SciELO - Scientific Electronic Library Online

 
vol.55 issue3Bioavailability and minimum endogenous losses of P in diets with phytase increasing levels for growing swine by using the isotopic dilution techniqueFormation and demographic structure of the Campolina horse breed author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Article

Indicators

Related links

Share


Arquivo Brasileiro de Medicina Veterinária e Zootecnia

Print version ISSN 0102-0935

Arq. Bras. Med. Vet. Zootec. vol.55 no.3 Belo Horizonte June 2003

http://dx.doi.org/10.1590/S0102-09352003000300017 

Predição da composição química do sorgo pela técnica de espectroscopia de reflectância no infravermelho próximo

 

Prediction of sorghum chemical composition by near infrared spectroscopy technique

 

 

E.O.S. SalibaI; M.M. Gontijo NetoII; N.M. RodriguezI; L.F. MirandaII; J.A. ObeidIII; G.L. TeixeiraIV; M.A. OliveiraIV

IEscola de Veterinária da UFMG Caixa Postal 567 30123-970 - Belo Horizonte, MG
IIPós-graduando da Escola de Veterinária da UFMG
IIIUniversidade Federal de Viçosa
IVBolsista de Iniciação Científica – Escola de Veterinária da UFMG

 

 


RESUMO

Determinou-se a composição química do sorgo pela espectroscopia de reflectância no infravermelho próximo (NIRS), comparando-a com os dados obtidos pelas análises convencionais de laboratório. Foram utilizadas 132 amostras de quatro variedades de sorgo: AG212 (porte alto), AG 2002 (porte alto), AG 2005 (duplo propósito) e AG 213 (porte alto). Com o intuito de se obter uma curva ampla, todas as amostras foram agrupadas compondo uma curva denominada sorgo in natura. As variáveis avaliadas foram carboidratos solúveis (CHO sol), fibra detergente neutro (FDN), fibra detergente ácido (FDA), proteína bruta (PB), matéria seca (MS) e digestibilidade in vitro da matéria seca (DIVMS). Utilizou-se o tratamento de absorbância e foram encontrados os seguintes coeficientes de determinação (%): CHO sol = 98,7, FDN = 96,4, FDA = 98,1, PB = 99,5, MS = 95,8 e DIVMS = 93,1. A calibração foi boa (baixo erro de calibração e alto coeficiente de determinação) para o tratamento de absorbância.

Palavras-chave: sorgo, composição química, espectroscopia, digestibilidade in vitro


ABSTRACT

The study aimed to evaluate the near infrared spectroscopy (NIRS) technique potential for predicting the chemical composition of sorghum. One hundred thirty two samples of four sorghum hybrids: AG212 (tall size), AG2002 (tall size), AG 2005 (dual purpose) and AG213 (tall size) were used in the analyses. The chemical composition was evaluated for the following fractions: dry matter (DM), crude protein (CP), neutral detergent fiber (NDF), acid detergent fiber (ADF), in vitro dry matter digestibility (IVDMD) and carboydrates (CHO). The coefficients of determination (R2) for the fractions DM, CP, NDF, ADF, IVDMD and CHO were: 95.8, 99.5, 96.4, 98.1, 93.1 and 98.7%, respectively. Low sec-error and high coefficient of determination were observed for the absorbance treatment.

Keywords: sorghum, chemical composition, near infrared spectroscopy, in vitro digestibility


 

 

INTRODUÇÃO

A crescente demanda da sociedade por produtos de origem animal, a tipificação e disponibilidade de novos alimentos e tecnologias, e os avanços na informática e computação têm proporcionado o desenvolvimento de programas de computador para o cálculo de rações. Porém, o desenvolvimento e a atualização dos cálculos de ração não têm sido acompanhados atualização similar na qualidade dos dados que sustentam os programas.

Um ponto crítico da aplicação prática de conhecimentos científicos gerados no campo da nutrição animal é o controle analítico de alimentos e produtos (Garrido et al., 1996). Por isso, torna-se necessário o desenvolvimento técnicas rápidas e sensíveis que possam alimentar esse banco de dados.

Os compostos orgânicos absorvem energia eletromagnética na região do infravermelho (IV). Em suas absorções vibracionais, as ligações covalentes se comportam como se fossem elásticas. "O espectro no IV tem sido comparado a uma impressão digital da molécula" (Vogel, 1992). Com base nesta afirmativa, passou a estudar o espectro IV próximo de forragens ou componentes de ração para identificar os seus constituintes (Osborne, 1981).

A espectroscopia de reflectância no IV próximo tem sido desenvolvida a partir de 1980 com o intuito de relacionar a composição do alimento com sua absorção no IV próximo, podendo assim predizer composição, a digestibilidade e o teor de energia metabolizável, dentre outras variáveis inerentes ao alimento (Nick, 1989; Valdes, Leeson, 1991; Pedrol, Robutti, 1993).

O espectrofotômetro de reflectância no infravermelho próximo (NIRS) trabalha na região espectral que é o segmento do espectro eletromagnético entre 700 e 2500nm. Aliado a um software estatístico, permite identificação, qualificação e quantificação de compostos orgânicos nos alimentos.

Para se obter sucesso na utilização desta tecnologia é necessário seguir alguns passos como seleção das amostras, aquisição dos dados, leitura espectral, tratamento matemático, determinação das equações, validação e, finalmente, rotina analítica (Shenk, Westerhaus, 1994).

Segundo Undersander e Martin (1997), no momento a tecnologia NIRS está sendo padronizada e estão sendo desenvolvidas equações. Em um futuro bem próximo esta tecnologia estará acessível para muitos laboratórios. Portanto, os testes para análise de forragens e rações mudarão drasticamente. NIRS fornecerá rapidamente e de forma mais sensível estimativas do valor nutritivo dos alimentos. Isso poderá ajudar a comunidade agropecuária pois os dados estarão disponíveis em um menor tempo e a menor custo.

Este trabalho objetivou determinar a composição química do sorgo in natura pela espectroscopia de reflectância no infravermelho próximo, comparando com os dados obtidos pelas análises convencionais de laboratório.

 

MATERIAL E MÉTODOS

No emprego da técnica NIRS, o algoritmo para o desenvolvimento (obtenção) da equação de calibração, usará um banco de dados gerados pelas análises de laboratório e os valores de comprimento de onda vindos da leitura das amostras no aparelho NIRS. A validação dos dados será feita dentro do próprio arquivo de calibração sem que seja necessária amostragem adicional, procedimento conhecido como validação cruzada (Shenck, Westerhaus, 1993).

A seleção do modelo tratamento matemático final para representar a melhor equação para cada variável estudada, segundo Windhan et al. (1989), será baseada no valor mais baixo do erro padrão de calibração (EPC) e no erro-padrão de validação cruzada (EPVC), combinados com os valores de coeficientes de determinação (R2), produzidos nas etapas de calibração e validação cruzada.

Foram utilizadas 132 amostras de quatro variedades de sorgo AG2002 (porte alto), AG2005E (duplo propósito), AG ´ 212 (porte alto) e AG ´ 213 (porte alto). Com o intuito de obter uma curva mais ampla, que atendesse uma grande variação na composição de cultivares de sorgo, todas as amostras foram agrupadas e compuseram uma curva denominada sorgo "in natura".

Foi utilizado um espectrômetro de reflectância no infravermelho próximo com transformada de Fourier NIRS VIS BUHLER adaptado a um software quimiométrico BCAP (Buhler Chemical Analytic Package). As 132 amostras foram submetidas a um esquema de duas leituras, sendo cada leitura a média de cinco escaneamentos do feixe luminoso; portanto a curva foi composta por 1320 leituras correspondendo aos comprimentos de onda característicos das variáveis CHOsol, FDN, FDA, PB, MS e DIVMS. As amostras foram pré-secas em estufa ventilada a 65oC por 48 horas e moídas em peneira de 1mm. Foram realizadas análises de MS em estufa a 105oC, PB segundo AOAC ( Cunniff, 1995), FDN e FDA conforme Van Soest et al. (1991), e DIVMS segundo Tilley e Terry (1963).

Assim desenvolveu-se o algoritmo para obtenção da equação de calibração com os dados de análises de laboratório. Foi feita a validação cruzada como sugerido por Shenck e Westerhaus (1993).

Determinou-se uma curva para multipropriedades utilizando o componente principal da regressão (PCR). As propriedades avaliadas foram: carboidratos solúveis (CHOsol), fibra em detergente neutro (FDN), fibra em detergente ácido (FDA), proteína bruta (PB), matéria seca (MS) e digestibilidade in vitro da matéria seca (DIVMS).

Utilizou-se o modelo matemático de absorbância e segunda derivada para valores, a fim de poder escolher o que melhor representasse os dados, verificando as mais altas correlações (R2) e os menores erros-padrão de calibração (EPC).

 

RESULTADOS E DISCUSSÃO

Avaliou-se a precisão das equações de Predição geradas pelo Programa de calibração com dados a partir de 132 amostras.

Na Tab. 1 são apresentados os dados referentes à curva sorgo in natura.

 

 

Foi escolhido o modelo matemático de absorbância para os dados pois foi o que apresentou menores EPC e SD; o modelo de segunda derivada não atendeu aos parâmetros (EPC e SD) de uma boa calibração.

Segundo Pires e Prates (1998) e Fontanelli et al. (2000), as variáveis mais utilizados na avaliação da equação de calibração são: comprimento de onda, EPC, ou seja, o desvio-padrão da diferença entre os cálculos do aparelho e os resultados do método de referência (laboratório), e coeficiente de determinação (R2).

Bons resultados devem ter alto R2 e baixo EPC, o que foi verificado para a propriedade (variável) PB. Isto tem sido verificado por vários autores (Pires, Prates, 1998; Garcia-Ciudad et al., 1999; Fontanelli et al., 2000) pois para PB a técnica tem sido bem difundida.

Para as frações FDN e FDA, a precisão da técnica NIRS foi menor, o que foi verificado também por Pires e Prates (1998). Esses pesquisadores explicaram que pode ser devido à complexidade da estrutura da FDN e FDA. Shenk e Westerhaus (1994), estudando o potencial da técnica NIRS para análise de forragens, afirmaram que ocorrem muitas misturas de carboidratos nestas frações, ainda não muito bem definidas quimicamente. Pelo exposto, a análise das frações FDN e FDA deve ser feita em um modelo simples (estudando as variáveis separadas e não na curva múltipla como foi feito neste trabalho e nos dos autores citados), dessa forma haverá chance de minimizar as interferências dos componentes das frações quando limitar os comprimentos de ondas em faixas bem estreitas.

Obteve-se boa estimativa para teor de CHOsol, segundo o NIRS, na equação em estudo, apresentando alto R2 (96,5%) e baixo EPC (3,2). Sabe-se que o NIRS utiliza o comprimento de onda da ligação C=O e H-C=O para relacionar com os carboidratos e nas forragens existem poucas substâncias que poderiam interferir nestes comprimentos de onda, e superestimar ou subestimar os valores destas frações na amostra.

A DIVMS analisada pelo NIRS apesar do alto R2 (97%) apresentou o mais alto EPC (18,2). Para a variável DIVMS a estimativa pela equação desenvolvida foi boa. Isto também foi mencionado por Noah et al. (1997) em trabalho onde utilizaram amostras coletadas do trato digestivo de suínos em diferentes horários e verificaram que os picos em 1400nm e 1600nm característicos do amido desapareciam em tempos mais longos após o fornecimento da dieta, com conseqüente aumento dos picos em 2000nm e 2100nm, que se referem a carboidratos menos digestíveis nessa categoria animal. Os autores puderam assim avaliar a digestibilidade pela técnica NIRS, pela qual foram encontrados resultados satisfatórios, demostrando que a técnica se presta bem para a determinação de digestibilidade.

O teor de MS não se ajustou bem à curva e pode ter sido devido ao fato de as amostras possuírem teor elevado de taninos. Como eles possuem grupamento hidroxila (OH), a absorção no infravermelho da banda hidroxílica da água pode ter ficado comprometida. Segundo Pires e Prates (1998), esta metodologia não se aplica bem para a variável MS.

Pires e Prates (1998) mencionaram problemas quanto a utilização do NIRS para análise de forragens como trabalhos incipientes e pouca literatura. É preciso, portanto, mais trabalhos na área.

 

CONCLUSÕES

O modelo matemático proposto para o sorgo in natura pode fornecer boas estimativas para as variáveis estudadas , exceto MS, FDN e FDA.

 

REFERÊNCIAS BIBLIOGRÁFICAS

CUNNIFF, P. Official methods of analysis of AOAC International. 16.ed. Arlington: AOAC International, 1995. v.1.        [ Links ]

FONTANELLI, R.S.; DURR, J.W.; BASSO, S.M.S. et al. Avaliação da qualidade de silagens de milho através da espectrometria de reflectância no infravermelho proximal (NIRS). In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 37, 2000, Viçosa. Anais... Viçosa: SBZ, 2000. p.1-3.        [ Links ]

GARRIDO, A.; GÓMEZ, A.; GUERRERO, J.E. et al. NIRS: uma tecnologia de apoyo para un servicio integral en alimentacion animal. In: CURSO DE ESPECIALIZACION FEDNA, 12, 1996, Madrid. Anais... Madrid: Fundación Española para el desarrollo de la nutricíon animal, 1996. p.275-303.        [ Links ]

NICK, D. Los Programas de control de calidad en las empresas avícolas. Avic. Profes., v.7, p.20-24, 1989.        [ Links ]

NOAH, ROBERT, P.; MILLAR, S. et al. Near-infrared spectroscopy as applied to starch analysis of digestive contents. J. Agric. Food Chem., v.45 p.2593-2597, 1997        [ Links ]

OSBORNE, B.G. Principles and practice of near infra-red (NIR) neflectance analysis. J. Food Technol., v.16, p.13-19, 1981.        [ Links ]

PEDROL, H.M.; ROBUTTI, J.L. Determinacion de lisina en maiz por reflexion en el infrarrojo cercano y su utilizacion en el mejoramiento. Inf. Tecn., n.280., p.1-16, 1993.        [ Links ]

PIRES, F.F.; PRATES, E.R. Uso da técnica da espectrofotometria de reflectância no infravermelho proximal (NIRS) na predição da composição química da alfafa (Medicago sativa, L.). Rev. Bras. Zootec., v.27, p.1076-1081, 1998.        [ Links ]

SHENK, J.S.; WESTERHAUS, M.O. Near infrared reflectance analysis with single oral multiproduct calibrations. Trop. Sci., v.33, p.582-584, 1993.        [ Links ]

SHENK, J.S.; WESTERHAUS, M.O. The aplication of Near infrared reflectance spectroscopy (NIRS) to forage analysis. In: FAHEY Jr., G.C. Forage quality evaluation and utilization. Madison: American Society of Agronomy, 1994. p.406-449.        [ Links ]

TILLEY, J.M.A.; TERRY, R.A.A. two stage technique for the in vitro digestion of forage crops. J. Brit. Grassl. Soc., v.18, p.104-111, 1963.        [ Links ]

UNDERSANDER, D.; MARTIN, N. What is NIR, and where is it going? Proceedings from the silage: Field to Feedbunk North American Conference. Pensylvania: Hershey, February, p.11-13, 1997. 435p.        [ Links ]

VALDES, E.V.; LEESON, S. Analisis rápido de energía metabolizable por espectroscopia de la reflectancia en el infrarrojo cercano (NIR). Avic. Profes., v.8, p.128-130, 1991.        [ Links ]

VAN SOEST, P.J.; ROBERTSON, J.B.; ZEWIS, B.A. Methods for dietary fiber, neutral detergent fiber, and nonstarch polysaccharides in relation to animal nutrition. J. Dairy Sci., v.74, p.3583-3597, 1991.        [ Links ]

VOGEL, A.I. Análise química quantitativa. 5.ed. Rio de Janeiro: Guanabara Koogan, 1992. p.712.        [ Links ]

WINDHAN, W.R.; MERTENS, D.R.; BARTON II, F.E. Protocol for NIRS calibration: sample selection and equation development and validation. In: Definition of NIRS analysis. Near Infrared Reflectance Spectroscopy (NIRS): analysis of forage quality. Washington: USDA, 1989.        [ Links ]

 

 

Recebido para publicação em 30 de outubro de 2001
Recebido para publicação, após modificações, em 19 de julho de 2002

 

 

E-mail: saliba@vet. ufmg.br