Morgano M., Queiroz S. C. N., Ferreira M. M. C., ”Aplicação da Análise Multivariada da Interpretação de Teores de Minerais Encontrados em Sucos de Frutas” ["Application of multivariate analysis in interpretation of mineral contents in fruit juices"]. Poços de Caldas, MG, 23-26/05/2000: 23a Reunião Anual da Sociedade Brasileira de Química: A Ligação Química Brasil/Portugal [23rd Annual Meeting of the Brazilian Chemical Society: The Chemical Bond Brazil/Portugal], Livro de Resumos [Book of Abstracts], 3 (2000) QA-161. Poster QA-161.
APLICAÇÃO
DA ANÁLISE MULTIVARIADA NA INTERPRETAÇÃO
DE
TEORES DE MINERAIS ENCONTRADOS EM SUCOS DE FRUTAS
Marcelo Antônio Morgano
(PG)*,**, Sonia Claudia do Nascimento de
Queiroz (PG)** e
Márcia
Miguel Castro Ferreira (PQ)**.
*Centro
de Química de Alimentos e Nutrição Aplicada - Instituto
de Technologia de
Alimentos
- ITAL
**Instituto de Química - Universidade Estadual de Campinas - UNICAMP
palavras-chave: suco de frutas, análise multivariada, minerais.
Sucos de frutas são
consumidos em todo o mundo, não
só pelo sabor agradável
mas, também
por serem ricos em nutrientes que são
indispensável à saúde dos
seres humanos. Os
sais minerais são de grande importância uma vez que
regulam o
metabolismo de
diversas enzimas, o equilibrio ácido-base, a pressão
osmótica, etc.
Assim, a determinação
do teor de minerais é de extrema importância
na avaliação
da qualidade destes produtos
em termos nutritivos.
Deste modo o
objetivo deste trabalho foi analisar
os teores de 9 minerais, por
Espectroscopia de
Emissão Óptica em Plasma Indutivamente
Acoplado (ICP-OES),
em 7 diferentes
tipos de sucos de frutas processados
e aplicar as técnicas de
Análise por
Componentes Principais (PCA) e Análise Hierárquica
por Agrupamento
(HCA) para facilitar a interpretação
dos resultados.
Os teores dos minerais Ca,
P, Na, K, Mg, Zn, Fe, Mn e Cu foram determinados, após
uma extração
com HCl a frio, em um ICP-OES
simultâneo, modelo ICP 2000
(BAIRD, Massachusetts,
USA). As condições para a determinação
multielementar
foram: potência do
plasma 1,0 KW; gás refrigerante 6,5 L/min;
gás auxiliar (Ar) 6,5
L/min; vazão
da amostra 2 mL/min; altura de observação vertical
19 mm (acima da
bobina de indução);
pressão do nebulizador pneumático
concêntrico 3 bar. Dois
lotes diferentes
de cada suco (abacaxi, acerola, caju, goiaba, manga,
maracujá e
uva) foram
analisados e as determinações
foram feitas com três repetições
analíticas.
Em seguida foram aplicadas a PCA e a HCA
à matriz de dados gerada
(42x9).
Na PCA utilizou-se
como pré-processamento o auto-escalamento
e em seguida
obtiveram-se os scores
e os loadings. A PCA mostrou que a
primeira componente
principal (PC1) explica
49,6% da variância total dos dados, sendo que a segunda e a
terceira componentes
principais explicam 19,6% e
13,8%, respectivamente. A
primeira componente principal
está relacionada principalmente aos minerais Ca,
Mg,
Fe e P,
enquanto a segunda componente principal relaciona-se aos
minerais Mn,
Cu, P e K. Pelos gráficos
de scores e loadings observa-se que
existe a separação
entre os sucos de caju,
maracujá, goiaba, acerola e manga, na primeira componente
principal. Enquanto
que a segunda componente principal
separa os sucos de
abacaxi e uva deos demais.
Na primeira componente pricipal as amostras de sucos
de caju são as que
tem menores valores de scores e estão
separadas das demais
por apresentarem os menores
teores dos minerais Ca, Mg e Fe que são
os metais
que se
mais destacam nesta componente
principal. Os sucos de
abacaxi
apresentam valores de scores
mais
positivos na PC1 e PC2. Comparando com
os
loadings observa-se
que isto se deve ao fato de que estes sucos são
aqueles que
tem maiores teores de Mn,
Fe, Mg e Ca. Os sucos de uva
tem scores altamente
positivos na
PC1 e negativos na PC2. Para
os demais sucos, goiaba, acerola,
maracujá e manga,
apesar de estarem satisfatoriamente separados na PC1 eles
se
encontram próximos
ao zero das PC1 e PC2 e portanto,
não foi possivel atribuir
quais minerais foram importantes
para suas separações.
Estas duas componentes principais
descrevem 69% da variância total dos dados. A
terceira componentes
principal (13,8% da variância total) tem
alta contribuição de
zinco e potássio,
sendo responsável pela discriminação dos sucos de
maracujá. É
interessante notar que os
diferentes sucos, foram agrupados entre si de acordo com
as diferenças nos
teores de minerais encontrados. Os sucos de
acerola e goiaba,
foram aqueles
que mantiveram próximos nestas
três componentes principais,
indicando que seus teores
de minerais diferenciam menos.
A análise hierárquica
de agrupamentos (HCA), figura 1, complementa a
análise de
componentes principais (PCA),
sendo uma outra forma de visualizar as semelhanças
e diferenças
na composição mineral dos diferentes sucos.
O grau de similaridade
entre as amostras varia
entre 0 e 1 (quando amostras são idênticas).
Com um grau
de similaridade 0,7, destacam-se
6 grupos de sucos: uva, abacaxi, maracujá,
caju,
manga e um grupo de
acerola e goiaba. Estes grupos correspondem aos
mesmos
grupos formados
pelas 3 componentes principais evidenciando
a importância de
resultados. É
interessante notar também que as diferentes
variedades de sucos,
formam cada uma dois grupos
distintos correspondendo aos dois lotes de sucos de
frutas estudadas (junho/98
e agosto/98).
As análises
por PCA e HCA proporcionaram uma interpretação
multivariada dos
resultados, mostrando que
as amostras são agrupadas de acordo com as diferenças
nos teores de minerais.
Figura 1 - Análise hierárquica por agrupamento (HCA).
APPLICATION
OF MULTIVARIATE ANALYSIS IN INTERPRETATION
OF
MINERAL CONTENTS IN FRUIT JUICES
Marcelo Antônio Morgano
(PG)*,**, Sonia Claudia do Nascimento de
Queiroz (PG)** e
Márcia
Miguel Castro Ferreira (PQ)**.
*Centro
de Química de Alimentos e Nutrição Aplicada - Instituto
de Technologia de
Alimentos
- ITAL
**Instituto de Química - Universidade Estadual de Campinas - UNICAMP
palavras-chave: fruit juice, multivariate analysis, minerals.
Fruit juices are consumed
worldwide, not because of their good taste but also because
they are rich in
nutrients which are necessary for human health. Mineral salts
are very
important due
to their regulatory role in metabolism
of diverse enzymes, acid-base
equilibrium, osmotic pressure
etc. Therefore, mineral contents determination is extremely
important for
evaluation of the quality of
these products in terms of
nutrients.
In this sense,
the goal of this work was to analyze contents
of 9 minerals by using
Inductively Coupled
Plasma Optical Emission Spectroscopy (ICP-OES). The
contents
were determined for 7
different types of processed fruit juices and then the
techniques
of Principal Component
Analysis (PCA) and Hierarchical Cluster Analysis (HCA)
were
applied to facilitate the
intepretation of results.
Contents of minerals
Ca, P, Na, K, Mg, Zn, Fe, Mn and Cu were determined,
after an
extraction with
cold HCl, by carrying out simultaneous ICP-OES
with an instrument
model ICP 2000
(BAIRD, Massachusetts, USA). Conditions of
the multielementary
determination were:
plasma potential 1,0 KW; cooling gas 6.5 L/min; auxiliary gas
(Ar)
6.5 L/min; sample evaporation
2 mL/min; vertical observation height 19 mm (above the
induction coil); pression
from a concentric pneumatic nebulizator 3 bar.
Two portions
of each
juice (abacaxi, acerola, caju, goiaba, mango,
maracuja and grape) were
analyzed and
the determinations were carried out from three
repetitions. Then PCA
and HCA were applied to
a generated data matrix (42x9).
Preprocessing for
PCA was autoscaling, after which
scores and loadings were
obtained. PCA
showed that the first principal component (PC1)
explained 49.6% of
the total variance,
whilst the second and third principal components
explained 19.6%
and 13.8%, respectively.
The first principal component is related to the main minerals
Ca, Mg, Fe and
P, and the second principal component is related to minerals
Mn, Cu,
P and K.
It was noticed in the scores and
loadings plots that the first principal
component separated
juices of caju, marajucuja, goiaba, acerola
and mango. The
second principal component
separated juices of abacaxi and grape
from the others.
Along the first
principal component, caju juices have
the lowest scores and are
separated from the other
juices because of lower contents of Ca, Mg and
Fe (metals
with higher
contribution to the first principal component).
Abacaxi juices have more
positive scores at
PC1 and PC2. When comparing scores
and loadings, it can be
noticed that these
juices have the highest contents of
Mn, Fe, Mg and Ca. Grape
juices have highly
positive scores at PC1 and highly negative at
PC2. Other juices,
i.e. of goiaba,
acerola, maracuja and mango, although being satisfactorily
separated
by PC1, they
are all close to zero along PC1
and PC2, and therefore, it was not
possible to atribute minerals
needed for separation of these juices.
These two principal
components describe 69% of the
total variance. The third
principal component
(13.8% of the total variance) have high contribution
of zinc and
potassium, and
that is why it discriminates maracuja
juices from the others. It is
interesting to
mention that different juices are clustered with respect
to differences in
mineral contents. Acerola
and goiaba juices are close to each
others along all three
principal components, meaning
that their mineral contents are similar.
Hierarchical cluster
analysis (HCA), Figure 1, is complement to
principal component
analysis (PCA),
and is another way to see similarities
and differences of mineral
contents in
the studied juices. There are 6 groups
of juices at the similarity index
0.7: grape, abacaxi, maracuja,
caju, mango, and a group of acerola and goiaba
juices.
These groups
correspond to the same
groups formed by the three
principal
components, thus confirming
theobtained results. It is worth to mention
that each one
of different varieties
of juices form two distinct groups due to two portions
of studied
juices (June/98 and August/98).
PCA and HCA
analyses have enabled a good multivariate
intepretation of results,
showing that the samples
are grouped with respect to differences in mineral contents.
Figure 1 - Hierarchical cluster analysis (HCA).