Uso da espectroscopia do infravermelho próximo e técnicas multivariadas para diferenciar escherichia coli e salmonella enteritidis inoculadas em polpa de fruta (abacaxi)

Aiming to consumer s safety the presence of pathogenic contaminants in foods must be monitored because they are responsible for foodborne outbreaks that depending on the level of contamination can ultimately cause the death of those who consume them. In industry is necessary that this identification be fast and profitable. This study shows the utility and application of near-infrared (NIR) transflectance spectroscopy as an alternative method for the identification and classification of Escherichia coli and Salmonella Enteritidis in commercial fruit pulp (pineapple). Principal Component Analysis (PCA), Independent Modeling of Class Analogy (SIMCA) and Discriminant Analysis Partial Least Squares (PLS-DA) were used in the analysis. It was not possible to obtain total separation between samples using PCA and SIMCA. The PLS-DA showed good performance in prediction capacity reaching 87.5% for E. coli and 88.3% for S. Enteritides, respectively. The best models were obtained for the PLS-DA with second derivative spectra treated with a sensitivity and specificity of 0.87 and 0.83, respectively. These results suggest that the NIR spectroscopy and PLS-DA can be used to discriminate and detect bacteria in the fruit pulp

Visando à segurança do consumidor, é de extrema importância identificar a presença de contaminantes patogênicos nos alimentos, pois os mesmos são responsáveis por surtos alimentares que dependendo do nível de contaminação pode chegar a causar a morte de quem os consome. Na industria há uma necessidade de que essa identificação de contaminantes seja rápida e rentável. Este estudo mostra a aplicação e utilidade de medidas espectrais de transflectância no infravermelho próximo (NIR) como um método alternativo para a identificação e classificação de Escherichia coli e Salmonella Enteritidis em polpa de fruta comercial (abacaxi). Análise de Componentes Principais (PCA), Modelagem Independente por Analogia Classe (SIMCA) e Análise Discriminante por Mínimos Quadrados Parciais (PLS-DA) foram utilizados na análise. Não foi possível obter uma separação total entre as amostras usando PCA e SIMCA. O PLS-DA apresentou bom desempenho na capacidade de predição alcançando 87,5% para E. coli e 88,3% para S. Enteritides, respectivamente. Os melhores modelos obtidos para o PLS-DA com os espectros tratados com segunda derivada apresentaram sensibilidade e especificidade de 0,87 e 0,83, repectivamente. Estes resultados sugerem que a espectroscopia NIR e PLS-DA podem ser usados para discriminar e detectar bactérias na polpa da fruta