Comment déterminer par une approche innovante et rapide des indicateurs prédictifs de la valeur nutritionnelle de la viande bovine ?

How to determine by an innovative and fast approach predictive indicators of the beef nutritional quality?

• Auteur / Autrice : Benoît-Pierre Mourot
• Direction : Dominique Gruffat, Denys Durand
• Type : Thèse de doctorat
• Discipline(s) : Nutrition et Sciences des Aliments
• Date : Soutenance le 06/03/2015
• Etablissement(s) : Clermont-Ferrand 2
• Ecole(s) doctorale(s) : École doctorale des sciences de la vie, santé, agronomie, environnement (Clermont-Ferrand)
• Partenaire(s) de recherche : Equipe de recherche : Unité Mixte de Recherche sur les Herbivores (Clermont-Ferrand, Puy-de-Dôme ; 1999-....)
• Partenaire(s) de recherche : Laboratoire : Unité mixte de recherche sur les herbivores / UMRH
• Jury : Président / Présidente : Yves Chilliard
• Jury : Examinateurs / Examinatrices : Dominique Gruffat, Denys Durand, André Lebert, Christophe Denoyelle, Pierre Weill
• Jury : Rapporteurs / Rapporteuses : Philippe Schmidely, Elisabeth Baéza
• DOI : 10.70675/1629b559z9431z4650za3f6z458ed265effa

Mots clés

Mots clés contrôlés

Bovins de boucherie

Qualité

Boeuf (viande)

Teneur en acides gras

Spectroscopie infrarouge proche

Mots clés libres

Bovin

Acide gras

Viande

Spectroscopie dans le proche infrarouge

Régression linéaire multiple

Cattle

Fatty acid

Meat

Spectroscopy in the near infrared

Multiple linear regression

Résumé

Dans un contexte où la consommation de viande bovine est en constante diminution, en partie à cause de sa composition lipidique, il apparaît important pour l'ensemble de la filière de pouvoir communiquer sur l’intérêt nutritionnel de cette viande et plus particulièrement sur sa composition en acides gras (AG). Pour que cette communication soit « efficiente » à tous les niveaux de la filière, il faut disposer de moyens analytiques fiables mais aussi faciles de mise en œuvre et de surcroît peu coûteux. La méthode analytique que nous avons choisi de tester est la spectrométrie proche infrarouge (SPIR) qui présente l’avantage d’être peu coûteuse, peu invasive et qui pourrait ainsi être utilisée à grande échelle et en routine en abattoir. Nous avons montré que la SPIR est performante pour déterminer les teneurs en AG saturés (AGS) et monoinsaturés (AGMI) (R2>0,9). Dans les meilleures conditions pour la prédiction des AGPI (échantillons comportant des teneurs élevées en AGPI et/ou une grande variabilité), les performances de prédiction restent encore insuffisantes (R2 <0,75). Pour pallier cette faiblesse de la SPIR, des équations de prédiction indirectes des AGPI ont été mises en place à partir des teneurs en AGS et AGMI, teneurs correctement déterminées par SPIR, et les informations disponibles en abattoir. Ces équations élaborées par régression linéaire multiple ont permis de prédire correctement les AGPI totaux et les AGPI n-6 (R2 >0,8). Elles restent perfectibles pour la détermination des AGPI n-3 totaux (R2=0,64) mais surtout pour le 18:3 n-3, le 20:5 n-3 et le 22:6 n-3 (R2 <0,55). L’objectif final de ce travail étant d'utiliser les équations en complément des mesures réalisées par SPIR à des fins industrielles afin de déterminer rapidement la composition en AG de la viande bovine, des études complémentaires seront nécessaires pour tester l'ensemble de notre démarche associant SPIR et équations de prédiction.

In a context where the consumption of beef is declining in part because of its lipid composition, an opportunity to revive the beef industry is to communicate with consumers on nutritional quality of beef, especially its fatty acids (FA) composition. To ensure this communication is “efficient” at all levels of the industry, we must have reliable analytical resources but also easy to implement and also inexpensive. The analytical method proposed for determining the beef FA composition is the near-infrared spectroscopy (NIRS) which is inexpensive, minimally invasive and could thus be widely used in routine in slaughterhouse. We showed that NIRS was effective to determine the concentrations of saturated (SFA) and monounsaturated (MUFA) FA (R2> 0.9). Under the best conditions for the prediction of PUFA (samples containing high levels of PUFA and / or with a high variability), PUFA predictions were still not enough (R2 <0.75). So, to overcome this weakness of NIRS, indirect prediction equations of PUFA were performed from the SFA and MUFA contents correctly determined by NIRS and information available in slaughterhouses. These equations, developed by multiple linear regression, were used to correctly predict total and n-6 PUFA (R2> 0.8). These equations are still to be improved for the determination of the total n-3 PUFA (R2 = 0.64) and of the 18:3 n-3, the 20:5 n-3 and the 22:6 n-3 (R2 <0.55). Given that the ultimate aim of this research is to use the equations as a complementary tool in tandem with NIRS measurements to serve industry as a way to rapidly determine the FA content of beef, further studies will be needed to trial and test our novel coupled NIRS–prediction equations approach.