Quantificação de açúcares com uma língua eletrónica: calibração multivariada com seleção de sensores

Este trabalho incide na análise dos açúcares majoritários nos alimentos (glucose, frutose e sacarose) com uma língua eletrónica potenciométrica através de calibração multivariada com seleção de sensores. A análise destes compostos permite contribuir para a avaliação do impacto dos açúcares na saúde e seu efeito fisiológico, além de permitir relacionar atributos sensoriais e atuar no controlo de qualidade e autenticidade dos alimentos. Embora existam diversas metodologias analíticas usadas rotineiramente na identificação e quantificação dos açúcares nos alimentos, em geral, estes métodos apresentam diversas desvantagens, tais como lentidão das análises, consumo elevado de reagentes químicos e necessidade de pré-tratamentos destrutivos das amostras. Por isso se decidiu aplicar uma língua eletrónica potenciométrica, construída com sensores poliméricos selecionados considerando as sensibilidades aos açucares obtidas em trabalhos anteriores, na análise dos açúcares nos alimentos, visando estabelecer uma metodologia analítica e procedimentos matemáticos para quantificação destes compostos. Para este propósito foram realizadas análises em soluções padrão de misturas ternárias dos açúcares em diferentes níveis de concentração e em soluções de dissoluções de amostras de mel, que foram previamente analisadas em HPLC para se determinar as concentrações de referência dos açúcares. Foi então feita uma análise exploratória dos dados visando-se remover sensores ou observações discordantes através da realização de uma análise de componentes principais. Em seguida, foram construídos modelos de regressão linear múltipla com seleção de variáveis usando o algoritmo stepwise e foi verificado que embora fosse possível estabelecer uma boa relação entre as respostas dos sensores e as concentrações dos açúcares, os modelos não apresentavam desempenho de previsão satisfatório em dados de grupo de teste. Dessa forma, visando contornar este problema, novas abordagens foram testadas através da construção e otimização dos parâmetros de um algoritmo genético para seleção de variáveis que pudesse ser aplicado às diversas ferramentas de regressão, entre elas a regressão pelo método dos mínimos quadrados parciais. Foram obtidos bons resultados de previsão para os modelos obtidos com o método dos mínimos quadrados parciais aliado ao algoritmo genético, tanto para as soluções padrão quanto para as soluções de mel, com R²ajustado acima de 0,99 e RMSE inferior a 0,5 obtidos da relação linear entre os valores previstos e experimentais usando dados dos grupos de teste. O sistema de multi-sensores construído se mostrou uma ferramenta adequada para a análise dos iii açúcares, quando presentes em concentrações maioritárias, e alternativa a métodos instrumentais de referência, como o HPLC, por reduzir o tempo da análise e o valor monetário da análise, bem como, ter um preparo mínimo das amostras e eliminar produtos finais poluentes.

This work focuses on the analysis of the major sugars in foods (glucose, fructose and sucrose) with a potentiometric electronic tongue through multivariate calibration with sensors subset selection. The analysis of these compounds contributes to the assessment of the impact of sugars on health and its physiological effect; also, allows to relate sensory attributes and act on quality control and authenticity of the food. Although there are various analytical methods routinely used in the identification and quantification of sugars in foods, in general these methods have several disadvantages such as, slowness of the analysis, high consumption of chemicals and the need for destructive pretreatments of samples. Therefore, it was decided to apply a potentiometric electronic tongue, built with polymeric sensors selected considering the sensitivities to sugar obtained in previous studies, on the analysis of sugars in foods aiming to establish an analytical methodology and mathematical procedures to quantify these compounds. For this purpose, standard solutions of ternary mixtures of sugars and solutions of honey (previously analyzed by HPLC to determine the reference concentrations of sugars) at different levels of concentration were analysed. Hence, an exploratory data analysis aiming to remove sensors or discordant observations was made by performing a principal component analysis. Then multiple linear regression models were built with variable selection by using the stepwise algorithm and it was found that although it was possible to establish a good relation between the sensors responses and the sugars concentrations, the models did not show satisfactory predictive performance in test group data. Thus, in order to overcome this problem, new approaches were tested through the construction and optimization of the parameters of a genetic algorithm for selection of variables that could be applied to various regression techniques, including the regression with the method of partial least squares. Good predictive results were obtained for the partial least squares models combined with genetic algorithm for both standard solutions and for honey solutions, with values of R²ajusted above 0.99 and RMSE less than 0.5, obtained from the linear relationship between the predicted and experimental values using data of test groups. The multisensor system built proved to be a suitable tool for the analysis of sugars, when present in majority concentrations, and an alternative to analytical instrumental methods of reference, such as HPLC, by reducing the time of analysis and its monetary value, as well as, having a minimal sample preparation and eliminate pollutants.