’ in aktüel değerlerinin train veri setlerinin NN10 modeldentahmin edilen analiz sonuçlarının karşılaştırılması

36Tahmin Edilen Maltol0.250.20.150.10.05y = 1.1564x - 0.0011R 2 = 0.973600 0.05 0.1 0.15 0.2Hedeflenen MaltolŞekil 5.3. Maltol’un aktüel değerlerinin train veri setlerinin NN10 modelden tahminedilen analiz sonuçlarının karşılaştırılması0.25y = 1.0178x + 0.0066R 2 = 0.9527Tahmin Edilen Etilmaltol0.20.150.10.0500 0.05 0.1 0.15 0.2 0.25Hedeflenen EtilmaltolŞekil 5.4. Etilmaltol’un aktüel değerlerinin train veri setlerinin NN10 modeldentahmin edilen analiz sonuçlarının karşılaştırılması

370.350.3y = 0.328xR 2 = 0.9857Tahmin Edilen Vanilin0.250.20.150.10.0500 0.2 0.4 0.6 0.8 1 1.2Hedeflenen VanilinŞekil 5.5. Vanilin’ in aktüel değerlerinin test veri setlerinin NN10 modelden tahminedilen analiz sonuçlarının karşılaştırılması0.25Tahmin Edilen Etilvanilin0.20.150.10.05y = 1.1434xR 2 = 0.980900 0.05 0.1 0.15 0.2Hedeflenen EtilvanilinŞekil 5.6. Etilvanilin’ in aktüel değerlerinin test veri setlerinin NN10 modeldentahmin edilen analiz sonuçlarının karşılaştırılması

380.350.3y = 0.2735x - 0.0007R 2 = 0.9924Tahmin Edilen Maltol0.250.20.150.10.0500 0.2 0.4 0.6 0.8 1 1.2Hedeflenen MaltolŞekil 5.7. Maltol’un aktüel değerlerinin test veri setlerinin NN10 modelden tahminedilen analiz sonuçlarının karşılaştırılması10.9y = 1.0014xR 2 = 0.9882Tahmin Edilen Etilmaltol0.80.70.60.50.40.30.20.100 0.2 0.4 0.6 0.8 1Hedeflenen EtilmaltolŞekil 5.8. Etilmaltol’un aktüel değerlerinin test veri setlerinin NN10 modeldentahmin edilen analiz sonuçlarının karşılaştırılması

39Çizelge 5.3. Sentetik dörtlü karışımların yapay sinir ağları metoduyla elde edilen gerikazanım değerleriAktüel derişim Tahmin edilen derişim Geri kazanım (%)No VAN EVA MAL EMA VAN EVA MAL EMA VAN EVA MAL EMA1 0,0197 0,0199 0,0197 0,02 0,0184 0,0161 0,0171 0,0179 93,56 80,88 86,82 90,982 0,0591 0,597 0,0197 0,04 0,0554 0,0570 0,0191 0,0361 93,81 95,54 97,17 90,183 0,0985 0,0995 0,0197 0,06 0,0803 0,0929 0,0166 0,0498 81,54 94,42 84,61 83,134 0,1379 0,1393 0,0197 0,08 0,1130 0,1319 0,0179 0,0742 81,97 94,70 91,37 92,765 0,0591 0,0995 0,0591 0,02 0,1384 0,0952 0,0487 0,0194 92,57 95,69 82,36 97,376 0,0197 0,1393 0,0591 0,04 0,0183 0,1342 0,0553 0,0369 85,98 96,35 93,65 92,257 0,1379 0,0199 0,0591 0,06 0,1380 0,0196 0,0595 0,0595 100 98,9 100,7 99,258 0,0985 0,0597 0,0591 0,08 0,0915 0,0552 0,0547 0,0795 93,35 92,41 92,56 99,499 0,0985 0,1393 0,0591 0,02 0,0104 0,0143 0,0989 0,0191 103 102,6 100,5 95,6310 0,1379 0,0995 0,0985 0,04 0,0150 0,0868 0,0879 0,0362 108,9 87,3 89,27 90,6311 0,0197 0,0597 0,0985 0,06 0,0187 0,0563 0,0993 0,0514 95,29 94,36 100,9 85,7812 0,0591 0,0199 0,0985 0,08 0,0062 0,0198 0,0819 0,0665 105,3 99,99 83,19 83,2013 0,1379 0,0597 0,0985 0,02 0,1255 0,0554 0,1242 0,0201 91,01 92,92 90,06 100,514 0,0985 0,0199 0,1379 0,04 0,0846 0,0171 0,1317 0,0322 85,9 86,11 95,55 80,5115 0,0591 0,1393 0,1379 0,06 0,0553 0,1341 0,1272 0,0612 93,70 96,25 92,21 10216 0,0197 0,0995 0,1379 0,08 0,0171 0,0951 0,1273 0,0791 86,91 95,59 92,29 98,97Ortalama 93,30 94,00 92.08 92.66SD 7,97 5,39 5,96 6,82RSD 8,54 5,73 6,47 7,36Önerilen NN10 modeli vanilin, etilvanilin, maltol ve etilmaltol’un bir aradabulunduğu çeşitli gıda maddelerinde bir arada tayinleri için uygulandı. Deneysonuçları Çizelge 5.4’ de verildi. Uygulanan NN10 modelin gıdalardaki deneysonuçlarının iyi değerler verdiği gözlendi.Yapılan analiz sonuçlarından da görüldüğü gibi seçilen gıda numunelerinde bulunanvanilin, etil vanilin, maltol ve etil maltolun değerleri gerçekten de çok azdır. TürkGıda Kodeksi Yönetmeliğinin Yapay Aroma Maddeleri Tüzüğü Ek 13’ e göre, butip maddelerin gıdalarda en fazla 5 mg/100 mL olabileceği belirtilmiştir.

40Çizelge 5.4. Yapay sinir ağları kullanarak vanilin, etilvanilin, maltol ve etilmaltol’unçeşitli gıdalardaki analizlerinin kantitatif sonuçlarıµg / mL (ppm)Numune VAN EVA MAL EMAVanilya 0,1627 0,1666 0,1109 0,1255Puding 0,1138 0,1140 0,0709 0,0792Gofret 0,3328 0,3393 0,2550 0,2828Bonbon şeker 0,1914 0,1954 0,0595 0,0633Buna göre bu tip maddelerin gıdalarda daha fazla miktarlarının bulunarak, insanvücuduna geçmesi sonucunda, bulantı, kusma, baş ağrısı ve böbrek fonksiyonlarındadüzensizlik olabileceği belirtilmektedir. Yaptığımız analizler sonucunda, analizettiğimiz hiçbir maddenin kodeks de belirtilen sınırı geçmediği ve dolayısıyla buhalleriyle tüketilmelerinde herhangi bir mahsur olmadığı tespit edilmiştir.

416. KAYNAKLARAktaş, A.H., Yaşar, S., 2004. Potentiometric titration of some hydroxylated benzoicacids and cinnamic acids by artificial neural network calibration. Acta Chim.Slov., 51, 273-282.Adahchour, M., Vreuls, R.J.J., van der Heijden, A., Brinkman, U.A.Th., 1999. Tracelevel determination of polar flavour compounds in butter by solid-phaseextraction and gas chromatography-mass spectrometry. Journal ofChromatography A, 844, 295-305.Agui, L., Lopez-Guzman, J.E., Gonzalez-Cortes, A., Yanez-Sedeno, P., Pingarron,J.M., 1999. Analytical performance of cylindrical carbon fibermicroelectrodes in low-permitivity organic solvent: Determination of vanillinin ethyl acetate. Analytica Chimica Acta, 385, 241-248.Altuğ, T., Boyacıoğlu, D., Kurtcan, Ü., Demirağ, K., 2000. Gıda Katkı MaddeleriAnaliz Yöntemleri. Ege Üniversitesi Basımevi, İzmir, 124s.Altuğ, T., 2001. Gıda Katkı Maddeleri. Ege Üni. Müh. Mim. Fak. Gıda Müh.Bölümü, İzmir, 286s.Çilek, E.C., 2002. Application of neural network to predict locked cycle flotation testresults. Minerals Engineering, 15,1095-1104.Eraslan, H., 2004. Süt ve Süt Endüstrisinde Kullanılan Katkı Maddeleri. S.D.Ü. GıdaMühendisliği Bölümü, Mezuniyet Tez Çalışması, 37s, Isparta.Furia, E. T., 1972. Handbook of Food Additives. 2nd edition, Volume I, Florida,998p.Furia, E. T., 1980. Handbook of Food Additives. 2nd edition, Volume II, Florida,412p.Hekimce, İnternet Sitesi. http://www.hekimce.com/konu.php?konu=76 Erişim tarihi:18.09.2006Jones J.M., 1992. Food Safety. Eagan Press, Minnesota, 453p.Mavi Karanlık, İnternet Sitesi, http://www.msxlabs.org/forum/saglikli-yasam/7521-gidalar-ve-saglikli-beslenme.html Erişim tarihi : 18.09.2006Kompany-Zareh, M., Massoumi, A., Pezeshk-Zadeh, S., 1999. Simultaneousspectrophotometric determination of Fe and Ni with xylenol orange usingprincipal component analysis and artificial neural network in some industrialsamples. Talanta, 48, 283-293.Li, R., Jiang, Z.T., Mao, L.Y., Shen, H.X., 1998. Adsorbed resin phased

42spectrophotometric determination of vanilin or/and its derivatives. Talanta,47, 127-134.Luque, M., Luque-Perez, E., Ryos, A., Valcarcel, M., 2000. Supported liquidmembranes for the determination of vanilin in food samples withamperometric detection. Analytica Chimica Acta, 410, 127-134.Merory, J., 1960. Food Flavorings Composition Manufacturing and Use. Westport,382 p.Ni, Y.N., Gong, X.F., 1997. Simultaneous spectrophotometric determination ofmixtures of food colorants. Analytica Chimica Acta, 354, 163-171.Ni, Y., Zhang, G., Kokot, S., 2004. Simultaneous spectrophotometricdetermation of maltol and vanillin in foods by multivariate calibration andartificial neural networks. Food Chemistry, 89, 465-473.Portela, M.J., Balugera, Z.G., Goicolea, M.A., Barrio.R.J., 1996. Electrochemicalstudy of the flavour enhancer maltol determination in foods by liquidchromatography with amperometric detection. Analytica Chimica Acta,327,65-71.Pulido, A., Ruisanchez, I., Ruis, F.X., 1999. Radiabasis functions applied to theclassification of UV-visible spectra, Analytica Chimica Acta. 388, 273-281.Reineccius, G., Heath, B.H., 1986. Flavour Chemistry and Technology. Westport,500p.Sağlık Vakfı Online, İnternet Sitesi.http://www.saglikvakfi.org.tr/html/gkmy.asp?id=59 Erişim tarihi: 19.09.2006Saldamlı, İ., Uygun, Ü., 1998. Gıda Kimyası. Hacettepe Üni. Yayınları, Ankara,527s.Tarım ve Köyişleri Bakanlığı Koruma ve Kontrol Genel Müdürlüğü, İnternet Sitesi.http://eski.kkgm.gov.tr/Mevzuat/KodeksList.htm Erişim tarihi: 11.11.2006Taylor, R.J. 1980. Food Additives (The Institution of Environmental SciencesSeries). Toronto, 126.Türk Tabipleri Birliği, İntenet Sitesi. http://www.ttb.org.tr/STED/sted0304/gida.pdf.Erişim tarihi: 12.09.2006

43ÖZGEÇMİŞAdı Soyadı: Sibel AYDOĞDUDoğum Yeri ve Yılı: İzmir - 1982Medeni Hali : BekarYabancı Dili : İngilizceEğitim Durumu (Kurum ve Yıl)Lise : İzmir Kız Lisesi / 1999Lisans : Süleyman Demirel Üniversitesi Fen-Ede. Fakültesi Kimya Bölümü /2004Yüksek Lisans :Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü / Devamediyor.Çalıştığı Kurum/Kurumlar ve Yıl:Yayınları (SCI ve diğer makaleler)1- Gok, A., E.Derya Kocak, Sibel Aydoğdu "Synthesis and Characterization ofPT/PS/SiO 2 Nanocomposite in Nonaqueous Medium by Chemical Method ", J Appl.Polym.Sci. 2005, volume 96, page 746-752.