Made available in DSpace on 2018-08-01T23:19:03Z (GMT). No. of bitstreams: 1 tese_10557_Resumo da Dissertação Final de Mestrado - Cíntia da Silva Araújo..pdf: 10136 bytes, checksum: b6b879a1bab26a1aab3fae6ab02ab32c (MD5) Previous issue date: 2018-02-27 / O café é um produto de interesse mundial. Sua bebida é uma das mais consumidas e apreciadas em diversas regiões do mundo. A composição físico-química dos grãos é influenciada por diversos fatores e tem interferência direta sobre as características finais apresentadas pela bebida. Os métodos de análises físico-químicas e sensorial empregados na análise de amostras de café são demorados e trabalhosos, fato esse que motiva a busca por formas alternativas de análise, podendo ser destacada a espectroscopia NIR como uma ferramenta promissora para esse fim. Neste contexto, o objetivo deste trabalho foi desenvolver modelos de calibração multivariada para determinar diversas propriedades físico-químicas e nota sensorial de amostras de café cultivadas em diversas regiões do estado do Espírito Santo de forma rápida e não destrutiva. As amostras de café foram submetidas às análises de umidade, sólidos solúveis totais, pH, acidez total titulável, açúcares totais e redutores, lixiviação de potássio, condutividade elétrica e compostos fenólicos totais. Os espectros sem pré-tratamento e pré-processados por diferentes técnicas foram utilizados para construção dos modelos de calibração, empregando o método de mínimos quadrados parciais por intervalo (iPLS). Os modelos desenvolvidos apresentaram boas correlações com os valores obtidos pelas análises convencionais, com destaque para a análise sensorial, cujo modelo obteve o maior valor de correlação entre todos os modelos desenvolvidos. Por outro lado, para a análise de umidade, o modelo apresentou viés significativo, indicando que este não foi adequado para estimativa do teor de umidade dos grãos. Foi verificado que os espectros NIR podem ser utilizados para determinação de diversas propriedades do café e que a utilização de técnicas de pré-processamento espectral melhorou a capacidade dos modelos de calibração em estimar os valores de referência.

A partial least-squares calibration (PLS) procedure in combination with infrared spectroscopy has been developed for simultaneous determination of sulphamethoxazole (SMZ) and trimethoprim (TMP) in raw material powder mixtures used in commercial pharmaceutical products. Multivariate calibration modeling procedures, interval partial least squares (iPLS) and synergy partial least squares (siPLS), were applied to select a spectral range that provided the lowest prediction error in comparison to the full-spectrum model. The experimental matrix was constructed using 49 synthetic samples and 15 commercial samples. The considered concentration ranges were 400 to 900 mg g-1 SMZ and 80 to 240 mg g-1 TMP. Spectral data were recorded between 650 and 4000 cm-1 with a 2 cm-1 resolution by Fourier transform infrared spectroscopy coupled with attenuated total reflectance (ATR-FTIR) and 600 and 4000 cm-1 with a 4 cm-1 resolution by diffuse reflectance infrared Fourier transform spectroscopy (DRIFTS). The proposed procedures were compared with conventional procedure by high performance liquid chromatography (HPLC). A root mean square error of prediction (RMSEP) of 13.18 mg g-1 for SMZ and 6.03 mg g-1 for TMP was obtained after selection of better intervals by siPLS for ATR-FTIR and 13.03 mg g-1 for SMZ and 4.88 mg g-1 for TMP after selection of better intervals by siPLS for DRIFTS. Results showed that PLS regression model (associated with iPLS and siPLS regression models) combined to ATR-FTIR or DRIFTS are relatively simple, rapid and accurate procedures. These procedures could be applied to the simultaneous determination of SMZ and TMP in routine quality control of powder mixtures. / Neste trabalho foram desenvolvidos modelos de calibração por mínimos quadrados parciais (PLS) para a determinação simultânea de sulfametoxazol (SMZ) e trimetoprima (TMP) em medicamentos. Métodos de seleção de variáveis, como o método por mínimos quadrados parciais por intervalo (iPLS) e o método dos mínimos quadrados parciais por sinergismo de intervalos (siPLS) foram aplicados para selecionar região(ões) do espectro no infravermelho que apresente(m) melhor correlação com cada uma das substâncias ativas estudados. Um total de 49 amostras sintéticas e 15 amostras comerciais foi empregado para compor os conjuntos de calibração e de previsão, sendo consideradas as faixas de concentração de 400 a 900 mg g-1 para o sulfametoxazol e de 80 a 240 mg g-1 para a trimetoprima. Os dados espectrais foram adquiridos na faixa de 650 a 4000 cm-1 com resolução de 2 cm-1 por espectroscopia no infravermelho com transformada de Fourier empregando-se um acessório de reflectância total atenuada (ATR-FTIR) e 600 a 4000 cm-1 com resolução de 4 cm-1 por espectroscopia no infravermelho por reflexão difusa (DRIFTS). Os dados obtidos foram comparados com o método oficial por cromatografia líquida de alta eficiência (HPLC). Um erro de previsão (RMSEP) de 13,18 mg g-1 para SMZ e 6,03 mg g-1 para TMP foi obtido após seleção dos melhores intervalos por siPLS para dados obtidos por ATR-FTIR. Um RMSEP de 13,03 mg g-1 para SMZ e 4,88 mg g-1 para TMP foi obtido após seleção dos melhores intervalos por siPLS para dados obtidos por DRIFTS. Os resultados mostraram que modelos de regressão PLS (associados a métodos de seleção de variáveis, como iPLS e siPLS) combinados com ATR-FTIR ou DRIFTS são promissores no desenvolvimento de metodologias mais simples, rápidas e não destrutivas. Estes modelos podem ser aplicados para a determinação simultânea de SMZ e TMP em formulações farmacêuticas.

One of the challenges in the structural biological community is processing the wealth of protein data being produced today; therefore, the use of computational tools has been incorporated to speed up and help understand the structures of proteins, hence the functions of proteins. In this thesis, protein structure investigations were made through the use of Multivariate Analysis (MVA), and Fourier Transformed Infrared (FTIR), a form of vibrational spectroscopy. FTIR has been shown to identify the chemical bonds in a protein in solution and it is rapid and easy to use; the spectra produced from FTIR are then analysed qualitatively and quantitatively by using MVA methods, and this produces non-redundant but important information from the FTIR spectra. High resolution techniques such as X-ray crystallography and NMR are not always applicable and Fourier Transform Infrared (FTIR) spectroscopy, a widely applicable analytical technique, has great potential to assist structure analysis for a wide range of proteins. FTIR spectral shape and band positions in the Amide I (which contains the most intense absorption region), Amide II, and Amide III regions, can be analysed computationally, using multivariate regression, to extract structural information. In this thesis Partial least squares (PLS), a form of MVA, was used to correlate a matrix of FTIR spectra and their known secondary structure motifs, in order to determine their structures (in terms of "helix", "sheet", “310-helix”, “turns” and "other" contents) for a selection of 84 non-redundant proteins. Analysis of the spectral wavelength range between 1480 and 1900 cm-1 (Amide I and Amide II regions) results in high accuracies of prediction, as high as R2 = 0.96 for α-helix, 0.95 for β-sheet, 0.92 for 310-helix, 0.94 for turns and 0.90 for other; their Root Mean Square Error for Calibration (RMSEC) values are between 0.01 to 0.05, and their Root Mean Square Error for Prediction (RMSEP) values are between 0.02 to 0.12. The Amide II region also gave results comparable to that of Amide I, especially for predictions of helix content. We also used Principal Component Analysis (PCA) to classify FTIR protein spectra into their natural groupings as proteins of mainly α-helical structure, or protein of mainly β-sheet structure or proteins of some mixed variations of α-helix and β-sheet. We have also been able to differentiate between parallel and anti-parallel β-sheet. The developed methods were applied to characterize the secondary structure conformational changes of an unfolding protein as a function of pH and also to determine the limit of Quantitation (LoQ).Our structural analyses compare highly favourably to those in the literature using machine learning techniques. Our work proves that FTIR spectra in combination with multivariate regression analysis like PCA and PLS, can accurately identify and quantify protein secondary structure. The developed models in this research are especially important in the pharmaceutical industry where the therapeutic effect of drugs strongly depends on the stability of the physical or chemical structure of their proteins targets; therefore, understanding the structure of proteins is very important in the biopharmaceutical world for drugs production and formulation. There is a new class of drugs that are proteins themselves used to treat infectious and autoimmune diseases. The use of spectroscopy and multivariate regression analysis in the medical industry to identify biomarkers in diseases has also brought new challenges to the bioinformatics field. These methods may be applicable in food science and academia in general, for the investigation and elucidation of protein structure.