Microextração em fase sólida é uma técnica de amostragem desenvolvida por
Pawliszyn e colaboradores (PAWLISZYN, 1999), na qual não se utiliza solvente de
qualquer natureza. Sua função original foi baseada na adsorção de compostos em uma
fibra de sílica pela imersão em amostras líquidas para posterior análise cromatográfica.
Mas devido a possíveis problemas relacionados a este tipo de amostragem (dano a fibra e
ao equipamento cromatográfico), usualmente a fibra é utilizada para a amostragem de
gases por “headspace”. Esta amostragem é dependente de diversos fatores tais como
tipo de fibra selecionada, tempo de exposição da fibra à matriz, temperatura de
aquecimento da matriz analisada e a própria matriz analisada.
A escolha das fibras de SPME deve ser baseada na seletividade destas aos
compostos de interesse na análise. Esta seletividade está fortemente ligada à polaridade
das coberturas existentes nas fibras. A seletividade também é considerada uma
Feixe de íons Feixe de íons Feixe de íons Filtro de íons quadrupolo Analisador magnético de íons Analisador magnético de íons Coletor de íons pontual Coletor de íons pontual Coletor de íons plano
característica do próprio método de extração (microextração), o qual se divide em duas
etapas. A primeira etapa, consiste na extração dos compostos de interesse da matriz e
adsorção na membrana da fibra. A segunda, envolve as condições de desorção dos
compostos aderidos à fibra.
Existem no mercado diversos tipos de fibras com diferentes coberturas e cada uma
apresentando polaridades distintas (Tabela 1).
Tabela 1 – Polaridade de diferentes fibras de SPME
Fibra
Diâmetro
Polaridade
Polidimetilsiloxano
100 µm
Apolar
Polidimetilsiloxano
30 µm
Apolar
Polidimetilsiloxano
7 µm
Apolar
Polidimetilsiloxano/divinilbenzeno
65 µm
Semipolar
Poliacrilato
85 µm
Polar
Carbowax/divinilbenzeno
55 µm
Polar
Carbowax/TPR100
50 µm
Polar
Fonte: (PAWLISZYN, 1999)2.10 Quimiometria
Quimiometria é o estudo de técnicas estatísticas que podem ser aplicadas na
indústria alimentícia, no controle de qualidade (SIKORSKA et al., 2006), na avaliação
sensorial, na diferenciação e caracterização de produtos, como sucos de fruta, cerveja e
óleo de oliva (BELLIDO_MILLA et al., 2000; REID et al., 2005; OLLIVIER et al., 2006), na
determinação da origem geográfica de alimentos, como batatas e vinhos (GIACOMO et
al., 2006; MARINI et al., 2006; MAKRIS et al., 2006) e na detecção de fraudes em
diversos
produtos (COSTA et al., 2004; OLIVEIRA et al., 2004), utilizando dados
como propriedades físicas e composição química dos alimentos. A utilização da
cromatografia em análises de alimentos teve um grande crescimento nas últimas
décadas, havendo também um aumento na automatização do processo e conseqüente
aumento na coleta de dados (parâmetros de retenção – tempo e temperatura, fases
estacionária e móvel), sendo assim, é necessária a utilização de técnicas quimiométricas
para avaliação destes dados, tais como análise de regressão linear (com uma ou mais
variáveis independentes), análise de correlação canônica e análise de componentes
principais (PCA) (CSERHÁTI e F|ORGÁCS, 2003).
PONTES et al. (2006) classificaram bebidas alcoólicas destiladas (whisky, rum,
vodka e brandy) e verificaram adulterações nas amostras pela combinação de
espectrometria do infravermelho e técnicas quimiométricas (PCA). Amostras com
concentrações conhecidas de substâncias como água, etanol e metanol, utilizadas para
adulterar as bebidas alcoólicas foram utilizadas para verificação do modelo estatístico
proposto. Este método foi adequado para a detecção de produtos adulterados, e torna-se
uma etapa interessante para triagem de produtos suspeitos, que apresentando resultados
positivos para adulterações podem ser enviados para análises mais detalhadas.
MATOS et al. (2007) caracterizaram óleos de oliva produzidos a partir de três
variedades de azeitonas por meio de parâmetros da composição química. Foi avaliada a
composição de tocoferóis, esteróis e ácidos graxos. Para avaliação dos parâmetros
estudados foram utilizadas técnicas estatísticas multivariadas como análise de variância
(MANOVA), análise de componentes principais (PCA) e análise de clusters. Observou-se
por meio das análises estatísticas a diferenciação dos cultivares e também do ponto de
maturação dos frutos.
ARIYAMA et al. (2007) determinaram a origem geográfica de cebolas (Allium cepa
L.) produzidas em três localidades distintas do Japão e em seis diferentes países pelo
conteúdo de minerais. Foi realizada a análise discriminante linear (LDA) comparando
cada amostra produzida no Japão, em conjunto com as amostras dos outros países.
Obteve-se uma caracterização satisfatória das amostras e foi observado que o modelo
proposto serve como uma técnica de triagem para inspeção da origem geográfica das
cebolas comercializadas no Japão.
2.11 Análise de Componentes Principais (PCA) e Análise de
Agrupamentos (Clusters)
A análise de componentes principais é um tipo de técnica estatística multivariada
pertencente ao ramo da Análise Fatorial. HAIR et al. (2005) especificam que a análise
fatorial possui dois objetivos; identificação da estrutura das variáveis por meio do resumo
de dados ou redução de dados. Na análise de componentes principais, a informação ou
variação contida nos dados (variáveis) originais será condensada em um número menor
de dados com uma perda mínima de informação, denominados de componentes
principais.
A redução de variáveis é obtida pela combinação linear das p variáveis originais,
que irão produzir os componentes principais (PC). Estes componentes principais, também
chamados de autovetores, são não-correlacionados entre si, ou seja, fazem a medição de
diferentes dimensões no conjunto de dados. Ao se realizar a análise de PCA, os
componentes principais são ordenados de maneira que o primeiro PC apresente a maior
quantidade de variação do conjunto de dados, o segundo PC apresente a segunda maior
quantidade de variação, o terceiro apresente a terceira maior quantidade de variação e
assim por diante. A variação dos componentes principais é chamada de autovalor.
Utilizando-se o PCA, espera-se que os autovalores da maioria dos PC’s sejam pequenos
o suficiente para serem desprezados. Desta forma, a variação dos dados pode ser
descrita somente por alguns componentes cujos autovalores não são desprezíveis. Então,
a variação no número de variáveis originais (p variáveis) pode ser descrita usando um
número menor de novas variáveis (PC’s).
A análise de agrupamentos (clusters) é uma técnica multivariada de classificação
que tem por finalidade a aproximação dos indivíduos, dentro de um mesmo grupo e o
afastamento dos indivíduos de grupos diferentes, com base em suas características
(variáveis). O objetivo principal desta análise é a definição da estrutura dos dados pela
formação de grupos com base apenas nas similaridades das amostras, sem nenhuma
suposição quanto ao número de grupos ou mesmo à estrutura nos grupos (HAIR et al.,
2005).
3
MATERIAIS E MÉTODOS
3.1 Materiais
3.1.1 - Amostras
Foram utilizadas amostras de café sadio livres de defeitos (PVA), separados de
uma saca de café de 60 kg, provenientes da Fazenda Samambaia (Santo Antônio do
Amparo, MG) safra 2004/2005. A cevada em grãos utilizada foi da marca Mãe Terra Ltda
obtida em estabelecimento comercial. Os grãos de café e cevada foram torrados nos
tempos apresentados na Tabela 2. Café comercial (Mellita Tradicional, Fino Grão, 3
Corações) e cevada comercial (Corsetti, Superbom, Yoki) foram obtidos em
estabelecimentos comerciais. Amostras de café comercial possivelmente adulterados
foram fornecidas pelo Sindicato da Indústria de Café do Estado de Minas Gerais,
SindiCafé/MG (Tabela 3).
3.1.2 - Amostras de misturas de cevada em café
Foram estipuladas cinco misturas de cevada em café nas concentrações de 1 %,
10 %, 20 %, 50 % e 80 % para todos os tempos de torração (Tabela 4). As amostras de
café e de cevada foram torradas separadamente e, em seguida, realizadas as misturas.
Foram realizadas as misturas de acordo com o grau de torração, amostras com torração
suave, ou seja, café com o tempo de torração de 8 minutos e cevada com tempo de
torração de 15 minutos foram misturados. Da mesma maneira, procedeu-se com as
demais amostras, café com torração de 9 minutos foi misturado com cevada torrada por
16 minutos, café com torração de 10 minutos foi misturado com cevada torrada por 17
minutos e café com torração de 11 minutos foi misturado com cevada torrada por 18
minutos.
Tabela 2 - Amostras de café e cevada torradas
Amostra
Código
Grau
de
torração
(mufla a 300ºC) (min)
Cf G1
8
G2
9
G3
10
Café
G4
11
Cv G1
15
G2
16
G3
17
Cevada
G4
18
Tabela 3 – Amostras de café e cevada comerciais
Amostra
Código
Marca
1
3 Corações
2
Mellita
3
Serra de Minas
Café
comercial
com selo da Abic
Cfs
4
Camburi*
1
Casarão
2
Varginha
3
Campeiro*
4
Caratinga*
5
Colonial*
6
Café da Feira*
7
Divisópolis*
8
Pináculo*
9
Pingüim*
10
Rei*
Café
comercial
sem selo da Abic
Cfns
11
Fino Grão
1
Corsetti
2
Superbom
Cevada comercial
Cvc
3
Yoki
* café obtido no SindiCafé/MG
Tabela 4 – Amostras de misturas de cevada em café
Amostra
Código
Concentração (%)
M1
1
No documento
Detecção de adulteração de café torrado e moído com cevada pelo perfil cromatográfico de voláteis
(páginas 31-36)