A contaminação de alimentos pela migração de aditivos de baixo peso molecular em alimentos processados industrialmente pode ser resultado do contato direto entre a embalagem e o alimento. A concentração do aditivo que migra do material da embalagem para o alimento está relacionada com as propriedades estruturais do aditivo, bem como com a natureza do material empregado na embalagem. O objetivo deste estudo é desenvolver um modelo QSPR pela adaptação do sistema de interferência neuro-fuzzy (ANFIS) a fim de predizer o valor do coeficiente de partição K, no sistema de estudo, embalagem/alimento. Para tal, foram investigados 44 coeficientes de partição em vários sistemas, assim constituídos: 4 de simuladores alimentares, 6 de migrantes alimentares e 2 de embalagens. Um conjunto de 6 descritores moleculares, representando várias características dos simuladores de alimentos (2 descritores), dos migrantes (3 descritores) e de polímeros (1 descritor) foi empregado como a série de dados para avaliar esse estudo. Esta série de dados foi dividida em três subconjuntos: treinamento, teste e predição. A técnica de modelagem ANFIS foi aplicada pela primeira vez neste campo de estudos relacionado com alimento/embalagem. O resultado desta modelagem forneceu um RMSE de 0,0006 e o coeficiente de correlação (R²) para o ensaio da predição foi de 0,9920.

Food contaminations by migration of low molecular weight additives into foodstuffs can result from direct contact between packaging materials and food. The amount of migration is related to the structural properties of the additive as well as to the nature of packaging material. The goal of this study is to develop a quantitative structure-property relationship (QSPR) model by the adaptive neuro-fuzzy inference system (ANFIS) for prediction of the partition coefficient K in food/packaging system. The partition coefficients of a set of 44 systems consisted of 4 food simulants, 6 migrants and 2 packaging materials were investigated. A set of 6 molecular descriptors representing various structural characteristics of food simulants (2 descriptors), migrants (3 descriptors) and polymers (1 descriptor) was used as data set. This data set was divided into three subsets: training, test and prediction. ANFIS as a new modeling technique was applied for the first time in this field. The final model has a root mean square error (RMSE) of 0.0006 and correlation coefficient (R²) for the prediction set of 0.9920.