Utilização da Espectroscopia de Infravermelho para estimar qualidade de produtos cárneos

A indústria da carne é um setor econômico importante, especialmente em países desenvolvidos, uma vez que a demanda por este produto é elevada.

Como resultado das pressões impostas pela globalização e com o aumento de competitividade, torna-se essencial disponibilizar aos consumidores produtos de qualidade.

Sabe-se que toda a carne fornecida ao mercado consumidor deveria ser submetida a um controle rigoroso, com o objetivo de garantir, segurança e padrão de qualidade, entre outros fatores. Além disso, alguns consumidores estão dispostos a pagar preços mais elevados por produtos cárneos com uma garantia adicional de qualidade (Andrés et al., 2008). Com isso, o processo de obtenção da carne visando garantir a segurança deste alimento, além de melhorar ou manter as características sensoriais tem sido bastante estudado. Neste sentido, tem sido pesquisado o uso de tecnologias, especialmente não destrutivas, a fim de estimar a qualidade dos produtos cárneos.

A espectroscopia de infravermelho próximo (NIRS) destaca-se com o objetivo de avaliação da qualidade da carne (Andrés et al., 2008; 2007; Geesink et al., 2003; Pietro et al., 2009; ) e possui potencial de predizer diferentes atributos de qualidade (Prevolnik, Candek-Potokar & Skorjanc, 2004; Prieto et al., 2009).

De acordo com Silva (2008) trata-se de uma ferramenta ideal para a determinação de componentes tais como gordura, proteína, umidade, fibras, pois permite que estas análises sejam realizadas simultaneamente, com repetibilidade e precisão.

O potencial do NIR para predição da composição química (proteína, gordura intramuscular, matéria seca, cinzas e energia bruta, mioglobina e colágeno), características de pH, cor (L*, a*, b*), capacidade de retenção de água, maciez e atributos sensoriais (marmorização, odor, sabor, suculência, maciez e firmeza) tem sido estudados.

Segundo uma revisão de Prieto et al. (2009), a espectroscopia NIR tem capacidade para predizer o conteúdo de componentes químicos principais, tais como extrato etéreo, proteína bruta (PB), gordura intramuscular (IMF, que se refere o extrato etéreo) e matéria seca. Contudo, podem ocorrer altos níveis de erros para predição dessas características em cortes cárneos de bovinos, ovinos, suínos e aves. Exemplos de Espectros NIR de carnes diversas com diferentes teores de gordura estão apresentados na figura 01.

Figura 01. Médias de Espectros NIR de amostras de carnes bovina, suína, aves e ovina com diferentes teores de gordura. Fonte: (Cozzolino & Murray, 2004, citado por Prieto et al., 2009)

Desta forma, sugere-se que o sucesso da técnica NIR depende parcialmente da variabilidade presente em amostras analisadas. Assim, uma estreita faixa de variação na referência dos dados poderia afetar negativamente a previsibilidade NIR em alguns estudos.

Alguns autores verificaram a eficiência da técnica em relação à predição da maciez (Rødbotten et al., 2000, Andrés, 2008), perdas por gotejamento (Geesink et al., 2003), avaliação da cor (Leroy et al., 2003, Andrés, 2008) e pH (Andrés et al., 2008; Cozzolino & Murray 2002; Monin, 1998).

O pH é uma das características mais importantes avaliadas em carnes e está diretamente associado a qualidade do produto, pois, dentre outros fatores pode alterar a conservação e as características sensoriais dos alimentos (Andrés et al., 2008). Portanto, a predição do pH final seria de interesse a fim de evitar problemas de carne DFD (Dark, Firm, Dry) e PSE (Pale, Soft, Exudative) em carnes.

Além disso, com o uso dessa tecnologia pode-se avaliar um grande número de carcaças na linha de abate (Shackelford et al., 2004), viabilizando a utilização em grande escala em abatedouros comerciais, na avaliação de atributos de qualidade da carne. No entanto, é importante considerar fatores, tais como idade, raça, sexo e período pré e pós-abate.

Esta tecnologia se baseia na emissão de diversos comprimentos de onda de luz sobre uma amostra e a avaliação da refletância ou absorbância desta luz, formando um espectro. Porém, existe a necessidade de se criar um banco de dados com diversas amostras de um mesmo tipo de ingrediente que tenha ampla variabilidade de seus componentes, produzindo uma curva de predição. Paralelamente, há leituras de determinados comprimentos de ondas da amostra em questão, estabelecendo posteriormente uma correlação entre os resultados das análises tradicionais e os espectros produzidos (Ceccantini, 2008).

Andrés et al. (2008) utilizaram a técnica de NIRS em amostras de carne bovina a fim de estimar o pH vinte e quatro horas pós-abate (pH24), comprimento do sarcômero, perdas totais ao cozimento, força de cisalhamento (avaliada também por meio do aparelho Warner-Bratzler) e cor (L*, a*, b*). Os autores verificaram que os resultados obtidos com as calibrações NIRS somente para o pH24 e para luminosidade em 0 (L*t0) e 60 minutos (L*t60) tiveram coeficiente de correlação elevado: (R² = 0,97, 0,85 e 0,82), respectivamente, quando comparados às demais características avaliadas.

De acordo com os resultados apresentados é necessário um maior controle de todos os fatores que influenciam os dados de espectro e da precisão do método de referência, podendo melhorar o desempenho de previsão dos modelos.

Dietas com elevados teores de gordura saturada e colesterol, em geral, estão associadas com aumento dos níveis de LDL e colesterol total no sangue, resultando em doenças cardiovasculares (HU & Willett, 2002). Pla et al. (2007) analisaram, por meio do NIRS, o perfil da carne de coelhos submetidos a dois sistemas de produção convencional, ou orgânica. Os resultados obtidos para a predição do conteúdo de acido linoléico, palmítico, palmitoléico e oléico resultaram em coeficiente de correlação elevado: (r² entre 0,90 e 0,70) e para os ácidos graxos araquidônico, esteárico, α-linolênico (r² entre 0,69 e 0,50). Todavia, os ácidos graxos mirístico, vacênico, icosaenóico e eicosadienóico não tiveram boa predição. Ainda, segundo os autores, a carne produzida por animais submetidos ao sistema orgânico apresentou menores porcentagens de ácidos graxos monoinsaturados e maiores de polinsaturados, quando comparadas àquelas produzidas de forma convencional.

Andrés et al. (2007) com o objetivo de estudar a associação entre a composição química e um painel sensorial treinado e dados obtidos de espectroscopia de NIR, avaliaram amostras de carne de ruminantes. Os resultados obtidos por meio de NIR para os dados de painel sensorial (maciez, suculência, sabor, sabor anormal e gosto total) indicaram que as equações de predição poderiam explicar uma proporção significativa, mas relativamente baixa da variabilidade das amostras, sendo capazes apenas de discriminar entre as amostras mais extremas.

Liu et al. (2003, 2004) e Andrés et al. (2007) salientaram que uma estreita faixa dos escores de intensidade para os atributos sensoriais poderiam ter reduzido a precisão e exatidão das predições do NIR.

Porém, apesar da técnica de NIRS predizer valores de substâncias químicas tradicionais e outras características de interesse nutricional para diferentes alimentos, são necessários estudos, principalmente no que se refere à calibração mais exata do aparelho e a interpretação dos resultados.

Considerações Finais

O emprego de tecnologias não destrutivas em carnes, como a técnica de espectroscopia NIRS apresenta potencial para prever as propriedades da carne para classificar em classes de qualidade e pode resultar em vantagens práticas para a indústria, uma vez que torna possível identificar cortes cárneos com qualidade total baixa ou alta, podendo assim classificá-los previamente.

Em contraste, de acordo com pesquisas a utilização do NIR resultou em capacidade limitada para estimar atributos tecnológicos e sensoriais, que pode ser principalmente devido à heterogeneidade das amostras de carne e da sua preparação, a baixa precisão dos métodos de referência e da subjetividade dos avaliadores em painéis sensoriais.

Assim, para padronizar os futuros trabalhos de preparação da amostra e aumentar a precisão dos métodos de referência é recomendado melhorar a capacidade NIR para prever as características tecnológicas e sensoriais.

Referencias bibliográficas

ANDRÉS, S.; SILVA, A.; SOARES, P. A.; MARTINS, C.; SOARES, B. A.; MURRAI. The use of visible and near infrared reflectance spectroscopy to predict beef M. longissimus thoracis et lumborum quality attributes. Meat Science, v.78, p.217-224, 2008.

ANDRÉS, S., MURRAY, I., NAVAJAS, E. A. et al. Prediction of sensory characteristics of lamb meat samples by near infrared reflectance spectroscopy. Meat Science, 76, 509-516, 2007.

CECCANTINI, M. L. Novas técnicas e tecnologias na análise de alimentos aplicados à formulação (NIRs). Seminário de Nutrição Animal. Curitiba, 2008.

COZZOLINO, D., & MURRAY, I.. Effect of sample presentation and animal muscle species on the analysis of meat by near infrared reflectance spectroscopy. Journal of Near Infrared Spectroscopy, v.10, 37-44, 2002.

GEESINK, G. H., SCHREUTELKAMP, F. H., FRANKHUIZEN, R. et al. Prediction of pork quality attributes from near infrared reflectance spectra.Meat Science, v.65, p.661-668, 2003.

HU, F.B., & WILLETT, W.C. Optimal diets for prevention of coronary heart disease. Journal of the American Medical Association, v. 288, p. 2569-2578, 2002.

LEROY, B., LAMBOTTE, S., DOTREPPE, O. et al. Prediction of technological and organoleptic properties of beef longissimus thoracis from near-infrared reflectance and transmission spectra. Meat Science, v.66, n.1, p.45-54, 2003.

LIU, Y., LYON, B.G., WINDHAM, W.R. et al. Prediction of physical, color, and sensory characteristics of broiler breasts by visible/near infrared reflectance spectroscopy. Poultry Science, 83, 1467-1474, 2004.

LIU, Y., LYON, B. G., WINDHAM, W. R.et al. Prediction of color, texture, and sensory characteristics of beef steaks by visible and near infrared reflectance spectroscopy. A feasibility study. Meat Science, 65, 1107-1115, 2003.

PLA, M.; HERNÁNDEZ, P.; ARIÑO, B. Prediction of fatty acid content in rabbit meat and discrimination between conventional and organic production systems by NIRS methodology. Food Chemistry, p.165- 170, 2007.

PREVOLNIK, M., CANDEK-POTOKAR, M., & SKORJANC, D. Ability of NIR spectroscopy to predict meat chemical composition and quality – a review. Czech Journal of Animal Science, v.49, p. 500-510, 2004.

PRIETO, N.; ROEHE, R.; LAVIN, P. et al. Application of near infrared spectroscopy to predict meat and meat products quality: A review. Meat Science, v.83, p.175-186, 2009.

RØDBOTTEN, R., NIELSEN, B.N., & HILDRUM, K.I. Prediction of beef quality attributes from early post-mortem near infrared reflectance spectra. Food Chemistry, v.69, p.427-436, 2000.

SCHACKELFORD, S.D.; WHEELER, T.L.; KOOHMARAIE, M. Development of optimal protocol for visible and near-infrared reflectance spectroscopic evaluation of meat quality. Meat Science, v.68, p.371-381, 2004.

SILVA, D. L. M. Utilização da Espectrofotometria de Infravermelho Próximo (NIRS) em Longíssimus dorsi Bovino. (Monografia), Universidade Federal do Tocantins, 2008.