Статья: Методическая база для многоэлементного анализа вин

Катионный состав вин является важным источником информации в контроле качества и безопасности вин. Его можно рассматривать как один из критериев подлинности сельскохозяйственной продукции, в т.ч. винодельческой. Катионы металлов выступают составной частью общего экстракта вин, их содержание в значительной степени определяется особенностями терруара произрастания, агротехнологиями возделывания винограда, его сортовым составом и технологией производства вина. Проанализированы результаты исследований, изложенных в научных публикациях ведущих специализированных журналов по энологии, аналитической и пищевой химии, опубликованных в период 2019–2024 гг. (наукометрические базы данных Dimensions и E-library). Поиск проводился по ключевым словам: минеральный состав, содержание элементов, методы определения, географическое происхождение вин, аутентичность вин. Систематизированы литературные данные, показано, что многоэлементный профиль катионов является информативным показателем в технохимическом контроле вин, в том числе для определения их географического происхождения. Существуют различные методические подходы к определению химических элементов, которые отличаются сложностью и стоимостью оборудования, аналитическими принципами детекции, чувствительностью, точностью и скоростью получения результатов, а также требованиями к компетенции специалистов-аналитиков. Множество научных работ подтверждает, что наиболее перспективным для получения стандартизированных наборов данных мультиэлементного состава вин является применение атомно-эмиссионной спектрометрии с индуктивно связанной плазмой и масс-спектрометрия с индуктивно связанной плазмой. Данный методический подход обеспечивает быстрый одновременный сбор данных о высокоточном содержании нескольких десятков элементов в диапазоне измерения от нг/л до сотен мг/л, а также позволяет использовать спектральные картины для цифровой обработки данных без идентификации состава. Исследования будут продолжены в направлении усовершенствования методик выполнения измерений, создания баз данных и разработки обучающих выборок для систем искусственного интеллекта.