Sensory traits prediction in dry-cured hams from fresh product via MRI and lipid composition

Abstract

The aim of this paper is to describe a methodology that can predict Iberian dry-cured ham sensory traits from raw material characteristics, lipid composition and Magnetic Resonance Imaging-based analysis, by using Multiple Linear Regression statistics. Thus, 18 sensory traits are tried to be defined from 10 fatty acids and 17 computational texture features. Dependence linearity within each group of independent variables is determined. Then, Multiple Linear Regression (MLR) is applied, obtaining allowable statistical coefficients (adjusted coefficient of determination, R2 > 0.750 and p-value < 0.05) for five sensory traits defined from fatty acids (fat hardness, lean hardness, flavour intensity, brightness and juiciness), and four traits from computational texture features (marbling, odour intensity, flavour intensity and redness). Finally, prediction analysis is validated with a display of statistical data (R2 LOO and p-valueLOO). Therefore, some sensory traits in Iberian dry-cured hams can be predicted from fatty acids and computational texture characteristics in fresh products.

El objetivo de este trabajo es describir una metodología que permita predecir los rasgos sensoriales del jamón ibérico a partir de las características de la materia prima, la composición lipídica y el análisis basado en la Resonancia Magnética, mediante el uso de estadísticos de Regresión Lineal Múltiple. Así, se intentan definir 18 rasgos sensoriales a partir de 10 ácidos grasos y 17 características computacionales de textura. Se determina la linealidad de la dependencia dentro de cada grupo de variables independientes. A continuación, se aplica la Regresión Lineal Múltiple (MLR), obteniéndose coeficientes estadísticos admisibles (coeficiente de determinación ajustado, R2 > 0,750 y p-valor < 0,05) para cinco rasgos sensoriales definidos a partir de ácidos grasos (dureza de la grasa, dureza del magro, intensidad del sabor, brillo y jugosidad), y cuatro rasgos a partir de características computacionales de textura (marmoleo, intensidad del olor, intensidad del sabor y enrojecimiento). Por último, el análisis de predicción se valida con una visualización de datos estadísticos (R2 LOO y p-valueLOO). Por lo tanto, algunos rasgos sensoriales en jamones ibéricos curados en seco pueden predecirse a partir de ácidos grasos y características computacionales de textura en productos frescos.