ppi 201502ZU4659
Esta publicación cientíca en formato digital es
continuidad de la revista impresa
ISSN 0254-0770 / Depósito legal pp 197802ZU38
UNIVERSIDAD DEL ZULIA
Una Revista Internacional Arbitrada
que está indizada en las publicaciones
de referencia y comentarios:
• SCOPUS
• Compendex
• Chemical Abstracts
• Metal Abstracts
• World Aluminium Abstracts
• Mathematical Reviews
• Petroleum Abstracts
• Current Mathematical Publications
• MathSci
• Revencyt
• Materials Information
• Periódica
• Actualidad Iberoamericana
DE LA FACULTAD DE INGENIERÍA
REVISTA TÉCNICAREVISTA TÉCNICA
Patrimonio del Estado Zulia e
interés Cultural desde 2001
Fecha de Construcción:
1954-1958
Diseño: Arquitecto Carlos Raúl
Villanueva, con elementos
novedosos de adaptación
climática.
Policromía de la obra: Artista
Zuliano Victor Valera.
VOL.42 MAYO - AGOSTO 2019 No.2
Rev. Téc. Ing. Univ. Zulia. Vol. 42, No. 2, 2019, Mayo-Agosto, pp. 47-97
Rev. Téc. Ing. Univ. Zulia. Vol. 42, No. 2, 2019, 73-82
I. Yoplac1,2*, H. Avila-George3, L. Vargas4, P. Robert5, W. Castro6
1Facultad de Ingeniería Zootecnista, Agronegocios y Biotecnología, Universidad Nacional Toribio Rodríguez de Mendoza de
Amazonas. Chachapoyas, Perú.
2Escuela de Postgrado, Programa Doctoral en Ciencia de Alimentos, Universidad Nacional Agraria La Molina, Perú.
3 Centro Universitario de los Valles, Universidad de Guadalajara. Ameca, Jalisco 46600, México.
4Facultad de Industrias Alimentarias, Universidad Nacional Agraria La Molina, Perú.
5Dpto. Ciencia de los Alimentos y Tecnología Química, Facultad de Ciencias Químicas y Farmacéuticas, Universidad de Chile,
Casilla 133, Santiago, Chile.
6Facultad de Ingeniería, Universidad privada del Norte, Cajamarca, 06001, Perú.
*Autor de Contacto: ives.yoplac@untrm.edu.pe
https://doi.org/10.22209/rt.v42n2a04
Recepción: 31/01/2019 | Aceptación: 07/03/2019 | Publicación: 01/05/2019
In this study NIR spectroscopy and Partial Least Square Regression (PLSR) were evaluated for prediction of citral
SC were prepared; varying the citral:dextrin (Ct:Dx) ratio, in the solution (1:5 and 1:20), in the solution and inlet air
temperature (TAI) in a spray dryer (120 and 200 °C), in the drying process, getting 12 treatments. The SC was measured by
gas chromatography. Then, each treatment was divided into six-parts, four for modeling and two for validation, obtaining 72
with full spectra and optimized models with the relevant wavelengths. The results obtained with the optimized PLSR model
showed R2 values higher than 0.89 and RMSEC less than 4.86x10-15. So, the NIR-PLSR method showed potential for the
determination of citral on microcapsules.
En este estudio se evaluó la espectroscopía NIR y la regresión de mínimos cuadrados parciales (PLSR - partial least
este propósito, se prepararon muestras de micropartículas con diferentes niveles de SC variando la relación citral: dextrina
(Ct:Dx) en la solución (1:5 y 1:20), y la temperatura del aire de ingreso (TAI) al secador por atomización (120 y 200 °C)
de absorbancia (1100 y 2500 nm), fue extraído y pretratado. Posteriormente, se aplicó el método PLSR para modelar la
optimizados, con las longitudes de onda relevantes. Los resultados obtenidos con el modelo PLSR optimizado mostraron
valores de R2 superiores a 0,89 y RMSEC menores de 4,86x10-15. Por tanto; el método NIR – PLSR mostró potencialidades
para la determinación de citral en microcápsulas.
Rev. Téc. Ing. Univ. Zulia. Vol. 42, No. 2, 2019, Mayo-Agosto, pp. 47-97
74 Yoplac y col.
Introducción
El citral (3, 7-Dimetil-2, 6-octadienal), es un
compuesto de amplio uso en las industrias de bebidas,
cigarrillos y otros [1,2]; principalmente debido al
amplio espectro antimicrobiano in vitro y la capacidad
antioxidante que ha demostrado [3–6].
Sin embargo, estas estructuras son susceptibles
a degradación frente a altas concentraciones de oxígeno,
cambios de pH, procesos de deshidratación, presencia de
luz y humedad durante el almacenamiento, dando como
resultado la pérdida de su actividad [6]. En este sentido,
investigadores como Lu et al. [4] y Yang et al. [6] indican
que una alternativa para proteger las actividades del citral
es la microencapsulación.
Las técnicas para microencapsular citral y otros
derivados del aceite de limón en la industria alimentaria,
en su mayoría se basan en sistemas coloidales blandos,
siendo principalmente las emulsiones de aceite en agua,
Sin embargo, el secado por atomización es el método
principalmente mediante la cantidad del compuesto
encapsulación - EM) [1]. La cantidad de compuesto activo
que queda fuera del agente encapsulante, viene a ser el
Se ha demostrado que el parámetro EM se
encuentra relacionado con los parámetros de formulación
y de proceso como: tipo de material de pared utilizado,
concentración de sólidos en la solución de alimentación
y temperatura del aire de entrada al secador [7]. En la
literatura se reporta que para aceites esenciales, el activo
siguientes técnicas de análisis:
Gravimétrico (Gv). Es la de mayor uso en
microencapsulación de aceites, la cuál ha sido aplicada
por Chang et al. [9] en encapsulación de aceite de canola
y nuez; Sharif et al. [10] en emulsiones de -caroteno,
eugenol y aceite de semilla de lino; Timilsena et al. [11] en
aceite de semilla de chia (Salvia hispanica L.) y Velmurugan
et al. [12] en aceite esencial de naranja (Citrus sinensis) y
lavanda (Lavandula angustifolia).
Espectrofotometría ultravioleta (EUV). Se ha
empleado en aceite esencial de jengibre [13]; en eugenol
recubietas con -ciclodextrina [14]; aceite esencial de
albahaca [15] y en aceite de semilla de rosa [16].
Cromatografía líquida de alta eficiencia (HPLC).
Ha sido aplicada en tebuconazol y resveratrol [17].
Cromatografía de gases (GC). Se ha reportado su
aplicación por Campelo et al. [1], para aceite esencial de
lima.
Cromatografía de gases con espectrómetrometría
de masas (GC-MS). Se ha empleado en aceite de hojas de
canela (Canela verum), aceite de orégano (Origanum
vulgare) [18] y aceite esencial de naranja [12].
En el caso de citral se han usado diferentes
trabajos [19–22]; GC con microextracción en fase sólida
(solid phase microextraction gas chromatography: SPME-
GC) [23]; GC-MS [24,25]; HPLC [26]; EUV [4,27]. El uso
de estas técnicas en su mayoría demandan de tiempos
prolongados, preparación previa de muestras, alto costo y
uso de reactivos químicos perjudiciales para el ambiente.
Por otro lado, una técnica de amplio uso y gran
potencial, es la espectroscopía de infrarrojo cercano
(NIR), la cual ha mostrado una aplicación potencial para el
análisis en industrias de polímeros, textiles, en el control
de procesos industriales, en las ciencias biomédicas [28]
y principalmente más utilizado en las industrias agrícolas
y alimentarias [29]. Sin embargo, existen relativamente
pocos trabajos sobre la aplicación de la espectroscopía
de limón y naranja [30].
La espectroscopía NIR tiene entre sus ventajas:
permite realizar mediciones de varios componentes en
forma rápida y simultánea, no es destructiva, es de bajo
costo, no requiere reactivos, no requiere preparación
intensiva de la muestra [29]. Esta técnica tiene como
principio medir la respuesta, principalmente vibraciones
de enlaces -CH, -OH, -SH y –NH, de una muestra cuando
es sometida a energía electromagnética entre 800 a 2500
Sin embargo, por la cantidad de información contenida,
de herramientas quimiométricas como análisis de
multilineal múltiple (RLM), regresión parcial por mínimos
cuadrados (PLSR), entre otras [28,31].
En función de lo anteriormente expuesto, esta
Rev. Téc. Ing. Univ. Zulia. Vol. 42, No. 2, 2019, Mayo-Agosto, pp. 47-97
75Predicción del contenido superficial de citral en micropartículas
investigación tiene como objetivo predecir el contenido
espectroscopía NIR y regresión por mínimos cuadrados
parciales.
Los reactivos usados en la producción y análisis
de las microcápsulas fueron lecitina de soya (Epikuron®
145 V, Cargill, Alemania), dextrina (Amisol® 4810,
- Aldrich, Alemania) y citral analytical estandard (Sigma -
Aldrich, Alemania).
Encapsulación
La encapsulación de citral mediante secado por
atomización, se realizó variando la relación citral:dextrina
(Ct:Dx) (1:5 y 1:20) en la solución de alimentación y la
temperatura del aire de entrada al secador (TAI) al secador
de atomización (120 – 200 °C); generando un total de doce
tratamientos experimentales.
Para cada tratamiento se consideró 100 g de
solución de alimentación. La emulsión (Citral y lecitina de
soya – LS) se preparó disolviendo 1 g de LS en 30 mL de
agua destilada a 50 °C, se mantuvo en agitación constante
(350 rpm) por 15 minutos, se enfrió a 30 °C, luego se
agregó 1 g de citral mixture y se homogenizó por 3 minutos
a 15000 rpm con un homogeneizador Polytron PT 2100
(Kinematica AG, Suiza). Paralelamente, la dextrina - Dx
(5 – 20 g) se disolvió en agua destilada (48 – 63 g) a 50
°C, manteniendo en agitación constante por 3 horas, se
enfrió a 30 °C y luego se mezcló con la emulsión. La mezcla
resultante se homogenizó a 15000 rpm por 3 minutos y se
alimentó inmediatamente al secador mini Spray.
Las dispersiones obtenidas fueron alimentadas a
un secador mini Spray-Dryer Büchi modelo B-290 (Suiza),
co-corriente. Las condiciones de proceso en el secador
fueron: temperatura de alimentación de la solución de
de atomización de 50 mbar, porcentaje de aspiración de
del aire al secador que varió entre 120 y 200°C. Las
micropartículas se almacenaron a -20°C en tubos falcón
de 45 mL hasta su análisis.
Para la determinación del contenido SC se
pesaron 0,2 g de micropartículas (mcp), se adicionaron
2 mL de hexano, luego se agitaron manualmente con
tres movimientos de inversión, se centrifugaron a 2000
sus absorbancias en el cromatógrafo de gases [32,33]. La
concentración SC se calculó de acuerdo a la Ec. (1) [8].
(1)
solvente (mg citral en 2 mL de hexano), y es la masa de la
micropartícula de citral en (g).
La determinación del contenido de citral
cromatógrafo de gases (7890A, Agilent Technologies,
USA) equipado con una columna capilar de sílice fundido
detector). La temperatura del inyector y el detector fue de
250 °C. Como gas transportador se utilizó nitrógeno a un
fue 1 µL; la temperatura de la columna se programó
inicialmente a 60 °C por 5 min, luego se calentó hasta
120 °C a una razón de 5°C/ min, posteriormente, hasta
250 °C a un ratio de 10 °C/ min; siguiendo la metodología
de citral se realizó utilizando una curva de calibración
(1 – 2000 µg/mL, R2 = 0,999). Los análisis se realizaron
por duplicado para cada tratamiento y los resultados se
expresaron en mg citral/g de mcp [8].
Las microcápsulas obtenidas en los doce
tratamientos se dividieron en seis partes, cuatro para
modelado y dos para validación, obteniéndose un total
espectral.
La medición de los espectros de absorbancia se
realizó de acuerdo a los trabajos de Escudero et al. [34]
y Steuer et al. [35]; usando un espectrómetro infrarrojo
equipado con lámpara halógena de tungsteno como fuente
de luz y detector InGaAs (Indio – Galio – Arsénico) en el
rango de 1100 y 2500 nm, con una resolución de 1 nm. Las
directamente a las micropartículas sin tratamiento ni
Rev. Téc. Ing. Univ. Zulia. Vol. 42, No. 2, 2019, Mayo-Agosto, pp. 47-97
76 Yoplac y col.
manipulación previa, utilizando una cubeta de cuarzo de
3,5 cm de diámetro interno y 1,0 cm de espesor, donde se
adicionaron 2,3±0,5 g de micropartículas.
Los espectros se pretrataron utilizando un
con los estudios de Vásquez et al. [36] y Castro et al.
[37]. Posteriormente, se dividieron aleatoriamente en
conjuntos de datos de calibración y validación, cuarenta y
Todos los datos se guardaron en hojas de cálculo Excel
para la etapa de modelado.
Modelado
espectrales y los parámetros del contenido de SC se utilizó
el método de regresión de mínimos cuadrados parciales
(PLSR) [28,31,36].
PLSR es un método estadístico que transforma
variables de entrada X en la salida Y. En este trabajo, X es
una matriz de absorbancia , donde n es la longitud de onda
y m es el número de observaciones, Y son los valores de la
variable respuesta (contenido SC) de las micropartículas.
PLSR descompone X e Y al proyectarlos en nuevas
direcciones con la restricción de que la descomposición
describe cómo las variables cambian juntas tanto como sea
posible. Después de la descomposición variable, se realiza
un paso de regresión en el que las X y las Y descompuestas
se usan para calcular un modelo de regresión llamado
modelo completo (Ec. 2) [36].
(2)
Esta ecuación se puede reescribir como en la Ec. (3).
(3)
donde Y es la matriz de valores de la variable respuesta, β
X es la matriz de datos de
absorbancia, y e es el error del modelo.
La metodología fue adaptada de Vásquez et al.
[36], los modelos PLSR completos se construyeron usando
relevancia de cada longitud de onda en el modelo se evaluó
(4)
(5)
donde e son los valores de los atributos de calidad de las
muestras para predicción y referencia, respectivamente.
e son los valores promedio de los conjuntos de datos
de calibración y validación, respectivamente. e son
los números de muestras de los conjuntos de datos de
calibración y validación, respectivamente.
sobre la base de los pesos w de carga según Mehmood et
al. [38]. Las longitudes de onda se vincularon a los pesos
de carga absolutos para el modelo PLSR y se seleccionaron
de acuerdo con su valor y capacidad para explicar Y, lo que
redujo el error cuadrático medio (RMSE). Posteriormente,
utilizando solo las longitudes de onda más relevantes [36].
Las funciones usadas para el modelado se implementaron
en script de Matlab 2015ª.
Para la medición de la robustez y predictibilidad
de técnicas basadas en análisis multivariados es común
2) y el RMSE.
Estas medidas pueden ser calculadas usando conjunto de
muestras para calibración (modelado), obteniendo ,
; y para validación, obteniendo , ; usando
las Ecs. (4) y (5) (39).
La validación del modelo se realizó con el
conjunto de datos para validación mencionadas en los
apartado anteriores; comparando los valores reales y
predichos de las variables respuesta. Se determinaron los
estadísticos R2 y RMSE. Finalmente, dichos estadísticos
permitieron comparar los modelos completo y optimizado.
Análisis de referencia
Según los análisis de referencia de las
Rev. Téc. Ing. Univ. Zulia. Vol. 42, No. 2, 2019, Mayo-Agosto, pp. 47-97
77Predicción del contenido superficial de citral en micropartículas
0,17 y 1,28 mg citral/ g mcp.
medios para las micropartículas con diferentes
relacionados con las bandas de absorbancia en la región de
sobretonos de 1206 a 1761 nm y la región de combinación
de 1934 a 2490 nm.
micropartículas.
Los picos de absorción entre 2096 y 2312
nm están dentro de los rangos correspondientes a las
interacciones C-H flexión- extensión y C=O extensión,
posiblemente debido a la presencia del grupo aldehído
[35,40]. Los picos 1206, 1710 y 1761 nm corresponden
a la interacción C-H extensión, probablemente por la
presencia de dextrina, polímero usado en este estudio para
la encapsulación del citral; estos resultados obtenidos
coinciden con los reportados por Magwaza et al. [41] y
Shenk et al. [42].
Igualmente; los picos 1457 y 1934
corresponden a las bandas de vibración del estiramiento
de O-H extensión y O-H combinación, respectivamente,
principalmente debido a la presencia de agua; además se
observó un pequeño pico a 1574 nm, que está dentro de la
banda vibratoria de C-H extensión, asociado a los lípidos,
probablemente debido a la presencia de lecitina de soya
micropartículas [29].
entre los cambios de los espectros y el contenido de SC en
las micropartículas, lo que permite el análisis de patrones
y la implementación de modelos de predicción.
Modelado PLSR
En las siguientes subsecciones se muestran los
principales resultados de la etapa de modelado.
a)
Los resultados de los modelos PLSR completos
se muestran en la Figura 2 y la subsección 3.4; en ambas
2 estuvo cerca de 1.0.
(a)
(b)
Resultados de los modelos PLSR completos
utilizando (a) calibración; (b) validación.
Sin embargo, en los resultados la Figura 2b
presentó una mayor dispersión, con respecto a la Figura 2a.
En este caso, de acuerdo con Esposito et al. [43], Maaten et
al. [44] y Vega et al. [45], estos resultados pueden deberse
Rev. Téc. Ing. Univ. Zulia. Vol. 42, No. 2, 2019, Mayo-Agosto, pp. 47-97
78 Yoplac y col.
espectrales que introducen ruido en el modelo, siendo
necesario determinar previamente la relevancia de cada
longitud de onda antes de ser utilizada en el modelo.
b)
La Figura 3 resume los resultados de esta etapa.
La Figura 3a muestra el número óptimo de variables
latentes (LV) (longitudes de onda), los cuales fueron
17, obtenidos a través de la minimización de RMSE y
la maximización de R2, utilizando PLSR con validación
cruzada para el contenido de SC según lo propuesto por
Liu et al. [46].
(a)
(b)
(a) Variables latentes (LV) para el modelado
PLSR y (b)
(RW) para el modelo PLSR.
modelo PLSR, que representa la relevancia de cada
longitud de onda y las longitudes de onda relevantes
(marcadas con puntos negros), que se distribuyeron
principalmente en el rango de [2251 -2491] nm, y otros
dos rangos [1287 – 1544] nm y [1827 – 2100] nm.
a 2306 nm para citral causado por la combinación de las
frecuencias de C=O y C-H extensión del grupo aldehído
que está contenido en citral. Los picos negativos (2251 y
2322 nm) podría deberse a que los picos de absorbancia
resultados están dentro de los rangos reportados por
Steuer et al. [35], en la evaluación del espectro NIR del
limoneno puro, en la que obtuvieron picos predominantes
entre las áreas de 2250 y 2360 nm. Por otro lado, los
resultados del presente estudio fueron ligeramente
superiores a los reportados por Wilson et al. [40] obtenidos
en la evaluación del espectro NIR de citral en aceites
esenciales de hierva de limón o limoncillo (Cymbopogon
citratus) y limón (Citrus limon), observaron que el grupo
funcional aldehídico C-H (contenido en el citral) exhibía
bandas características de combinación entre 2210 y 2250
nm; además, un incremento en la absorbancia alrededor
de 2212 nm con el incremento del contenido de citral; esta
diferencia en los resultados podría deberse a la presencia
de dextrina y lecitina de soya como parte de la formulación
de las micropartículas.
Finalmente, las longitudes de onda relevantes se
usaron para construir los modelos optimizados PLSR, que
resultaron del uso del conjunto de datos de calibración
que los R2 fueron 0,97 y 0,94 para calibración y validación,
respectivamente.
(b)
(a)
Resultados de los modelos PLSR optimizados
utilizando (a) calibración; y (b) validación.
Rev. Téc. Ing. Univ. Zulia. Vol. 42, No. 2, 2019, Mayo-Agosto, pp. 47-97
79Predicción del contenido superficial de citral en micropartículas
Las medidas estadísticas de los modelos PLSR
(completos y optimizados) utilizando el conjunto de datos
de calibración y validación se muestran en la Tabla 1.
Modelos
Completo 5,64 x10-15 6,38 x10-4 1,0000 0,8911
Optimizado 4,86 x10-15 2,20 x10-3 0,9650 0,9424
Los modelos PLSR produjeron resultados
aceptables con altos valores de R2 superiores a 0,89, y con
valores bajos de RMSE inferiores a 6,38 x10-4, resultados
similares a los obtenidos por Juliani et al. [47], en la
evaluación de las estadísticas de correlación NIR para la
composición de aldehídos de aceites esenciales en hoja
de canela (Cinnamomum zeylanicum), hojas y brotes de
clavo de olor (Syzygium aromaticum). Además, estos
resultados fueron similares a los obtenidos por Steuer
et al. [35] y Schulz et al. [48], para limoneno en aceite de
cítricos; y citral en aceites esenciales de hierba de limón
y limón. Finalmente, los resultados del presente estudio
estuvieron dentro de los rangos obtenidos por Schulz et
al. [49], quienes evaluaron la composición química de
los aceites esenciales de tomillo, orégano y manzanilla,
utilizando espectroscopía FT-IR y NIR; en todos estos
estudios reportaron R2 mayor a 0,90.
Conclusiones
El método NIR-PLSR fue capaz de predecir el
con R2 superiores a 0,89. Asimismo, al generar el modelo
optimizado se observa que la robustez del modelo mejora
reduciendo el valor RMSE e incrementaando el R2. En
de encapsulación en micropartículas y muestra potencial
para reemplazar los métodos tradicionales de evaluación
de encapsulación de citral. En este contexto, la tecnología
espectroscópica NIR junto a los métodos quimiométricos,
por su rapidez y bajo costo, tendrá cada vez más
importancia en el futuro cercano.
El primer autor agradece el apoyo al Consejo
Nacional de Ciencia y Tecnología (CONCYTEC) por
cursar el doctorado en Ciencia de Alimentos dentro del
programa doctoral de la Universidad Nacional Agraria La
Molina - Lima.
[1] Campelo P.H., do Carmo E.L., Zacarias R.D., Yoshida
M.I., Ferraz V.P., de Barros Fernandes R.V., Botrel
D.A. and Borges S.V.. Effect of dextrose equivalent on
physical and chemical properties of lime essential
oil microparticles. Ind Crops Prod., Vol. 102, (2017)
105–114.
[2] Maswal M. and Dar A.A. Formulation challenges in
encapsulation and delivery of citral for improved
food quality. Food Hydrocoll., Vol. 37, (2014) 182–
195.
[3] Fancello F., Petretto G.L., Zara S., Sanna M.L., Addis
R., Maldini M., Foddai, M., Rourke J.P., Chessa M. and
Pintore, G. Chemical characterization, antioxidant
capacity and antimicrobial activity against food
related microorganisms of Citrus limon var. pompia
leaf essential oil. LWT - Food Sci Technol., Vol. 69,
(2016) 579–585.
[4] Lu W.C., Huang D.W., Wang C.C.R., Yeh C.H., Tsai J.C.,
Huang Y.T. and Li P.H. Preparation, characterization,
and antimicrobial activity of nanoemulsions
incorporating citral essential oil. J Food Drug Anal.,
Vol. 26, N°. 1, (2018) 82–89.
[5] Saddiq A.A. and Khayyat S.A. Chemical and
antimicrobial studies of monoterpene: Citral. Pestic
Biochem Physiol., Vol. 98, N°. 1, (2010) 89–93.
[6] Yang Y., Cui S., Gong J., Miller S.S., Wang Q. and Hua Y.
Stability of citral in oil-in-water emulsions protected
by a soy protein-polysaccharide Maillard reaction
product. Food Res Int., Vol. 69, (2015) 357–363.
[7] Botrel D.A., de Barros Fernandes R.V. and Borges
S.V. Chapter 12: Microencapsulation of Essential
Oils Using Spray Drying Technology. In: L. Sagis
(ed), Microencapsulation and Microspheres for
Food Applications. Academic Press, San Diego, USA,
(2015), 235–251.
[8] García P., Vega J., Jimenez P., Santos J. and Robert P.
Alpha-tocopherol microspheres with cross-linked
Rev. Téc. Ing. Univ. Zulia. Vol. 42, No. 2, 2019, Mayo-Agosto, pp. 47-97
80 Yoplac y col.
hydrophilic model. Eur J Lipid Sci Technol., Vol. 115,
N° 7, (2013) 811–819.
[9] Chang C., Varankovich N. and Nickerson M.T.
Microencapsulation of canola oil by lentil protein
isolate-based wall materials. Food Chem., Vol. 212,
(2016) 264–273.
[10] Sharif H.R., Goff H.D., Majeed H., Shamoon M., Liu
F., Nsor-Atindana J, Haider, J., Liang R. and Zhong
OSA starches as wall material. Food Hydrocoll., Vol.
73, (2017) 274–283.
[11] Timilsena Y.P., Adhikari R., Barrow C.J. and Adhikari
B. Microencapsulation of chia seed oil using chia seed
protein isolate-chia seed gum complex coacervates.
Int J Biol Macromol., Vol. 91, (2016) 347–357.
[12] Velmurugan P., Ganeshan V., Nishter N.F. and
Jonnalagadda R.R. Encapsulation of orange and
lavender essential oils in chitosan nanospherical
particles and its application in leather for aroma
enrichment. Surfaces and Interfaces, Vol. 9, (2017)
124–132.
[13] De Barros Fernandes R.V., Borges S.V., Silva E.K., da
Silva Y.F., de Souza H.J.B., do Carmo E.L., de Oliveira
C.R., Yoshida M.I. and Botrel D.A. Study of ultrasound-
assisted emulsions on microencapsulation of ginger
essential oil by spray drying. Ind Crops Prod., Vol.
94, (2016) 413–423.
[14] Piletti R., Bugiereck A.M., Pereira A.T., Gussati E.,
Dal Magro J., Mello J.M.M., Dalcanton F., Ternus R.Z.,
Soares C., Riella H.G., et al. Microencapsulation of
protection method of antibacterial action. Mater Sci
Eng C. Vol. 75, (2017) 259–271.
[15] Sutaphanit P. and Chitprasert P. Optimisation of
microencapsulation of holy basil essential oil in
gelatin by response surface methodology. Food
Chem., Vol. 150, (2014) 313–320.
[16] Yao Z.C., Chang M.W., Ahmad Z. and Li J.S.
via coaxial electrospinning. J Food Eng., Vol. 191,
(2016) 115–123.
[17] Salgado M., Rodríguez-Rojo S., Alves-Santos F.M. and
Cocero M.J. Encapsulation of resveratrol on lecithin
and -glucans to enhance its action against Botrytis
cinerea. J Food Eng., Vol. 165, (2015) 13–21.
[18] Munhuweyi K., Caleb O.J., Van Reenen A.J. and
Opara U.L. Physical and antifungal properties of
containing cinnamon and oregano essential oils.
LWT - Food Sci Technol., Vol. 87, (2018) 413–422.
[19] Sosa N., Zamora M.C., Chirife J. and Schebor C.
Spray-drying encapsulation of citral in sucrose or
trehalose matrices: physicochemical and sensory
characteristics. Int J Food Sci Technol., Vol. 46,
(2011) 2096–2102.
[20] Sosa N., Schebor C. and Pérez O.E. Encapsulation
of citral in formulations containing sucrose or
trehalose: Emulsions properties and stability. Food
Bioprod Process., Vol. 92, N° 3, (2014) 266–274.
[21] Strassburger K., Startup W., Levey V., Mattingly
T., Briggs J., Harrison J. and Wilson T. Chapter 11:
Enhanced Stability of Citral in Juice Beverages by
Applying Cyclodextrin Micro Emulsion Technology.
In: N.C. Da Costa y R.J. Cannon (ed). Flavors in
Noncarbonated Beverages. American Chemical
Society, Washington DC, USA, (2010), 143–158.
[22] Bhandari B.R., Dumoulin E.D., Richard H.M.J., Noleau
I. and Lebert A.M. Flavor Encapsulation by spray
drying: Aplication to citral and linalyl acetate. J Food
Sci., Vol. 57, N° 1, (1992) 217–221.
[23]
Citral Degradation by Oil-in-Water Nanoemulsions
Combined with Antioxidants. J Agric Food Chem.,
Vol. 59, (2011) 6113–6119.
[24] Ruktanonchai U., Srinuanchai W., Saesoo S., Sramala
I., Puttipipatkhachorn S. and Soottitantawat A.
Encapsulation of Citral Isomers in Extracted
Lemongrass Oil with Cyclodextrins: Molecular
Modeling and Physicochemical Characterizations.
Biosci Biotechnol Biochem., Vol. 75, N° 12, (2011)
2340–2345.
[25]
in Emulsions Coated with Cationic Biopolymer
Layers. J Agric Food Chem., Vol. 60, (2012) 402–409.
[26] Weisheimer V., Miron D., Silva C.B., Guterres
S.S. and Schapoval E.E.S. Microparticles
containing lemongrass volatile oil: Preparation,
characterization and thermal stability. Pharmazie,
Rev. Téc. Ing. Univ. Zulia. Vol. 42, No. 2, 2019, Mayo-Agosto, pp. 47-97
81Predicción del contenido superficial de citral en micropartículas
Vol. 65, (2010) 885–890.
[27] Miron D., Battisti F., Caten C.S.T., Mayorga P. and
Schapoval E.E.S. Spectrophotometric Simultaneous
Determination of Citral Isomers in Cyclodextrin
Complexes with Partial Least Squares Supported
Approach. Curr Pharm Anal., Vol. 8, (2012) 401–408.
[28] Roggo Y., Chalus P., Maurer L., Lema-Martinez C.,
Edmond A. and Jent N. A review of near infrared
spectroscopy and chemometrics in pharmaceutical
technologies. J Pharm Biomed Anal., Vol. 44, (2007)
683–700.
[29] Kawano S. Chapter 12: Application to Agricultural
Products and Foodstuff. In: H.W. Siesler, Y. Ozaki,
S. Kawata y H.M. Heise (eds). Near-Infrared
Spectroscopy: Principles, Instruments, Application.
3rd. ed. Wiley-VCH Verlag GmbH, Weinheim,
Germany, (2007), 269–287.
[30] López P., Gándara J. and Losada P. Infrared
spectrophotometric determination of citral
corrected for limonene interference in lemon and
orange essential oils. Food Chem., Vol. 46, N° 2,
(1993) 193–197.
[31] Heise H.M. and Winzen R. Chapter 7: Chemometrics
in near-infrared spectroscopy. In: H.W. Siesler, Y.
Ozaki, S. Kawata y H.M. Heise (eds). Near-Infrared
Spectroscopy: Principles, Instruments, Application.
3rd. ed. Wiley-VCH Verlag GmbH, Weinheim,
Germany, (2007), 125–162.
[32] Vergara C., Saavedra J., Sáenz C., García P. and Robert
betanin stability during storage. Food Chem., Vol.
157, (2014) 246–251.
[33] Bustamante A., Masson L., Velasco J., Del Valle J.M.
and Robert P. Microencapsulation of H. pluvialis
oleoresins with different fatty acid composition:
Kinetic stability of astaxanthin and alpha-tocopherol.
Food Chem., Vol. 190, (2016) 1013–1021.
[34] Escuredo O., González-Martín M.I., Wells-Moncada
G., Fischer S. and Hernández-Hierro J.M. Amino acid
using near infrared spectroscopy and chemometric
techniques. J Cereal Sci. Vol. 60, N° 1, (2014) 67–74.
[35] Steuer B., Schulz H. and Läger E. Classification and
analysis of citrus oils by NIR spectroscopy. Food
Chem., Vol. 72, N° 1, (2001) 113–117.
[36] Vásquez N., Magán C., Oblitas J., Chuquizuta T.,
Avila-George H. and Castro W. Comparison between
regression models for hardness modeling during the
ripening process of Swiss-type cheese using spectral
[37] Castro W., Prieto J.M., Guerra R., Chuquizuta T.,
Medina W.T., Acevedo-Juárez B. and Avila-George
J Food Eng., Vol. 238, (2018) 95–102.
[38] Mehmood T., Liland K.H., Snipen L. and Sæbø S. A
review of variable selection methods in Partial Least
Squares Regression. Chemom Intell Lab Syst., Vol.
118, (2012) 62–69.
[39]
Non-destructive prediction of moisture montent
sweet potato slices during drying process using
Hyperspectral Imaging Technique. Food Anal
Methods. Vol. 10, N° 5, (2017) 1535–1546.
[40] Wilson N.D., Ivanova M.S., Watt R.A. and Moffat
lemon oils by near-infrared spectroscopy. J Pharm
Pharmacol., Vol. 54, N° 9, (2002) 1257–1263.
[41] Magwaza L.S., Opara U.L., Nieuwoudt H., Cronje
P.J.R., Saeys W. and Nicolaï B. NIR Spectroscopy
applications for internal and external quality
analysis of citrus fruit-A Review. Food Bioprocess
Technol., Vol. 5, N° 2, (2012) 425–444.
[42] Shenk J.S., Workman J.J. and Weterhaus M.O. Chapter
16 - Aplication of NIR Spectroscopy to agricultural
products. In: D.A. Burns y E.W. Ciurczak (eds).
Handbook of Near-Infrared Analysis. 2th. editi.
Taylor & Francis Group, LLC, New York, USA, (2008),
347–386.
[43] Esposito V.V., Chin W.W., Henseler J. and Wang
H. Handbook of partial least squares: Concepts,
methods and aplications. Springer International
Publishing, Berlin, Germany, 2010.
[44] Maaten L., Postma E. and Herik J. Dimensionality
Reduction: A Comparative - Review. Tilbg Cent Creat
Comput., (2009) 1–36.
[45] Vega-Vilca J.C. y Guzmán J. Regresión PLS y PCA
como solución al problema de multicolinealidad en
regresión múltiple. Rev Matemática Teoría y Apl.,
Rev. Téc. Ing. Univ. Zulia. Vol. 42, No. 2, 2019, Mayo-Agosto, pp. 47-97
82 Yoplac y col.
Vol. 18, N° 1, (2011) 9–20.
[46]
wavelength selection techniques for Hyperspectral
Image processing in the food industry. Food
Bioprocess Technol., Vol. 7, (2014) 307–323.
[47] Juliani H.R., Kapteyn J., Jones D., Koroch A.R.,
Wang M., Charles D. and Simon J.E. Application of
near-infrared spectroscopy in quality control and
determination of adulteration of african essential
oils. Phytochem Anal., Vol. 17, N° 2, (2006) 121–128.
[48] Schulz H., Schrader B., Quilitzsch R. and Steuer
B. Quantitative analysis of various citrus oils by
ATR/FT-IR and NIR-FT Raman spectroscopy. Appl
Spectrosc., Vol. 56, N° 1, (2002) 117–124.
[49] Schulz H., Quilitzsch R. and Krüger H. Rapid
evaluation and quantitative analysis of thyme,
origano and chamomile essential oils by ATR-IR and
NIR spectroscopy. J Mol Struct., Vol. 661-662, (2003)
299–306.
REVISTA TECNICA
DE LA FACULTAD DE INGENIERIA
UNIVERSIDAD DEL ZULIA
www.luz.edu.ve
www.serbi.luz.edu.ve
produccioncientica.luz.edu.ve
Esta revista fue editada en formato digital y publicada
en Abril de 2019, por el Fondo Editorial Serbiluz,
Universidad del Zulia. Maracaibo-Venezuela
Vol. 42. N°2, Mayo - Agosto 2019, pp. 47 - 97__________________
