Quality control of flaxseed and ginkgo biloba oils using spectrometry in MIR and chemometric tools

The growing interest in plant-based therapies aimed at the prevention and/or treatment of various pathologies has become increasingly noticeable. In recent years, there has been a significant increase in the number of scientific studies aimed at proving these benefits.Flaxseed is an oil rich in α-Tocopherol and α-linolenic acid, components with anticancer effects studied, in addition to its application in the prevention of heart disease and diabetes. Ginkgo biloba extract and oil, in turn, has been proposed in the literature as a promising candidate in the treatment of degenerative diseases of the nervous system, with potential beneficial effects in the prevention of throat, cervix, ovary and control cancer hormonal activity.In this context, extra virgin oils from Ginkgo biloba and Linnaeus have become high added value raw materials, making it possible to adulterate targets, which results in the need to develop tools to control their quality.Thus, the main objective of this work was the development ofefficient analytical methodologies to detect and classify adulterations in Flaxseed and Ginkgo biloba extra virgin oil samples and to quantify lower cost vegetable oils such as soybean oil, sunflower oil, corn oil and Mineral oil using the Medium InfraredSpectrometry technique coupled with the Partial Minimum Square Multivariate Calibration (PLS) and Discriminating Partial Minimum Square Analysis (PLS-DA) methods, applying in commercial samples, in order to propose such methodologies as stages a to be implemented in routine analyzes and control of quality and purity of these extra virgin oils by inspection agencies. The multivariate validation was evaluated according to ASTM 1655-05, by calculating NAS and Merit Figures for the PLS models obtained, while for the PLS-DA the parameters of the Bayes Confusion Table were evaluated. The constructed models were efficient in detecting adulterations by vegetable oils of lower nutritional value.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorTese (Doutorado)O crescente interesse em terapias à base de óleos vegetais voltados à prevenção e/ou tratamento de diversas patologias tem se tornado notório, procedendo um significativo aumento,nos últimos anos, do quantitativo de estudos científicos voltados a comprovar estes benefícios. A semente de linhaça é uma oleaginosa rica em α-Tocoferol e ácido α-linolênico, componentes com efeitos anticancerígenos estudados, além de sua aplicação na prevenção de cardiopatias e diabetes. O extrato e óleo extravirgem de Ginkgo biloba por sua vez, tem sido proposto na literatura como um candidato promissor no tratamento de doenças degenerativas do sistema nervoso, com potenciais efeitos benéficos na prevenção de câncer de garganta, de colo de útero, de ovário e controle hormonal feminino.Neste contexto, os óleos extravirgem de Ginkgo biloba e Linhaça se tornaram matérias primas de elevado valor agregado, tornando-os possíveis alvos de adulterações, o que resulta na necessidade de desenvolvimento de ferramentas para controle de qualidade dos mesmos.Assim, este trabalho teve como objetivo principal o desenvolvimento de métodos analíticos eficientes em detectar e classificar adulterações em amostras de óleo extravirgem de Linhaça e Ginkgo biloba e quantificar óleos vegetais de menor custo, como óleo de soja, óleo de girassol, óleo de milho e óleo mineral,usando a técnica de Espectrometria no Infravermelho Médio aliada aos métodos de Calibração Multivariada por Quadrados Mínimos Parciais (PLS) e Análise Discriminante por Quadrados Mínimos Parciais (PLS-DA), aplicando os modelos construídos em amostras comerciais, a fim de propor tais métodos como etapas a serem implementadas em análises de rotina e controle de qualidade e pureza desses óleos extravirgem por órgãos de fiscalização.A validação multivariada foi avaliada de acordo com norma ASTM 1655-05, através do cálculo de NAS e Figuras de Mérito para os modelos PLS obtidos, enquanto que para os PLS-DA foram avaliados os parâmetros da Tabela de Confusão de Bayes.Os modelos construídos foram eficientes em detectar adulterações por óleos vegetais de menor valor nutricional