Detalhes bibliográficos
| Ano de defesa: |
2011 |
| Autor(a) principal: |
Leme, Gabriel Mazzi [UNESP] |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Estadual Paulista (Unesp)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://hdl.handle.net/11449/97971
|
Resumo: |
A identificação e quantificação de micromoléculas em uma matriz tem vários objetivos, entre eles, conhecer a diversidade química de determinado organismo (metaboloma) visando obter informações biológicas fundamentais ao entendimento destes sistemas biológicos. Isso inclui uma série de estudos químicos e biológicos essenciais para explicar a ecofisiologia de um determinado organismo e, com isso, fazer previsões sobre adaptação e regulação em condições ambientais adversas. Poucos estudos metabolômicos foram desenvolvidos com a cana-de-açúcar, especialmente no Brasil, onde esta espécie é matéria-prima para fabricação de etanol combustível e outros produtos de alto valor agregado. Essa abordagem é, portanto, de suma importância para o desenvolvimento e/ou implantação de métodos analíticos robustos para o estudo de um largo espectro de metabólitos primários e secundários. A partir da interpretação desses dados, será possível obter informações valiosas para se entender, em nível molecular, os processos ecofisiológicos de uma espécie. A presente dissertação de mestrado teve como objetivo o desenvolvimento e validação de métodos de analíse por HPLC-DAD, utilizando métodos quimiométricos de planejamento experimental, visando mapear o metabolismo micromolecular de folhas de cana-de-açúcar. Obteve-se um fingerprint metabólico, essencial para a análise quali e quantitativa que se deseja determinar posteriormente via HPLC e outras técnicas adicionais como EM e RMN. A partir de métodos quimiométricos de análise multivariada (PCA, SIMCA e PLS-DA), foi possível diferenciar amostras vegetais submetidas a diferentes condições de cultivo |
