Application of artificial neural networks to determine the authentication of fattening diets of Iberian pigs according to their triacylglycerol profiles

The triacylglycerols in the subcutaneous fat from Iberian pigs reared on four different feeding types, Montanera, Recebo, extensive Cebo and intensive Cebo, have been determined by gas chromatography with a flame ionization detector. Analyses were performed in a column coated with a bonded stationary phase (50% phenyl-50% methylpolysiloxane) with hydrogen as the carrier gas. Lipids were extracted by melting the subcutaneous fat in a microwave oven and then filtering and dissolving it in hexane. A total amount of 2783 samples from several campaigns were considered. Using the triacylglycerols as chemical descriptors, a study on the discriminating power to differentiate samples according to the pig feeding type and system was performed. With this aim, pattern recognition techniques, such as linear discriminant analysis (LDA) and multilayer perceptron artificial neural networks (MLPANN), have been used. ANN performed better than LDA, with a mean prediction ability of approximately 97% in the differentiation of fattening diets such as Montanera, extensive Cebo and intensive Cebo. In the case of including the recebo fattening diet, the model presents a mean performance of 82%. The differentiation of fattening systems has also been achieved by means of ANN, with a mean performance of 96%. Se ha determinado mediante cromatografía de gases con detector de ionización de llama los triglicéridos de la grasa subcutánea de cerdos ibéricos, cebados con cuatro tipos de alimentación: montanera, recebo, cebo extensivo y cebo intensivo. Los análisis se realizaron en una columna con una fase estacionaria ligada químicamente (50% fenil-50% metilpolisiloxano) usando hidrógeno como gas portador. La grasa subcutánea se extrajo por fusión en horno de microondas, posteriormente se filtró y se disolvió en hexano. Un total de 2.783 muestras de varias campa as fueron analizadas. Usando los triglicéridos como descriptores químicos se ha llevado a cabo un estudio sobre la capacidad de discriminación de éstos para diferenciar el tipo y régimen de alimentación de los cerdos. A tal fin, se han empleado técnicas de reconocimiento de patrones, tales como análisis discriminante lineal (LDA) y redes neuronales artificiales de perceptores multicapa (ANN-MLP). Las ANN presentan mejores resultados que el LDA, con una capacidad de predicción media de aproximadamente 97% en la diferenciación del tipo de alimentación entre Montanera, Cebo extensivo y Cebo intensivo. Al incluir el recebo, el modelo presenta un rendimiento promedio de 82%. La diferenciación del régimen de cebado también se ha lleva