Avaliação da qualidade nutricional do milho pela utilização de técnicas de análise uni e multivariadas | Corn nutritional quality evaluation using uni and multivariate techniques

O objetivo deste trabalho foi desenvolver um modelo conceitual e prático de avaliação da qualidade nutricional e classificação do milho, baseado em características fisico-químicas, utilizando técnicas de análise estatística uni e multivariadas. Os dados utilizados foram gerados aleatoriamente, a partir de médias e desvios-padrão obtidos em literatura científica especializada, que caracterizam os milhos encontrados em diversas regiões do Brasil. As variáveis estudadas foram subdivididas em: variáveis relacionados à origem do milho (região e fornecedores); variáveis relacionados à composição química do milho (teores de energia metabolizável, de proteína bruta, de extrato etéreo e de amido e açúcares); e, variáveis relacionados às características físicas do milho (causas de avarias aos grãos). Foram verificadas altas correlações entre a ocorrência de grãos atacados por fungos e insetos e o total de grãos avariados. Foram observadas altas correlações negativas entre o total de grãos fungados e o conteúdo de matéria seca dos grãos, principalmente extrato etéreo. A análise de componentes principais possibilitou o descarte da variável característica de grãos imaturos, que apresentou contribuição insignificante à variabilidade dos dados. A análise de correlações canônicas mostrou que a ocorrência de ataques de fungos e de insetos, resultou em perdas nos conteúdos de extrato etéreo e de amido e açúcares dos grãos. Análises de variância uni e multivariadas e testes estatísticos foram utilizados para testar diferenç as estatísticas entre milhos de regiões e fornecedores, e permitiram concluir que existem diferenças significativas entre os milhos das diferentes regiões e dos diferentes fornecedores. A análise de variância também foi utilizada para testar diferenças entre os grupos de milhos de alta e baixa qualidade. Os grupos foram formados a partir da média geral do teor de energia metabolizável dos grãos, considerando-se milhos de baixa qualidade, os milhos com conteúdo energético abaixo do valor médio. Foram verificadas diferenças estatísticas entre os grupos de milhos, com base em seus diferentes perfis de grãos danificados. Caracterizada a diferença estatística entre os grupos, foi utilizada a análise discriminante descritiva para a obtenção das funções que melhor diferenciam os milhos, com relação ao seu teor energético, a partir das variáveis características de danos físicos aos grãos, e para avaliar a acurácia da classificação dos milhos. As equações que discriminaram as amostras de milho, nos grupos de milho de alta (MAQ) e de baixa (MBQ) qualidade foram: D MBQ = − 81 , 40934 + 7 , 27092 GQBR + 2 , 34127 FRIM + 7 , 86361 GFUN + 18 , 55977 GINS + 5 , 78943 GADC D MAQ = − 56 , 95729 + 6 , 75573 GQBR + 2 , 45536 FRIM + 5 , 71440 GFUN + 14 , 96686 GINS + 5 , 48161 GADC A classificação prévia dos milhos foi correta em 96% dos casos de milhos alocados no grupo de baixa qualidade, e em 100% dos casos de milhos alocados no grupo de alta qualidade, resultando em acurácia da classificação, de 98%. As associações entre as variáveis físicas e químicas foram quantificadas por análises de regressão múltipla e simples, em cada grupo, além de equações gerais. As equações obtidas para a estimativa da energia metabolizável do milho, a partir da composição de proteína bruta (PB), extrato etéreo (EE) e amido e açúcares (AA), em percentagem, foram: Geral EM = − 87 . 477 + 951 , 164 % PB + 1 . 002 , 10 % EE + 1 . 053 , 08 % AA R 2 = 0 , 999 MBQ EM = − 86 . 659 + 942 , 920 % PB + 993 , 469 % EE + 1 . 043 , 57 % AA R 2 = 0 , 999 MAQ EM = − 87 . 979 + 965 , 523 % PB + 1 . 007 , 59 % EE + 1 . 058 , 86 % AA R 2 = 0 , 999 As equações obtidas para a estimativa da energia metabolizável perdida dos grãos de milho (EMp), devido à quebra (GQBR), a fragmentos e impurezas (FRIM), ao ataque de fungos (GFUN), ao ataque de insetos (GINS) e às avarias por diversas outras causas (GADC), em percentagem, foram: Geral m EM p = − 0 , 06407 + 1 , 6151 GQBR + 6 , 9843 FRIM + 10 , 0649 GFUN + 12 , 2854 GINS + 5 , 8688 GADC R 2 = 0 , 999 MBQ EM P = 4 , 88214 + 1 , 5340 GQBR + 7 , 0538 FRIM + 9 , 7984 GFUN + 11 , 6640 GINS + 4 , 6073 GADC R 2 = 0 , 996 MAQ EM P = 0 , 80983 + 1 , 5053 GQBR + 6 , 6238 FRIM + 10 , 0409 GFUN + 12 , 5565 GINS + 6 , 2759 GADC R 2 = 0 , 999 Geral s EM p = − 21 . 5606 + 7 , 74718 GAVR R 2 = 0 , 752 Estas equações apresentaram ótimos coeficientes de determinação, indicando excelente ajuste das equações aos dados. A partir das funções discriminantes, novas amostras de milho, de conteúdos energéticos desconhecidos, foram classificadas em milhos de alta ou baixa energia e foram estimadas as perdas de energia metabolizável e o conteúdo energético dessas amostras. Médias, desvios-padrão, acurácia de classificação e correlações de rank dos grupos de milho de alta (MAQ) e de baixa (MBQ) qualidade, formados pela utilização de diversas técnicas de agrupamento, foram comparados com os valores obtidos pela separação dos milhos em grupos, com base em seus valores de energia metabolizável. Os melhores resultados foram obtidos com a utilização do método de agrupamento hierarquizado de ligações completas, com distância de Pearson. Para avaliar o impacto econômico do fracionamento do milho foram formuladas rações práticas para frangos de corte. Com o fracionamento do milho, a formulação resultou em rações mais baratas (-0,23%), com a utilização do milho de alta qualidade, e mais caras (+0,45%), com a utilização do milho de baixa qualidade, que as rações formuladas sem o fracionamento do milho. Para que as rações formuladas com o milho de pior qualidade tenham o mesmo custo que as formuladas com o milho sem fracionamento, é necessário que o milho seja depreciado em, no mínimo, 2%. A partir dos resultados obtidos, pode- se concluir que: a utilização das diversas técnicas de análise estatística uni e multivariadas possibilitou o desenvolvimento de um modelo conceitual e prático da avaliação nutricional do milho, a partir de suas características físicas e químicas; e, o modelo desenvolvido apresenta potencial para ser adaptado a outras matérias-primas.

The objective of this work was to develop a conceptual model to evaluate corn nutritional quality and to classify corn samples, based on its physical and chemical characteristics, using uni and multivariate statistical techniques. The data were randomly generated from means and standard deviations obtained in scientific publications. The means and standard deviations were typical of Brazilian corn samples. The studied variables were divided into three groups: those variables related to origin of corn (region and suppliers); those variables related to corn chemical composition; and, those variables related to kernel damage causes. High correlations between molded and insect affected grains and the total amount of damaged grains were detected. High negative correlations between molded grains and the amount of dry matter, mainly ether extract. Principal component analysis allowed the discard of the variable related to physiologically immature grains. Canonical correlation analysis showed that mold and insect attack to grains resulted in ether extract, sugar and starch loss, on dry matter basis. Uni and multivariate variance analysis detected statistical differences between regions of corn origin and among suppliers. Based on corn metabolizable energy content, two corn groups were created: one which corn metabolizable energy content was at least equal to the general metabolizable energy mean, calculated using all corn samples; and, one which corn metabolizable content was below the general mean. Using the descriptive discriminant analysis technique two discriminant functions establishing corn energy content and damage profile relationship were obtained. The discriminant functions are the functions that explain the energy content differences related to the different causes of corn damage. The equations to the high energy corn group (MAQ) and to the low energy corn group (MBQ) are as follow: D MBQ = − 81 , 40934 + 7 , 27092 GQBR + 2 , 34127 FRIM + 7 , 86361 GFUN + 18 , 55977 GINS + 5 , 78943 GADC D MAQ = − 56 , 95729 + 6 , 75573 GQBR + 2 , 45536 FRIM + 5 , 71440 GFUN + 14 , 96686 GINS + 5 , 48161 GADC where, all in %: GQBR is the amount of broken kernels; FRIM is the amount of kernel particles; GFUN is the amount of molded grains; GINS is the amount of insect attacked grains; and, GADC is the amount of damaged grains caused by other reasons. The corn classification accuracy were 96% in the MBQ group and 100% in the MAQ group, with a general mean of 98%. Association between chemical composition and corn energy content and between kernels physical damage and metabolizable energy losses were established using multiple regression analysis. The equations obtained for metabolizable energy (EM) estimation were as follow: MBQ EM = − 86 . 659 + 942 , 920 % PB + 993 , 469 % EE + 1 . 043 , 57 % AA R 2 = 0 , 999 MAQ EM = − 87 . 979 + 965 , 523 % PB + 1 . 007 , 59 % EE + 1 . 058 , 86 % AA R 2 = 0 , 999 where, all in dry matter basis: %PB is the percentage of crude protein; %EE is the percentage of ether extract; %AA is the percentage of sugar and starch. The equations obtained for metabolizable energy losses (EMp) were as follow: MBQ EM P = 4 , 88214 + 1 , 5340 GQBR + 7 , 0538 FRIM + 9 , 7984 GFUN + 11 , 6640 GINS + 4 , 6073 GADC R 2 = 0 , 996 MAQ EM P = 0 , 80983 + 1 , 5053 GQBR + 6 , 6238 FRIM + 10 , 0409 GFUN + 12 , 5565 GINS + 6 , 2759 GADC R 2 = 0 , 999 Excellent R 2 coefficients were obtained, that indicate and excellent adjust of equations to the data. Through the use of predictive discriminant analysis, new corn samples of unknown energy content were allocated in the MAQ or MBQ groups, using the previously obtained discriminant functions, based on their kernel damage profiles. Their EMp were estimated through the use of the EMp equations. Means, standard deviations, classification accuracy and Spearman rank correlation of MAQ and MBQ groups obtained through different cluster algorithms were compared to the values obtained using the energy content group discrimination criteria. Best results were obtained using agglomerative hierarchic complete linkage method, with Pearson’s distance. To evaluate the economical impact of grouping corn based on its damage profile and energy content, several broiler rations were calculated. Feed formulated with MAQ corn were cheaper (-0,23%) than those formulated with non separated corn. Feed formulated with MBQ corn were more expensive (0,45%) than those formulated with non grouped corn. In order to have the same feed cost it was necessary to devaluate the MBQ corn in 2,0%, minimum. Based on the obtained results it can be concluded that the use of uni and multivaria te statistical analysis techniques was adequate to develop a conceptual model of corn nutritional quality evaluation and classification; and, the developed model has potential to be applied to other feed ingredients.

Conselho Nacional de Desenvolvimento Científico e Tecnológico