Resumo: Na presente tese, descreve-se a otimização de um método HS-SPME-GC×GC-MS para analisar impressões digitais voláteis em cervejas Lager, utilizando PCA para insights sobre a relação composição/amostra e correlação entre análise sensorial e perfil de compostos orgânicos voláteis por iPLS-DA. A otimização do procedimento de extração das amostras foi conduzida utilizando planejamento Doehlert. O preparo consistiu inicialmente por um procedimento de descarbonatação por congelamento instantâneo e degelo, desenvolvido para minimizar a perda de compostos voláteis e eliminar efetivamente o CO2. A condições de modulação criogênica no GC×GC foram otimizadas por meio da análise do somatório total de picos nas regiões com identificação de compostos mais retidos dos cromatogramas. Os resultados da otimização multivariada do procedimento de extração, em que as respostas avaliadas estavam relacionadas ao somatório total de picos, indicaram que a eficiência da extração foi máxima com Vam = 8,00 mL, Text = 40 °C e text = 30 min. Sob as condições de extração otimizadas, foi possível identificar aproximadamente 240 a 270 picos cromatográficos na fração volátil das amostras de cerveja. A análise por meio de PCA proporcionou insights valiosos sobre a composição e a qualidade das diferentes amostras. Embora os dois principais componentes selecionados tenham explicado apenas 31,83% da variação total do modelo, essa análise exploratória foi fundamental para verificar a veracidade das informações contidas nos rótulos das cervejas. Para a avaliação das características sensoriais: aroma e sabor do Lúpulo, amargor e sabor do grão, forma obtidas por ADQ, na qual cada painelista atribuiu valores em uma escala hedônica de 0 a 9 para cada parâmetro realizada por meio de painéis sensoriais. Embora os painéis sensoriais sejam insubstituíveis como avaliação primária para o sabor e aroma dos alimentos, ferramentas analíticas, como a cromatografia gasosa bidimensional abrangente (GC×GC), podem fornecer uma alternativa valiosa para uma qualificação mais rápida das características sensoriais das amostras. Neste estudo, são apresentados resultados sobre o uso de análises multivariadas que correlacionam propriedades sensoriais de cervejas Lager comerciais, como sabor de lúpulo, amargor e sabor de cevada com o perfil de compostos voláteis obtidos por GC×GC. Essa correlação pode oferecer uma alternativa valiosa, permitindo uma rápida avaliação dos parâmetros sensoriais das amostras. A correlação entre os dados cromatográficos e as características sensoriais foi realizada usando iPLS-DA e permitiu identificar potenciais marcadores que podem diferenciar as intensidades dos atributos sensoriais presentes nas amostras. Os terpenos, como Mirceno, Humuleno, ?-Calacorene e Guaiene, foram os mais influentes na diferenciação entre forte e fraco nos atributos de sabor e aroma de lúpulo. Para o amargor, compostos das classes de álcoois superiores, terpenos e ésteres foram relevantes, enquanto para o sabor do grão, influenciado pela fermentação, destacaram-se regiões com predominância de ésteres. Os resultados revelaram a viabilidade de empregar dados de GC×GC para classificar amostras de cerveja com base em atributos sensoriais específicos, distinguindo-as como "altas" ou "baixas" em determinado atributo sensorial. Uma investigação mais detalhada possibilitou a identificação de compostos voláteis associados a cada atributo sensorial, os quais podem atuar como potenciais marcadores. Para o sabor e aroma do lúpulo, bem como para os contribuintes da intensidade do amargor, foram identificados como potenciais marcadores o Mirceno, o Humuleno e o ?-Calacorene Guaiene. Quanto aos potenciais marcadores relacionados ao sabor proveniente dos grãos e da levedura, foram observados o ácido éster 2-feniletílico acético, o acetato de vanilila e o hexadecanoato de etila. Esses achados ressaltam que a combinação de HS-SPME com GC×GC-MS pode representar uma ferramenta robusta para obter informações qualitativas e quantitativas sobre a composição de cervejas, constituindo uma abordagem eficaz na análise sensorial Ver menos

Abstract: In this thesis, the optimization of an HS-SPME-GC×GC-MS method for analyzing volatile fingerprints in Lager beers is described, utilizing PCA for insights into the composition/sample relationship and correlation between sensory analysis and volatile organic compound profile by iPLS-DA. Optimization of the sample extraction procedure was conducted using Doehlert design. The preparation initially involved a procedure of instant freezing and thawing decarbonation, developed to minimize the loss of volatile compounds and effectively eliminate CO2. Cryogenic modulation conditions in GC×GC were optimized through analysis of the total peak sum in regions with identification of compounds more retained in the chromatograms. Multivariate optimization results of the extraction procedure, where the evaluated responses were related to the total peak sum, indicated that the extraction efficiency was maximum with Vam = 8.00 mL, Text = 40 °C, and text = 30 min. Under the optimized extraction conditions, approximately 240 to 270 chromatographic peaks were identified in the volatile fraction of beer samples. PCA analysis provided valuable insights into the composition and quality of different samples. Although the two main selected components explained only 31.83% of the total model variation, this exploratory analysis was crucial to verify the accuracy of the information contained on beer labels. For sensory characteristics evaluation: hop aroma and flavor, bitterness, and grain flavor were obtained through ADQ, in which each panelist assigned values on a hedonic scale from 0 to 9 for each parameter via sensory panels. Although sensory panels are irreplaceable as primary evaluation for food taste and aroma, analytical tools such as comprehensive two-dimensional gas chromatography (GC×GC) can provide a valuable alternative for a quicker qualification of sample sensory characteristics. This study presents results on the use of multivariate analyses correlating sensory properties of commercial lager beers, such as hop flavor, bitterness, and barley flavor, with the profile of volatile compounds obtained by GC×GC. This correlation can offer a valuable alternative, allowing for a rapid assessment of sample sensory parameters. The correlation between chromatographic data and sensory characteristics was performed using iPLS-DA and allowed the identification of potential markers that can differentiate the intensities of sensory attributes present in the samples. Terpenes such as Mircene, Humulene, ?-Calacorene, and Guaiene were the most influential in differentiating between strong and weak attributes of hop flavor and aroma. For bitterness, compounds from the classes of higher alcohols, terpenes, and esters were relevant, while for grain flavor, influenced by fermentation, regions with a predominance of esters were highlighted. The results revealed the feasibility of employing GC×GC data to classify beer samples based on specific sensory attributes, distinguishing them as "high" or "low" in certain sensory attributes. A more detailed investigation enabled the identification of volatile compounds associated with each sensory attribute, which can act as potential markers. For hop flavor and aroma, as well as contributors to bitterness intensity, Mircene, Humulene, and ?-Calacorene Guaiene were identified as potential markers. Regarding potential markers related to grain and yeast-derived flavor, 2-phenylethyl acetic acid, vanillin acetate, and ethyl hexadecanoate were observed. These findings emphasize that the combination of HS-SPME with GC×GC-MS can be a robust tool to obtain qualitative and quantitative information about the composition of beers, representing an effective approach in sensory analysis Ver menos