DESENVOLVIMENTO DE MÉTODOS QUIMIOMÉTRICOS E … · Alimentos industrializados necessitam mostrar claramente o prazo de validade em suas embalagens. É necessário conduzir estudos

XI SEMETRA 2015

Márcia M. C. Ferreira

Laboratório de Quimiometria Teórica e Aplicada

Instituto de Química, Universidade Estadual de Campinas

[email protected]

http://lqta.iqm.unicamp.br

DESENVOLVIMENTO DE MÉTODOS QUIMIOMÉTRICOS E SUAS APLICAÇÕES EM GERAL

QUIMIOMETRIA

ANÁLISE MULTIVARIADA DE DADOS

ANÁLISE EXPLORATÓRIA

PCA HCA

REGRESSÃO MULTIVARIADA

MLR PCR PLS

RECONHECIMENTO DE PADRÕES(CLASSIFICAÇÃO)

KNN SIMCA PLS-DAy = Xb


PCA

1,0

2,02,0

3,0

2,0

6,05,36,0

4,9

4,0

5,5C

EF

4,0

4,7

BA D

HCA

+=X EPC1 PC2

pesos

esco

res

+

Informação relevante ruído

+=

T

LTX E

ANÁLISE DE AMOSTRAS DE CHÁ CHINÊS [1]

Existem três tipos principais de chá: o chá verde, o oolong e o preto. Mais de 75% do chá produzido no mundo é de chá preto.

Objetivo: obter uma relação QUALIDADE/COMPOSIÇÃO QUÍMICA.

Amostras: amostras de referência do Instituto Chinês de Chá.

São consideradas 2 variedades de cada uma das 3 categorias de chásPRETO: K e F VERDE: C e H OOLONG: S e T

Qualidade: As amostras de cada grupo foram testadas por um painel de provadores e foram rotuladas com um índice numérico de acordo com o sabor.

O chá de melhor qualidade de uma dada variedade tem índice 1. Análise Química: HEMICELULOSE CELULOSE LIGNINA

POLIFENÓIS CAFEÍNA AMINOÁCIDOS O conjunto de dados: resultados experimentais das 6 variáveis para 31 amostras.

X = (31×6)

[1] Liu, X; Van Espen, P.; Adam, F. ‘Analytica Chimica Acta 200 (1987) 421-430.

Os dados foram autoescalados para a análise exploratória.

Os resultados indicam que a análise química contém informação a respeito da qualidade e categoria dos chás e não diretamente da variedade.

PC1: contém informação sobre a Qualidade: as amostras estão ordenadas de menor para maior qualidade.

PC2: está relacionada com a Categoria dos chás.

PC1 apresenta alta correlação negativa com o material fibroso, enquanto que a correlação é altamente positiva com os outros constituintes. Alto teor de fibra resulta em concentrações menores dos outros constituintes.

Quais propriedades monitorar?Quais serão as condições de estocagem?

Quais serão os critérios de corte para cada propriedade?Estimar o prazo de validade final do produto.

Para produtos com longo prazo de validade são conduzidos estudos acelerados de shelf-life,

Os resultados dos testes acelerados têm que convertidos para as condições reais do mercado-consumidor.

Alimentos industrializados necessitam mostrar claramente o prazo de validadeem suas embalagens.

É necessário conduzir estudos de validade sempre que um produto novo for lançado no mercado.

Várias propriedades analíticas e sensoriais devem ser estudadas

MÉTODO MULTIVARIADO PARA A DETERMINAÇÃO DO PRAZO DE VALIDADE DE PRODUTOS INDUSTRIALIZADOS

Andre M. K. Pedro; Marcia M. C. FerreiraJ. Chemometrics 20, 76-93 (2006)

Applied Spectroscopy 63, 1308-(2009)

Para alimentos industrializados n = 0 ou n = 1 para a maioria das propriedades

nkPdt

dPv

Propriedade de interesse

ordem da reação

Constante de velocidade

Para estudos acelerados

O fator de aceleração relaciona os testes acelerados para as condições reais do mercado-consumidor

T

TTTTT k

k ,

Velocidade de alteração

RTEa

Cek

Energia de ativação

Protocolo para a condução estudos acelerados de prazo de validade

1- PlanejamentoPropriedades a monitorar Condições de estocagemCritérios de corte (limite aceitável) para cada propriedade

2- Execução EstocagemAquisição dos Dados ao longo do tempo

Andre M. K. Pedro; Marcia M. C. FerreiraJ. Chemometrics 20, 76 (2006)

Applied Spectroscopy 63, 1308 (2009)

3- Análise dos dadosModelos cinéticosDeterminação dos parâmetrosEstimativa do prazo de validade

TTk

aETk

T

TTTTT k

k ,

Definir valores de referência desejáveis

licopeno -caroteno vitamina C

HPLCMatéria seca

ColorimetroE

Andre M. K. Pedro; Marcia M. C. FerreiraJ. Chemometrics 20, 76 (2006)


cor visualdoçura

sabor salgadoacidez, consistência

sabor de tomate verdesabor amargo e

sabor de tomate passado

Análise Físico-Química Análise Sensorial

cor

foram preparadas na planta-piloto As amostras e

estocadas com temperatura controlada: 8 C, 25 C e 35 C.

Análises Físico-Química e sensorial foram conduzidas no tempo inicial, t = 0, e após 1, 2, 3, 4, 6, 8, 10, 13, 18, 22, 24 e 30 meses

Prazo de validade de produtos a base de tomate

Vitamina CPseudo-primeira ordem

Cor InstrumentalPseudo-zero ordem

André M. K. Pedro; Márcia M. C. FerreiraJ. Chemometrics 20, 76 (2006)


aE25k35k

8k 25

3525,35 k

kCálculo dos

parâmetros cinéticos

Estimativa do prazo de validade: 25,353525 validadevalidade

() amostras estocadas a 8 C

( ) 25 C (*) 35 C

Tempo (meses)

0 10 20 300

100

200

300

400

Tempo (meses)

Vita

min

a C

(m

g/10

0g)

VariávelCinéticaOrdem n

Temp.( C)

Const. Vel. k 35,25Energia Ativ.

(kJ mol-1)

E zero25 0,2541

2,4 16435 0,6107

Licopeno (mg kg-1 dw) zero25 -7,3931

3,5 11435 -25,772

-Caroteno (mg kg-1 dw) primeira25 -0,0028

3,9 6735 -0,0108

Vitamina C (mg/100g dw) primeira25 -0,0405

1,7 12835 -0,0704

Doçura zero25 -0,0104

2,0 12835 -0,0203

Acidez primeira25 -0,0086

2,6 28035 -0,0228

Consistência zero25 -0,0729

1,4 12135 -0,0989

Sabor amargo zero35 0,0317

1,7 5125 0,0547

Cor zero25 0,0701

2,7 14435 0,1888

Que fator de aceleração usar?Que propriedade é mais relevante?

DECISÃO DIFÍCIL !

25,353525 validadevalidade

Reações de degradação (responsáveis pelas mudanças nas características dos

produtos) devem ser a principal fonte de variação nos dados



X

tem

po

cond

içõe

s

X1

X…

Xc

tem

po

Co

nd

içõe s d

e est o

cag

em

Sensorial, InstrumentalFísico-química

X1

X…

Xc

Sensorial, InstrumentalFísico-química

PCA relacionada com o tempo

ABORDAGEM MULTIVARIADA

Análise de Componentes Principais

Teoria cinética clássica

PCA

Scores Matrix

Loadings Matrix

LT

PC relacionadas com o tempo

Matriz de escores

T

Matriz de pesos

LT

Cin

étic

a

X1

X…

Co

nd

içõe s d

e est o

cagem

X1

X…

tem

po

Sensorial, InstrumentalFisico-quimica

Escores crítico

Shelf-life

aceleradot

Trefcrit lxt

Xc

-0.4 -0.2 0 0.2 0.4

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

Licopenob-caroteno

PC1P

C2

Doçura

Salgado

Acidez

Consistência

Tomate verde

Amargo

Tomate passadoCor

Vitamina C

PC1 (68%) relacionada com o tempo

Escores Pesos


( ) 25 C (*) 35 C

-0,4 -0 0,4 0,8 1,2-0,4

-0,2

0

0,2

PC1 (Variância = 68%)

PC

2 (V

ariâ

ncia

= 1

1%)

1

2

3 4

6

8 10

13

18

22

24

30

1

234 6

8

10

13

18

22

24

30

000

12

3

4

6

8

1013

18

22

24

30

A solução multivariada quando não fornece um único fator de aceleração, reduz consideravelmente seu número.

Que valor de tomar para estimar o shelf-life?


( ) 25 C (*) 35 C

0 10 20 30-0.4

-0.2

0

0.2

0.4

Tempos (meses)

Esc

ores

PC

2

0 10 20 30

-0,4

0

0,4

0,8

1,2

Tempos (meses)

Esc

ores

PC

1

VariableValores

ReferenciaE 7LIcopeno (mg kg-1

ms) 1400-caroteno (mg kg-1 ms) 40Vitamina C (mg/100g ms) 170Docura 3,4Sabor salgado 4,5Acidez 5,5Consistência 6,5Sabor de tomate verde 1,5Sabor amargo 1,0Sabor de tomate passado 2,5Cor 6,5

Valores de Referência Desejáveis



tTrefcrit lxt

Valores de referência

lt → PC1 (Vetor de pesos)Escore crítico

FINALShelf-life 24 MESES

04,2028,0

057,025,35 m



mesesvalidadevalidade m 2725,353525

0 5 10 15 20 25 30

-0,4

0

0,4

0,8

1,2

Time (months)

Sco

res

PC

1

12,4

Validadea 35 °C

escore crit. = 0,47

Validade a 25 °C 30 meses

028,0mk25

057,0mk35

001,0mk8

CONCLUSÕES

Com o uso do método multivariado, o estudo cinético foi reduzido a

uma única variável → simplificação significativa comparada à

abordagem univariada.

A informação de quais parâmetros são mais importantes na

degradação do produto pode ser adquirida de forma direta e visual.

(gráfico de pesos).

O processo de tomada de decisão foi significativamente pela definição

de um único fator de aceleração e um único critério de corte.

QUIMIOMETRIA

ANÁLISE MULVIVARIADA DE DADOS


PCA HCA

REGRESSÃO MULTIVARIADA

MLR PCR PLS


KNN SIMCA PLS-DAy = Xb

Determine HARD TO OBTAIN responses from EASY TO OBTAIN information

variáveisProp.

interesse

y X

A

T

A

PLS pesos

P´

PLS escores

b= x + E

amostras

Vetor de resíduos

amostras

variáveis

amostras

Vetor de regressão

25

Biomassas selecionadas para produção de bio-combustíveis de segunda geração

500 1000 1500 2000 2500

1720/17601190

2310/2350

2270

21001940

1450

670

460

Cascas de soja

Serragem de eucalipto

Café

Engaço de banana

Coco

Bambu

Cascas de arroz

Açai

Caule de banana

Capim

Inte

nsid

ade

(u.a

.)

Comprimento de onda (nm)

Cristalinidade

LigninaKlason e total

AçúcaresGlicose, Galactose, Maltose, Xilose e maltose

Açúcares totais

Umidade

Extrativos

cinzas

Objetivo: Produção de ácido levulínico

Vídeo imagens e métodos multivariados são usados neste exemplo para obter informações acerca das mudanças químicas que ocorrem na troca gasosa CO2-água em condições controladas de temperatura e salinidade .

cor

tempoaltura

comprimento

temperaturaconcentração

A troca de CO2 entre a atmosfera e oceano e de interesse devido a sua importância in termos do ciclo global do carbono.

USO DE IMAGENS PARA ESTUDAR O TRANSPORTE DE CO2 EM SISTEMAS AQUOSOS

O experimento foi filmado usado uma filmadora comum.

A cuba contém solução salina

Indicador de pH

Difusor de labirinto

CO2 é introduzido, acido carbônico é formado, a cor muda de verde (pH 6,2) para violeta (pH 4,2).

25cm

CO2

25

cm

2,5cm

Difusor de labirinto

Difusão de CO2

)(2COg )(2COaq )I(

)(2)(2 COOH aql )(32COH aq )II(

)(32COH aq )3()( HCOH aqaq )III(

)3(HCOaq

2)3()( COH aqaq )IV(

O processo é descrito pelos equilíbrios

Transporte pode ser acompanhado pela monitoração do pH da solução

Arranjo Experimental

Digitizer

Data storage

Computeranalysis

Video camera

Video signal

Visual output

Numerical output

Eigenvalues:

87.6754

5.5743...

Glasstank

Cada experimento produz um filme multivariado: um arranjo com quatro dimensões: altura largura comprimento de onda tempo

(768 1024 3 52).

Após pré-tratamento cada imagem tem resolução: 300 600 3

2 minA entrada do CO2 forma fina camada próxima da superfície da água

4 minTrês regiões distintas em

forma de cogumelo

9 minCO2 começa a ocupar todo a cuba

30 min CO2 está homogeneamente espalhado

Imagens multivariadas (altura largura comp. de onda) podem ser analisadas para entender a distribuição química.

PCA

PC1 intensidade média da imagem99,84% da variância total

PC2 distingue entre verde e verm./azul 0,15 % Var

Imagem reconstruída para PC2A partir dos escores

Pesos

verm. verde azul

Cada pixel é normalizado para comprimento unitário

3:1600:1300:13

1

2

*

kji

x

xx

kijk

ijkijk

Análise de uma imagem: 4 min

ANALISE DE IMAGENS MULTIVARIADAS

MAPPING: Transforma a imagem em um mapa de pH

Conjunto de calibração: X = (11 x 3)

y = pH = (11x 1)Conjunto de validação: X = (5 x 3)

y = pH = (5x 1)

Modelo PLS com 1VL: R2=0,9

Variância explicada > 95% em X e y

J

g(i,j,k)I

K

PCR ou PLS

I

J

1

1

0,3

0,4

0,2

0,1 0,2

altura

altura

- - -X=[R G B]

comprimento

largura cor

Modelo PLS: Transforma imagem em mapa de pH

Imagem original Imagem reconstruída usando PC2

Mapa de pH

SIMCAKNN

PLS-DA


QUIMIOMETRIAANÁLISE MULVIVARIADA DE DADOS

ANÁLISE EXPLORATÓRIAPCA HCA

REGRESSÃO MULTIVARIADA MLR PCR PLS


KNN SIMCA PLS-DA

Objetivos

Aplicar o método PLS-DA para analisar espectros de alta-resolução de 1H MRS de extratos de tumores cerebrais.

Refinar a identificação do perfil metabólico dos extratos e identificar possíveis marcadores para os diferentes tipos de tumores cerebrais.

A.V. Faria, F.C. Macedo Jr., A.J. Marsaioli, M.M.C. Ferreira and F. CendesBraz. J. Med. Biol. Res., 44, (2011), 149-164.

Classificação de extratos de tumores cerebrais usando a espectroscopia de ressonância magnética nuclear de próton de alta resolução e o método PLS-DA

Diagnose precisaDetecção precoce

Grupos № amostras

Tumores neurogliais de Alto-grau

Astrocytomas de grau IV 10

Oligoastrocytomas anaplastic 3

Tumores neurogliais de Baixo-grau

Astrocytomas de grau II 3

Oligoastrocytomas 2

Tumores Nao-neurogliais

Meningiomas 10

Schwannomas 2

Adenomas 3

Papilloma 1

Controle 4

Amostras

• Extratos de tecido cerebral de 38 pacientes, (29 a 66 anos), que passaram por cirurgia ou biopsia aberta para o tratamento ou diagnostico de tumores cerebrais.

• Extratos de tecido cerebral de 4 pacientes foram usados como controle.

O espectros compreendem a faixa de 4,25-1,22 ppm (4.964 variáveis).

Cada espectro foi tratado para corrigir deslocamentos de fase e normalizados pela soma das intensidades para minimizar os efeitos de necrose nas amostras

variables (ppm)

Bra

in tu

mo

rss

class membership

yX

Bra

in tu

mo

rss

A

T

A

PLS loadings

P´

PLS scores

variables (ppm)

1 -1 -1 1etc. b= x + E

Regression vector

Bra

in tu

mo

rss

Residual vector

Cada coluna foi escalada pelo método

de Pareto

SENSIBILIDADESELETIVIDADE

A

Distinção entre tumores

Não Neurogliais (NN) e Neurogliais de alto grau (NAG) (-1) (+1)

1,522,533,54

crea

tine

N-a

cety

l asp

arta

te

acet

oace

tate

alan

ine

Glu

tam

ine/

glut

amat

e

myo

-inos

tol Glic

ero

lfosf

ocho

line

chol

ine,

fos

foch

olin

e

ppmgl

utam

ine/

glut

amat

e

myo

-inos

tol

GA

BA

glic

ine

crea

tine

lact

ato

-0,02 -0,01 0 0,01 0,02

-0,01

-0,005

0

0,005

0,01

PC1 35,0%

PC

2 1

4,5%

hc19

hc41

hc3

hc20

hc46

hc52

hc39

hc38

hc48

hc18hc50

hc9hc15

hc40 hc6hc28

hc42

hc10

hc36hc47

hc2

hc16hc12

hc27hc45

hc33 hc14

hc13

hc29

Escores PC1 vs PC2

Não Neuroglial NNNeuroglial alto grau NAG

Dados centrados na média Dados escalados pelo método de PARETO

Escores PC1 vs PC3

-0,4 -0,2 0 0,2 0,4 0,6 0,8

-0,4

-0,2

0

0,2

0,4

PC1 20,7%P

C3

9,4

%

hc2

hc20

hc16hc12

hc27

hc28

hc6

hc45

hc13

hc29

hc52

hc50

hc33

hc15hc42

hc14

hc40

hc48hc3 hc41

hc19

hc36hc9 hc18

hc39

hc46

hc10hc47

hc38

Verificando os pesos (negativos em PC1 e PC3): creatina (3,04 ppm e 3,94 ppm), a glicina (3,57 ppm) e o N-acetil aspartato (2,02 ppm) são metabólitos que

apresentam maiores concentrações nos tumores do tipo NAG

Amostras Classe Valores estimados pelo modelo durante a validação cruzada1VL 2VL 3VL 4VL 5VL 6VL

hc15 +1 0,65 0,78 0,65 0,68 0,82 0,93hc50 +1 1,19 1,17 1,19 1,23 1,22 1,34hc52 +1 1,51 1,50 1,41 1,38 1,44 1,62hc10 +1 0,42 0,47 0,31 0,36 0,43 0,52hc39 +1 1,28 1,17 1,16 1,06 0,89 0,83hc46 +1 -0,04 -0,03 0,23 0,17 0,33 0,38hc19 +1 -0,06 -0,20 -0,24 0,08 0,29 0,45hc47 +1 0,10 0,03 0,07 0,13 0,32 0,52hc48 +1 -0,10 -0,15 0,24 0,55 0,86 0,92hc13 +1 1,29 1,88 1,91 1,99 2,07 2,10hc14 +1 0,70 0,50 0,44 0,53 0,52 0,51hc29 +1 -0,94 -0,40 -0,13 0,01 0,46 0,79hc42 +1 0,23 0,71 0,98 1,06 1,36 1,42

MédiaDesvio-padrão

0,48 0,57 0,63 0,71 0,85 0,950,71 0,71 0,65 0,60 0,54 0,52

hc3 -1 0,42 0,02 0,07 0,17 0,13 0,15hc36 -1 -0,64 -1,09 -1,11 -1,30 -1,31 -1,25hc16 -1 -0,43 -0,30 -0,50 -0,08 0,01 0,08hc9 -1 0,14 -0,30 -0,34 -0,14 -0,08 0,00hc38 -1 0,05 -0,77 -0,46 -0,51 -0,55 -0,44hc45 -1 -0,20 -0,75 -0,30 -0,37 -0,31 -0,30hc18 -1 -0,01 -0,46 -0,50 -0,31 -0,28 -0,23hc33 -1 0,47 0,85 1,01 0,95 1,00 1,16hc12 -1 -0,64 -0,14 -0,22 0,19 0,18 0,38hc2 -1 -0,48 0,03 0,02 0,26 0,25 0,40hc27 -1 -0,61 -0,57 -0,58 -0,77 -0,57 -0,49hc40 -1 -0,31 -0,68 -0,36 -0,38 -0,40 -0,30hc20 -1 -0,24 0,13 -0,07 0,13 0,14 0,12hc28 -1 -0,44 -0,07 0,07 -0,10 0,13 0,12hc41 -1 -0,19 -0,51 -0,57 -0,60 -0,63 -0,52hc6 -1 -0,49 -0,36 -0,36 -0,55 -0,22 -0,12

MédiaDesvio-padrão

-0,22 -0,31 -0,26 -0,21 -0,16 -0,080,35 0,46 0,45 0,51 0,51 0,52

limite da classec 0,27 0,25 0,28 0,33 0,40 0,49

y

NAGPNAG|yNNPNN|y pp

Modelo com 6 VL3 classificações incorretas

1FP e 2FN

LIMITE ENTRE AS DUAS CLASSESTeoria Bayesiana

quando as duas probabilidades se igualam

modelo que apresentar a maior sensibilidade e a maior seletividade

(% de VN)(% VP)

Hipótese nula: O tumor é NN (-1)

Hipótese alternativa: O tumor é NAG (+1)

3,563,573,580

2

4

6

8

x 10-3

ppm

hc33

glicina

1VL 2VL 3VL 4VL 5VL 6VLSensibilidade 46 62 62 69 77 85Seletividade 88 94 94 94 94 94

Sensibilidade e seletividade (%) dos modelos PLS

MELHOR MODELO

2 FN e 1 FP

0 2 4 6 8 10 12 14 16

-2

-1

0

1

2

Amostras ordenadas

Val

ores

est

imad

os d

e y.

Mod

elo

PLS

-DA

com

6 V

L

hc50

hc52

hc15

hc42

hc14hc29

hc13

hc48

hc47hc19

hc46

hc10

hc3 hc16

hc36

hc9hc45

hc38

hc2hc12

hc18 hc27 hc40

hc20hc6

hc28

hc33

hc39

hc41

1,522,533,540

0.01

0.02

1,522,533,54

-0,5

0

0,5

ppm

corr

el.

1,522,533,54-0,5

0

0,5ve

tor

de r

eg.

N-acetil aspartato (2,02 ppm)

creatina (3,04 ppm e 3,94 ppm)

glicina (3,56 ppm)

acetoacetato (2,24 ppm)

Número de variáveis 4.964 →138

espe

ctro

s

-10 -5 0 5 10 15

-5

0

5

10

PC1 35,7%

PC

2 1

2,8%

hc36hc46

hc47hc48

hc29

hc41

hc15

hc39hc13

hc50

hc52hc42

hc33

hc27

hc28

hc19

hc10

hc14hc16hc40

hc38

hc45hc9hc2

hc3

hc18

hc20

hc6hc12

0 2 4 6 8 10 12 14 16

-1

0

1

2

Amostras ordenadas

Val

ores

est

imad

os d

e y.

M

odel

o P

LS-D

A c

om u

ma

VL hc50hc52

hc10

hc39

hc3

hc36

hc16hc38

hc45

hc28hc40hc12hc33 hc2

hc41hc18

hc6

hc9

hc46 hc19

hc47

hc48hc29

hc42hc14

hc13

hc27 hc20

hc15

Modelo PLS com 1 VL

Sensibilidade 100%

Seletividade 100%

Escores PC1 x PC2

-0,29

1.522.533.540

2

4

6

8

10

12

14

16x 10

-3

1.471.481.491.5

0

0.5

1

1.5

2

x 10-3

3.523.543.563.580

1

2

3

4

5

6

x 10-3

2.0152.022.0252.03

1

2

3

4

5

6

x 10-3

3.63.623.640

0.5

1

1.5

2

2.5

x 10-3

4.064.074.080

5

10

15

x 10-4

3.23.223.24

0

1

2

3

4

x 10-3

colina

fosfocolina

glicerofosfocolina

2.282.32.32

0

1

2

3

4

5

6

7

x 10-4

GABA

alanina

mio

-inos

itol

N-acetyl aspartato

glycina

myo-inositol

ppm

3.033.043.050

2

4

6

8

x 10-3Creatina

Comparação entre extratos de tumor e controle

LIVRO

OBRIGADA!

Documents

DESENVOLVIMENTO DE MÉTODOS QUIMIOMÉTRICOS E … · Alimentos industrializados necessitam mostrar claramente o prazo de validade em suas embalagens. É necessário conduzir estudos