Printer Friendly

Prediction of citral superficial content on microparticles by NIR spectroscopy and partial least square regression/Prediccion del contenido superficial de citral en microparticulas mediante espectroscopia NIR y regresion por minimos cuadrados parciales.

Introduccion

El citral (3, 7-Dimetil-2, 6-octadienal), es un compuesto de amplio uso en las industrias de bebidas, refrescos, panificacion, golosinas, farmacia, perfumeria, cigarrillos y otros [1,2]; principalmente debido al amplio espectro antimicrobiano in vitro y la capacidad antioxidante que ha demostrado [3-6].

Sin embargo, estas estructuras son susceptibles a degradacion frente a altas concentraciones de oxigeno, cambios de pH, procesos de deshidratacion, presencia de luz y humedad durante el almacenamiento, dando como resultado la perdida de su actividad [6]. En este sentido, investigadores como Lu et al. [4] y Yang et al. [6] indican que una alternativa para proteger las actividades del citral es la microencapsulacion.

Las tecnicas para microencapsular citral y otros derivados del aceite de limon en la industria alimentaria, en su mayoria se basan en sistemas coloidales blandos, siendo principalmente las emulsiones de aceite en agua, nanoemulsiones, complejos moleculares, liofilizacion, secado por atomizacion y secado por lecho fluidizado. Sin embargo, el secado por atomizacion es el metodo mas utilizado en alimentos [2,7] y su eficiencia se evalua principalmente mediante la cantidad del compuesto activo que es atrapado dentro de la matriz (Eficiencia de encapsulacion - EM) [1]. La cantidad de compuesto activo que queda fuera del agente encapsulante, viene a ser el activo superficial; con la cuantificacion de este activo superficial se puede inferir el calculo de la EM [8].

Se ha demostrado que el parametro EM se encuentra relacionado con los parametros de formulacion y de proceso como: tipo de material de pared utilizado, concentracion de solidos en la solucion de alimentacion y temperatura del aire de entrada al secador [7]. En la literatura se reporta que para aceites esenciales, el activo superficial o encapsulado ha sido medido usando las siguientes tecnicas de analisis:

Gravimetrico (Gv). Es la de mayor uso en microencapsulacion de aceites, la cual ha sido aplicada por Chang et al. [9] en encapsulacion de aceite de canola y nuez; Sharif et al. [10] en emulsiones de [beta]-caroteno, eugenol y aceite de semilla de lino; Timilsena et al. [11] en aceite de semilla de chia (Salvia hispanica L.) y Velmurugan et al. [12] en aceite esencial de naranja (Citrus sinensis) y lavanda (Lavandula angustifolia).

Espectrofotometria ultravioleta (EUV). Se ha empleado en aceite esencial de jengibre [13]; en eugenol recubietas con [beta]-ciclodextrina [14]; aceite esencial de albahaca [15] y en aceite de semilla de rosa [16].

Cromatografia liquida de alta eficiencia (HPLC). Ha sido aplicada en tebuconazol y resveratrol [17].

Cromatografia de gases (GC). Se ha reportado su aplicacion por Campelo et al. [1], para aceite esencial de lima.

Cromatografia de gases con espectrometrometria de masas (GC-MS). Se ha empleado en aceite de hojas de canela (Canela verum), aceite de oregano (Origanum vulgare) [18] y aceite esencial de naranja [12].

En el caso de citral se han usado diferentes tecnicas, para medir el activo superficial: GC en diversos trabajos [19-22]; GC con microextraccion en fase solida (solid phase microextraction gas chromatography: SPME-GC) [23]; GC-MS [24,25]; HPLC [26]; EUV [4,27]. El uso de estas tecnicas en su mayoria demandan de tiempos prolongados, preparacion previa de muestras, alto costo y uso de reactivos quimicos perjudiciales para el ambiente.

Por otro lado, una tecnica de amplio uso y gran potencial, es la espectroscopia de infrarrojo cercano (NIR), la cual ha mostrado una aplicacion potencial para el analisis en industrias de polimeros, textiles, en el control de procesos industriales, en las ciencias biomedicas [28] y principalmente mas utilizado en las industrias agricolas y alimentarias [29]. Sin embargo, existen relativamente pocos trabajos sobre la aplicacion de la espectroscopia NIR para la cuantificacion de citral, en aceites esenciales de limon y naranja [30].

La espectroscopia NIR tiene entre sus ventajas: permite realizar mediciones de varios componentes en forma rapida y simultanea, no es destructiva, es de bajo costo, no requiere reactivos, no requiere preparacion intensiva de la muestra [29]. Esta tecnica tiene como principio medir la respuesta, principalmente vibraciones de enlaces -CH, -OH, -SH y -NH, de una muestra cuando es sometida a energia electromagnetica entre 800 a 2500 nm conformando asi huellas o perfiles espectrales [28]. Sin embargo, por la cantidad de informacion contenida, el analisis de estos perfiles espectrales requiere el uso de herramientas quimiometricas como analisis de componentes principales (ACP), coeficiente de correlacion (CC), redes neuronales artificiales (RNA); regresion multilineal multiple (RLM), regresion parcial por minimos cuadrados (PLSR), entre otras [28,31].

En funcion de lo anteriormente expuesto, esta investigacion tiene como objetivo predecir el contenido superficial de citral en microparticulas mediante espectroscopia NIR y regresion por minimos cuadrados parciales.

Parte Experimental

Reactivos

Los reactivos usados en la produccion y analisis de las microcapsulas fueron lecitina de soya (Epikuron[R] 145 V, Cargill, Alemania), dextrina (Amisol[R] 4810, Ingredion, Peru), citral mixture cis y trans [mayor que o igual a] 96% (Sigma - Aldrich, Alemania) y citral analytical estandard (Sigma - Aldrich, Alemania).

Encapsulacion

La encapsulacion de citral mediante secado por atomizacion, se realizo variando la relacion citral:dextrina (Ct:Dx) (1:5 y 1:20) en la solucion de alimentacion y la temperatura del aire de entrada al secador (TAI) al secador de atomizacion (120 - 200 [grados]C); generando un total de doce tratamientos experimentales.

Para cada tratamiento se considero 100 g de solucion de alimentacion. La emulsion (Citral y lecitina de soya--LS) se preparo disolviendo 1 g de LS en 30 mL de agua destilada a 50 [grados]C, se mantuvo en agitacion constante (350 rpm) por 15 minutos, se enfrio a 30 [grados]C, luego se agrego 1 g de citral mixture y se homogenizo por 3 minutos a 15000 rpm con un homogeneizador Polytron PT 2100 (Kinematica AG, Suiza). Paralelamente, la dextrina - Dx (5 - 20 g) se disolvio en agua destilada (48 - 63 g) a 50 [grados]C, manteniendo en agitacion constante por 3 horas, se enfrio a 30 [grados]C y luego se mezclo con la emulsion. La mezcla resultante se homogenizo a 15000 rpm por 3 minutos y se alimento inmediatamente al secador mini Spray.

Secado por atomizacion

Las dispersiones obtenidas fueron alimentadas a un secador mini Spray-Dryer Buchi modelo B-290 (Suiza), con alimentacion y flujo de aire de secado en configuracion co-corriente. Las condiciones de proceso en el secador fueron: temperatura de alimentacion de la solucion de 42 [+ o -] 2,5 [grados]C, flujo de alimentacion de 5 mL/min, presion de atomizacion de 50 mbar, porcentaje de aspiracion de 100%, flujo de aire de 600 L/h y temperatura de entrada del aire al secador que vario entre 120 y 200[grados]C. Las microparticulas se almacenaron a -20[grados]C en tubos falcon de 45 mL hasta su analisis.

Determinacion del contenido superficial de citral (SC)

Para la determinacion del contenido SC se pesaron 0,2 g de microparticulas (mcp), se adicionaron 2 mL de hexano, luego se agitaron manualmente con tres movimientos de inversion, se centrifugaron a 2000 rpm por 1 minuto, finalmente, los sobrenadantes se transfirieron a viales ambar de 2 mL para la lectura de sus absorbancias en el cromatografo de gases [32,33]. La co ncentracion SC se calculo de acuerdo a la Ec. (1) [8].

SC(mgcitral/gmcp) =[CCs/[W.sub.mcp]] (1)

donde CCs es la concentracion del citral superficial en el solvente (mg citral en 2 mL de hexano), y es la masa de la microparticula de citral en (g).

Cromatografia de gases

La determinacion del contenido de citral superficial de las microparticulas se realizo en un cromatografo de gases (7890A, Agilent Technologies, USA) equipado con una columna capilar de silice fundido DB-5MS 30m x 0,25 mm x 0,25 [micro]m (J&W Scientific, USA) y un detector de ionizacion de llama (FID- flame ionization detector). La temperatura del inyector y el detector fue de 250 [grados]C. Como gas transportador se utilizo nitrogeno a un flujo de 1,11 mL/min; la inyeccion del volumen de muestra fue 1 [micro]L; la temperatura de la columna se programo inicialmente a 60 [grados]C por 5 min, luego se calento hasta 120 [grados]C a una razon de 5[grados]C/ min, posteriormente, hasta 250 [grados]C a un ratio de 10 [grados]C/ min; siguiendo la metodologia propuesta por Ruktanonchai et al. [24]. La cuantificacion de citral se realizo utilizando una curva de calibracion (1 - 2000 [micro]g/mL, [R.sup.2] = 0,999). Los analisis se realizaron por duplicado para cada tratamiento y los resultados se expresaron en mg citral/g de mcp [8].

Espectroscopia NIR

Las microcapsulas obtenidas en los doce tratamientos se dividieron en seis partes, cuatro para modelado y dos para validacion, obteniendose un total de 72 muestras a las cuales se les determino su perfil espectral.

La medicion de los espectros de absorbancia se realizo de acuerdo a los trabajos de Escudero et al. [34] y Steuer et al. [35]; usando un espectrometro infrarrojo cercano Unity Scientific NIRS (SpectraStar 2500XL, EE.UU.) equipado con lampara halogena de tungsteno como fuente de luz y detector InGaAs (Indio--Galio--Arsenico) en el rango de 1100 y 2500 nm, con una resolucion de 1 nm. Las mediciones se realizaron en el modo reflectancia aplicado directamente a las microparticulas sin tratamiento ni manipulacion previa, utilizando una cubeta de cuarzo de 3,5 cm de diametro interno y 1,0 cm de espesor, donde se adicionaron 2,3[+ o -]0,5 g de microparticulas.

Pretratamiento de los perfiles espectrales

Los espectros se pretrataron utilizando un filtro de Savitzky-Golay de segundo orden de acuerdo con los estudios de Vasquez et al. [36] y Castro et al. [37]. Posteriormente, se dividieron aleatoriamente en conjuntos de datos de calibracion y validacion, cuarenta y ocho y veinticuatro perfiles espectrales, respectivamente. Todos los datos se guardaron en hojas de calculo Excel para la etapa de modelado.

Modelado

Para modelar las relaciones entre los perfiles espectrales y los parametros del contenido de SC se utilizo el metodo de regresion de minimos cuadrados parciales (PLSR) [28,31,36].

PLSR es un metodo estadistico que transforma variables de entrada X en la salida Y. En este trabajo, X es una matriz de absorbancia, donde n es la longitud de onda y m es el numero de observaciones, Y son los valores de la variable respuesta (contenido SC) de las microparticulas. PLSR descompone X e Y al proyectarlos en nuevas direcciones con la restriccion de que la descomposicion describe como las variables cambian juntas tanto como sea posible. Despues de la descomposicion variable, se realiza un paso de regresion en el que las X y las Y descompuestas se usan para calcular un modelo de regresion llamado modelo completo (Ec. 2) [36].

[mathematical expression not reproducible] (2)

Esta ecuacion se puede reescribir como en la Ec. (3).

Y = [beta].X + e (3)

donde Y es la matriz de valores de la variable respuesta, [beta] es la matriz de coeficientes beta, X e s la matriz de datos de absorbancia, y e es el error del modelo.

La metodologia fue adaptada de Vasquez et al. [36], los modelos PLSR completos se construyeron usando todas las longitudes de onda en un perfil espectral, y la relevancia de cada longitud de onda en el modelo se evaluo sobre la base de los pesos w de carga segun Mehmood et al. [38]. Las longitudes de onda se vincularon a los pesos de carga absolutos para el modelo PLSR y se seleccionaron de acuerdo con su valor y capacidad para explicar Y, lo que redujo el error cuadratico medio (RMSE). Posteriormente, se construyeron modelos simplificados u optimizados utilizando solo las longitudes de onda mas relevantes [36]. Las funciones usadas para el modelado se implementaron en script de Matlab 2015a.

Evaluacion del modelo

Para la medicion de la robustez y predictibilidad de tecnicas basadas en analisis multivariados es comun el uso del coeficiente de determinacion ([R.sup.2]) y el RMSE. Estas medidas pueden ser calculadas usando conjunto de muestras para calibracion (modelado), obteniendo [R.sup.2.sub.c], [RMSE.sub.C]; y para validacion, obteniendo [R.sup.2.sub.v], [RMSE.sub.v]; usando las Ecs. (4) y (5) (39).

[mathematical expression not reproducible] (4)

[mathematical expression not reproducible] (5)

donde e son los valores de los atributos de calidad de las muestras para prediccion y referencia, respectivamente. e son los valores promedio de los conjuntos de datos de calibracion y validacion, respectivamente. e son los numeros de muestras de los conjuntos de datos de calibracion y validacion, respectivamente.

La validacion del modelo se realizo con el conjunto de datos para validacion mencionadas en los apartado anteriores; comparando los valores reales y predichos de las variables respuesta. Se determinaron los estadisticos [R.sup.2] y RMSE. Finalmente, dichos estadisticos permitieron comparar los modelos completo y optimizado.

Resultados y Discusion

Analisis de referencia

Segun los analisis de referencia de las microparticulas, realizado mediante cromatografia de gases, la concentracion del citral superficial vario entre 0,17 y 1,28 mg citral/ g mcp.

Perfiles espectrales del contenido superficial de citral

La Figura 1 muestra los perfiles espectrales medios para las microparticulas con diferentes concentracones de citral; en esta figura se observa picos relacionados con las bandas de absorbancia en la region de sobretonos de 1206 a 1761 nm y la region de combinacion de 1934 a 2490 nm.

Los picos de absorcion entre 2096 y 2312 nm estan dentro de los rangos correspondientes a las interacciones C-H flexion- extension y C=O extension, posiblemente debido a la presencia del grupo aldehido [35,40]. Los picos 1206, 1710 y 1761 nm corresponden a la interaccion C-H extension, probablemente por la presencia de dextrina, polimero usado en este estudio para la encapsulacion del citral; estos resultados obtenidos coinciden con los reportados por Magwaza et al. [41] y Shenk et al. [42].

Igualmente; los picos 1457 y 1934 corresponden a las bandas de vibracion del estiramiento de O-H extension y O-H combinacion, respectivamente, principalmente debido a la presencia de agua; ademas se observo un pequeno pico a 1574 nm, que esta dentro de la banda vibratoria de C-H extension, asociado a los lipidos, probablemente debido a la presencia de lecitina de soya utilizada como emulsificante en la preparacion de las microparticulas [29].

Estos perfiles indicaron una correspondencia entre los cambios de los espectros y el contenido de SC en las microparticulas, lo que permite el analisis de patrones y la implementacion de modelos de prediccion.

Modelado PLSR

En las siguientes subsecciones se muestran los principales resultados de la etapa de modelado.

a) PLSR completo

Los resultados de los modelos PLSR completos se muestran en la Figura 2 y la subseccion 3.4; en ambas figuras, se observo que el [R.sup.2] estuvo cerca de 1.0.

Sin embargo, en los resultados la Figura 2b presento una mayor dispersion, con respecto a la Figura 2a. En este caso, de acuerdo con Esposito et al. [43], Maaten et al. [44] y Vega et al. [45], estos resultados pueden deberse a la alta colinealidad y la superposicion de los perfiles espectrales que introducen ruido en el modelo, siendo necesario determinar previamente la relevancia de cada longitud de onda antes de ser utilizada en el modelo.

b) PLSR optimizado

La Figura 3 resume los resultados de esta etapa. La Figura 3a muestra el numero optimo de variables latentes (LV) (longitudes de onda), los cuales fueron 17, obtenidos a traves de la minimizacion de RMSE y la maximizacion de [R.sup.2], utilizando PLSR con validacion cruzada para el contenido de SC segun lo propuesto por Liu et al. [46]

La Figura 3b muestra los [beta]-coeficientes del modelo PLSR, que representa la relevancia de cada longitud de onda y las longitudes de onda relevantes (marcadas con puntos negros), que se distribuyeron principalmente en el rango de [2251 -2491] nm, y otros dos rangos [1287 - 1544] nm y [1827 - 2100] nm.

Igualmente, se observo un mayor [beta]-coeficiente a 2306 nm para citral causado por la combinacion de las frecuencias de C=O y C-H extension del grupo aldehido que esta contenido en citral. Los picos negativos (2251 y 2322 nm) podria deberse a que los picos de absorbancia se invierten en el calculo del [beta]-coeficiente [40]. Estos resultados estan dentro de los rangos reportados por Steuer et al. [35], en la evaluacion del espectro NIR del limoneno puro, en la que obtuvieron picos predominantes entre las areas de 2250 y 2360 nm. Por otro lado, los resultados del presente estudio fueron ligeramente superiores a los reportados por Wilson et al. [40] obtenidos en la evaluacion del espectro NIR de citral en aceites esenciales de hierva de limon o limoncillo (Cymbopogon citratus) y limon (Citrus limon), observaron que el grupo funcional aldehidico C-H (contenido en el citral) exhibia bandas caracteristicas de combinacion entre 2210 y 2250 nm; ademas, un incremento en la absorbancia alrededor de 2212 nm con el incremento del contenido de citral; esta diferencia en los resultados podria deberse a la presencia de dextrina y lecitina de soya como parte de la formulacion de las microparticulas.

Finalmente, las longitudes de onda relevantes se usaron para construir los modelos optimizados PLSR, que resultaron del uso del conjunto de datos de calibracion (Figura 4a y Figura 4b). En ambas figuras, se observaron que los [R.sup.2] fueron 0,97 y 0,94 para calibracion y validacion,

Comparacion de modelos

Las medidas estadisticas de los modelos PLSR (completos y optimizados) utilizando el conjunto de datos de calibracion y validacion se muestran en la Tabla 1.

Los modelos PLSR produjeron resultados aceptables con altos valores de [R.sup.2] superiores a 0,89, y con valores bajos de RMSE inferiores a 6,38 x[10.sup.-4], resultados similares a los obtenidos por Juliani et al. [47], en la evaluacion de las estadisticas de correlacion NIR para la composicion de aldehidos de aceites esenciales en hoja de canela (Cinnamomum zeylanicum), hojas y brotes de clavo de olor (Syzygium aromaticum). Ademas, estos resultados fueron similares a los obtenidos por Steuer et al. [35] y Schulz et al. [48], para limoneno en aceite de citricos; y citral en aceites esenciales de hierba de limon y limon. Finalmente, los resultados del presente estudio estuvieron dentro de los rangos obtenidos por Schulz et al. [49], quienes evaluaron la composicion quimica de los aceites esenciales de tomillo, oregano y manzanilla, utilizando espectroscopia FT-IR y NIR; en todos estos estudios reportaron [R.sup.2] mayor a 0,90.

Conclusiones

El metodo NIR-PLSR fue capaz de predecir el contenido superficial de citral en las microparticulas, con [R.sup.2] superiores a 0,89. Asimismo, al generar el modelo optimizado se observa que la robustez del modelo mejora reduciendo el valor RMSE e incrementaando el [R.sup.2]. En consecuencia, esta tecnica permite inferir la eficiencia de encapsulacion en microparticulas y muestra potencial para reemplazar los metodos tradicionales de evaluacion de encapsulacion de citral. En este contexto, la tecnologia espectroscopica NIR junto a los metodos quimiometricos, por su rapidez y bajo costo, tendra cada vez mas importancia en el futuro cercano.

Agradecimientos

El primer autor agradece el apoyo al Consejo Nacional de Ciencia y Tecnologia (CONCYTEC) por financiar la presente investigacion y otorgar la beca para cursar el doctorado en Ciencia de Alimentos dentro del programa doctoral de la Universidad Nacional Agraria La Molina - Lima.

Referencias Bibliograficas

[1] Campelo P.H., do Carmo E.L., Zacarias R.D., Yoshida M.I., Ferraz V.P., de Barros Fernandes R.V., Botrel D.A. and Borges S.V.. Effect of dextrose equivalent on physical and chemical properties of lime essential oil microparticles. Ind Crops Prod., Vol. 102, (2017) 105-114.

[2] Maswal M. and Dar A.A. Formulation challenges in encapsulation and delivery of citral for improved food quality. Food Hydrocoll., Vol. 37, (2014) 182-195.

[3] Fancello F., Petretto G.L., Zara S., Sanna M.L., Addis R., Maldini M., Foddai, M., Rourke J.P., Chessa M. and Pintore, G. Chemical characterization, antioxidant capacity and antimicrobial activity against food related microorganisms of Citrus limon var. pompia leaf essential oil. LWT - Food Sci Technol., Vol. 69, (2016) 579-585.

[4] Lu W.C., Huang D.W., Wang C.C.R., Yeh C.H., Tsai J.C., Huang Y.T. and Li P.H. Preparation, characterization, and antimicrobial activity of nanoemulsions incorporating citral essential oil. J Food Drug Anal., Vol. 26, No. 1, (2018) 82-89.

[5] Saddiq A.A. and Khayyat S.A. Chemical and antimicrobial studies of monoterpene: Citral. Pestic Biochem Physiol., Vol. 98, No. 1, (2010) 89-93.

[6] Yang Y., Cui S., Gong J., Miller S.S., Wang Q. and Hua Y. Stability of citral in oil-in-water emulsions protected by a soy protein-polysaccharide Maillard reaction product. Food Res Int., Vol. 69, (2015) 357-363.

[7] Botrel D.A., de Barros Fernandes R.V. and Borges S.V. Chapter 12: Microencapsulation of Essential Oils Using Spray Drying Technology. In: L. Sagis (ed), Microencapsulation and Microspheres for Food Applications. Academic Press, San Diego, USA, (2015), 235-251.

[8] Garcia P., Vega J., Jimenez P., Santos J. and Robert P. Alpha-tocopherol microspheres with cross-linked and acetylated inulin and their release profile in a hydrophilic model. Eur J Lipid Sci Technol., Vol. 115, No 7, (2013) 811-819.

[9] Chang C., Varankovich N. and Nickerson M.T. Microencapsulation of canola oil by lentil protein isolate-based wall materials. Food Chem., Vol. 212, (2016) 264-273.

[10] Sharif H.R., Goff H.D., Majeed H., Shamoon M., Liu F., Nsor-Atindana J, Haider, J., Liang R. and Zhong F. Physicochemical properties of [beta]-carotene and eugenol co-encapsulated flax seed oil powders using OSA starches as wall material. Food Hydrocoll., Vol. 73, (2017) 274-283.

[11] Timilsena Y.P., Adhikari R., Barrow C.J. and Adhikari B. Microencapsulation of chia seed oil using chia seed protein isolate-chia seed gum complex coacervates. Int J Biol Macromol., Vol. 91, (2016) 347-357.

[12] Velmurugan P., Ganeshan V., Nishter N.F. and Jonnalagadda R.R. Encapsulation of orange and lavender essential oils in chitosan nanospherical particles and its application in leather for aroma enrichment. Surfaces and Interfaces, Vol. 9, (2017) 124-132.

[13] De Barros Fernandes R.V., Borges S.V., Silva E.K., da Silva Y.F., de Souza H.J.B., do Carmo E.L., de Oliveira C.R., Yoshida M.I. and Botrel D.A. Study of ultrasound-assisted emulsions on microencapsulation of ginger essential oil by spray drying. Ind Crops Prod., Vol. 94, (2016) 413-423.

[14] Piletti R., Bugiereck A.M., Pereira A.T., Gussati E., Dal Magro J., Mello J.M.M., Dalcanton F., Ternus R.Z., Soares C., Riella H.G., et al. Microencapsulation of eugenol molecules by [beta]-cyclodextrine as a thermal protection method of antibacterial action. Mater Sci Eng C. Vol. 75, (2017) 259-271.

[15] Sutaphanit P. and Chitprasert P. Optimisation of microencapsulation of holy basil essential oil in gelatin by response surface methodology. Food Chem., Vol. 150, (2014) 313-320.

[16] Yao Z.C., Chang M.W., Ahmad Z. and Li J.S. Encapsulation of rose hip seed oil into fibrous zein films for ambient and on demand food preservation via coaxial electrospinning. J Food Eng., Vol. 191, (2016) 115-123.

[17] Salgado M., Rodriguez-Rojo S., Alves-Santos F.M. and Cocero M.J. Encapsulation of resveratrol on lecithin and [beta]-glucans to enhance its action against Botrytis cinerea. J Food Eng., Vol. 165, (2015) 13-21.

[18] Munhuweyi K., Caleb O.J., Van Reenen A.J. and Opara U.L. Physical and antifungal properties of [beta]-cyclodextrin microcapsules and nanofibre films containing cinnamon and oregano essential oils. LWT - Food Sci Technol., Vol. 87, (2018) 413-422.

[19] Sosa N., Zamora M.C., Chirife J. and Schebor C. Spray-drying encapsulation of citral in sucrose or trehalose matrices: physicochemical and sensory characteristics. Int J Food Sci Technol., Vol. 46, (2011) 2096-2102.

[20] Sosa N., Schebor C. and Perez O.E. Encapsulation of citral in formulations containing sucrose or trehalose: Emulsions properties and stability. Food Bioprod Process., Vol. 92, No 3, (2014) 266-274.

[21] Strassburger K., Startup W., Levey V., Mattingly T., Briggs J., Harrison J. and Wilson T. Chapter 11: Enhanced Stability of Citral in Juice Beverages by Applying Cyclodextrin Micro Emulsion Technology. In: N.C. Da Costa y R.J. Cannon (ed). Flavors in Noncarbonated Beverages. American Chemical Society, Washington DC, USA, (2010), 143-158.

[22] Bhandari B.R., Dumoulin E.D., Richard H.M.J., Noleau I. and Lebert A.M. Flavor Encapsulation by spray drying: Aplication to citral and linalyl acetate. J Food Sci., Vol. 57, No 1, (1992) 217-221.

[23] Yang X., Tian H., Ho C. and Huang Q. Inhibition of Citral Degradation by Oil-in-Water Nanoemulsions Combined with Antioxidants. J Agric Food Chem., Vol. 59, (2011) 6113-6119.

[24] Ruktanonchai U., Srinuanchai W., Saesoo S., Sramala I., Puttipipatkhachorn S. and Soottitantawat A. Encapsulation of Citral Isomers in Extracted Lemongrass Oil with Cyclodextrins: Molecular Modeling and Physicochemical Characterizations. Biosci Biotechnol Biochem., Vol. 75, No 12, (2011) 2340-2345.

[25] Yang X., Tian H., Ho C. and Huang Q. Stability of Citral in Emulsions Coated with Cationic Biopolymer Layers. J Agric Food Chem., Vol. 60, (2012) 402-409.

[26] Weisheimer V., Miron D., Silva C.B., Guterres S.S. and Schapoval E.E.S. Microparticles containing lemongrass volatile oil: Preparation, characterization and thermal stability. Pharmazie, Vol. 65, (2010) 885-890.

[27] Miron D., Battisti F., Caten C.S.T., Mayorga P. and Schapoval E.E.S. Spectrophotometric Simultaneous Determination of Citral Isomers in Cyclodextrin Complexes with Partial Least Squares Supported Approach. Curr Pharm Anal., Vol. 8, (2012) 401-408.

[28] Roggo Y., Chalus P., Maurer L., Lema-Martinez C., Edmond A. and Jent N. A review of near infrared spectroscopy and chemometrics in pharmaceutical technologies. J Pharm Biomed Anal., Vol. 44, (2007) 683-700.

[29] Kawano S. Chapter 12: Application to Agricultural Products and Foodstuff. In: H.W. Siesler, Y. Ozaki, S. Kawata y H.M. Heise (eds). Near-Infrared Spectroscopy: Principles, Instruments, Application. 3rd. ed. Wiley-VCH Verlag GmbH, Weinheim, Germany, (2007), 269-287.

[30] Lopez P., Gandara J. and Losada P. Infrared spectrophotometric determination of citral corrected for limonene interference in lemon and orange essential oils. Food Chem., Vol. 46, No 2, (1993) 193-197.

[31] Heise H.M. and Winzen R. Chapter 7: Chemometrics in near-infrared spectroscopy. In: H.W. Siesler, Y. Ozaki, S. Kawata y H.M. Heise (eds). Near-Infrared Spectroscopy: Principles, Instruments, Application. 3rd. ed. Wiley-VCH Verlag GmbH, Weinheim, Germany, (2007), 125-162.

[32] Vergara C., Saavedra J., Saenz C., Garcia P. and Robert P. Microencapsulation of pulp and ultrafiltered cactus pear (Opuntia ficus-indica) extracts and betanin stability during storage. Food Chem., Vol. 157, (2014) 246-251.

[33] Bustamante A., Masson L., Velasco J., Del Valle J.M. and Robert P. Microencapsulation of H. pluvialis oleoresins with different fatty acid composition: Kinetic stability of astaxanthin and alpha-tocopherol. Food Chem., Vol. 190, (2016) 1013-1021.

[34] Escuredo O., Gonzalez-Martin M.I., Wells-Moncada G., Fischer S. and Hernandez-Hierro J.M. Amino acid profile of the quinoa (Chenopodium quinoa Willd.) using near infrared spectroscopy and chemometric techniques. J Cereal Sci. Vol. 60, No 1, (2014) 67-74.

[35] Steuer B., Schulz H. and Lager E. Classification and analysis of citrus oils by NIR spectroscopy. Food Chem., Vol. 72, No 1, (2001) 113-117.

[36] Vasquez N., Magan C., Oblitas J., Chuquizuta T., Avila-George H. and Castro W. Comparison between artificial neural network and partial least squares regression models for hardness modeling during the ripening process of Swiss-type cheese using spectral profiles. J Food Eng., Vol. 219, (2018) 8-15.

[37] Castro W., Prieto J.M., Guerra R., Chuquizuta T., Medina W.T., Acevedo-Juarez B. and Avila-George H. Feasibility of using spectral profiles for modeling water activity in five varieties of white quinoa grains. J Food Eng., Vol. 238, (2018) 95-102.

[38] Mehmood T., Liland K.H., Snipen L. and Saebo S. A review of variable selection methods in Partial Least Squares Regression. Chemom Intell Lab Syst., Vol. 118, (2012) 62-69.

[39] Sun Y., Liu Y., Yu H., Xie A., Li X., Yin Y. and Duan X. Non-destructive prediction of moisture montent and freezable water content of purple-fleshed sweet potato slices during drying process using Hyperspectral Imaging Technique. Food Anal Methods. Vol. 10, No 5, (2017) 1535-1546.

[40] Wilson N.D., Ivanova M.S., Watt R.A. and Moffat A.C. The quantification of citral in lemongrass and lemon oils by near-infrared spectroscopy. J Pharm Pharmacol., Vol. 54, No 9, (2002) 1257-1263.

[41] Magwaza L.S., Opara U.L., Nieuwoudt H., Cronje P.J.R., Saeys W. and Nicolai B. NIR Spectroscopy applications for internal and external quality analysis of citrus fruit-A Review. Food Bioprocess Technol., Vol. 5, No 2, (2012) 425-444.

[42] Shenk J.S., Workman J.J. and Weterhaus M.O. Chapter 16 - Aplication of NIR Spectroscopy to agricultural products. In: D.A. Burns y E.W. Ciurczak (eds). Handbook of Near-Infrared Analysis. 2th. editi. Taylor & Francis Group, LLC, New York, USA, (2008), 347-386.

[43] Esposito V.V., Chin W.W., Henseler J. and Wang H. Handbook of partial least squares: Concepts, methods and aplications. Springer International Publishing, Berlin, Germany, 2010.

[44] Maaten L., Postma E. and Herik J. Dimensionality Reduction: A Comparative - Review. Tilbg Cent Creat Comput., (2009) 1-36.

[45] Vega-Vilca J.C. y Guzman J. Regresion PLS y PCA como solucion al problema de multicolinealidad en regresion multiple. Rev Matematica Teoria y Apl., Vol. 18, No 1, (2011) 9-20.

[46] Liu D., Sun D.W. and Zeng X.A. Recent advances in wavelength selection techniques for Hyperspectral Image processing in the food industry. Food Bioprocess Technol., Vol. 7, (2014) 307-323.

[47] Juliani H.R., Kapteyn J., Jones D., Koroch A.R., Wang M., Charles D. and Simon J.E. Application of near-infrared spectroscopy in quality control and determination of adulteration of african essential oils. Phytochem Anal., Vol. 17, No 2, (2006) 121-128.

[48] Schulz H., Schrader B., Quilitzsch R. and Steuer B. Quantitative analysis of various citrus oils by ATR/FT-IR and NIR-FT Raman spectroscopy. Appl Spectrosc., Vol. 56, No 1, (2002) 117-124.

[49] Schulz H., Quilitzsch R. and Kruger H. Rapid evaluation and quantitative analysis of thyme, origano and chamomile essential oils by ATR-IR and NIR spectroscopy. J Mol Struct., Vol. 661-662, (2003) 299-306.

I. Yoplac (1,2*), H. Avila-George (3), L. Vargas (4), P. Robert (5), W. Castro (6)

(1) Facultad de Ingenieria Zootecnista, Agronegocios y Biotecnologia, Universidad Nacional Toribio Rodriguez de Mendoza de Amazonas. Chachapoyas, Peru.

(2) Escuela de Postgrado, Programa Doctoral en Ciencia de Alimentos, Universidad Nacional Agraria La Molina, Peru.

(3) Centro Universitario de los Valles, Universidad de Guadalajara. Ameca, Jalisco 46600, Mexico.

(4) Facultad de Industrias Alimentarias, Universidad Nacional Agraria La Molina, Peru.

(5) Dpto. Ciencia de los Alimentos y Tecnologia Quimica, Facultad de Ciencias Quimicas y Farmaceuticas, Universidad de Chile, Casilla 133, Santiago, Chile.

(6) Facultad de Ingenieria, Universidad privada del Norte, Cajamarca, 06001, Peru.

(*) Autor de Contacto: ives.yoplac@untrm.edu.pe

https://doi.org/10.22209/rt.v42n2a04

Recepcion: 31/01/2019 | Aceptacion: 07/03/2019 | Publicacion: 01/05/2019
Tabla 1. Medidas estadisticas para los modelos PLSR usados en la
determinacion del contenido superficial de citral

Modelos     [RMSE.sub.C]         [RMSE.sub.v]         [R.sup.2.sub.c]

Completo    5,64 x [10.sup.-15]  6,38 x [10.sup.-4]   1,0000
Optimizado  4,86 x [10.sup.-15]  2,20 x [10.sup.-3]   0,9650

Modelos     [R.sup.2.sub.v]

Completo    0,8911
Optimizado  0,9424
COPYRIGHT 2019 Universidad del Zulia - Facultad de Ingenieria
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2019 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Author:Yoplac, I.; Avila-George, H.; Vargas, L.; Robert, P.; Castro, W.
Publication:Revista Tecnica
Date:May 1, 2019
Words:5522
Previous Article:Support materials of fixed biofilm based on solid plastic wastes for domestic wastewater treatment/Desechos solidos plasticos como materiales de...
Next Article:Catalytic dehydrogenation of ethylbenzene to styrene over clay-mesoporous silica modified with cobalt oxide compound materials/Deshidrogenacion...
Topics:

Terms of use | Privacy policy | Copyright © 2019 Farlex, Inc. | Feedback | For webmasters