Banca de QUALIFICAÇÃO: MARIA KAROLINE DA SILVA ANDRADE

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : MARIA KAROLINE DA SILVA ANDRADE
DATA : 18/02/2022
LOCAL: VIDEOCONFERÊNCIA
TÍTULO:

DESENVOLVIMENTO DE ESTRATÉGIAS ANALÍTICAS BASEADAS EM APRENDIZADO DE  MÁQUINA, COMPUTAÇÃO EVOLUCIONÁRIA, ESPECTROSCOPIA E CLAE APLICADAS A DROGAS VEGETAIS E  PRODUTOS DERIVADOS

PALAVRAS-CHAVES:

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

PÁGINAS: 77
RESUMO:

De acordo com a Organização Mundial de Saúde a medicina tradicional, ou não  convencional, é o principal pilar da prestação de serviços de saúde. Os  medicamentos fitoterápicos estão nesse contexto, sendo muitas vezes a única  fonte de assistência. Dentre as diretrizes brasileiras estabelecidas pela política  e programa nacional de plantas medicinais e fitoterápicos está o incentivo a  incorporação de novas tecnologias no seu processo produtivo, o que envolve o  desenvolvimento de técnicas que visam o controle de qualidade destes produtos.  Libidibia ferrea, é bastante conhecida por suas propriedades medicinais e  consumida principalmente como chás. Essas propriedades estão relacionadas  aos ácidos gálico e elágico presentes na espécie. Assim, quantificar esses  compostos é importante para diferenciar sua atividade biológica. Essa  quantificação é realizada por meio de cromatografia líquida de alta eficiência  (CLAE). No entanto, essa técnica é custosa e utiliza solventes poluentes. Uma  alternativa potencial para essa técnica é a espectrofotometria, a qual é menos  custosa e de implementação menos complexa do que a CLAE. No entanto, os  sinais de espectrofotometria possuem muitas ondas sobrepostas, o que dificulta  sua utilização, assim, ferramentas computacionais e métodos quimiométricos  são usados para superar essa limitação. Dessa maneira, este trabalho propõe a  utilização de algoritmos de regressão baseados em inteligência artificial para  analisar automaticamente os sinais de espectrofotometria nas regiões do  ultravioleta-visível e infravermelho próximo e médio. Foram avaliados diferentes  modelos de regressão: regressão linear, máquina de vetores de suporte (SVM),  Random Forest, Random Tree e máquinas de aprendizado extremo (ELM). Os  desempenhos dos algoritmos foram avaliados a partir do coeficiente de  correlação de Pearson (r), da raiz do erro quadrático médio (RMSE) e do erro  percentual absoluto (MAPE). Os algoritmos de regressão mostraram-se capazes  de fornecer uma previsão de concentração efetiva, mesmo a partir de dados  brutos, fornecendo resultados próximos aos encontrados por CLAE, com  coeficientes de correlação de até 0,93 e baixos erros. Os resultados gerais são  promissores, apontando para a viabilidade do desenvolvimento de uma técnica  de controle de qualidade de produtos naturais eficiente e de baixo custo.

MEMBROS DA BANCA:
Presidente - 1962663 - DANILO CESAR GALINDO BEDOR
Externa à Instituição - GISELLE MACHADO MAGALHAES MORENO - UNIFESP
Externo à Instituição - SIMONE DA SILVA SIMOES - UEPB