📄 agricultura

Spectral-Correlation and Random Matrix Theory- Analysis of Raman Spectra for Detection of Milk Adulterants

Este estudo demonstra que a combinação de diagnósticos de correlação espectral com a Teoria das Matrizes Aleatórias, especificamente através do parâmetro de Brody, fornece um arcabouço robusto e estatisticamente fundamentado para detectar e distinguir adulterantes no leite (peróxido de hidrogênio, ureia e formalina) ao quantificar o grau de aleatoriedade espectral em espectros Raman.

Autores originais: Ravinder Tirupati, Manimaran P., Ghanashyam Krishna M., Samrat L. Sabat

Publicado 2026-09-30

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Ravinder Tirupati, Manimaran P., Ghanashyam Krishna M., Samrat L. Sabat

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

A segurança alimentar depende fortemente da capacidade de detectar quando um produto natural foi adulterado, e o leite é um alvo frequente para tal decepção. Vendedores desonestos por vezes adicionam produtos químicos ao leite para fazê-lo parecer mais espesso, durar mais tempo na prateleira ou passar em testes básicos de qualidade, embora esses aditivos possam ser prejudiciais à saúde humana. Para pegar essas trapaças, os cientistas utilizam frequentemente uma técnica chamada espectroscopia Raman, que funciona ao projetar um laser sobre uma amostra e ouvir a forma única como as moléculas vibram em resposta. Cada substância possui uma assinatura vibracional distinta, tal como uma impressão digital, permitindo aos investigadores identificar o que está presente num copo de leite. No entanto, o leite é uma mistura complexa de proteínas, gorduras e açúcares, e o seu espectro natural é povoado por sinais sobrepostos. Quando adulterantes são adicionados, eles não apenas acrescentam uma nova linha a este espectro; eles podem subtilmente embaralhar as relações entre todos os sinais existentes, criando um padrão de mudança que é difícil de detetar para programas de computador padrão, especialmente se a quantidade de produto químico adicionado for pequena ou se os dados forem ruidosos.

Uma equipa de investigadores da Universidade de Hyderabad desenvolveu uma nova forma de abordar este problema ao tratar o espectro inteiro não como uma lista de picos, mas como uma teia de conexões. Em vez de perguntarem "qual é a altura deste pico específico?", perguntaram "como é que todas as diferentes partes do espectro se movem juntas?". Eles recolheram leituras de laser de leite puro e de leite misturado com três adulterantes comuns: peróxido de hidrogénio, ureia e formalina. Para cada grupo, construíram um mapa massivo mostrando como cada ponto do espectro se correlacionava com todos os outros pontos. Aplicaram então um ramo da matemática conhecido como Teoria das Matrizes Aleatórias, que é tipicamente utilizada para estudar sistemas complexos como núcleos atómicos ou mercados financeiros, para ver se os padrões nestes mapas eram ordenados ou caóticos. Esta abordagem permitiu-lhes medir a "desordem" introduzida por cada aditivo com um alto grau de precisão, revelando que diferentes produtos químicos perturbam a estrutura natural do leite de formas fundamentalmente distintas.

O estudo começou com uma coleção de 124 leituras de laser. Trinta e uma destas vieram de leite puro, enquanto o resto eram amostras onde os investigadores misturaram cuidadosamente quantidades variáveis de peróxido de hidrogénio, ureia ou formalina. A equipa utilizou um laser potente para capturar os sinais vibracionais de cada amostra, criando uma imagem detalhada da atividade molecular. Eles processaram então estes dados para remover o ruído de fundo e construíram uma matriz de correlação para cada grupo. Em termos simples, esta matriz é uma grelha gigante que regista o quão próximo o comportamento de uma parte do espectro coincide com o comportamento de outra parte em todas as amostras. No leite puro, esta grelha mostrava blocos de conexão fortes e organizados, refletindo o facto de as proteínas, gorduras e açúcares no leite se moverem naturalmente em sincronia. Quando os investigadores introduziram os adulterantes, estes blocos organizados começaram a mudar, mas cada produto químico o fez de uma maneira única.

O peróxido de hidrogénio causou uma perturbação muito específica e localizada. Os investigadores descobriram que ele criou uma quebra nítida nas conexões precisamente em torno da frequência onde as moléculas de peróxido vibram, mas o resto do espectro do leite permaneceu amplamente intacto e ordenado. Era como se um único fio num tecido tecido tivesse sido cortado, deixando a trama circundante inalterada. A ureia, por outro lado, produziu uma perturbação muito mais forte e estruturada. Criou um desvio pronunciado nas conexões perto da sua própria assinatura vibracional, e este efeito propagou-se para fora, influenciando as partes vizinhas do espectro. Isto sugeriu que a ureia não estava apenas sentada no leite, mas estava a interagir ativamente com as moléculas circundantes, criando um novo padrão de comportamento rígido que era diferente do fluxo natural do leite puro.

A formalina apresentou a mudança mais dramática de todas. Ao contrário dos outros dois produtos químicos, que causaram alterações específicas e localizadas, a formalina causou um enfraquecimento generalizado das conexões em todo o espectro. Os blocos organizados vistos no leite puro dissolveram-se num padrão mais disperso e aleatório. Este resultado alinha-se com a química conhecida da formalina, que é um agente de reticulação que se liga às proteínas em muitos lugares diferentes ao mesmo tempo, embaralhando subtilmente toda a estrutura molecular em vez de visar um único ponto. Para quantificar estas observações, os investigadores utilizaram uma medida estatística chamada parâmetro de Brody, que atua como um número único para descrever o quão aleatório é um sistema. O leite puro obteve uma pontuação baixa nesta escala, confirmando a sua natureza altamente ordenada. À medida que os investigadores adicionavam adulterantes, a pontuação subia, indicando um aumento da desordem. A formalina aproximou a pontuação do máximo de aleatoriedade possível, enquanto a ureia e o peróxido de hidrogénio ficaram entretanto, criando uma classificação numérica clara de quanto cada produto químico perturbou o estado natural do leite.

A significância deste trabalho reside na sua capacidade de detetar a adulteração ao olhar para a estrutura dos dados em vez de apenas para a intensidade de sinais específicos. Os métodos tradicionais frequentemente têm dificuldades quando a quantidade de produto químico adicionado é muito pequena ou quando o ruído de fundo é elevado, porque dependem da descoberta de um pico distinto que se destaque. Esta nova abordagem, contudo, deteta as formas subtis pelas quais um aditivo altera as relações entre todas as moléculas na amostra. Ao tratar o espectro como um sistema complexo e medir a sua aleatoriedade estatística, os investigadores demonstraram que poderiam distinguir entre leite puro e leite contendo aditivos prejudiciais com alta sensibilidade. O estudo sugere que este método poderá eventualmente ser utilizado para construir ferramentas de triagem mais rápidas e fiáveis para a segurança alimentar, capazes de detetar até mesmo contaminações de baixo nível que de outra forma poderiam passar despercebidas. Embora os investigadores notem que são necessários mais testes para estabelecer exatamente o quão pouco de um aditivo pode ser detetado, os resultados fornecem uma poderosa lente matemática para compreender a complexidade oculta da qualidade dos alimentos.

Resumo Técnico: Análise de Correlação Espectral e Teoria de Matrizes Aleatórias para Detecção de Adulterantes no Leite

Definição do Problema
A detecção de adulterantes no leite é um desafio crítico para a segurança alimentar. Embora técnicas de espectroscopia óptica, como a espectroscopia Raman, ofereçam assinaturas moleculares únicas para identificar aditivos como peróxido de hidrogênio ( $H_2O_2$ ), ureia ( $CH_4N_2O$ ) e formalina ( $CH_2O$ ), os métodos de análise convencionais enfrentam limitações. Abordagens quimiométricas padrão (ex: PCA, PLS, SVM, CNN) frequentemente dependem do aprendizado empírico de intensidades de picos ou padrões espectrais específicos. Esses métodos podem ser sensíveis ao ruído, fundos de fluorescência e exigem grandes conjuntos de dados de treinamento rotulados. Além disso, podem falhar em capturar perturbações sutis na estrutura de covariância induzidas por adulterantes em dados espectrais de alta dimensão que não se manifestam como deslocamentos de picos distintos e resolvíveis. Os autores postulam que a adulteração do leite é fundamentalmente um problema de estrutura de correlação, e não apenas de intensidade de pico, necessitando de um arcabouço que distinga entre correlações químicas genuínas e aleatoriedade estatística.

Metodologia
O estudo emprega um arcabouço combinando Análise de Correlação Espectral e Teoria de Matrizes Aleatórias (RMT) para analisar espectros Raman de leite.

Aquisição de Dados: Um total de 124 espectros Raman foram adquiridos: 31 de leite puro (4,5% de gordura) e 93 de leite adulterado com concentrações variadas de $H_2O_2$ , ureia e formalina. Os espectros foram registrados utilizando um microscópio Raman confocal de 532 nm.
Pré-processamento: Os espectros brutos passaram por correção de linha de base por mínimos quadrados assimétricos (ALS), suavização de Savitzky–Golay e normalização para o intervalo [0, 1].
Construção da Matriz de Correlação: Para cada classe (puro e cada adulterante), uma matriz de correlação espectral de $700 \times 700$ ( $C$ ) foi computada a partir dos dados de intensidade padronizados e centrados na média dos 31 exemplares de cada classe.
Decomposição de Autovalores: As matrizes foram decompostas para extrair autovalores e autovetores. Os três principais autovetores foram analisados para identificar padrões de correlação espectral dominantes. Autovetores de diferença ( $\Delta v_k$ ) foram calculados subtraindo os autovetores do leite puro dos autovetores dos adulterados para isolar perturbações específicas do aditivo.
Análise RMT:
- Unfolding (Desdobramento): Os autovalores foram submetidos a um desdobramento via suavização por spline para garantir um nível médio de densidade uniforme.
- Distribuição de Espaçamento: A distribuição de espaçamento do vizinho mais próximo ( $P(S)$ ) dos autovalores desdobrados foi comparada contra a Suposição de Wigner (Ensemble Ortogonal Gaussiano) e a distribuição de Poisson.
- Parâmetro de Brody: Para quantificar o grau de ordem espectral versus aleatoriedade, as distribuições de espaçamento empíricas foram ajustadas à distribuição de Brody, gerando um parâmetro único $\beta$ (onde $\beta=0$ representa Poisson/aleatório e $\beta=1$ representa Wigner-Dyson/totalmente correlacionado).

Resultos Principais

Estrutura de Correlação: O leite puro exibiu domínios de blocos de alta intensidade e amplitude, indicando uma covariação bioquímica forte e coerente.
- $H_2O_2$ : Induziu uma redução localizada na correlação próxima a 878 cm $^{-1}$ (estiramento O–O), criando uma perturbação estreita e quimicamente isolada sem interromper a coerência global.
- Urea: Produziu um desvio estruturado e forte centrado em 1006 cm $^{-1}$ (estiramento C–N), afetando múltiplos modos de autovalores e estendendo-se para regiões espectrais adjacentes.
- Formalina: Causou um enfraquecimento global das correlações espectrais em toda a faixa de 500–3200 cm $^{-1}$ , consistente com seu papel como agente de reticulação que perturba de forma difusa os modos vibracionais proteicos.
Análise de Autovalores e Autovetores: O leite puro apresentou um decaimento acentuado nos autovalores, refletindo uniformidade química. As amostras adulteradas mostraram distribuições alteradas: a ureia manteve autovalores elevados devido a contribuições determinísticas fortes, enquanto a formalina produziu um espectro disperso com decaimento mais lento, indicando perturbações estocásticas e generalizadas. Os autovetores de diferença isolaram com sucesso os deslocamentos Raman específicos do aditivo (ex: o pico agudo em 1006 cm $^{-1}$ para a ureia).
Aleatoriedade Quantitativa (Parâmetro de Brody): O parâmetro de Brody $\beta$ $β$ forneceu uma medida contínua de desordem espectral:
- Leite Puro: $\beta = 0,749$ (Mais estruturado/determinístico).
- Leite com Ureia: $\beta = 0,801$ (Mudança modesta em direção à aleatoriedade).
- Leite com $H_2O_2$ : $\beta = 0,841$ (Aleatoriedade intermediária).
- Leite com Formalina: $\beta = 0,970$ (Próximo da aleatoriedade total, mais próximo das estatísticas GOE).

Significância e Alegações
O artigo afirma ser a primeira aplicação abrangente de diagnósticos de matriz de correlação e RMT para espectros Raman de leite. A principal contribuição é o estabelecimento da análise de correlação espectral baseada em RMT como um arcabouço diagnóstico robusto e específico para adulterantes, que opera na estrutura estatística do espectro em vez de intensidades de picos individuais.

As principais alegações incluem:

Métrica Quantitativa: O parâmetro de Brody serve como uma métrica única e estatisticamente fundamentada para classificar os adulterantes pelo rigor da interrupção da estrutura de correlação que eles induzem.
Capacidade Não Supervisionada: A abordagem é amplamente não supervisionada e não requer grandes conjuntos de dados de treinamento rotulados, abordando uma limitação fundamental dos classificadores de aprendizado de máquina na segurança alimentar.
Interpretabilidade: Diferente de modelos de "caixa-preta", o método fornece resultados interpretáveis onde os autovetores de diferença localizam as perturbações em deslocamentos Raman quimicamente identificáveis.
Sensibilidade à Desordem Oculta: O método é sensível a mudanças na estrutura de covariância, potencialmente oferecendo detecção melhorada de adulterações fracas ou de baixa concentração que não produzem deslocamentos de picos claramente resolvíveis.

Os autores concluem que este arcabouço complementa os métodos existentes de detecção baseados em Raman ao fornecer uma medida física e quantitativa de desordem espectral, oferecendo um caminho para sistemas de autenticação de alimentos multiadulterantes em tempo real. Eles observam que, embora a hipótese de melhor sensibilidade à detecção de baixa concentração seja motivada pela sensibilidade do método a mudanças de covariância, estabelecer limites de detecção específicos dependentes da concentração requer estudos dedicados futuros.

Mais como este