CC BY
13
Научная статья
УДК 633.1:57.088:577.212.
DOI:10.52653/PPI.2021.12.12.015
Моделирование ДНК-технологии видовой идентификации растительного сырья для пивоварения
Рамиль Ришадович Вафин1, Ирина Юрьевна Михайлова1, Владислав Константинович Семипятный1, Лариса Николаевна Харламова1, Хамид Халимович Гильманов2, Сергей Владимирович Тюлькин2
'ВНИИ пивоваренной, безалкогольной и винодельческой промышленности - филиал ФНЦ пищевых систем им. В. М. Горбатова РАН, Москва, vafin-ramil@mail.ru
2ФНЦ пищевых систем им. В. М. Горбатова РАН, Москва
Аннотация. Развитие молекулярно-генетических технологий оценки пивоваренного сырья актуально с позиции их внедрения в систему идентификации и прослеживаемости в контексте расширения оценочных критериев менеджмента качества. Целью настоящей работы являлось моделирование ДНК-технологии видовой идентификации растительного сырья для пивоварения. Подобраны протоколы экстракции нуклеиновых кислот, постановки ПЦР и ПДРФ-анализа с соответствующими комплектами реагентов, направленные на практическое воспроизведение генетического тестирования пробоподготовленного биоматериала. Представлены результаты выравнивания и рестрикционного картирования амплифицируемых нуклеотидных последовательностей локуса хлоропластной ДНК ячменя, пшеницы, ржи, кукурузы, риса и хмеля. Установлено, что наличие видоспецифичных нуклеотидных замен и инделей в анализируемом локусе позволяет идентифицировать растительное сырье для пивоварения методом прямого секвенирования ПЦР-продукта. Последующий совокупный анализ данных т silico моделирования ПЦР-ПДРФ-профилей по трем эндонуклеазам рестрикции подтвердил диагностическую ценность подобранных ферментов.
Ключевые слова: зерновые культуры, видовая идентификация, хлоропластная ДНК, ПЦР, ПДРФ, секвенирование
Для цитирования: Вафин Р. Р., Михайлова И. Ю., Семипятный В. К., Харламова Л. Н., Гильманов Х. Х., Тюлькин С. В. Моделирование ДНК-технологии видовой идентификации растительного сырья для пивоварения // Пищевая промышленность. 2021. № 12. С. 78-81.
Original article
Modeling of DNA technology of species identification of plant raw materials for brewing
Ramil R. Vafin1, Irina Yu. Mikhaylova1, Vladislav K. Semipyatniy1, Larisa N. Kharlamova1, Khamid Kh. Gil'manov2, Sergey V. Tuyl'kin2
'All-Russian Scientific Research Institute of Brewing, Non-Alcoholic and Wine Industry - Branch of V. M. Gorbatov Federal Research Center for Food Systems of RAS, Moscow, vafin-ramil@mail.ru
2V. M. Gorbatov Federal Research Center for Food Systems of RAS, Moscow
Abstract. The development of molecular genetic technologies for evaluating brewing raw materials is relevant from the point of view of their introduction into the identification and traceability system in the context of expanding the evaluation criteria of quality management. The purpose of this work was to simulate the DNA technology of species identification of plant raw materials for brewing. Protocols for the extraction of nucleic acids, PCR and RFLP analysis with the corresponding reagent kits were selected, aimed at the practical reproduction of genetic testing of the prepared biomaterial. The results of alignment and restriction mapping of amplified nucleotide sequences of the chloroplast DNA locus of barley, wheat, rye, corn, rice and hops are presented. It was found that the presence of species-specific nucleotide substitutions and indels in the analyzed locus makes it possible to identify plant raw materials for brewing by direct sequencing of the PCR product. Subsequent aggregate analysis of the data in silico modeling of PCR-RFLP profiles for three restriction endonucleases confirmed the diagnostic value of the selected enzymes.
Keywords: cereals, species identification, chloroplast DNA, PCR, RFLP, sequencing
For citation: Vafin R. R., Mikhaylova I. Yu., Semipyatniy V. K., Kharlamova L. N., Gil'manov Kh. Kh, Tuyl'kin S. V. Modeling of DNA technology of species identification of plant raw materials for brewing // Food processing industry. 2021;(11):78-81 (In Russ.).
Автор, ответственный за переписку: Рамиль Ришадович Вафин, vafin-ramil@mail.ru Corresponding author: Ramil R. Vafin, vafin-ramil@mail.ru
© Вафин Р.Р., Михайлова И.Ю., Семипятный В.К., Харламова Л.Н., Гильманов Х.Х., Тюлькин С.В., 2021
Введение. Развитие ДНК-технологий оценки сырья для пивоваренной отрасли является перспективным направлением, востребованным к внедрению в систему идентификации и прослеживаемости этапов производства пива. Учитывая многообразие зерновых культур, используемых в качестве растительного сырья, их видовая идентификация молекулярно-генетическими методами позволит расширить оценочные критерии менеджмента качества [1-3].
Ячмень - традиционная злаковая культура в пивоварении, чье искусственно пророщенное зерно - солод - является основым пивным ингредиентом наряду с хмелем и дрожжами. Помимо ячменя также используются пшеница, рожь, кукуруза, рис и другие зерновые, как по отдельности, так и в смеси дробленых зернопродуктов, полученных от нескольких видов растений [4-6].
Нарушение технологии пивоварения, в частности рецептуры напитка на этапе подбора сырья, не соответствующего заявленным требованиям, является прецедентом в области мониторинга фальсифицированной и некачественной продукции. Систематический (внутренний и внешний) контроль качества несоложеного и соложеного сырья, а также других ингредиентов в конечном счете направлен на обоюдную защиту прав потребителей и производителей [7-9].
Цель исследования - моделирование ДНК-технологии видовой идентификации растительного сырья для пивоварения.
Объекты и методы исследований. Работа выполнена на базе Межотраслевого научно-технического центра мониторинга качества пищевых продуктов Всероссийского научно-исследовательсого института пивоваренной, безалкогольной и винодельческой промышленности - филиала Федерального научного центра пищевых систем им. В. М. Горбатова РАН.
Объекты исследований: растительное сырье для пивоваренной отрасли (ячмень, пшеница, рожь, кукуруза, рис, хмель обыкновенный), включая цельное зерно и пивоваренный солод, смесь дробленых зернопродуктов (затор, в том числе смешанный с водой и подвергнутый нагреванию), неохмелённое пивное сусло и дробина, охмелённое сусло неосветлен-ное и осветленное, а также нерастворимый остаток (брух).
Экстракция нуклеиновых кислот из пробоподготовленного биоматериала осуществляется коммерческим набором innuPREP Plant DNA Kit (Analytik Jena GmbH, Germany) по протоколу 2 согласно инструкции производителя.
Постановка ПЦР с образцами выделенной ДНК проводится коммерческим набором Phire Plant Direct PCR Master Mix (Thermo Fisher Scientific, USA), включающим необходимые компоненты реакционной смеси, в том числе контрольные праймеры #1 и #2 [10]. Последовательность олигонуклеотидных праймеров и режим термоциклирования представлены в таблице.
Соответствующие протоколы ПДРФ-анализа с подобранными эндонуклеазами
рестрикции (TaqI, BspACI, Bst2BI) производства СибЭнзим (Россия) и температурно-временными режимами инкубирования также приведены в табл. 1.
Электрофоретическая детекция ПЦР-ПДРФ-фрагментов на камере для горизонтального электрофореза SE2 (Хеликон, Россия) проводится в 2,5 %-ном агароз-ном геле с 1* TAE-буфером, окрашенным этидиум бромидом, с последующей визуализацией полученного результата в УФ-трансиллюминаторе (Vilber Lourmat, Франция).
Выравнивание и рестрикционное картирование амплифицируемых с праймера-ми #1 и #2 нуклеотидных последовательностей локуса хлоропластной ДНК ячменя, пшеницы, ржи, кукурузы, риса и хмеля осуществлены с применением онлайн-программ BLAST, ClustalW и NEBcutter V2.0. (рис. 1), с последующим моделированием соответствующих ПЦР-ПДРФ-профилей (рис. 2-4).
Результаты и их обсуждение. На первом этапе исследований проведен поиск нуклеотидных последовательностей локуса хлоропластной ДНК Hordeum vulgare, Triticum aestivum, Secale cereale, Zea mays, Oryza sativa и Humulus lupulus в биоинформационном ресурсе GenBank NCBI. Анализируемая ДНК-мишень фланкирована последовательностями контрольных праймеров #1 и #2, входящими в состав коммерческого набора Phire Plant Direct PCR Master Mix.
Последующая процедура выравнивания изучаемых консервативных фрагментов нуклеиновых кислот выявила их видо-специфичность, выраженную в присущих каждому виду растения полиморфных позициях (SNP/INDEL). Наличие видоспе-цифичных нуклеотидных замен и инделей
позволяет идентифицировать растительное сырье для пивоварения методом прямого секвенирования ПЦР-продукта (рис. 1).
На втором этапе исследования проведен поиск идентификационно-значимых эндонуклеаз рестрикций с подбором трех наиболее подходящих ферментов: TaqI, AciI (изошизомер BspACI), BssSI (изошизо-мер Bst2BI). Соответствующие результаты рестрикционного картирования и ПДРФ-профилирования также представлены на рис. 1.
Дальнейшее in silico моделирование пЦР-ПДРФ-профилей с подачей наглядной информации в графическом формате было направлено на повышение восприятия генерируемых данных. Полученные для каждой рестриктазы результаты отражены на соответствующих рисунках (рис. 2-4).
Моделирование TaqI-ПЦР-ПДРФ-профилей указывает на возможность идентификации ячменя (Hordeum vulgare) от других видов растений, также используемых в качестве сырья для пивоварения. Пшеница (Triticum aestivum) и рожь (Secale cereale) имеют схожий между собой ПДРФ-профиль, но отличный от остальных организмов. Taql-ПДРФ-профили кукурузы (Zea mays), риса (Oryza sativa) и хмеля (Humulus lupulus) визуально неотличимы друг от друга, но могут быть дифференцированы от Hordeum vulgare, Triticum aestivum и Secale cereale соответственно (рис. 2).
Моделирование AciI-ПЦР-ПДРФ-профилей позволяет идентифицировать Zea mays от остальных растений. Hordeum vulgare, Triticum aestivum и Secale cereale схожи между собой, но отличимы от других организмов. Oryza sativa и Humulus lupulus визуально неотличимы друг от
Протоколы ПЦР-ПДРФ-анализа
ПЦР
Реагенты Исходная концентрация Рабочая концентрация 1 проба (мкл) 10 проб (мкл)
H2O 19 190
2X Phire Plant Direct PCR Master Mix 2x 1x 25 250
Control primer mix (#1 + #2) 25 мкМ 0,5 мкМ 1 10
Проба ДНК 5
Нуклеотидные последовательности праймеров: Праймер #1: 5/-AGTTCGAGCCTGATTATCCC-3/ Праймер #2: 5/-GCATGCCGCCAGCGTTCATC-3/ Режим амплификации: x1:98 "С - 5 мин x40:98 "С - 5 сек, 62 "С - 5 сек, 72 "С - 20 сек. x1:72 "С 50 - 1 мин
ПДРФ
Реагенты Исходная концентрация Рабочая концентрация 1 проба (мкл) 10 проб (мкл)
dH2O 7,6 76
BSA 10 мг/мл 0,1 мг/мл 0,2 2
SE-буфер SE-буфер SE-буфер Y O Y 10x 1x 2 20
TaqI BspACI Bst2BI 20 U 5U 5U 4U 1U 1U 0,2 2
ПЦР-проба 10
ИТОГО: 20
инкубация 65 с з/ с 60 с в 1ечение з ч Электрофорез в 2,5 % агарозе
Taql
BP AGTTCGAGCC
HV 001 AGTTCGAGCC ТА 001 AGTTCGAGCC SC 001 AGTTCGAGCC ZM 001 AGTTCGÄGCC OS 001 AGTTCGAGCC HL 001 AGTTCGAGCC
BP Taql
HV 070 CGAACGAGAA ТА 070 CGAACGGGAA SC 070 CGAACGGGAA ZM 070 CGAACGGGAA OS 071 CGAACGGGAA
HL 069 CGAATGAGAA **** * * * *
BP
HV 140 AACTCCAGGC ТА 140 AACTCCAGGC SC 140 AACTCCAGGC 2M 140 AACTCCAGGC OS 141 AACTCCAGGC HL 139 AACTCCAGGC
BP
HV 209 GCTTTGTCTA ТА 209 GCTTTGTCTA SC 209 GgTTTGTCTA ZM 209 GCTTTGTCTA OS 210 GCTTTGTCTA HL 206 GCTTTGTCTA
Прайнер #1 TGATTATCCC
TGATTATCCC TGATTATCCC TGATTATCCC TGATTATCCC TGATTATCCC TGATTATCCC
TGGATAAGAG TGGATAAGAG TGGATAAGAG TGGATAAGAG TGGATAAGAG TGGATAAGAG
taataatctg taataatctg taataatctg taataatctg taataatctg gaata---tg
TAAACCCAAT TAAACCCAAT TAAACCCAAT TAAACCTAAT TAAACCCAAT TAAACCCAAT
BssSl
GCTTGTGGGA GCTTGTGGGA GCTTGTGGGA GCTTGTGGGA GCTTGTGGGA GCTCGTGGGA
AAGCGCATGG AAGCGCATGG AAGCGCATGG AAGCGCATGG AAGCGCATGG AAGCGCATGG
GTGAGTTTTT GTGAGTTTTT GTGAGTTTTT GTGAGTTTTT GTGAGTTTTT GTGAGTTTTT
ttgacgtgat ttgacgtgat ttgacgtgat ttgacgtgat ttgacgtgat ttgacgtgag
atacaagtta atacaagtta atacaagtta atacaagtta atacaagtta atacaagtta
TCTATTTTGA TCTATTTTGA TCTATTTTGA TCTATTTTGA TCTATTTTGA -CTATTTTTA
AGGGTAGGGT AGGGTAGGGT AGGGTAGGGT AGGGTAGGGT AGGGTAGGGT GGGGTAGGGA
T-CCTTGGAA T-CCTTGGAA T-CCTTGGAA T-CCTTGGAA T-CCTTGGAA TGCCTTGGAA
Aeil PssSl
CTTACTCCCC C-GCCACGAG
CTTACTCCCC C-GCCACGAG
CTTACTCCCC C-GCCACGAG
CTTACTCCCC C-ACCACGAT CTTACTCCCC CCGCCACGAT CTTGCTCCCC C-GCCGTGAT
TGGCTATACT TGGCTATACT TGGCTATACT TGGCTATACT TGGCTATACT TGGCTATATT
ggaaagacaa ggaaagacaa ggaaagacaa ggaaagacaa ggaaagacaa tgaaagacaa
GCTGGTGGCG GCTGGTGGCG GCTGGTGGCG GCTGGTGGCG GCTGGTGGCG TCTGGGAGCG
* * * ft * t A
Acil
TTCCGAATCT TTCCGAATCT TTCCGAATCT TTCCGAATCC TTCCGAATCC TTCCGAATCC
cgaataagga cgaataagga cgaataagga cgaataagga cgaataagga cgaacaagga
Прайнар #2 Acil
agctataagt agctataagt agctataagt agctataagt agctataagt agctatacgt
ПЦР-
TaqI
AATGCAACTA TGAATCTCAT GGAGAGTTTG ATCCTGGCTC AATGCAACTA TGAATCTCAT GGAGAGTTCG ATCCTGGCTC AATGCAACTA TGAATCTCAT GGAGAGTTCG ATCCTGGCTC AATGCAACTA TGAATCTCAT GGAGAGTTCG ATCCTGGCTC AATGCAACTA TGAATCTCAT GGAGAGTTCG ATCCTGGCTC AATGCAACTA TGAATCTCAT GGAGAGTTCG ATCCTGGCTC
BP GATGAACG CTGGCGGCAT GC продукт
HV 279 AGGATGAACG CTGGCGGCAT GC 300 bp
ТА 279 AGGATGAACG CTGGCGGCAT GC 300 bp
SC 279 AGGATGAACG CTGGCGGCAT GC зоо ьр
ZM 279 AGGATGAACG CTGGCGGCAT GC зоо ьр
OS 280 AGGATGAACG CTGGCGGCAT GC 301 bp
HL 276 AGGATGAACG CTGGCGGCAT GC 297 bp
GenBanfc A/H
KH171392 MG958556 ¡«636136 MK348606 KT239404 MGS73060
Виды растений (BP)
Horüeum vulgare (HV) Triticum aestivuia (ТА) Secale cereale (SO Zea mays (KM) Oryza sativa (OS) Humuius iupuius (HL)
BP Га^Е-рестрикционное картирование Taql-ПЦР-ПДРФ-профиль
HV 1-4/5-300 296/4 Ьр
ТА 1-1/5-266/267-300 262/34/4 bp
SC 1-4/5-266/267-300 262/34/4 bp
7.'A 1-4/5-69/70-266/267-300 197/65/34/4 bp
PS 1-4/5-70/71-267/260-301 197/66/34/4 bp
HL 1-1/5-63/69-263/264-297 195/64/34/4 bp
BP Acil-рестрикционное картирование AciI-ПЦР-ПДРФ-профиль
HV 1-60/61-292/293-300 232/60/8 bp
ТА 1-60/61-292/293-300 232/60/0 bp
SC 1-60/61-292/293-300 232/60/8 bp
ZK 1-207/208-292/293-300 207/85/8 bp
OS 1-61/62-203/209-293/294-301 147/35/61/8 bp
HL 1-59/60-204/205-289/290-297 145/85/59/8 bp
BP BssSI-рестрикционное картирование BssSl-ПЦР-ПДРФ-про филъ
HV 1-64/65-300 236/64 bp
ТА 1-64/65-300 236/64 bp
SC 1-64/65-300 236/64 bp
ZM 1-300 300 bp
OS 1-301 301 bp
HL 1-90/91-297 207/90 bp
Рис. 1. Выравнивание и рестрикционное картирование амплифицируемых с праймерами #1 и #2 нуклеотидных последовательностей локуса хлоропластной ДНК ячменя, пшеницы, ржи, кукурузы, риса и хмеля
Рис. 2. Моделирование TaqI-ПЦР-ПДРФ-профилей
Обозначения: 1) ПЦР-профиль Hordeum vulgare (300 bp).
2-7) ПДРФ-профили: 2) Hordeum vulgare (296/4 bp); 3) Triticum aestivum (262/34/4 bp); 4) Secale cereale (262/34/4 bp); 5) Zea mays (197/65/34/4 bp);
6) Oryza sativa (197/65/34/4 bp);
7) Humulus lupulus (195/64/34/4 bp)
Рис. 3. Моделирование AciI-ПЦР-ПДРФ-профилей
Обозначения: 1) ПЦР-профиль Hordeum vulgare (300 bp). 2-7) ПДРФ-профили: 2) Hordeum vulgare (232/60/8 bp); 3) Triticum aestivum (232/60/8 bp); 4) Secale cereale (232/60/8 bp); 5) Zea mays (207/85/8 bp);
6) Oryza sativa (147/85/61/8 bp);
7) Humulus lupulus (145/85/59/8 bp)
Рис. 4. Моделирование BssSI-ПЦР-ПДРФ-профилей
Обозначения: 1) ПЦР-профиль Hordeum vulgare (300 bp).
2-7) ПДРФ-профили:
2) Hordeum vulgare (236/64 bp); 3) Triticum aestivum (236/64 bp); 4) Secale cereale (236/64 bp); 5) Zea mays (300 bp); 6) Oryza sativa (301 bp); 7) Humulus lupulus (207/90 bp)
друга, но дифференцируемы от Hordeum vulgare, Triticum aestivum, Secale cereale и Zea mays соответственно (рис. 3).
Моделирование BssSI-ПЦР-ПДРФ-профилей показывает способность к идентификации Humulus lupulus от других объектов. При этом профили Hordeum vulgare, Triticum aestivum и Secale cereale неразличимы между собой, но отличимы от Zea mays, Oryza sativa и Humulus lupulus. А визуально неотличимые друг от друга Zea mays и Oryza sativa могут быть дифференцированы от остальных видов растений (рис. 4).
Совокупный анализ данных по трем эндонуклеазам рестрикции подтверждает диагностическую ценность подобранных
ферментов. Однако они не способны дифференцировать Triticum aestivum от Secale cereale, а также идентифицировать Oryza sativa при одновременным присутствии в исследуемых образцах Zea mays и Humulus lupulus.
Конструирование видоспецифичных праймеров для идентификации ржи и риса позволит разрешить обозначенную выше проблему, учитывая наличие иден-тификабельных полиморфных позиций у Secale cereale (тимин в позиции 210 н. в статусе SNP) и Oryza sativa (цитозин в позиции 61 н. в статусе INDEL, а именно инсерции).
Кипячение сусла и его брожение - этапы пивоварения, негативно влияющие на
анализируемую ДНК, экстрагируемую из компонентов растительного сырья. Про-слеживаемость сырья для пивоварения на ранних его этапах вполне может быть обеспечена предложенной технологией ПЦР-ПДРФ-анализа и секвенирования. При
анализе же образцов сусла, подвергнутых кипячению, прогнозируемо падает чувствительность генетического теста из-за температурной деградации нуклеиновых кислот. А при последующем брожении сусла, помимо потери чувствительности теста из-за ферментативной деградации ДНК нуклеазами дрожжей, теряется и специфичность ПЦР из-за чрезмерного превалирования наследственного материала микробиома в анализируемых образцах. Все это в конечном счете негативно сказывается на интерпретации получаемых результатов молекулярно-генетических исследований [11, 12].
Заключение. Смоделированная технология видовой идентификации растительного сырья для пивоварения базируется на детекции и интерпретации идентифи-кабельных полиморфных позиций (SNP/ INDEL) локуса хлоропластной ДНК методами прямого секвенирования амплифици-руемого ПЦР-продукта и/или ПЦР-ПДРФ-анализа с подобранными эндонуклеазами рестрикции. Теоретическая значимость исследования направлена на практическую реализацию предложенной технологии в систему менеджмента качества сырья в контексте идентификации и прослеживаемости начальных этапов производства пива -от подработки солода, затирания сусла до фильтрации затора включительно -на основе разрабатываемых стандартов для пивоваренной промышленности.
Список источников
1. Lazareva E. G., Gilmanov Kh. Kh., Bigaeva A. V., Tuylkin S. V., Vafin R. R. Potential for the application of DNA technologies in the brewing industry. Food systems. 2021. Vol. 4. No. 1. P. 19-25. DOI: https://doi.org/10.21323/2618-9771-2021-4-1-19-25.
2. Oganesyants L., Vafin R., Galstyan A., Ryabova A., Khurshudyan S., Semipyatniy V. DNA authentication of brewery products: basic principles and methodological approaches. Foods and Raw materials. 2019. Vol. 7. No. 2. P. 364-374. DOI: https://doi.org/10.21603/ 2308-4057-2019-2-364-374.
3. Nakamura S., Tsushima R., Ohtsubo K. A novel method for the preparation of template DNA for PCR from beer to detect materials and to develop DNA markers to evaluate the quality of beer. Bioscience, Biotechnology, and Biochemistry. 2013. Vol. 77. No. 4. P. 820-831. DOI: https://doi.org/10.1271/bbb.120969.
4. Dabija A., Ciocan M. E., Chetrariu A., Codina G. G. Maize and Sorghum as Raw Materials for Brewing, a Review. Applied Sciences. 2021. Vol. 11. No. 7. P. 31-39. DOI: https://doi. org/10.3390/app11073139.
5. Rani H., Bhardwaj R. D. Quality attributes for barley malt: «The backbone of beer». Journal of Food Science. 2021. No. 86. P. 33223340. DOI: https://doi.org/10.1111/1750-3841.15858.
6. Tyan A., Bayazitova M. M. Selection of the mashing mode in the preparation of beer wort by using the wheat malt. News of the National Academy of Sciences of the Republic of Kazakhstan. Series Chemistry and Technology. 2021. Vol. 3. No. 447. P. 94-98. DOI: https:// doi.org/10.32014/2021.2518-1491.57.
7. Anderson H. E., Santos I. C., Hildenbrand Z. L., Schug K. A. A review of the analytical methods used for beer ingredient and finished product analysis and quality control. Analytica Chimica Acta. 2019. No. 1085. P. 1-20. DOI: https:// doi.org/10.1016/j.aca.2019.07.061.
8. da Costa N. L., da Costa M. S., Barbosa R. A Review on the Application of Chemometrics and Machine Learning Algorithms to Evaluate Beer Authentication. Food Analytical Methods. 2021. No. 14. P. 136-155. DOI: https://doi. org/10.1007/s12161-020-01864-7.
9. Oganesyants L. A., Khurshudyan S. A., Galstyan A. G. Food quality monitoring as the basic strategic element. Production Quality Control. 2018. No. 4. P. 56-59.
10. Kuzniar A., Wlodarczyk K., Grz^dziel J., Wozniak M., Furtak K., Gal^zka A., Dziadczyk E., Skörzynska-Polit E., Wolinska A. New Insight into the Composition of Wheat Seed Microbiota. International Journal of Molecular Sciences. 2020. No. 21. P. 4634. DOI: https://doi. org/10.3390/ijms21134634.
11. Hotzel H., Müller W., Sachse K. Recovery and characterization of residual DNA from beer as aprerequisite for the detection of genetically modified ingredients. European Food Research and Technology. 1999. No. 209. P. 192-196. DOI: https://doi.org/10.1007/ s002170050478.
12. Juvonen R., Haikara A. Amplification facilitators and pre-processing methods for PCR detection of strictly anaerobic beer-spoilage bacteria of the class clostridia in brewery samples. Journal of the Institute of Brewing. 2009. Vol. 115. No. 3. P. 167-176. DOI: https:// doi.org/10.1002/j.2050-0416.2009.tb00365.x.
References
1. Lazareva E. G., Gilmanov Kh. Kh., Bigaeva A. V., Tuylkin S. V., Vafin R. R. Potential for the application of DNA technologies in the brewing industry. Food systems. 2021;4(1):19-25. DOI: https://doi.org/10.21323/2618-9771-2021-4-1-19-25. (in Russ).
2. Oganesyants L., Vafin R., Galstyan A., Ryabova A., Khurshudyan S., Semipyatniy V. DNA authentication of brewery products: basic principles and methodological approaches. Foods and Raw materials. 2019;7(2):364-374.
DOI: https://doi.org/10.21603/2308-4057-2019-2-364-374.
3. Nakamura S., Tsushima R., Ohtsubo K. A novel method for the preparation of template DNA for PCR from beer to detect materials and to develop DNA markers to evaluate the quality of beer. Bioscience, Biotechnology, and Biochemistry. 2013;77(4):820-831. DOI: https:// doi.org/10.1271/bbb.120969.
4. Dabija A., Ciocan M. E., Chetrariu A., Codinä G. G. Maize and Sorghum as Raw Materials for Brewing, a Review. Applied Sciences. 2021;11(7):3139. DOI: https://doi. org/10.3390/app11073139.
5. Rani H., Bhardwaj R. D. Quality attributes for barley malt: «The backbone of beer». Journal of Food Science. 2021;86:3322-3340. DOI: https://doi.org/10.1111/1750-3841.15858.
6. Tyan A., Bayazitova M. M. Selection of the mashing mode in the preparation of beer wort by using the wheat malt. News of the National Academy of Sciences of the Republic of Kazakhstan. Series Chemistry and Technology. 2021;3(447):94-98. DOI: https://doi. org/10.32014/2021.2518-1491.57.
7. Anderson H. E., Santos I. C., Hildenbrand Z. L., Schug K. A. A review of the analytical methods used for beer ingredient and finished product analysis and quality control. Analytica Chimica Acta. 2019;1085:1-20. DOI: https://doi. org/10.1016/j.aca.2019.07.061.
8. da Costa N. L., da Costa M. S., Barbosa R. A Review on the Application of Chemometrics and Machine Learning Algorithms to Evaluate Beer Authentication. Food Analytical Methods. 2021;14:136-155. DOI: https://doi. org/10.1007/s12161-020-01864-7.
9. Oganesyants L. A., Khurshudyan S. A., Galstyan A. G. Food quality monitoring as the basic strategic element. Production Quality Control. 2018;4:56-59.
10. Kuzniar A., Wlodarczyk K., Grz^dziel J., Wozniak M., Furtak K., Gal^zka A., Dziadczyk E., Skörzynska-Polit E., Wolinska A. New Insight into the Composition of Wheat Seed Micro-biota. International Journal of Molecular Sciences. 2020;21:4634. DOI: https://doi. org/10.3390/ijms21134634.
11. Hotzel H., Müller W., Sachse K. Recovery and characterization of residual DNA from beer as aprerequisite for the detection of genetically modified ingredients. European Food Research and Technology. 1999;209:192-196. DOI: https://doi.org/10.1007/s002170050478.
12. Juvonen R., Haikara A. Amplification facilitators and pre-processing methods for PCR detection of strictly anaerobic beer-spoilage bacteria of the class clostridia in brewery samples. Journal of the Institute of Brewing. 2009;115(3):167-176. DOI: https://doi.org/10.10027j.2050-0416.2009. tb00365.x.
Информация об авторах
Вафин Рамиль Ришадович, д-р биол. наук, Михайлова Ирина Юрьевна,
Семипятный Владислав Константинович, канд. техн. наук, Харламова Лариса Николаевна, канд. техн. наук
ВНИИ пивоваренной, безалкогольной и винодельческой промышленности - филиал ФНЦ пищевых систем им. В.М. Горбатова РАН, 119021, Москва, ул. Россолимо, д. 7, vafin-rami1@mai1.ru Гильманов Хамид Халимович, канд. биол. наук, Тюлькин Сергей Владимирович, д-р биол. наук ФНЦ пищевых систем им. В.М. Горбатова РАН, 109316, Москва, ул. Талалихина, д. 26
Information about the authors
Ramil R. Vafin, Doctor of Biological Sciences, Irina Yu. Mikhaylova,
Vladislav K. Semipyatniy, Candidate of Technical Sciences,
Larisa N. Kharlamova, Candidate of Technical Sciences
All-Russian Scientific Research Institute of Brewing, Non-Alcoholic and
Wine Industry - Branch of V. M. Gorbatov Federal Research Center for
Food Systems of RAS, 7, Rossolimo str., Moscow, 119021,
vafin-ramil@mail.ru
Khamid Kh. Gil'manov, Candidate of Biological Sciences, Sergey V. Tuyl'kin, Doctor of Biological Sciences
V. M. Gorbatov Federal Research Center for Food Systems of RAS, 26, Talalikhina str., Moscow, 109316
Статья поступила в редакцию 20.09.2021; принята к публикации 18.11.2021. The article was submitted 20.09.2021; accepted for publication 18.11.2021.
