Return to search

Estratégias para a caracterização de amostras brasileiras de óleo de soja empregando ATR-FTIR e HLPC-ELSD aliadas a ferramentas quimiométricas

Neste trabalho foram estudadas duas estratégias para caracterização de amostras brasileiras de óleo de soja. Foram empregados um total de vinte e cinco amostras de soja, obtidas de diferentes regiões do Brasil. O óleo de cada amostra foi extraído dos grãos de soja por sistema Soxhlet empregando hexano. Na primeira parte do trabalho, foram utilizados os dados de Infravermelho Médio com Transformada de Fourier (FTIR), obtidos com acessório de Reflexão Total Atenuada (ATR), das amostras de óleo de soja para quantificação do índice de acidez e do índice de iodo por meio da construção de modelos de regressão multivariada por Mínimos Quadrados Parciais (PLS), por Mínimos Quadrados Parciais por Intervalos (iPLS) e por Mínimos Quadrados Parciais por Sinergismo de Intervalos (siPLS). Na determinação do índice de acidez, foi possível obter, com ambos os algoritmos iPLS e siPLS, modelos de regressão equivalentes e melhores do que o modelo de regressão por PLS sem seleção das regiões espectrais. Para a regressão por iPLS, o melhor modelo utilizou a região espectral 1736 – 1687 cm-1, com valores de Erro Quadrático Médio de Calibração (RMSEC) igual a 0,1191 mg KOH/g, de RMSEP igual a 0,1436 mg KOH/g e de R2 cal igual a 0,9707, utilizando 3 variáveis latentes (VLs); e para a regressão por siPLS, o melhor modelo foi obtido pela combinação das regiões espectrais 1719 – 1696 cm-1 e 1380 – 1357 cm-1, com valores de RMSEC igual a 0,1028 mg KOH/g, de RMSEP igual a 0,1405 mg KOH/g e de R2 cal igual a 0,9781, utilizando 3 VLs. Já para o índice de iodo, ambos os modelos de regressão por iPLS e siPLS são mais adequados por terem menor sobreajuste que o modelo de regressão sem seleção de variáveis. O melhor modelo de regressão por iPLS foi obtido utilizando a região espectral 1396 – 1199 cm-1, apresentando valores de RMSEC igual a 2,4672 g I2/100g, de RMSEP igual a 3,8315 I2/100g e de R2 cal igual a 0,9099, com 3 VLs; enquanto que o melhor modelo de regressão por siPLS tem valores de RMSEC igual a 2,7955 g I2/100g, de RMSEP igual a 3,6678 I2/100g e de R2 cal igual a 0,8843, com 4 VLs, utilizando a combinação entre as regiões espectrais 3199 – 2800 cm-1, 1997 – 1598 cm-1, 1596 – 1199 cm- 1 e 1197 – 800 cm-1. No segundo estudo, foram utilizados os dados de Cromatografia a Líquido de Alta Eficiência com o Detector Evaporativo de Espalhamento de Luz (HPLCELSD) obtidos das mesmas vinte e cinco amostras de óleo de soja, buscando identificar um perfil de composição dos triacilglicerídeos presentes nas diferentes amostras. Verificou-se que o emprego da Análise Hierárquica de Agrupamentos (HCA) possibilitou a formação de quatro grupos distintos e que pela Análise de Componentes Principais (PCA) se observou que a variância de duas Componentes Principais (PCs) foram importantes e suficientes para revelar que a formação dos grupos ocorreu em função do perfil dos triacilglicerídeos que compõem as amostras. / This study describes two strategies for characterization of Brazilian samples of soybean oil. It was used a total of twenty-five soybean samples obtained from different regions of Brazil. The oil of each sample was extracted through Soxhlet system employing hexane. Firstly, the data from Fourier Transform Infrared spectroscopy (FTIR), obtained with Attenuated Total Reflection (ATR) accessory, from the soybean oil samples were handled to quantify the acid value and iodine value using multivariate regression models by Partial Least Squares (PLS), Interval Partial Least Squares (iPLS) and Synergy Interval Partial Least Squares (siPLS). In determination of the acid value, equivalent regression models and better than PLS regression model without selection of spectral regions has achieved by both iPLS and siPLS algorithms. For iPLS regression, the best model has used the spectral region 1736 - 1687 cm-1, with Root Mean Square Error of Calibration (RMSEC) equal to 0.1191 mg KOH/g, RMSEP equal to 0.1436 mg KOH/g and R2 cal equal to 0.9707, using 3 latent variables; and for the regression siPLS, the best model was obtained by combining the spectral regions 1719-1696 cm-1 and 1380-1357 cm-1, with RMSEC equal to 0.1028 mg KOH/g, RMSEP = 0.1405 mg KOH/g and R2 cal equal to 0.9781, using 3 latent variables. Regarding to the determination of iodine value, both iPLS and siPLS regression models are more suitable because they have less overfitting than the regression model without variable selection. The best iPLS regression model was reached using the spectral region 1396 – 1199 cm-1, with RMSEC equal to 2.4672 g I2/100 g, RMSEP equal to 3.8315 g I2/100 g and R2 cal equal to 0.9099, with 3 latent variables; while the best siPLS regression model has RMSEC equal to 2.7955 g I2/100 g, RMSEP equal to 3,6678 g I2/100 g and R2 cal equal to 0,8843, with 4 latent variable, using the combination of the spectral regions 3199-2800 cm-1, 1997-1598 cm-1, 1596-1199 cm-1 and 1197-800 cm-1. In the second part, the High Performance Liquid Chromatography with Evaporative Light Scattering Detector (HPLC-ELSD) data obtained from the same twenty-five soybean oil samples were used in order to identify a profile of triacylglycerides present in the different samples. It has found by the Hierarchical Cluster Analysis (HCA) the formation of four separate groups and by the Principal Component Analysis (PCA) conclude that the variance of two Principal Components (PCs) are important and sufficient to reveal that these formed groups are due the profile of triacylglycerides that comprise the samples.

Identiferoai:union.ndltd.org:IBICT/oai:lume56.ufrgs.br:10183/131712
Date January 2015
CreatorsLopes, Eduardo da Luz
ContributorsFerrão, Marco Flôres, Pizzolato, Tania Mara
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UFRGS, instname:Universidade Federal do Rio Grande do Sul, instacron:UFRGS
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0025 seconds