Repository logo
 
Publication

Caracterização e avaliação bioquímica de produtos marinhos para determinação de origem geográfica e qualidade nutricional

datacite.subject.fosEngenharia e Tecnologia
datacite.subject.sdg09:Indústria, Inovação e Infraestruturas
datacite.subject.sdg12:Produção e Consumo Sustentáveis
dc.contributor.advisorFerreira, Maria João Dantas Ramalhosa
dc.contributor.advisorSoares, Cristina Maria Dias
dc.contributor.authorAZEREDO, BEATRIZ JORGE MAGALHÃES DE
dc.date.accessioned2025-11-10T16:25:58Z
dc.date.available2025-11-10T16:25:58Z
dc.date.issued2025-10-16
dc.description.abstractSeafood fraud, particularly the mislabelling of geographic origin, undermines consumer trust and sustainable fisheries management. This study developed an integrated framework combining consumer insights, nutritional profiling, and amino acid (AA)-based chemometric analysis to authenticate the origin of Trachurus trachurus from the Portuguese coast. A consumer survey (n=102) revealed high awareness of seafood mislabelling (68%) but low selfefficacy in detecting origin (56%), underscoring a clear demand for scientific verification. Biochemically, gravimetric analysis of n-hexane extracts revealed that neutral lipid content varied significantly by region, ranging from 13.5% (Peniche) to 18.2% (Sines) on a dry weight basis. The crude protein content, determined by the Kjeldahl method, was consistently high (76.2–80.2%), with Olhão, Peniche, and Sines forming a distinct high-protein cluster. From 150 individual fish, High-Performance Liquid Chromatography (HPLC) with methanesulfonic acid hydrolysis, optimised to preserve labile AAs, quantified 17 proteinogenic AAs via pre-column derivatization (OPA/FMOC) and fluorescence detection, with pronounced geographical variations observed in glutamic acid, aspartic acid, and proline. Multivariate analysis confirmed distinct location-based clustering in the AA profiles. To build a predictive authentication tool, machine learning models were developed and compared. A supervised Linear Discriminant Analysis (LDA) model achieved 82.7 ± 4.4% cross-validation accuracy, outperforming a Random Forest (RF) classifier (76.0 ± 7.8%), and demonstrated 66.7% accuracy on an independent test set. The top discriminative AAs for origin were glutamic acid, aspartic acid, tyrosine, tryptophan, and isoleucine. These results confirm that AA profiles serve as a robust biochemical fingerprint for geographical authentication. This research provides a practical, science-based framework to enhance traceability systems, thereby supporting sustainable fisheries and restoring consumer confidence in seafood supply chains.eng
dc.description.abstractA fraude alimentar no sector pesqueiro, em particular a falsificação da origem geográfica, representa um sério desafio, tanto para a confiança dos consumidores como para a gestão sustentável dos recursos marinhos. Este estudo propõe uma abordagem multidisciplinar que combina caracterização nutricional e análise quimiométrica de aminoácidos (AA), com o objetivo de autenticar a origem geográfica de Trachurus trachurus (carapau) ao longo da costa portuguesa. Um inquérito a 102 consumidores revelou uma perceção elevada da existência de fraude na origem (68%), mas também uma fraca confiança na sua capacidade de deteção (56 %), evidenciando a necessidade de métodos científicos robustos. A nível bioquímico, a análise gravimétrica do teor de gordura demonstrou variações regionais significativas (13,5% em Peniche; 18,2% em Sines, base seca). O teor proteico, avaliado pelo método de Kjeldahl, foi consistentemente elevado (76,2–80,2%), destacando Olhão, Peniche e Sines como regiões de maior valor proteico. A análise de 150 indivíduos por Cromatografia Líquida de Alta Eficiência, com hidrólise em ácido metanossulfónico otimizada para preservar AAs lábeis, permitiu quantificar 17 AAs proteinogénicos via derivatização pré-coluna (OPA/FMOC) e deteção por fluorescência. Entre estes, o ácido glutâmico, o ácido aspártico e a prolina revelaram maior variação geográfica. A Análise de componentes principais confirmou a existência de assinaturas bioquímicas específicas por região. Para fins preditivos, foram testados modelos de aprendizagem automática (machine learning), tendo a Análise Discriminante Linear (LDA) evidenciado melhor desempenho, com precisão de validação cruzada de 82,7 ± 4,4%, superando o Random Forest (76,0 ± 7,8%). Na validação independente, a LDA obteve 66,7% de precisão, com erros biologicamente plausíveis. Os AAs mais discriminativos foram ácido glutâmico, ácido aspártico, tirosina, triptofano e isoleucina. Os resultados obtidos validam, de forma clara, o perfil de AAs como uma impressão digital bioquímica robusta e biologicamente relevante para a autenticação geográfica. Este trabalho estabelece, assim, um enquadramento científico-prático para a integração de dados nutricionais e bioquímicos em sistemas de rastreabilidade, oferecendo uma ferramenta promissora para combater a fraude, valorizar os produtos da pesca sustentável e reforçar a transparência e a confiança dos consumidores.por
dc.identifier.tid204032830
dc.identifier.urihttp://hdl.handle.net/10400.22/30796
dc.language.isoeng
dc.rights.uriN/A
dc.subjectTrachurus trachurus
dc.subjectseafood authentication
dc.subjectamino acid profiling
dc.subjectmachine learning
dc.subjectlinear discriminant analysis
dc.subjectAutenticaçãode pescado
dc.subjectPerfil de aminoácidos
dc.subjectAnálise discriminante linear
dc.titleCaracterização e avaliação bioquímica de produtos marinhos para determinação de origem geográfica e qualidade nutricionalpor
dc.title.alternativeBiochemical characterization and evaluation of marine products for determination of geographical origin and nutritional Qualityeng
dc.typemaster thesis
dspace.entity.typePublication
thesis.degree.nameMestrado em Engenharia de Biorrecursos

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Tese_6218.pdf
Size:
4.83 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
4.03 KB
Format:
Item-specific license agreed upon to submission
Description: