Banca de DEFESA: MARIA KAROLINE DA SILVA ANDRADE

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: MARIA KAROLINE DA SILVA ANDRADE
DATA : 03/07/2025
HORA: 08:00
LOCAL: Auditório auxiliar do Laboratório Integrado de Tecnologia em Petróleo, Gás e Biocombustíveis
TÍTULO:

DESENVOLVIMENTO DE ESTRATEGIAS ANALITICAS BASEADAS EM APRENDIZADO DE MAQUINA, COMPUTACAO EVOLUCIONARIA, ESPECTROSCOPIA E CLAE APLICADAS A DROGAS VEGETAIS E PRODUTOS DERIVADOS

PALAVRAS-CHAVES:

Libidibia ferrea; Inteligência artificial; espectrofotometria; Controle  de qualidade; Produtos naturais

PÁGINAS: 117
RESUMO:

De acordo com a Organização Mundial de Saúde, a medicina tradicional, incluindo os medicamentos fitoterápicos, desempenha um papel essencial na saúde global, muitas vezes sendo a única opção terapêutica disponível. Para garantir a qualidade desses produtos, é necessário desenvolver métodos analíticos eficientes. Nesse contexto, o uso de Libidibia ferrea, conhecida por suas propriedades medicinais associadas aos ácidos gliddalidadlico (AG) e elágico (AE), exige técnicas precisas para quantificação desses compostos. Embora a cromatografia líquida de alta eficiência (CLAE) seja o método padrão, seu alto custo e uso de solventes poluentes incentivam a busca por alternativas, como a espectrofotometria. No entanto, a sobreposição de sinais espectrais limita a aplicação desta última, exigindo o uso de métodos quimiométricos e ferramentas computacionais para análise eficaz. Dessa maneira, este trabalho desenvolve duas abordagens para análise espectrofotométrica de compostos bioativos: (1) modelos de regressão baseados em inteligência artificial aplicados a sinais de espectrofotometria nas regiões do ultravioleta-visível (UV-Vis) e infravermelho próximo (NIR) e médio (MIR); e (2) redes neurais convolucionais para extração de características de imagens do espectro dos compostos. O desempenho foi avaliado pelo coeficiente de Pearson (r) e pelo erro RMSE. Com a abordagem I, destacou-se o SVM com r próximo de 0,96 para AG e AE, utilizando dados de UV-Vis sem pré-processamento. Para os sinais de MIR e NIR os melhores resultados foram obtidos utilizando dados pré-processados, todos com r maior que 0,90. Quanto aos resultados obtidos na abordagem II, os maiores desempenhos também foram alcançados com SVM, com r de 0,97 e RMSE de 0,25 para a estimativa de AE, a partir de sinais de UV-Vis e arquitetura VGG-SVM. Esta mesma arquitetura apresentou o melhor resultado para o AG, com r de 0,91 e RMSE de 0,54, porém com o uso dos sinais de NIR. Os resultados gerais são promissores, visto que ambas as abordagens foram capazes de fornecer uma previsão de concentração próximas aos encontrados por CLAE, apontando para a viabilidade do desenvolvimento de uma técnica de controle de qualidade de produtos naturais eficiente e de baixo custo.

MEMBROS DA BANCA:
Interno - 1962663 - DANILO CESAR GALINDO BEDOR
Externa ao Programa - 3727505 - GISELLE MACHADO MAGALHAES MORENO - nullExterna à Instituição - JANAINA CARLA BARBOSA MACHADO - UFPE
Presidente - 1358044 - LUIZ ALBERTO LIRA SOARES
Externa à Instituição - LUÍSE LOPES CHAVES - UFPE