Orientadores: Juliana Azevedo Lima Pallone, Ronei Jesus Poppi

Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia de Alimentos

Resumo: A avaliação da qualidade nutricional de alimentos é realizada principalmente por meio da determinação dos componentes majoritários, conhecida como composição centesimal (umidade, proteína, cinza, lipídio, carboidrato e fibra). No entanto, os métodos tradicionais de análise são demorados e...

Resumo: A avaliação da qualidade nutricional de alimentos é realizada principalmente por meio da determinação dos componentes majoritários, conhecida como composição centesimal (umidade, proteína, cinza, lipídio, carboidrato e fibra). No entanto, os métodos tradicionais de análise são demorados e utilizam materiais, equipamentos e diversos reagentes químicos, que além de oferecerem risco ao analista, geram resíduos tóxicos. Diante disto, uma alternativa para a análise química de grãos, rápida, de baixo custo e sem uso de reagentes químicos é a espectroscopia na região do infravermelho. Visando atender a demanda do Brasil por pesquisas empregando espectroscopia no infravermelho para análise de alimentos, o objetivo desse trabalho foi avaliar a possibilidade de utilização das técnicas espectroscopia no infravermelho próximo (NIR), principalmente, e médio MIR, associadas à quimiometria, para previsão de parâmetros de qualidade da soja brasileira e quinoa da América do Sul. Para comparar a aplicação de NIR e MIR, amostras de soja provenientes do Paraná foram analisadas pelas duas técnicas para previsão da composição centesimal. Os erros relativos (E%) entre os valores de referência e os valores previstos pelos modelos de calibração PLS, foram pequenos tanto para o NIR como para o MIR, no entanto, os resultados sugerem o uso de NIR para previsão de lipídios (0,2 a 9,2%) e o uso de MIR para proteínas (0,2 a 5,6%), cinzas (0 a 5,0%) e umidade (0,1 a 2,0%). Posteriormente, foram construídos modelos de calibração PLS com NIR para previsão dos parâmetros de qualidade em soja moída e para a quinoa, grão inteiro e moído. Os melhores modelos de calibração para soja encontrados neste estudo foram para o conteúdo de proteína e umidade, com melhores coeficientes de determinação e raiz quadrada do erro médio quadrático de calibração (R2= 0,81, RMSEC = 0,58% e R2 = 0,80, RMSEC = 0,28%, respectivamente), contudo, a técnica mostrou capacidade adequada de predição para todos os parâmetros, incluindo lipídios, cinzas, carboidratos e fibras. Para amostras de quinoa, os espectros NIR foram inicialmente submetidos a uma análise de componentes principais (PCA) para tentar separá-las em grupos, de acordo com a origem geográfica destes grãos, os quais eram provenientes do Brasil, Bolívia e Peru. Duas componentes principais explicaram 98,2% do total da variância e três grupos foram observados na separação por PCA de acordo com o país de origem. A técnica de calibração por PLS produziu modelos adequados, que permitiu a quantificação da composição majoritária tanto para o grão inteiro como farinha de quinoa, mostrando boa correlação entre o valor previsto e o valor real, com R2 > 0,65 e RMSEC< 1,70%. Portanto, este estudo demonstra que a técnica de NIR é potencialmente útil como um método analítico não destrutivo para determinações rápidas e simples de constituintes alimentares, além de não necessitar nenhum tipo de preparo de amostra, já que os espectros dos grãos inteiros de quinoa forneceram bons resultados para previsão dos parâmetros estudados

Abstract: Evaluation of nutritional quality of food has been mainly performed by determination of major compounds, which is known as centesimal composition (moisture, protein, ash, lipid, carbohydrate and fiber). However, the traditional methods of analysis are time-consuming, use many materials and...

Abstract: Evaluation of nutritional quality of food has been mainly performed by determination of major compounds, which is known as centesimal composition (moisture, protein, ash, lipid, carbohydrate and fiber). However, the traditional methods of analysis are time-consuming, use many materials and equipment, and also toxic reagents, that generate waste and are a risk for the analyst. Thus, infrared spectroscopy is an alternative to chemical analysis of grains, as it is a rapid, low cost technique and it does not use toxic reagents. In coming years, Brazilian researches using infrared for food analysis should increase, thus the objective of this work was to evaluate the possibility of application mainly of near-infrared (NIR) and mid-infrared (MIR) spectroscopy techniques coupled with chemometrics to predict quality parameters in Brazilian soybean and South America quinoa. In order to compare NIR and MIR techniques, the soybean group from Paraná (Brazil) was analyzed using both techniques to predict centesimal composition. The related errors (E%) between reference values and predicted values by partial least square (PLS) were low for both the NIR and the MIR. However, the results propose the use of NIR to predict lipid (E% of 0.2 to 9.2) content and the use of MIR to predict protein (E% of 0.2 to 5.6), ash (E% of 0 to 5.0), and moisture (E% of 0.1 to 2.0) contents. Subsequently, PLS regression models were constructed using NIR to predict quality parameters in ground soybean and quinoa, grain and ground. The best calibration models to soybean found in this study were the ones used to determine protein and moisture content (R2 = 0.81, RMSEP = 1.61% and R2 = 0.80, RMSEC = 1.55%, respectively). However, the technique shows high predictability for all parameters, including lipids, ash, carbohydrates and fibers, RMSECV of 0.40 to 2.30% and RMSEP 0.38 to 3.71%. For quinoa samples NIR spectra were obtained and principal component analysis (PCA) was applied to try to identify the geographic origin of quinoa samples, from Brazil, Peru and Bolivia. Two principal components explained 98.3% of the total variance and three groups were observed using PCA. The PLS models developed for the chemical composition showed that the proposed methodology produced adequate results, as whole grain as ground quinoa, with the graph of the real and predicted concentration having a coefficient of determination (R2) > 0.65 and RMSEC < 1.70%. The viability of the NIR technique with no waste generation, low cost, reduced time and no kind of sample preparation for replacing laborious methods of analysis was demonstrated because the results for grains were satisfactory