Cuprins

1.
2.
3.
4.
5.

Introducere ...........................................................................................................
Evaluarea datelor de sol prin analiza componentelor principale .......................
Evaluarea legată de legume-date prin analiza componentelor principale ..........
Analiza componentelor principale de date THQ .................................................
Concluzii ................................................................................................................
Bibliografie ..........................................................................................................

3
6
11
17
21
22

1. Introducere
2

Din cele mai vechi timpuri, produsele alimentare pe bază de plante au jucat un rol
important în nutriția umană, fiind o sursă foarte importantă de antioxidanți, vitamine și
minerale [ 1 - 3 ]. Nutriția modernă necesită un consum mai mare de legume și fructe, din cauza
rolului lor asupra calității vieții [ 1 ]. Pe de altă parte, produsele alimentare de plante, mai ales cel
care se consumă fără prelucrare prealabilă, cum ar fi legumele crude, este prima verigă a lan țului
alimentar, prin care metalele macro și micro pot merge direct în corp. Pentru a asigura buna
funcționare a diverselor sisteme de enzime, corpul uman are nevoie de metale cele mai multe
micro-, dar unele, cum ar fi Cd, Pb, Hg și au efecte toxice. Toxicologie indică faptul că alte
metale grele, cum ar fi Cu, Ni, Mn, Fe, Cr, V, Mo, poate apărea în lista de metale dăunătoare,
dacă concentrația lor depășește anumite limite [ 4 , 5 ].
Pentru legumele obținute în zone necontaminate, nivelurile acestor metale sunt mici, în
general sub limitele admise. Situația este destul de diferită atunci când aceste culturi sunt
obținute în zone geogenice sau antropice contaminate, cum ar fi zonele miniere în care aceste
metale sunt exploatate. Mai ales după revoluția industrială, nevoia de metale în societatea
modernă a condus la dezvoltarea de minerit de metal. Pentru că problemele de poluare a
mediului au fost în general neglijate de-a lungul secolelor, reziduurile acumulate în aceste
domenii importante au condus la creșterea poluării solului și a plantelor (atât spontane și
cultivate). Numai în ultimele decenii ale societății ne-am dat seama de efectele negative pe care
contaminarea cu metale grele le are asupra mediului și asupra sănătății umane. În zilele noastre,
metale grele au fost recunoscute ca factori de scenarii "Global Change". Schimbările climatice
pot afecta HMS biodisponibilitatea în soluri și, prin urmare, întregul lanț alimentar [ 6 ].
România este recunoscută ca fiind una dintre țările europene cu miniere polimetalice (Fe,
Pb, Cu, Zn, Au, Ag) încă din antichitate [ 7 ]. Cercetările efectuate în România în ultimele
decenii au arătat în mod clar gradul de poluare antropice de sol și plante alimentare (ambele din
aceste zone miniere, precum și a marilor zone urbane), cu diferite metale grele [ 8 - 13 ]. O astfel
de cercetare, care atrage atenția asupra contaminării sporită a solurilor și plantelor din zonele
contaminate de activitățile miniere sau în zone mari de aglomerări urbane, au fost efectuate la
nivel mondial [ 14 - 18].
Împreună cu solul, legumele constituie legătura următoare, care poate crește acumularea
HMS în lanțul alimentar și că este un pericol pentru consum. Recent, mai multe studii pe diverse
alimente vegetale au abordat această problemă [ 19 - 32 ]. Dacă Fe, Mn, Zn, Cu, Ni sunt
esențiale pentru creșterea plantelor, alte HMS (Cd, Pb, Cr, Hg, Ag) sunt toxice. În situații
normale, de apărare și homeostaziei plantelor prin mecanisme complexe sunt procese care
3

care oferă imaginea de ansamblu în ceea ce sunt în cauză. dar. Mn. Fe. prin urmare. cum ar fi legume și fructe. în corpul uman. sau chiar produse de origine animală (carne. penaj. Având în vedere varietatea și diversitatea de date.limitează acumularea de HMS [ 33 ]. O altă sursă de metale în produsele alimentare provenite de la animale pentru om este acumularea de metale în furaje. Zn și Cu pot fi considerate minerale cu un rol central în multe procese metabolice în tot corpul. structura de enzime și funcționalitate.37 ]. O gamă largă de aspecte cu privire la prezența de HMS în lanțul alimentar și implicațiile acestora asupra sănătății umane necesită cercetări suplimentare în acest domeniu într-o abordare unitară asupra mediului din care omenirea face parte. antropogene cu metale grele sunt anumite zone în care concentrația unuia sau mai multor metale grele depășește valorile normale în majoritatea solurilor și în unele produse agricole utilizate ca îngrășământ pentru plante. de asemenea. poate avea un rol negativ în inducerea cancerului de oxidativ lezarea ADN-ului [ 34 ]. Pentru creșterea și dezvoltarea corespunzătoare a tuturor animalelor. care reprezintă pentru cât mai mult posibil din varianță (sau corelarea). uciderea celulelor tumorale.32]. plante) determină asocierea lor. specificitate și de înaltă precizie pentru a obține rezultate valide cu privire la conținutul HMS în sol și alimente. cu sensibilitate.PC). știința a dovedit existența unor interacțiuni structurale între metale grele și peptide funcționale [ 35 . Pe de altă parte.40 ]. alți parametri de sol sau plante). care poate pe de o parte să fie benefică. PCA și analiza cluster (CA) sunt două metode nesupravegheate care ne permit să deducem cum anumite variabile (concentrația de metale. care pot ajunge în carne sau alte produse alimentare pentru animale și. în cazul în care pot influența sănătatea umană într-un mod pozitiv sau negativ [ 38 . Vechile zonele miniere afectate de contaminare. Mai mult decât atât. Acestea sunt esențiale în calitate de catalizatori în multe sisteme de enzime și hormoni care influențează creșterea. care caracterizează obiecte (sol. inclusiv a oamenilor. într-un set de date 4 . de exemplu. 30 . s-a dovedit că. dezvoltarea osoasă. În cazul în care metoda de CA este utilizat pentru probe de grupare variabile originale. în situații speciale în zonele contaminate în care acumularea HMS în unele legume poate fi mare și periculoasă pentru sănătatea umană [ 19 . în cantități mari. aceste metale pot provoca stres oxidativ în organismul animalelor. Tehnici statistice multivariate sunt instrumentul potrivit pentru vizualizarea și analiza unor matrici de date complexe [ 41 ]. dar pe de altă parte. metode statistice complexe. ouă și lapte). APC estimează structura corelație a variabilelor de către găsirea de variabile ipotetice noi (componente principale . de cercetare în aceste domenii implică nu numai metode analitice moderne.

Acest marker se conectează concentrațiilor de metale în produsele alimentare cu toxicitatea lor. Nu este restricție în privința numărului de variabile. Scopul muncii noastre este de a evalua fenomenul complex de poluare a lanțului alimentar de legume în zonele miniere vechi. sunt necesare mai puține condițiile în expansiune de a realiza anumite bunătate apropiere [ 46 ]. modelarea metalelor grele din fructele și legumele contaminate [ 55 . Această metodă ne ajută pentru a identifica grupurile de variabile (de exemplu. cu metale grele prin analiza componentelor principale. evaluarea chemometrică a fost tot mai mult folosită în cercetarea de alimente. cantitatea și calitatea de 5 . Importanța unei variabile într-un model de calculator este indicată de mărimea varianței sale reziduale. care explică doar o mică parte de varia ție în datele de speciei [ 45 ]. Fiecare probă are un scor de-a lungul fiecărei componente modelul care indică locația de probă în acest model poate fi utilizat și pentru a detecta modele probă. 56 ] sau autentificare de alimente ecologice[ 57 ]. Ca principali markeri pentru poluare au fost utilizate două tipuri de markeri: markere simple. determinarea originii geografice [ 50 . o variabilă cu puțină variație a explicat cum poate fi îndepărtată fără adăugarea de mai multe modificări la modelul de PC. regula de mai multe regresii că numărul de variabile trebuie să fie mai mic decât numărul de obiecte nu se aplică în cazul APC. în funcție de încărcările și grupurile de probe (specii de sol sau de legume). Acest lucru este util pentru selecția variabilei.52]. Aceste noi variabile sunt combinații liniare ale variabilelor originale [ 42 ]. Ele reflectă cât de mult fiecare variabilă contribuie la variația semnificativă (sau corelarea) în date și să interpreteze relația variabilă. asemănări sau deosebiri [ 43 . calitatea mediului [ 54 ]. Ea se bazează pe matricea de corelație. Cele mai multe aplicații de metode chemometrice se concentrează pe stabilirea de corelații între diferite produse alimentare și compoziția lor [ 41 . concentrațiile de metale grele sau alți parametri de sol sau plante). mai multe modele APC au fost construite și au fost calculate cu diferite markeri. 47 . Acesta a fost.49 ]. Mai aproape de similitudinea dintre obiectele. În ultimii ani. folosit un marker complex. calitatea apei de roua [ 53 ].multidimensionale. grupări. APC pot fi folosite pentru reducerea setului de date a doar două variabile (primele două componente). se va ignora numărul de PC-uri mai mari. pe baza scorurilor. Fiecare variabilă are o încărcare. de asemenea. Pentru a înțelege complex legătura dintre probele de sol sau de plante și a con ținutului de metale grele a fost folosit chemometrică PCA tehnica. reprezentate de concentrațiile HMS în soluri contaminate și de concentrațiile HMS din legumele consumate de către populația din aceste zone. care arată cât de bine este luată în considerare o variabilă de componentele modelului. 44 . Pentru a simplifica complot. și anume țintă Hazard Quotiens (THQ). În acest scop. 44 ]. În practică.

96*±1.01 13.05 Ref2 R3 M3 Ref3 32492±1827 51667*±3193 44656*±801 33725±1498 2414±678 6537*±1473 1572±214 2437±668 131±19 367*±47 178±28 150±17 26±16 50*±9 201*±32 26±4 10.90 18.04*±1.01 15. Tabelul 1.13±1.60 0.17±0. prin absorbție foliară a particulelor de sol contaminate.10±2.39 R4 56020±1438 7021*±1107 406*±59 46*±11 15.77±2.consumul de alimente și de masa consumatorilor [ 58 ].96*±4.13±1.15 M5 44046*±1693 1869±239 200*±23 238*±31 18.model de sol.19±0. în care nu au existat activități miniere.03 16.27±0.39 Ref1 28896±851 3886±260 97±15 19±5 9.04*±1.30 R2 54138*±1512 3833*±731 268*±28 42*±5 14.75 M2 45687*±774 1994±237 204*±20 230*±27 18.34*±0.41*±0. legume pot avea atât elemente nutritive cât și elemente toxice. Nivelurile de metale grele găsite în probele de sol din cele trei zone cultivate cu diferite culturi de legume sunt prezentate în Tabelul1 .63*±0. 2.17*±3.42*±0. direct din rădăcină prin adsorbție și indirect.08 6 .08 Ref4 32302±2694 3063±493 107±19 18±4 9.56 110.76±2.12 M4 44046±1693 1870*±239 200*±23 238*±31 18.77*±2.08 0.62 ].07 21.19*±1.69±2.07 20.41*±0. Utilizarea acestui parametru complex este mai extinsă în evaluarea riscului potențial de sănătate de HMS prezent în diverse alimente [ 58 .60 R5 54138*±1511 3833±731 301*±60 42*±5 14.19*±1.48 161.34±0.23 0.43±2.73 11. cum ar fi metalele grele. Levels of heavy metals in soils under vegetables from contaminated and reference areas (mgkg-1.41±0.95*±10.07 21.58 0. De la sol.85*±0.58 143.04*±1. average values ±SDV.25*±0.95*±6. Exploatarea pe scară largă a metalelor de minerit a lăsat urme în solurile din aceste zone (R și M).67*±2.39*±1.89 15. Evaluarea datelor de sol prin analiza componentelor principale Solul este legătura principală în lanțul alimentar.41 2.17±1.10 0.41 M1 45713*±916 1870±239 200*±23 238±31 18.63±1.28 0.48 91.32*±9.79 0.15 1.95±0.* p < 0.79 123.96*±1.06 20.90 2. Toate aceste date au fost selectate ca variabile pentru analiza componentelor principale și calculat PCA1 . comparativ cu zona de referință (Ref).04 1.62 16.14±2.58 24.90 2.12±0.23 0.23 0.05) Samples Root parsley R Root parsley M Root parsley Ref Root carrot R Root carrot M Root carrot Ref Onion R Onion M Onion Ref Leaf parsley R Leaf parsley M Leaf parsley Ref Leaf carrot R Leaf carrot M Code Fe Mn Zn Cu Ni Cd Pb R1 75833*±2572 12268*±1416 449*±37 70*±20 16.11±0.80*±7.12*±12.

Var-covar este utilizat în cazul în care toate variabilele sunt măsurate în aceleași unități (de exemplu.38 0.17±1.03 0.20±0.31±0.61 18.41*±0.70 0.79±. Cu și Pb.69*±8. Corelație (normalizat var-covar) este folosit în cazul în care variabilele sunt măsurate în unități diferite (de exemplu.27±7.11*±0.46±2. rutina PCA găsește valorile proprii și vectorii proprii de varianță-covarianță (var-covar) matrice sau matricea de corelație.19*±11.89±2.34*±0.60±2.14 0. Normal contents. threshold and intervention threshold values for heavy metals in Romanian legislation (mgkg-1) Soil samples under Normal contents (NC) Fe - Alert threshold values (ATV) Intervention threshold values (ITV) - Mn 900 Zn Cu 100 20 Ni 20 Cd Pb 1 20 1500 2500 300 10 75 3 600 200 150 5 50 100 Pentru a înțelege asocierea de probe de sol de la cele trei zone. Tabelul 2.16 0.55 13.08 19.81 119.86 126. În software-ul PAST.73 0.89±0. acest lucru presupune normalizarea a toate variabilelor folosind divizie de abateri standard.30 R9 51653*±3264 3774±669 307±66 38*±5 13.19 13.22±1.18±0. nici un exces de conținut din punct de vedere admisibil a fost găsit în zone contaminate sau în zona de referință.89 41±6 238*±31 10.03 16. concentra ția în mg kg 1). Pentru ambele Ni și Cd.40 45.97*±13. concentrația de metal în mg kg -1 .19±0.02 17.73*±1.73 Comparativ cu conținuturile normale și valorile de alertă.11*±0. Valorile proprii dau o măsură a dispersiei reprezentat de vectorii proprii 7 .38 0.47±1. a fost observat mai frecvent și pronunțat excesul valorii normale pentru Mn urmat de Zn.44±5.02 20. lut în% și pH-ului în unități pH).60 130.57*±12.38 119.09 23.30±1. în conformitate cu legislația românească (Tabelul 2 ).07 21.32*±0.77±2.04 17.30 18.00 2.07 0. analiza componentelor principale a fost aplicată cu ajutorul software-ului PAST [ 42 ].89 14.96 M9 42156±1803 1572*±213 178±28 201*±32 18.51 13. în func ție de con ținutul de metale grele.25 11.42*±0.35±2.51 22.04 15.Samples Leaf carrot Ref Cabbage R Cabbage M Cabbage Ref Lettuce R Lettuce M Lettuce Ref Cucumber R Cucumber M Cucumber Ref Green Bean R Green Bean M Green Bean Ref Code Fe Mn Zn Cu Ni Cd Pb Ref5 R M6 Ref6 R7 M7 Ref7 R8 M8 32492±1827 53623*±2876 45488*±1088 34511±1562 55173*±2047 44730±1047 34270±612 55925*±1101 44046*±1693 2414±678 4336±664 1962±269 2847±578 5478*±617 2077*±417 344±120 5521*±844 1869±239 131±19 349*±47 211±25 148±20 367*±42 114±22 171±9 363±52 200±23 21±3 54±10 254*±32 26±4 47±8 60*±1 31.87 Ref9 32792±1573 3089±320 143±16 24±4 11.47±2.04*±1.23 Ref8 31825±2067 890±112 138±13 25±4 11.74 1.69±1.86±1.05 2.46*±0.24±0.17*±1.17±0.08 0.00±2.34±0.72 2.18±0.18±0.

Ni. Zn. (FeS. MnS. Cu. această variabilă este cea cu cele mai mari încărcările pozitive asupra PC2 (Figura1 ). De-a lungul Pb. cu o contribu ție semnificativă la PC1 (Figura 1 ). 8 . pentru a standardiza datele. PC1 contribuie cel mai semnificativ pentru separarea zona R. unul de la altul și atât de referin ță (Ref) zona nepoluata (Figura 2 ). valori ATV (tabelul 1 ). care este cunoscut pentru depozitele sale poliminerale.corespunzătoare (componente) [ 42 ]. Pb și Zn au fost o contributie majora la PC1 în timp ce concentrația de Cu a fost contributie majora la PC2. Concentrația de Cu este principalul responsabil pentru separarea zonei M. Mn. Având în vedere amploarea mare de valori ale concentrațiilor de metale (de la o unitatea la mii). în general. iar concentra ția de cupru din solurile investigate depășește. Cd and Pb in soil samples). Cd și Zn există câteva alte metale. CuS. NiS CdS. în special Pb. Figura 1. Scree plot and PC loadings of soils data. in PCA1-soil model. am efectuat transformarea logaritmică a datelor. cu poluare antropică cauzate de minerit.2% din variația de model. Această zonă este bine cunoscută pentru exploatarea de cupru. PbS are variables used in PCA1-soil model that symbolized total contents of Fe. De la linia grafica a valorilor proprii ale modelului PCA1sol (Figura1 ) se poate observa că primele două calculatoare sunt suficiente pentru a explica 94. ZnS. Concentrațiile în Cd. Cei doi factori pot separa bine două zone (R și M).

Cu. M and Ref symbolized soils samples from contaminated respectively reference areas and numbers 1 to 9 attached to previous symbols refer to soils samples associated with vegetables 9 . CdS and PbS are variables used in PCA1-soil model that symbolized total content of Fe. R. Mn. MnS. Ni. Biplot of PC1 and PC2 for soil data in PCA1-soil model.Figura 2. Cd and Pb in soil samples. CuS. ZnS. Zn. (FeS. NiS.

un scor negativ înseamnă că concentrația de variabile scade de-a lungul axei și un scor aproape 0 înseamnă că concentrația este slab (linear) legat de axa PC. Pb care prezintă concentrațiile cele mai mari din toate probele din acest domeniu. cunoscut pentru exploatare Cu. de exemplu. 5 for carrot leaf. sunt grupate în partea pozitivă a PC1 și mai aproape de variabilele Cd. Mn și Ni sunt metale care. sau ajunge foarte aproape de ea (pentru Cd). 8 for cucumber and 9 for green bean). Direcția săgeților variabile indică direcția în care concentrația de specie corespunzătoare mai crește. scorurile site-ului. concentrația montată este constantă [ 45 ]. PCA face acest lucru prin alegerea cele mai bune valori pentru site-ul. Probe de sol din zona Ref. iar lungimea săgeților este egală cu rata de schimbare în această direcție.species or edible part: 1 for parsley roots. Fe. APC poate fi văzută ca o tehnică de coordonare care construiește variabila teoretic care minimizează suma totală reziduală de pătrate. 6 for cabbage. 4 for parsley leaf. Probe de sol din zona R. sunt grupate în partea 10 . În zona R aceste metale au concentrații care depășesc cantitatea admisă de ATV-uri (pentru Pb și Zn). cu cel mai mic conținut de metale grele. 7 for lettuce. Probe de sol din zona M. În direcția perpendiculară. Un scor pozitiv înseamnă că concentrația de variabile crește de-a lungul axei PC. 2 for carrot roots. în termeni de investigare geochimice sunt comune pentru cele trei domenii și. care prezintă cele mai mari concentrații în aceste probe. 3 for onion bulbs. și constau în principal din variabil Cu (figura 2 ). de asemenea. sunt grupate în partea pozitivă a PC2. după montarea unei lini dreapte la datele pentru fiecare specie. cu exploatarea polimetalice vechi (în special Pb). arată contribuția redusă a celor două componente PC.

Zn. 3. pot fi eliminate variabilele Fe.6% din modelul de variație.88 1.negativă a celor două PC-uri. ceea ce înseamnă că variabilele care au fost eliminate aveau rolul de zgomot.28 0.10 7.82 6. a fost de asemenea folosit unele caracteristici ale solului agrochimice.27 3.49 0. Calitatea de model a fost săracă în clasificarea probelor vegetale în funcție de locație. Mn și Ni din model fără a afecta calitatea acestuia. Astfel. deoarece translocarea metalelor în plante depinde de caracteristicile agrochimice ale solului. care conține numai concentrația de HMS în legume (tabelul 3 ).. Evaluarea legată de legume-date prin analiza componentelor principale Pentru a caracteriza prin PCA contaminarea metalelor grele de legume din zonele susmenționate. în funcție de locație (contaminate sau zone necontaminate).model de plantă.02 8. primul a fost construit un PCA1 .08 11 . s-a obținut o reducere a numărului de analize de la 7 la 4 (și.04 0. prin utilizarea PCA.19 0. Pb și Cd). în ceea ce privește poluarea cu toxice sau potențial toxice metale grele.83 45. cu doar 4 variabile (Cu. contribuind la o calitate scăzută a modelului. dezvăluind influența lor redusă asupra grupului de probă de referință. 12 ].01 0.78 3. Pentru a îmbunătăți modelul. Pentru noul model PCA2-sol.78 Root parsley M M1 99. 2011 Vegetables and location/Metals Code Fe Mn Zn Cu Ni Cd Pb Root parsley R R1 221.66 0. de asemenea. pe lângă datele analitice ale concentrațiilor de metale grele din plante.22 0.52 1. Pe baza acestor considerente. Levels of heavy metals in vegetables from contaminated and reference areas (average values in mgkg-1. costul analitică) necesar pentru a caracteriza în mod corect și clasifica probele de sol din zonele cercetate.80 37.74 6.20 15. fresh matter) adapted after Harmanescu et al. cei doi factori explică 98. cum ar fi pHului și conținutul de argilă [ 10 .66 Root parsley Ref Ref1 48. Tabelul 3.

01 0.50 Leaf parsley Ref Ref4 104.45 0.04 0.87 0.35 Green Bean M M9 21.89 2.09 0.53 9.28 0.45 5.38 6.32 0.38 1. în acest model.02 0.13 0.25 Cabbage Ref Ref6 16.01 0.25 1.43 0.06 0.37 Cucumber Ref Ref8 1. Reprezentarea grafică a PCA2 .74 0.54 0.62 În mod similar cu datele referitoare la sol.29 0.85 3.25 0.01 0.36 0.08 2.21 0. primele două PC-uri a explicat doar 84.03 0.17 5.52 0.09 1.46 1.39 1.70 0.36 0.90 Cabbage M M6 31.01 0.11 0.21 Lettuce Ref Ref7 16.31 1.38 0. 12 .05 0.28 0.30 0.03 Onion Ref Ref3 4.59 3.37 0.45 9.05 0.98 0.86 0.3 Lettuce M M7 13.12 5.85 7. oferă o bună diferențiere între aceste trei domenii.07 14.46 5.73 8.20 Leaf carrot M M5 51.11 Root carrot M M2 31.88 9.65 1.05 Lettuce R R7 35.50 Onion M M3 1.06 13.4% din varianța.08 0.49 0.28 Leaf carrot R R5 14.47 16.19 6. biplot de PC1 și PC2 (Figura 4 ).06 0. Acest model.18 0.06 4.model de plante sunt prezentate în figura 3 .19 Green Bean Ref Ref9 26.33 0.91 1.95 0.70 0.12 0.77 0.32 0.03 0.13 0. din zona nepoluată (Ref). nici o altă combinație de PC1 și PC3 și PC4.76 0.22 1.03 7.54 0.05 0.4 0.06 Onion R R3 15.01 0.07 10.32 9. Se poate vedea că. Linia grafica și PC încărcări pentru acest PCA2 .14 2.01 0.29 0.18 1.23 0.09 Root carrot Ref Ref2 17. cu un grad mai mic de variație explicație.03 0.12 0.72 10.45 0. datele legate de legume-au fost standardizate de logaritmi și prelucrate cu același software PAST.modelul de plante.08 Cucumber R R8 2.10 0.06 3.22 0.22 0.60 4.18 0.22 3.42 0.17 0. numai cu poluare antropică a solului (R.17 1.03 0.01 1. M).65 4.09 0.01 0.45 0.13 3. construit pe conținutul de metale din plante și cei doi parametri agrochimice.88 8.11 10.43 2.56 0.03 0.61 2.01 0.93 1.78 0.03 0.39 6.97 3.Vegetables and location/Metals Code Fe Mn Zn Cu Ni Cd Pb Root carrot R R2 29.34 2.26 4.57 5.07 0.72 Cucumber M M8 2.06 0.90 3.77 10. În același mod.15 0.79 1.75 9.96 0.04 Leaf parsley R R4 73.77 0.03 Cabbage R R6 60.51 2.44 4. zone distinct separate. nu se poate face o diferențiere clară între cele două zone cu poluare antropice (R și M).30 1.12 Leaf carrot Ref Ref5 31.39 2.04 0.16 Green Bean R R9 58.68 0.77 0.97 Leaf parsley M M4 106.38 0.15 8.28 0.13 1.77 0.40 0.

ZnP. Scree plot and PC loadings of vegetables data in PCA2-plant model. reported to fresh matter.Figura 3. MnP. clay and pH are agrochemical soil parameters used in this model). CdP and PbP are variables used in PCA2 –plant model that symbolized total contents of Fe. (FeP. Ni. Mn. Zn. Cd and Pb in vegetable samples. Cu. CuP. NiP. 13 .

MnP. (FeP. M and Ref symbolized vegetables samples from contaminated respectively reference areas and numbers 1 to 9 attached to previous symbols refer to 14 . Cd and Pb in vegetable samples. clay and pH are agrochemical soil parameters used in this model. Zn. Biplot of PC1 and PC2 for vegetable data grouped on location. CdP and PbP are variables used in PCA2-plant model that symbolized total contents of Fe. R. Ni. used PCA2-plant model. reported to fresh matter. NiP. Cu. Mn.Figura 4. CuP. ZnP.

Mn. limitează acumularea excesivă de metale grele în corp [ 33 ]. 8 for cucumber and 9 for green bean). de asemenea. prin mecanisme care sunt specifice pentru fiecare specie. PC1 și PC2 biplot sale este prezentată în figura 5 . care sunt constituite în principal PC1 și componentele sale (figura 4 ).vegetables species or edible part: 1 for parsley roots. precum și de mare conținutul de metale grele din aceste soluri. 4 for parsley leaf. Acest lucru poate fi explicat prin homeostazia plante. deși pH – ul este ușor acid este favorabil pentru mobilitatea de metale grele. 6 for cabbage. de asemenea. Acumularea diferită de metale din legume pot fi observate de la rezultatele obținute prin PCA sortare de specii de legume. cele mai mari concentrații în solurile din aceste zone. găsite în legumele cultivate în cele două zone. de asemenea. În legumele din zonele cu contaminare antropice (R și M). 3 for onion bulbs. folosind modelul PCA3-plantă. Caracteristici agrochimice similare ale solurilor din zonele contaminate cu metale grele (pH. conținut ridicat de argilă din sol reduce translocarea lor în plante. Diferențele semnificative constatate între concentrațiile Cu și Pb în solurile din cele două zone contaminate (M și R) nu au fost. 15 . 12 ]. care. În zona de referință. deși pH-ul neutru este mai puțin favorabil pentru mobilitatea metalelor [ 10 . Acest model a fost calculat. Pb. humus și argilă). ele prezintă. Cu și Cd au cele mai mari concentrații. Aceste metale sunt puternic absorbite de acest low-sol argilos. 5 for carrot leaf. doar cu conținut de metale grele din legume. Zn și Ni sunt metalele care se găsesc în concentrații mari în legume în zona de referință. PC2 și componentele sale sunt factorii care diferențiază acest domeniu de celelalte două (M și R). 7 for lettuce. 2 for carrot roots. Fe. reprezintă similaritatea lor face translocația lor în plante.

M4. R. Mn. M9) sunt situate pe partea pozitivă a PC1. a dominat de prezența Fe. Pb și Cd în probele de R și zone M și mai pu țin în eșantioanele din zona Ref. ref2) și frunze de morcov (R5. reported to fresh matter. 7 for lettuce. 4 for parsley leaf. used PCA3plant model. 2 for carrot roots. Probele de rădăcini de pătrunjel (R1. varză (R6.6% din modelul de variație și se poate efectua relativ o bună separare între unele specii de legume. salata verde (R7. suplimentarea a PCA3 . M7). Ref4). M and Ref symbolized vegetables samples from contaminated respectively reference areas and numbers 1 to 9 attached to previous symbols refer to vegetables species or edible part: 1 for parsley roots. Biplot of PC1 and PC2 for vegetables data grouped on vegetables species. Primele două PC-uri explică 85. M1) și frunze (R4. 6 for cabbage. Ref5) sunt dominante în partea pozitivă a PC2 și sunt caracterizate de un con ținut ridicat de Fe. Cd and Pb are variables used in PCA3-plant model that symbolized total contents of metals in vegetable samples. M6). 3 for onion bulbs. toate legumele din zona Ref sunt situate pe partea negativă a PC1. Probele de rădăcini (M2. Zn. fasole verde (R9. Ni.modelul de plante cu parametrii agrochimice (conținutul de argilă și pH-ului) nu se face mai bine comanda de specii de legume. În acest caz. și se caracterizează prin conținut scăzut de metale grele. și sunt caracterizate prin conținut scăzut de metale grele. 5 for carrot leaf. (Fe. Zn și Mn. M5.Figura 5. 8 for cucumber and 9 for green bean). Cu.Cu excepția de frunze de pătrunjel (Ref4). Probele de ceapa (M3) și castraveți (Ref8) sunt predominante în PC1 și PC2 partea negativă. 16 .

EF este frecvența de expunere. DIM este ingestia de metal de zi cu zi (persoană mg -1 zi -1 ) și RFD este doza de referință oral (mg kg -1 zi 1 ).048 0. expunerea medie) precum și caracteristicile la individ (greutate corporală medie).017 0. [ 58 . W este greutatea medie a corpului (kg) și T este timpul mediu de expunere pentru noncarcinogens (365 zile an -1 × numărul de ani de expunere).010 0. pe lângă conținutul de metale de legume. durata de expunere..283 0. de asemenea. FD este durata de expunere. pentru a evita subestimarea riscului și se calculează prin formula generală (1) [ 58 ]: THQ = EFxFDxDIM / RfDxWxT (1) În cazul în care. respectiv metale grele. Pentru calculul. care se referă la toxicitatea metale (doze de referin ță orale. Acesta a fost dezvoltat de către Agenția pentru Protecția Mediului (EPA) din SUA.262 0.47 Root parsley M M1 0. THQ este un parametru complex folosit în evaluarea riscurilor de sănătate de metale grele.022 0.077 0.119 0. Parametrii THQ utilizate în APC . care oferă o imagine mai bună în legătură cu conținutul de metale din sol și legume decât folosind un parametru simplu [ 61 ].107 0. THQm (THQ for males) values for metals of vegetables grown in contaminated and reference areas compiled after Harmanescu et al.353 10.501 0. Deci.057 0.040 0.4.319 0.043 0.350 1.129 0.045 0.62 ]. alți parametri au fost. durata și intensitatea expunerii (frecvența expunerii. implicate. O valoare mică a indicelui (<1) prezintă pericol pentru sănătate redusă și o valoare între 1 și 5 reprezintă un nivel de preocupare pericol pentru sănătate [ 58 ]. 2011 [61] Vegetables and Code THQm THQm THQm THQm THQm THQm THQm THQm areas Fe Mn Zn Cu Ni Cd Pb SUM Root parsley R R1 0. ca și în cazul nostru.262 0.modelul THQ sunt prezentate în Tabelul 4 .208 parsley Ref1 0.587 0. Ei au fost calculate pe baza datelor prezentate în lucrarea noastră anterioară [ 61 ]. Tabelul 4. RFD).318 Root Ref 17 . Analiza componentelor principale de date THQ Țintă Hazard coeficienți este un parametru complex utilizat pentru estimarea riscurilor potențiale pentru sănătate asociate cu expunerea pe termen lung la mai mulți poluanți.365 8.

009 0.474 1. 7 for lettuce. Biplot of PC1 and PC2 for THQm data grouped on vegetables species.018 0.22 Cabbage M M6 0.017 0.057 0.020 0.092 0.Vegetables and Code THQm THQm THQm THQm THQm THQm THQm THQm areas Fe Mn Zn Cu Ni Cd Pb SUM Root carrot R R2 0.026 0.003 0.060 0.083 0.025 0.013 0.028 0.001 0.031 0. 3 for onion bulbs.020 0.055 0.036 0.110 0.THQ model.004 0.007 0. 8 for cucumber and 9 for green bean).071 0.102 Leaf carrot M M5 0.029 0.906 Lettuce M M7 0.012 0.003 0.036 0.102 0.067 0.006 0.027 0.082 0.184 0.033 0.007 0.065 0.050 0.408 parsley Ref4 0.165 Onion R R3 0.054 0.079 0.003 0.020 0.572 Onion M M3 0.174 0. Zn.734 Cucumber Ref Ref8 0.067 0.056 0.173 Leaf carrot Ref Ref5 0.049 0.040 0.031 0.005 0.049 0.319 Root carrot Ref Ref2 0.197 Onion Ref Ref3 0.379 0.032 0.012 0.086 0.006 0.02 0. 18 .114 0.233 Cucumber R R8 0.006 0.090 0.065 0.021 0. Mn.082 0.043 0.029 0.582 Leaf parsley M M4 0.012 0.284 0.030 0.074 0.161 0.020 0. Cd and Pb are variables in PCA-THQ model that symbolized THQm for each metals calculated for each vegetable species.266 0.121 0.112 0.045 0.045 0.004 0.058 0. 5 for carrot leaf.005 0.045 0.021 0.117 1.006 0.087 0.063 0.012 0.035 0.010 0.042 0.844 Cucumber M M8 0.503 Root carrot M M2 0.063 0.326 0.013 0.017 0.093 0.521 Lettuce Ref Ref7 0.019 0.026 0.019 0.301 Figura 6. Cu.105 0.005 0.089 0.019 0.131 0.048 0..156 0.112 0.046 0.347 0. M and Ref symbolized vegetables samples from contaminated respectively reference areas and numbers 1 to 9 attached to previous symbols refers to vegetables species or edible part: 1 for parsley roots.021 0.053 0.100 0.026 0.148 1.021 0.009 0.219 0.028 0.128 0.012 0.004 0.723 Green Bean M M9 0.032 0.020 0.051 0.045 0.016 0.004 0.095 0.004 0.202 Green Bean R R9 0.195 Lettuce R R7 0.005 0.034 0. 2011 [61].089 0.010 0.008 0.041 0.035 0.123 0. compiled after Harmanescu et al.006 0.194 0.006 0.053 0.040 0.058 0.084 0. Ni. 6 for cabbage.021 0. 4 for parsley leaf.659 Cabbage Ref Ref6 0.021 0.048 0.101 0.244 0.059 0.033 0.079 0.021 0.054 0.564 Green Bean Ref Ref9 0.041 Cabbage R R6 0.094 0.201 Leaf Ref Leaf carrot R R5 0.046 0.012 0.058 Leaf parsley R R4 0.063 0.017 0. 2 for carrot roots.139 0.087 0.070 0. used PCA.011 0.033 0. R.049 0.071 0.112 0.024 0.022 0.159 0.014 0. (Fe.013 0.

Ref5) și castravete (R8. Ref7) și fasole verde (R9. Frunze de morcov (R5. Gruparea mai bine a fost obținut de rădăcini de pătrunjel (R1. M9. ceea ce înseamnă că au cele mai mici valori pentru THQ metale. cel mai mic. deci cu un risc redus de sănătate. M1). cu excepția pentru zona contaminată R. ceea ce înseamnă că consumul lor prezintă un risc major pentru sănătatea. ceapa (R3. Din aceste legume. situat pe partea negativă a PC1. mai bine decât PCA3 . M4. Ref6). Castraveți (R8. dar pe partea pozitivă a PC2. Ref8). M7. frunze de pătrunjel (R4. REF1). salata verde (R7. M1. Zn și Mn. Ref4). este pe partea pozitivă PC1 și PC2. M8. în special în R și M contaminate zone. în special în zonele contaminate R și becuri M. care utilizează ca variabile doar concentrațiile de metale din legume (Figura 5 ). Ref5). Cu alte cuvinte. frunze de morcov (R5.6% din varianța modelului (figura 6 ) și pot arăta bună separare între unele specii de legume. situat pe partea pozitivă a PC1 și pe partea negativă a PC2. partea negativă a celor două PC-uri. care au fost bine separat de alte plante specii de PC1 și PC2. Aceste legume cultivate în R și zonele contaminate M sunt asociate cu valori mari THQ. M6. ceapa (M3. ceea ce înseamnă că este asociat cu valorile cele mai ridicate THQ pentru toate metalele.modelul de plante. deci cu un risc crescut de sănătate. sunt asociate cu concentrații mai mari de Cd și Pb și valori THQ pentru aceste metale toxice. ref2). respectiv de risc de sănătate. M2. În zona de 19 . pătrunjel rădăcină (R1. varză (R6. sunt asociate cu valori THQ mai mari de Fe. Ref3). M5. sunt pe partea opusă. Ref9 ) nu sunt separate în mod satisfăcător. se prezintă cel mai mare risc de sănătate. M5. rădăcini de morcov (R2. Ref3). M3. M8). fiind fuzionat în centrul axelor. metale cu o toxicitate redusă. Alte plante.Primele două PC-uri explică 84. în special pentru metale toxice Cd și Pb.

aplicarea APC pentru a analiza aceste date complexe prevede: . reducerea costurilor analitice. Cd și Pb). Zn. Concluzii Această moștenire de poluare metale grele generate de societate industrială pune presiune asupra sănătății umane peste tot în lume. aplicarea unor metode statistice complexe. cu implicare maximă în evaluare a poluării. dar.Diferențierea între domenii și tipuri de contaminare contaminate. . care implică nu doar găsirea de metode analitice noi și avansate pentru a identifica calitatea și cantitatea de contaminanți. de asemenea. 5. și.Optimizarea procedurilor analitice de selectarea pentru analiză doar patru variabile (Cu. în acest caz accentul de poluarea cu Pb în zona R și cu Cu în zona M. astfel că riscul de sănătate legate de consumul lor este scăzut. bazat pe analize de sol. astfel. Găsirea unei soluții pentru această situație este o sarcină permanentă a cercetătorilor.referință. În studiul nostru. 20 . care să permită o evaluare globală a interacțiunii acestor contaminanți în lanțul alimentar și riscurile de sănătate asociate cu consumul lor de oameni. aceste plante sunt asociate cu un nivel scazut de THQ.

07. Vinson JA. Jaworska K. 103 :681-688. bor. 2006. doi:. http://www. mangan. frunze de morcov). 10. 46 :3630-3634. Food Chem. și zinc. Reddy AVR. Food Chem. Institutul de Medicina.Selectarea speciilor de legume care cea mai mare (rădăcini de pătrunjel. prin metoda de digestie in vitro. Lesniecwicz A. Hao Y.php?isbn = 0309072794 . vanadiu. doi:. Evaluarea bioaccessibility a unor elemente esențiale din iarba de grau (Triticum aestivum L. Zyrnicki W.1016/j.nap.. molibden.foodchem. în acest caz complex parametrul THQ permite o mai bună clasificare din legume cu risc ridicat de toxicitate pentru sănătatea umană produsă de metale grele. crom.2006. vitamina K. .edu/openbook. EPA503/8-89-002. Zubik L. 5. Rajurkar NS. iod. și a Comitetului permanent pentru evaluarea științifică a Dietetice de referință Prize. 21 .1021/jf980295o[ Cross Ref ] 2. 1998.057 [ Cross Ref ] 4.foodchem. Kulkarni SD. 10.1016/j. cupru. fasole și castraveți) sau mai mici (ceapa. micro-nutrienti si biodisponibilitatea acestora în medicamente pe bază de plante poloneză Macro-și. DC: US Environmental Protection Agency. subcomitete privind nivelurile de referință superior de substanțe nutritive și de interpretare și Utilizeaza de dietetice CONSUMUL DE REFERINȚĂ. doi:. manual Ghid pentru evaluarea riscurilor pentru sănătatea umană din contaminate chimic.042 [ Cross Ref ] 3.2007. Washington. DC: NATIONAL ACADEMY PRESS. pește și crustacee. arsenic. 10. FDA (Food and Drug Administration) Un raport al Grupului pentru Micronutrienti. Su X. . 1989. 99 :670-679. Washington.2005. J Agric Food Chem.08. siliciu. Referinta de Administrare Dietetica vitamina A. fenol cantitate antioxidant și de calitate în produse alimentare: legume. Alimentație și Nutriție Board. salata verde. nichel. riscul de sănătate în zonele contaminate.Construcție și de vizionare modele care pot face mai ușor de înțeles fenomenul complex de poluare a mediului și de risc pentru sănătate.). fier.Selecție a celor mai buni marcatori care pot stabili alimentele cu cel mai mare cel mai mic risc / asupra sănătății umane în zonele afectate. Referințe 1. Acharya R. US EPA.

Lăcătușu AR. Cao Q. 2009. 2008. Ianculov I. doi:.2005. Cârlig ED. 13. 12. Goian M. Cozma A. Lăcătușu R.1007/s10661-006-9395-2 [ PubMed ] [ Cross Ref ] 17. Zhao JZ. 56 (8) :837-841. Huang Y. 11. 8.EEMJ. K și P)Rev Chim ( București) 2005.1016/j. Yang QW.2004. Liu WH. Pentru zăpadă Landsc Res. Alda LM. Penkov D. Schulin R. Gergen I. 4 :389-398 . 7 : 131-139.1016/j. Riscurile pentru sănătate de metale grele din soluri contaminate și culturile alimentare irigate cu ape uzate de la Beijing. Metale grele de legume și a solurilor de baze de legume în Chongqing. Oprea G. 15 :172-176.025 [ PubMed ] [ Cross Ref ] 15. Conținutul de macro și microelemente din mărar proaspăt și congelat (Anethum graveolens L. Hasdemir E. doi:. Damian G. Zhu YG.1999. 2007.Slupski J. Ca. 2008. a solurilor din zona platformei metalurgic Cordun. 10. 10. 7 :851-858. în ecosistemele terestre: Sinopsis spre înțelegere holistică. Carpth J Pământ Environ Sci.pdf . Soderlund L.05. 2003. doi:. Willeke-Wetstein C. US Geological minerale sondaj Anuarul. 91 :737-743. J Cent Euro Agric.un studiu de caz.1016/j. doi:.042 [ PubMed ] [ Cross Ref ] 16. Appl Environ Ecol Res.) Food Chem. 130 :271-279. Determinarea urmelor de metale din probele de ciuperci din Kayseri. Lungu M. 10. 152 :686-692. Carpath J Pământ Environ Sci. Srinivas N. Ouyang ZY. Matyssek R. 3 :65-82. Kmiecik W. Liu GH. Alexa E. http://minerals. Zhu YG. Stare de poluare metale grele a solului în legătură cu potențiale viitoare activități miniere din zona Roșia Montană. Carpath J Pământ Environ Sci. Butnariu M.06. analize de calitate Macoveanu M. Kumar SK. Fluxurilor de metal și subliniază. 14 Cui YJ. Steinbacj J. 10.046 [ Cross Ref ] 23. Gogoasa I. Hristev HR. Lăcătușu R. Lăcătușu AR.05. 10. Baykov BD. Food Chem.envint.028 [ Cross Ref ] 22. Tüzen M. 3 :115-129. Liang J. China.1016/j.032 [ Cross Ref ] 22 . Food Chem. Georgieva Y. Saracoğlu S.envint. EnvironInt. 2005.10. Gergen I. Aston J. Zhai R.6. 2006. 9.2004. sud-vestul Chinei Environ Monit Evaluarea.2004. Li H. 10. Huang YZ. Negrea Studiu privind influen ța Co 2 cu privire la dezvoltarea plantelor de soia și de acumulare a unor elemente chimice (Fe. Turcia. 10. doi:. Environpoluanți. Năsui D. Turcia. Pricop C. Ramakrishna RS. concentrație de metale grele din solurile din jurul Zlatna și Copșa Mică topitoriile România. Expunerea la amestecuri de metal și impactul asupra sănătății umane. 19.foodchem. Mendil D. China. Iepure G.06. 80 (2) : 139-148. P. Damian F. China. Zheng YM. 2005. 92 :649-652. Khan S. Damian F. Steblez WG. Mișcarea de cadmiu și plumb în lanțuri trofice antropic format dintr-un tip de pășune. 21.2005. Environ Int. 2010.1016/j.2005. Moigrădean D. .056 [ PubMed ] [ Cross Ref ] 18. 4 :39-50.foodchem. G Cîțu.Cercetări privind contaminarea solului cu metale grele in Muntii Banatului. Zaharinov B. 2009. Lăcătușu R. doi:.envpol. 31 :784-790. lung FY. doi:.2007. Trace in probele de ciuperci din Ordu.usgs.gov/minerals/pubs/country/1999/9433099. Bordean DM. Lisiewska Z. Damian G. J Agroaliment Process Technol. într-o zonă contaminată în Nanning. 2008. 2005. Pop C. 2008. Carpath J Pământ Environ Sci. 5 :139147. Industria de minerale din ROMÂNIA. Günthardt-Goerg MS. 7. Trace acumulare de metal în legume cultivate în zonele industriale și semi-urbane . Qiu Y. 2005.1016/j. Mendil D.foodchem. 31 :805812. Soylak M. 91 :463-467.06. Impactul irigare canalizare privind distribuția metalelor grele și de contaminare de la Beijing. calitate Solurile din partea de sud-est a zonei Baia Mare afectate de industria metalurgică. Tüzen M. nivelurile de metal Sari H.08. Mg. Uluözlü OD. Zone de legume și fructe de calitate în metale grele poluat din România. 2009. 20.

1092 [ PubMed ] [ Cross Ref ] 37. doi:. 30. 10. Radwan MA. 10. 44 :12731278. 6 : 19. 2009. Cu și absorbția în carnea de pui. Harmanescu M.02. Food Chem. Simiz E. Martin D. 2006. legume si condimente. Vertii A.1016/j.053 [ Cross Ref ] 28. 144 . Agrawal M. Salama AK.foodchem. Nica DV.2006.24.004 [ PubMed ][ Cross Ref ] 27. Manea M. metale Petrini O. Evaluarea riscurilor de toxicitate metale grele prin legume contaminate din apă uzată zonă irigată de Varanasi. Pentru zăpadă Landsc Res. Smical AI. 34. M. Memon AR. 6 : 55. Determinarea metalelor grele pentru controlul calității în medicamentele pe bază de plante argentiniene de ETTAS și ICPOES. 26. 98 :277-284. de Evaluare a Sanatatii a riscurilor M. 80 (2) :169-180. Dragan S. Zn. Lucrari Științifice . Khan MA. 25 :111-121. Bura M. 2009. Zootehnie și Biotehnologii 2011. Trop Ecol. Poiana MA.doi:. Drochioiu G. Bordean DM.foodchem. 45 :1060-1064. Khan S. Eur J Mass Spectrom.10. Marshall FM. Dragan ES. Murariu M. 10. 31. Pop E. Chem Cent J.2005. Shahbaz S. Juhasz J. Gomez MR. Jurcoane S. compozi ție Gergen I. grele din ciuperci comestibile din Italia. Buttler A. Mn. 2006. 10. Gergen I. 94 : 81-89. RK Sharma. metale și antioxidanți în cancer indus de stres oxidativ.10. Biophys Chem. Cocchi L. 2010. Rhodes CJ. Murariu M. 2001. 32. Cioban C. Aktoprakligil D. Hotea V. efect neașteptat de complexe de nichel ale unor peptide conțin histidină pe Escherichia coli. 2006. Mazur radicalilor liberi.05. Turk J Bot.1255/ejms. Lucrari stiintifice:.2006. Singh O. Sadique a metalelor grele pentru Populație prin consumul de legume Mondiale Appl Sci J. Drochioiu G. Food Chem Toxicol. doi:. Drinceanu D. Eiectrospray abordare spectrometrie de masă cu ionizare din metal conformațional induse de legare la oligopeptide.013 [ PubMed ] [ Cross Ref ] 29 Harmanescu M. Sos de roșii și soia degresate .2011. doi:. 40 :243-252. 10. 2008. 33. Farooq R. Singh V. doi:.2012. Efectele de suplimente de minerale privind rezultatele bioproductivi la găinile ouătoare crescute în sisteme organice.12. Özdemir A. Ștef L. India. Scrisori biotehnologice din România. Moigradean D. Piață coș sondaj a unor metale grele în fructe și legume egiptene. Mezo G.fct. Julean C. Petre BA. 160 :1-40. 2007. Drăgușanu M. Izakovic M. Vescovi L. Sombra LL. Medicina Veterinara2007 . Cerutti S. Studii privind transferul și bioacumulare a metalelor grele din sol în salata verde EEMJ. Fier a unor componente de alimente functionale:. Bioindication de contaminarea cu metale grele în grădini de legume. 39.1016/j.cbi.1186/1752-153X-619[ PMC articol gratuit ] [ PubMed ] [ Cross Ref ] 40. Oros V. ES Dragan. 16 : 511. Gergen eu.1186/1752-153X-6-55 [ PMC articol gratuit ] [ PubMed ] [ Cross Ref ] 23 . Chem Biolog Interact. Petrini LE. Luca I.1016/j. Vollenweider P. Bioacumulative și evaluare conchological de transfer de metale grele într-un lanț alimentar sol-plantă-melc. Garg AN.Universitatea de Stiinte Agricole a Banatului Timișoara.10. Valko M. 38. doi:. Grădinaru RV. 2006.12. Martinez LD. 10. Food Chem. 7 609-615. Efectul de dieta imbogatit-minerale și plante medicinale pe Fe. doi:. Przybylski M. Stef DS.1016/j. acumularea de metale grele și de mecanisme de detoxifiere în plante. Food Chem Toxicol. 44 :30-36 .1016/j. 2006. Silva MF. M Murariu. 6 :16021606.009 [ PubMed ] [ Cross Ref ] 35. 2012. 16 (3) :6242-6246. Drochioiu G. Disponibilitatea de elemente esențiale urme din cereale indian. Chem Cent J. Moncol J. 2010. doi:. Sofian D. Interacțiunea de beta-amiloid (1-40) peptida cu perechi de ioni metalici: Un studiu capcană de ioni de masă model de spectrometrie electrospray.068 [ Cross Ref ] 25. folosind INAA și contribuția de condimente pentru aportul alimentar de zi cu zi. Mihai M.2005. 2004. Gogoasa eu.fct. 51(2S) :375-387. (1-2) : 9-20[ PubMed ] 36.

folosind pe baza de sincrotron Transformata Fourier în infraroșu (FTIR) microscopului.foodchem.2008. Moreno IM. 2:37-52. Cambridge University Press. 9 ( 1) :680-683. editor. 2009. 53.http://palaeoelectronica. Componente comune și analize specifice greutăți: O metoda chemometrică de a face cu complexitatea de produse alimentare. Harmanescu M.09. analiza Mirhosseini H. Breica Borozan A. doi:. Smith BW. Urkaregi A. 89 :23502355. Qannari EM. Evaluarea concentrația de metale urme în unele plante și ceaiuri de plante prin analiza componentelor principale. 7 (1) :20-30.htm .054 [ Cross Ref ] 45. J Agric Food & Environ.1021/jf011056v [ PubMed ] [ Cross Ref ] 51. M Yu. 10. Food Chem. Lorenzo D. doi:. 10. 87 :72-76. Namieśnik J. 50 :2068-75. Diferențierea dintre "două andaluze DO vinuri Fino" în funcție de conținutul lor de metal de la ICP-OES prin utilizarea supravegheate modalitati de recunoaștere model. 10. model de evaluare Harmanescu M.org/2001_1/past/issue1_01. Aplicarea analizei discriminant liniar la studiul de chimie de roua. J Agric Food & Environ. 81 :41-49. Jos A.Chemometr Intell Lab. pp. 2010. 10. Esbensen K. Alda LM. 8 (2) :117-121.1016/j. 10. 43.1002/jsfa. Pop HF. Ryan PD. Xu M.032 [ Cross Ref ] 42. 10. Sârbu C.doi:. pe baza probelor colectate în Polonia (2004-2005) Cent Eur J Chem. Butur M. Konstadinovic S. M Hanafi. Chen X. Bordean DM. doi:. 99 :622-629. Małek S. 9pp.05. Pirvulescu L. 2009. Aplicarea analizei cluster ierarhic (CLA) și analiza componentelor principale (PCA) în structura de alimentare și hrana pentru animale de cercetare chimie moleculara. Food Chem. 60 : 3635-3644. doi:. Wold S. Chemometr Intell Lab. Nedelcheva D. doi:.004 [ Cross Ref ] 48. Trecut: paleontologice Statistici Program pentru Educație și analiza datelor. Lech D. 2011. 24 . chemometrică de suc de fructe din soiuri spaniolă în funcție de conținutul lor de compus fenolic:.2005. Klimaszewska K. Chimic profilare a diferenția originile geografice tot mai mare de cafea. Mazerolles G.7127. 10. Yu P. 10.1016/j. 2007. J Agric Food Chem. 2001. Alda S. 2005. Chemometr Intell Lab. Abad-Garcia B.1021/jf300022u[ PubMed ] [ Cross Ref ] 50.microc. doi:. doi:. 46.006 [ Cross Ref ] 55. 10. J Sci Food Agric.2008. doi:. Berrueta LA. 56.1021/jf050959b [ PubMed ] [ Cross Ref ] 44. Harper DAT. Nikolova D. J Agric Food Chem. Dufour E. 2009. 97 :25-32. matematic de contaminarea cu metale grele in legume si fructe. Pasławski P.foodchem. multivariată discriminare a diferitelor uleiuri de lamaie presate la rece diferite regiuni geografice. 114 :347-354. J Agric Food Chem 2012. Geladi P. Analiza datelor în comunitate și ecologia peisajului. caracterizarea Vicente F.007 [ Cross Ref ] 52. Camean AM. 2006. Jongman RHG. 10. da Silva Tores EAF.2478/s11532-008-00828[ Cross Ref ] 54. Anderson KM. B Gallo. doi:.09. 1987. Garmon-Lobato S. Gogoașă I. 10. Ciocan Ø. Dellacassa E. Gonzales AG. Einax JW.chemolab. 116-125.08.06. Kara D. Modelul matematic de evaluare a riscului de contaminare a mediului. Bertrand D. 8(2) :1054-1057. 2006. 2002. Gergen eu. 2009. 4 (1): 4. Martinez N.1016/j. Palaeontol Electron. Aplicarea de analiza cluster ierarhică la studiul de compoziția alimentelor. L Pirvulescu. MICROCHEM J. Neto JMM.2007.41. Alvarez M. Shi J. doi:. Stefova M. Rujescu CI.1016/0169-7439 (87) 80084-9 [ Cross Ref ] 47. Garbelotti ML. analiza componentelor principale. Van Tongeren DE. Braak CJF. Oprea G. Chen Y.1016/j. Gergen I. Sârbu C. 53 : 7115 .2005. Polkowska Z.1016/j. J Agric Food & Environ. 2010. analiză clasică și neclare component principal al unor probe de mediu privind poluarea cu metale grele.3716 [ Cross Ref ] 49. DM Bordean. Diferențierea de opt ceai (Camellia sinensis) soiuri din China de amprente digitale elementar de frunzele lor.chemolab. Am citrice .

10.2008. Determinarea conținutului de ioni de metal de băuturi și estimarea de coeficienții de risc țintă: un studiu comparativ Chem Cent J. Naughton DP. Goian M.57. Olesen JE. grele de evaluare a metalelor risc pentru sănătatea populației prin consumul de culturi alimentare și fructe din Owerri. Petroczi A. 47:298-302. de Sud-Est. multielement amprentarea ca un instrument pentru autentificarea de grâu organic. metalelor grele în vinurile: meta-analiza a coeficienții de risc țintă dezvăluie riscurile pentru sănătate. Mirton. Amadi CN. un studiu de caz: Banat Județul România. 6 : 77. Andrews PLR. 2 : 13. Orisakwe OE. 2008. (Solurile Banatului) Timișoara: Ed. http://journal. 10. Naughton DP. J Agric Food Chem. cadmiu și plumb contaminare în fructe de mare: Un studiu comparativ pentru a evalua utilitatea Target pericol coeficienți. și cartofi. Solurile Banatului.2008. Naughton DP. Laursen KH.1186/1752-153X-222 [ PMC articol gratuit ] [ PubMed ] [ Cross Ref ] 59. Harmanescu M. Schjoerring JK. Pusca am. 10. Chem Cent J.com/content/6/1/156 25 . Bede O.007 [ PubMed ] [ Cross Ref ] 61. 10. 64. Chem Cent J. 2012. Barker J.1997.10. faba fasole. 2011. .chemistrycentral. doi:. Bordean DM. doi:. Petroczi A. Husted S. Nigeria. Dike DO.fct. Ianoș G. Petróczi ioni A. doi:. 167-169. Mercur. 5 : 64. doi:. Pp.11. Nduka JK. doi:. 2011. Askegaard M. Haga T.1186/1752-153X-2-13 [ PMC articol gratuit ] [ PubMed ] [ Cross Ref ] 60. doi:. 2009.1021/jf104928r [ PubMed ] [ Cross Ref ] 58. Food Chem Toxicol.1186/1752153X-5-64 [ PMC articol gratuit ] [ PubMed ] [ Cross Ref ] 63.1186/1752-153X-6-77 63. Gogoasa eu. grele de evaluare a riscurilor pentru sănătate metale pentru a populației prin consumul de legume cultivate în zona minieră vechi. 2 : 22. Gergen I. 59 :4385-4396. orz. Alda LM. 10. Halekoh U. Chem Cent J.1016/j.