• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  science >> Ciência >  >> Química
    Um método mais rápido e confiável para categorizar o azeite é validado
    p Classificando azeites de oliva nas categorias de virgem extra (EVOO), virgem (VOO) e lampante (LOO) ainda é um grande desafio, pois o método oficial inclui análises físico-químicas e sensoriais por meio de um painel de provadores. Esses provadores precisam ser especializados, e em muitas ocasiões não estão disponíveis, além de ser caro e lento. Tudo isso criou a necessidade de desenvolver novos métodos analíticos usando preços acessíveis, ferramentas confiáveis ​​que são transferíveis para a indústria. Crédito:Universidad de Córdoba (Espanha)

    p Classificando azeites de oliva nas categorias de virgem extra (EVOO), virgem (VOO) e lampante (LOO) ainda é um grande desafio, pois o método oficial inclui análises físico-químicas e sensoriais por meio de um painel de provadores. Esses provadores precisam ser especializados, e em muitas ocasiões não estão disponíveis, além de ser caro e lento. Tudo isso criou a necessidade de desenvolver novos métodos analíticos usando preços acessíveis, ferramentas confiáveis ​​transferíveis para a indústria. p O grupo de pesquisa AGR-287, liderado pela professora Lourdes Arce, foi pioneira em demonstrar as possibilidades que a cromatografia gasosa juntamente com a espectrometria de mobilidade iônica (GC-IMS) poderia fornecer para classificar os óleos em três categorias (EVOO, VOO e LOO). Esta metodologia permite a análise de duas amostras por hora. Quando um número representativo de amostras foi analisado, as informações químicas coletadas são tratadas por meio de ferramentas estatísticas, a fim de criar equações de calibração que permitirão a classificação de amostras de óleo desconhecido em suas respectivas categorias no futuro.

    p Um ponto crucial na validação desse método é o número de amostras necessárias para calibrar o equipamento. A pesquisa feita mostrou que, para obter bons resultados, é necessário não só analisar um número representativo de amostras, mas também ter amostras de azeite pertencentes a cada uma das três categorias, de diferentes variedades, de estações diferentes e degustados por pelo menos dois painéis cujos resultados coincidem. Portanto, esses métodos não procuram substituir, mas sim complementar e apoiar, o papel dos painéis de degustação credenciados. Nestes projetos de pesquisa, a importância de construir um banco de amostras de óleo foi demonstrada, para que possam ser padrões de referência que serão usados ​​para construir equações calibradas. Essas equações estabelecerão as categorias das amostras de óleo analisadas.

    p Os resultados obtidos com esta pesquisa têm despertado o interesse de diferentes empresas do setor de petróleo que atualmente estão colaborando para a transferência desta pesquisa para a indústria. O que é mais, usando o conhecimento resultante desta pesquisa, um novo instrumento está sendo desenvolvido para classificar os óleos com base no uso da tecnologia IMS. Isso constitui uma das linhas do Projeto Innolivar, cujo objetivo é aumentar a competitividade, posicionamento internacional, capacidade tecnológica e rentabilidade financeira dos olivais e respetivo setor de atividade.

    p Outro projeto de pesquisa realizado pela doutoranda Natividad Jurado, revelou que a classificação adequada de óleos requer levar em consideração os compostos químicos que cada provador distingue. A metodologia proposta é baseada na extração de determinados compostos presentes no óleo, por exemplo polifenóis, e, em seguida, determiná-los usando eletroforese capilar (CE-UV) - uma técnica para separar moléculas diferentes - juntamente com um detector ultravioleta. Em um artigo publicado em Talanta , o uso integrado de ambas as técnicas (CE-UV e GC-IMS) foi sugerido a fim de detectar compostos não voláteis detectados pela boca, e também os compostos voláteis detectados pelo nariz. Todas as informações obtidas com ambas as técnicas são tratadas por ferramentas estatísticas adequadas para classificar uma amostra de óleo na categoria correta. Esta fusão de dados provou ser útil na classificação de amostras limítrofes que estão na interface de dois grupos (EVOO / VOO ou VOO / LOO).


    © Ciência https://pt.scienceaq.com