Determinação de parâmetros de qualidade de óleos de peixe por meio de ressonância magnética nuclear de 1 H, espectroscopia de infravermelho médio e infravermelho próximo em combinação com estatísticas multivariadas

O óleo de peixe está se tornando cada vez mais popular como suplemento dietético, bem como para seu uso na alimentação animal, principalmente devido ao seu alto teor de ácidos graxos ômega-3, promotores da saúde. No entanto, esses ácidos graxos poliinsaturados são altamente suscetíveis à oxidação, o que resulta em uma diminuição da qualidade do óleo de peixe. Este estudo investigou o potencial de ¹Espectroscopia H NMR, FT-MIR e FT-NIR na avaliação da qualidade de óleos de peixe. Um total de 84 óleos de peixe diferentes, dos quais 22 foram submetidos a armazenamento acelerado com variação de temperatura e exposição à luz, foram usados ​​para desenvolver modelos para prever o valor de peróxido (PV), o valor de anisidina (AnV) e o valor de ácido (AV ) As previsões foram baseadas em dados espectroscópicos abrangentes em combinação com Redes Neurais Artificiais (RNA), bem como Regressão de Mínimos Quadrados Parciais (PLSR). O melhor modelo de RNA para PV foi obtido a partir de dados de NMR, com um coeficiente de determinação preditivo (Q²) de 0,961 e um erro quadrático médio de predição (RMSEP) de 1,5 meqO₂kg^-1. Os dados combinados de MIR / NIR forneceram o modelo ANN mais confiável para AnV (Q²= 0,993; RMSEP = 0,74). Para AV, o modelo ANN baseado nos dados MIR produziu um Q² de 0,988 e um RMSEP de 0,43 mg NaOHg^-1. Na maioria dos casos, a precisão dos modelos ANN foi superior aos respectivos modelos PLSR. A seleção de variáveis ​​e a redução da dimensionalidade dos dados acabaram melhorando o desempenho dos modelos de RNA em alguns casos. A aplicação de ¹A espectroscopia H NMR, FT-MIR e FT-NIR em combinação com ANN pode ser considerada muito promissora para uma avaliação rápida, confiável e sustentável da qualidade do óleo de peixe.