Integração de dados multi-instrumentais para a diferenciação de soja por meio de análise de dados multibloco utilizando uma nova adaptação do ComDim

Abstract

A soja é uma importante commodity global. Dada sua relevância, garantir a rastreabilidade torna-se essencial. Fatores genéticos, climáticos e relacionados ao solo influenciam sua composição química. A integração de dados de múltiplas fontes por meio de uma análise multibloco representa uma abordagem poderosa para diferenciar amostras de soja e monitorar sua rastreabilidade. Este estudo empregou uma extensão do método ComDim (Análise por Dimensões Comuns, também conhecido como Common Components and Specific Weights Analysis, CCSWA) para diferenciar simultaneamente 20 variedades brasileiras de soja, convencionais e transgênicas, com base na região e no tipo de cultivar. A extensão substituiu a PCA (Análise de Componentes Principais) utilizada no ComDim clássico pela CCA (Análise de Componentes Comuns). Quarenta amostras cultivadas em Londrina e Ponta Grossa (Paraná, Brasil) foram analisadas quanto aos seus perfis de ácidos graxos, aminoácidos, isoflavonas e minerais utilizando GC-FID, IEC, HPLC-DAD e ICP-OES. Os resultados do ComDim baseado em CCA revelaram que o Componente Comum 2 (CC2) foi o principal responsável pela distinção entre as regiões geográficas de Londrina e Ponta Grossa. Os loadings globais da CC2 indicaram que zinco (Zn), manganês (Mn), ácido oleico, arginina e malonil genistina foram as variáveis mais influentes nesse componente. Em contraste, o CC3 esteve associado à diferenciação entre cultivares convencionais e transgênicas. Os loadings globais destacaram o ácido linoleico, ácido oleico, ácido a-linolênico, malonil glicitina, malonil genistina, Fe, Zn e Mn como os contribuintes mais relevantes. Os gráficos combinados de CC2 e CC3 indicaram tendências de diferenciação das amostras de soja tanto pela região quanto pelo tipo de cultivar. Esse resultado destaca o potencial do ComDim baseado em CCA como uma ferramenta eficaz para a rastreabilidade da soja.

Abstract: Soybean is a major global commodity. Given its importance, ensuring traceability becomes essential. Genetic, climatic, and soil-related factors influence its chemical composition. Integrating multi-source data using a multiblock analysis represents a powerful approach to differentiating soybeans and monitoring their traceability. This study employed an extension of the ComDim method (also known as Common Components and Specific Weights Analysis, CCSWA) to simultaneously differentiate 20 Brazilian soybean varieties, conventional and transgenic, based on cultivation region and cultivation type. The extension replaced the PCA (Principal Com ponents Analysis) used in classical ComDim by CCA (Common Components Analysis). Forty samples cultivated in Londrina and Ponta Grossa (Paran´ a, Brazil) were analyzed for their fatty acid, amino acid, isoflavone, and mineral profiles using GC-FID, IEC, HPLC DAD, and ICP-OES. The CCA-based ComDim results revealed that Common Component 2 (CC2) was primarily responsible for distinguishing the geographical regions of Londrina and Ponta Grossa. The global loadings of CC2 indicated that zinc (Zn), manganese (Mn), oleic acid, arginine, and malonyl genistin were the most influential variables in this component. In contrast, CC3 was associated with differentiating conventional and transgenic cultivars. The global loadings highlighted linoleic acid, oleic acid, a-linolenic acid, malonyl glycitin, malonyl genistin, Fe, Zn, and Mn as the most relevant contributors. The combined CC2 and CC3 plots indicated tendencies toward differentiation of soybean samples by cultivation region and cultivation type. This result highlights the potential of CCA-based ComDim as an effective tool for soybean traceability.