Teses

774  

Larissa Batista dos Santos

Mariana Ramos de Almeida

Arabica Coffee Beans Authentication: Soft Foodomics Applications

Arabica Coffee Beans Authentication: Soft Foodomics Applications

Química

Química Analítica e de Alimentos

130

30/03/2026

Auditório II - Aluísio Pimenta

09:00

Profa. Mariana Ramos de Almeida - Orientadora (Dr. (UFMG))
Prof. Marcelo Martins de Sena - Coorientador (Dr. (UFMG))
Profa. Adriana Silva França (Dr. (UFMG))
Profa. Letícia Malta Costa (Dr. (UFMG))
Prof. Adriano de Araújo Gomes (Dr. (UFRGS))
Prof. Douglas Fernandes Barbin (Dr. (Unicamp))

A autenticação de cafés com base na origem geográfica permanece um grande desafio analítico devido à similaridade química intrínseca entre cafés arábica e à variabilidade natural introduzida por condições ambientais e práticas pós-colheita. Nesse contexto, esta tese propõe uma estrutura analítica multimodal baseada em uma abordagem de soft foodomics, empregando técnicas espectroscópicas, imagem hiperespectral e modelagem quimiométrica para a caracterização e autenticação de grãos de café verde com origem geográfica controlada, utilizando cafés do Cerrado Mineiro como estudo de caso. A espectrometria de massas por spray em lixa (SPS-MS) foi empregada como técnica inovadora para a obtenção rápida de perfis moleculares com mínima preparação de amostra, revelando perfis iônicos associados a alcaloides, compostos fenólicos e lipídios. O uso da fusão de dados multimodais combinando espectroscopia Raman, fluorescência de raios X (XRF) e análise sensorial resultou em modelos de autenticação robustos, com alto desempenho de classificação, apoiando o estabelecimento de um protocolo prático de indicação geográfica para cafés do Cerrado Mineiro. Estratégias de fusão de dados em diferentes níveis (baixo e médio) foram exploradas para aproveitar a complementaridade entre informações químicas, elementares, espectrais, espaciais e sensoriais. A sustentabilidade ambiental do fluxo analítico proposto foi confirmada por meio das métricas AGREE e GAPI, demonstrando forte alinhamento com os princípios da Química Verde. Estratégias para atualização de modelos de autenticação one-class ao longo de diferentes safras foram investigadas sistematicamente utilizando espectroscopia UV-Vis e métodos de transferência de calibração, evidenciando as limitações da padronização instrumental isolada e reforçando a importância de conjuntos de treinamento representativos que incorporem a variabilidade temporal. A imagem hiperespectral na região do infravermelho próximo (HSI-NIR) possibilitou análises não destrutivas em nível de grão, permitindo a extração simultânea de informações espectrais químicas e descritores morfológicos. A modelagem quimiométrica baseada em dados HSI-NIR mostrou-se eficaz para a autenticação da origem, alcançando alta sensibilidade e especificidade, enquanto os descritores morfológicos forneceram informações complementares. De forma geral, esta tese demonstra que estratégias analíticas combinadas com modelagem quimiométrica constituem uma abordagem robusta, sustentável e transferível para a autenticação e caracterização de cafés especiais com origem geográfica controlada. A abordagem proposta apresenta forte potencial de aplicação em sistemas de indicação geográfica, prevenção de fraudes e controle de qualidade de produtos agrícolas de alto valor agregado.

Abordagem multianalítica, Autenticação de café, Soft foodomics

Coffee authentication based on geographical origin remains a major analytical challenge due to the intrinsic chemical similarity among Arabica coffees and the natural variability introduced by environmental conditions and post-harvest practices. In this context, this thesis proposes a multimodal analytical framework based on a soft foodomics approach, employing spectroscopic techniques, hyperspectral imaging, and chemometric modeling for the characterization and authentication of green coffee beans with controlled geographical origin, using coffees from the Cerrado Mineiro region as a case study. Sandpaper spray mass spectrometry (SPS-MS) was employed as an innovative technique for the rapid acquisition of molecular profiles with minimal sample preparation, revealing ion profiles related to alkaloids, phenolic compounds, and lipids. The use of multimodal data fusion combining Raman spectroscopy, XRF, and sensory data resulted in robust authentication models with high classification performance, supporting the establishment of a practical geographical indication protocol for Cerrado Mineiro coffees. Data fusion strategies at different levels (low and mid-level) were explored to exploit the complementarity among chemical, elemental, spectral, spatial, and sensory information. The environmental sustainability of the proposed workflow was confirmed through AGREE and GAPI metrics, demonstrating strong alignment with Green Analytical Chemistry principles. Strategies for updating one-class authentication models across different harvest years were systematically investigated using UV-Vis spectroscopy and calibration transfer methods, highlighting the limitations of instrumental standardization alone and reinforcing the importance of representative training sets encompassing temporal variability. Hyperspectral imaging in the NIR region enabled non-destructive, bean-level analysis, allowing the simultaneous extraction of chemical spectral information and morphological descriptors. Chemometric modeling based on HSI-NIR data proved effective for origin authentication, achieving high sensitivity and specificity, while morphological descriptors provided complementary information. Overall, this thesis demonstrates that multimodal analytical strategies combined with chemometric modeling constitute a robust, sustainable, and transferable framework for the authentication and characterization of specialty coffees with controlled geographical origin. The proposed approach offers strong potential for application in geographical indication systems, fraud prevention, and quality control of high-value agricultural products.

Coffee authentication, Multimodal analytical framework, Soft foodomics