Análise Estatística de Compostos Fenólicos, ORAC e FRAP
Análise Estatística
29/04/2026
1 Carregamento de Pacotes e Dados
# Instalar pacotes se necessário
pacotes <- c("readxl", "dplyr", "tidyr", "ggplot2", "knitr",
"kableExtra", "rstatix", "ggpubr", "scales")
instalar <- pacotes[!sapply(pacotes, requireNamespace, quietly = TRUE)]
if (length(instalar) > 0) install.packages(instalar)
library(readxl)
library(dplyr)
library(tidyr)
library(ggplot2)
library(knitr)
library(kableExtra)
library(rstatix)
library(ggpubr)
library(scales)# Carregue o arquivo .xlsx com o caminho correto
# Substitua o caminho abaixo pelo local do seu arquivo
library(readxl)
fenolicos_ORAC_e_FRAP_para_Estatistica <- read_excel("fenolicos ORAC e FRAP para Estatistica.xlsx")
View(fenolicos_ORAC_e_FRAP_para_Estatistica)
df <- read_excel("fenolicos ORAC e FRAP para Estatistica.xlsx")
# Renomear colunas com nomes limpos para facilitar o uso no R
colnames(df) <- c(
"FENOL_cafe_nd_mg_g", # FENOL_cafe_n_digerido_MG_G
"FENOL_cafe_d_mg_g", # FENOL_cafe_digerido_MG_G
"FENOL_cevada_nd_mg_g", # FENOL_cevada_n_digerida_MG_G
"FENOL_cevada_d_mg_g", # FENOL_cevada_digerida_MG_G
"FENOL_cafe_nd_xic", # FENOL_cafe_n_digerido_MG_XICARA150
"FENOL_cafe_d_xic", # FENOL_cafe_digerido_MG_XICARA150
"FENOL_cevada_nd_xic", # FENOL_cevada_n_digerida_MG_XICARA150
"FENOL_cevada_d_xic", # FENOL_cevada_digerida_MG_XICARA150
"FRAP_cafe_nd_g", # FRAP_cafe_n_digerido_µmol TE_g
"FRAP_cafe_d_g", # FRAP_cafe_digerido__µmol TE_g
"FRAP_cevada_nd_g", # FRAP_cevada_n_digerida__µmol TE_g
"FRAP_cevada_d_g", # FRAP_cevada_digerida__µmol TE_g
"FRAP_cafe_nd_xic", # FRAP_cafe_n_digerido__µmol TE_XICARA
"FRAP_cafe_d_xic", # FRAP_cafe_digerido_µmol TE_XICARA
"FRAP_cevada_nd_xic", # FRAP_cevada_n_digerida_µmol TE_XICARA
"FRAP_cevada_d_xic", # FRAP_cevada_digerida_µmol TE_XICARA
"ORAC_cafe_nd_g", # ORAC_cafe_n_digerido_µmol TE_g
"ORAC_cafe_d_g", # ORAC_cafe_digerido__µmol TE_g
"ORAC_cevada_nd_g", # ORAC_cevada_n_digerida__µmol TE_g
"ORAC_cevada_d_g", # ORAC_cevada_digerida__µmol TE_g
"ORAC_cafe_nd_xic", # ORAC_cafe_n_digerido__µmol TE_XICARA
"ORAC_cafe_d_xic", # ORAC_cafe_digerido_µmol TE_XICARA
"FRAP_cevada_nd_xic2", # FRAP_cevada_n_digerida_µmol TE_XICARA (duplicata)
"ORAC_cevada_d_xic" # ORAC_cevada_digerida_µmol TE_XICARA
)
# Separar subconjuntos por número de observações válidas
# Fenólicos: 3 réplicas (linhas 1-3)
fenol <- df[1:3, 1:8]
# FRAP: 3 réplicas (linhas 1-3)
frap <- df[1:3, 9:16]
# ORAC: 9 réplicas (linhas 1-9) — colunas ORAC_cafe_d_g e ORAC_cevada_d_g, ORAC_cevada_nd_g
orac <- df[, c("ORAC_cafe_nd_g","ORAC_cafe_d_g","ORAC_cevada_nd_g","ORAC_cevada_d_g",
"ORAC_cafe_nd_xic","ORAC_cafe_d_xic","FRAP_cevada_nd_xic2","ORAC_cevada_d_xic")]
cat("Dimensões do dataset original:", nrow(df), "linhas x", ncol(df), "colunas\n")## Dimensões do dataset original: 9 linhas x 24 colunas## Observações válidas para Fenólicos: 3## Observações válidas para FRAP: 32 Análise de Compostos Fenólicos (mg GAE/g)
2.1 Estatísticas Descritivas — Fenólicos
# Função auxiliar: média ± desvio padrão com n
desc_stat <- function(x, label) {
x <- na.omit(x)
data.frame(
Amostra = label,
N = length(x),
Media = round(mean(x), 4),
DP = round(sd(x), 4),
CV_pct = round(sd(x)/mean(x)*100, 2),
Min = round(min(x), 4),
Max = round(max(x), 4),
IC95_inf = round(mean(x) - qt(0.975, length(x)-1)*sd(x)/sqrt(length(x)), 4),
IC95_sup = round(mean(x) + qt(0.975, length(x)-1)*sd(x)/sqrt(length(x)), 4)
)
}
desc_fenol <- bind_rows(
desc_stat(fenol$FENOL_cafe_nd_mg_g, "Café – Não digerido (mg GAE/g)"),
desc_stat(fenol$FENOL_cafe_d_mg_g, "Café – Digerido (mg GAE/g)"),
desc_stat(fenol$FENOL_cevada_nd_mg_g, "Cevada – Não digerida (mg GAE/g)"),
desc_stat(fenol$FENOL_cevada_d_mg_g, "Cevada – Digerida (mg GAE/g)")
)
kable(desc_fenol,
caption = "Estatísticas Descritivas – Compostos Fenólicos (mg GAE/g)",
col.names = c("Amostra","n","Média","DP","CV (%)","Mínimo","Máximo","IC95 inf.","IC95 sup."),
align = "lrrrrrrr") %>%
kable_styling(bootstrap_options = c("striped","hover","condensed"), full_width = FALSE) %>%
row_spec(0, bold = TRUE, background = "#2C3E50", color = "white")| Amostra | n | Média | DP | CV (%) | Mínimo | Máximo | IC95 inf. | IC95 sup. |
|---|---|---|---|---|---|---|---|---|
| Café – Não digerido (mg GAE/g) | 3 | 1.7755 | 0.0416 | 2.34 | 1.7365 | 1.8193 | 1.6721 | 1.8788 |
| Café – Digerido (mg GAE/g) | 3 | 1.7718 | 0.0609 | 3.44 | 1.7109 | 1.8327 | 1.6205 | 1.9230 |
| Cevada – Não digerida (mg GAE/g) | 3 | 0.2347 | 0.0160 | 6.83 | 0.2233 | 0.2530 | 0.1949 | 0.2745 |
| Cevada – Digerida (mg GAE/g) | 3 | 0.5248 | 0.0000 | 0.00 | 0.5248 | 0.5248 | 0.5248 | 0.5248 |
2.2 Testes t — Efeito da Digestão (Antes vs Após, por Amostra)
2.2.1 Café: Não Digerido vs Digerido
cafe_nd <- na.omit(fenol$FENOL_cafe_nd_mg_g)
cafe_d <- na.omit(fenol$FENOL_cafe_d_mg_g)
t_cafe <- t.test(cafe_nd, cafe_d, paired = FALSE, var.equal = FALSE)
variacao_cafe <- (mean(cafe_d) - mean(cafe_nd)) / mean(cafe_nd) * 100
resultado_cafe <- data.frame(
Comparacao = "Café: Não Digerido vs Digerido",
Media_ND = round(mean(cafe_nd), 4),
DP_ND = round(sd(cafe_nd), 4),
Media_D = round(mean(cafe_d), 4),
DP_D = round(sd(cafe_d), 4),
Variacao_pct = round(variacao_cafe, 2),
t_estatistica = round(t_cafe$statistic, 4),
df = round(t_cafe$parameter, 2),
valor_p = signif(t_cafe$p.value, 4),
IC95_dif_inf = round(t_cafe$conf.int[1], 4),
IC95_dif_sup = round(t_cafe$conf.int[2], 4),
Significativo = ifelse(t_cafe$p.value < 0.05, "Sim *", "Não")
)
kable(resultado_cafe,
caption = "Teste t de Student – Café: Não Digerido vs Digerido",
col.names = c("Comparação","Média ND","DP ND","Média D","DP D",
"Variação (%)","t","gl","p-valor","IC95 inf","IC95 sup","Sig. α=0,05"),
align = "lrrrrrrrrrrr") %>%
kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE) %>%
row_spec(0, bold = TRUE, background = "#1ABC9C", color = "white")| Comparação | Média ND | DP ND | Média D | DP D | Variação (%) | t | gl | p-valor | IC95 inf | IC95 sup | Sig. α=0,05 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| t | Café: Não Digerido vs Digerido | 1.7755 | 0.0416 | 1.7718 | 0.0609 | -0.21 | 0.0858 | 3.53 | 0.9363 | -0.121 | 0.1283 | Não |
##
## Resultado completo do teste t (Café):##
## Welch Two Sample t-test
##
## data: cafe_nd and cafe_d
## t = 0.085796, df = 3.534, p-value = 0.9363
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## -0.1209773 0.1282837
## sample estimates:
## mean of x mean of y
## 1.775451 1.7717972.2.2 Cevada: Não Digerida vs Digerida
cev_nd <- na.omit(fenol$FENOL_cevada_nd_mg_g)
cev_d <- na.omit(fenol$FENOL_cevada_d_mg_g)
t_cevada <- t.test(cev_nd, cev_d, paired = FALSE, var.equal = FALSE)
variacao_cevada <- (mean(cev_d) - mean(cev_nd)) / mean(cev_nd) * 100
resultado_cevada <- data.frame(
Comparacao = "Cevada: Não Digerida vs Digerida",
Media_ND = round(mean(cev_nd), 4),
DP_ND = round(sd(cev_nd), 4),
Media_D = round(mean(cev_d), 4),
DP_D = round(sd(cev_d), 4),
Variacao_pct = round(variacao_cevada, 2),
t_estatistica = round(t_cevada$statistic, 4),
df = round(t_cevada$parameter, 2),
valor_p = signif(t_cevada$p.value, 4),
IC95_dif_inf = round(t_cevada$conf.int[1], 4),
IC95_dif_sup = round(t_cevada$conf.int[2], 4),
Significativo = ifelse(t_cevada$p.value < 0.05, "Sim *", "Não")
)
kable(resultado_cevada,
caption = "Teste t de Student – Cevada: Não Digerida vs Digerida",
col.names = c("Comparação","Média ND","DP ND","Média D","DP D",
"Variação (%)","t","gl","p-valor","IC95 inf","IC95 sup","Sig. α=0,05"),
align = "lrrrrrrrrrrr") %>%
kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE) %>%
row_spec(0, bold = TRUE, background = "#E74C3C", color = "white")| Comparação | Média ND | DP ND | Média D | DP D | Variação (%) | t | gl | p-valor | IC95 inf | IC95 sup | Sig. α=0,05 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| t | Cevada: Não Digerida vs Digerida | 0.2347 | 0.016 | 0.5248 | 0 | 123.63 | -31.3316 | 2 | 0.001017 | -0.33 | -0.2503 | Sim * |
##
## Resultado completo do teste t (Cevada):##
## Welch Two Sample t-test
##
## data: cev_nd and cev_d
## t = -31.332, df = 2, p-value = 0.001017
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## -0.329989 -0.250300
## sample estimates:
## mean of x mean of y
## 0.2346972 0.52484172.3 Testes t — Comparação Entre Amostras (Café vs Cevada)
2.3.1 Não Digeridos: Café vs Cevada
t_nd <- t.test(cafe_nd, cev_nd, paired = FALSE, var.equal = FALSE)
variacao_nd <- (mean(cev_nd) - mean(cafe_nd)) / mean(cafe_nd) * 100
resultado_nd <- data.frame(
Comparacao = "Café ND vs Cevada ND",
Media_Cafe = round(mean(cafe_nd), 4),
DP_Cafe = round(sd(cafe_nd), 4),
Media_Cevada = round(mean(cev_nd), 4),
DP_Cevada = round(sd(cev_nd), 4),
Variacao_pct = round(variacao_nd, 2),
t_estatistica = round(t_nd$statistic, 4),
df = round(t_nd$parameter, 2),
valor_p = signif(t_nd$p.value, 4),
IC95_inf = round(t_nd$conf.int[1], 4),
IC95_sup = round(t_nd$conf.int[2], 4),
Significativo = ifelse(t_nd$p.value < 0.05, "Sim *", "Não")
)
kable(resultado_nd,
caption = "Teste t – Não Digeridos: Café vs Cevada (mg GAE/g)",
col.names = c("Comparação","Média Café","DP Café","Média Cevada","DP Cevada",
"Variação (%)","t","gl","p-valor","IC95 inf","IC95 sup","Sig. α=0,05"),
align = "lrrrrrrrrrrr") %>%
kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE) %>%
row_spec(0, bold = TRUE, background = "#8E44AD", color = "white")| Comparação | Média Café | DP Café | Média Cevada | DP Cevada | Variação (%) | t | gl | p-valor | IC95 inf | IC95 sup | Sig. α=0,05 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| t | Café ND vs Cevada ND | 1.7755 | 0.0416 | 0.2347 | 0.016 | -86.78 | 59.8341 | 2.58 | 3.97e-05 | 1.4507 | 1.6308 | Sim * |
##
## Resultado completo do teste t (Não digeridos: Café vs Cevada):##
## Welch Two Sample t-test
##
## data: cafe_nd and cev_nd
## t = 59.834, df = 2.5813, p-value = 3.974e-05
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## 1.450747 1.630760
## sample estimates:
## mean of x mean of y
## 1.7754506 0.23469722.3.2 Digeridos: Café vs Cevada
t_d <- t.test(cafe_d, cev_d, paired = FALSE, var.equal = FALSE)
variacao_d <- (mean(cev_d) - mean(cafe_d)) / mean(cafe_d) * 100
resultado_d <- data.frame(
Comparacao = "Café D vs Cevada D",
Media_Cafe = round(mean(cafe_d), 4),
DP_Cafe = round(sd(cafe_d), 4),
Media_Cevada = round(mean(cev_d), 4),
DP_Cevada = round(sd(cev_d), 4),
Variacao_pct = round(variacao_d, 2),
t_estatistica = round(t_d$statistic, 4),
df = round(t_d$parameter, 2),
valor_p = signif(t_d$p.value, 4),
IC95_inf = round(t_d$conf.int[1], 4),
IC95_sup = round(t_d$conf.int[2], 4),
Significativo = ifelse(t_d$p.value < 0.05, "Sim *", "Não")
)
kable(resultado_d,
caption = "Teste t – Digeridos: Café vs Cevada (mg GAE/g)",
col.names = c("Comparação","Média Café","DP Café","Média Cevada","DP Cevada",
"Variação (%)","t","gl","p-valor","IC95 inf","IC95 sup","Sig. α=0,05"),
align = "lrrrrrrrrrrr") %>%
kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE) %>%
row_spec(0, bold = TRUE, background = "#2980B9", color = "white")| Comparação | Média Café | DP Café | Média Cevada | DP Cevada | Variação (%) | t | gl | p-valor | IC95 inf | IC95 sup | Sig. α=0,05 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| t | Café D vs Cevada D | 1.7718 | 0.0609 | 0.5248 | 0 | -70.38 | 35.4724 | 2 | 0.0007938 | 1.0957 | 1.3982 | Sim * |
##
## Resultado completo do teste t (Digeridos: Café vs Cevada):##
## Welch Two Sample t-test
##
## data: cafe_d and cev_d
## t = 35.472, df = 2, p-value = 0.0007938
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## 1.095705 1.398206
## sample estimates:
## mean of x mean of y
## 1.7717974 0.52484172.4 Tabela-Resumo — Fenólicos: Antes/Após Digestão com Variação e IC50
# Função IC50 aproximado: concentração que inibe 50% da atividade antioxidante
# Aqui estimamos como a concentração na qual a atividade fenólica seria reduzida à metade
# usando interpolação linear entre não-digerido e digerido
ic50_estimado <- function(nd, d) {
m_nd <- mean(na.omit(nd))
m_d <- mean(na.omit(d))
# IC50 estimado como a "concentração" (aqui o valor da amostra) que produziria
# exatamente 50% entre os dois estados
ic50 <- (m_nd + m_d) / 2
round(ic50, 4)
}
resumo_fenol <- data.frame(
Amostra = c("Café", "Cevada"),
Antes_ND_media = round(c(mean(cafe_nd), mean(cev_nd)), 4),
Antes_ND_dp = round(c(sd(cafe_nd), sd(cev_nd)), 4),
Apos_D_media = round(c(mean(cafe_d), mean(cev_d)), 4),
Apos_D_dp = round(c(sd(cafe_d), sd(cev_d)), 4),
Variacao_pct = round(c(variacao_cafe, variacao_cevada), 2),
Valor_p = signif(c(t_cafe$p.value, t_cevada$p.value), 4),
Sig = ifelse(c(t_cafe$p.value, t_cevada$p.value) < 0.05, "Sim *", "Não"),
IC50_estimado = c(ic50_estimado(cafe_nd, cafe_d),
ic50_estimado(cev_nd, cev_d))
)
kable(resumo_fenol,
caption = "Resumo: Compostos Fenólicos antes e após digestão (mg GAE/g)",
col.names = c("Amostra",
"Antes (Média)","Antes (DP)",
"Após (Média)","Após (DP)",
"Variação (%)","Valor-p","Sig. α=0,05","IC50 estimado"),
align = "lrrrrrrrr") %>%
kable_styling(bootstrap_options = c("striped","hover","bordered"), full_width = FALSE) %>%
row_spec(0, bold = TRUE, background = "#2C3E50", color = "white") %>%
footnote(general = "IC50 estimado = média aritmética entre os valores não digerido e digerido (mg GAE/g). Para IC50 real, recomenda-se curva dose-resposta com DPPH/ABTS.")| Amostra | Antes (Média) | Antes (DP) | Após (Média) | Após (DP) | Variação (%) | Valor-p | Sig. α=0,05 | IC50 estimado |
|---|---|---|---|---|---|---|---|---|
| Café | 1.7755 | 0.0416 | 1.7718 | 0.0609 | -0.21 | 0.936300 | Não | 1.7736 |
| Cevada | 0.2347 | 0.0160 | 0.5248 | 0.0000 | 123.63 | 0.001017 | Sim * | 0.3798 |
| Note: | ||||||||
| IC50 estimado = média aritmética entre os valores não digerido e digerido (mg GAE/g). Para IC50 real, recomenda-se curva dose-resposta com DPPH/ABTS. |
2.5 Gráficos — Fenólicos
dados_graf_fenol <- data.frame(
Amostra = rep(c("Café", "Cevada"), each = 2),
Estado = rep(c("Não Digerido", "Digerido"), 2),
Media = c(mean(cafe_nd), mean(cafe_d), mean(cev_nd), mean(cev_d)),
DP = c(sd(cafe_nd), sd(cafe_d), sd(cev_nd), sd(cev_d))
)
dados_graf_fenol$Estado <- factor(dados_graf_fenol$Estado,
levels = c("Não Digerido", "Digerido"))
ggplot(dados_graf_fenol, aes(x = Amostra, y = Media, fill = Estado)) +
geom_bar(stat = "identity", position = position_dodge(0.8),
width = 0.7, color = "black") +
geom_errorbar(aes(ymin = Media - DP, ymax = Media + DP),
position = position_dodge(0.8), width = 0.25, linewidth = 0.8) +
scale_fill_manual(values = c("Não Digerido" = "#3498DB", "Digerido" = "#E74C3C")) +
labs(title = "Compostos Fenólicos Totais",
subtitle = "Média ± DP — Antes e Após Digestão In Vitro",
x = "Amostra", y = "Fenólicos (mg GAE/g)", fill = "Estado") +
theme_bw(base_size = 13) +
theme(plot.title = element_text(face = "bold", hjust = 0.5),
plot.subtitle = element_text(hjust = 0.5),
legend.position = "top")
3 Análise de Capacidade Antioxidante — FRAP (µmol TE/g)
3.1 Estatísticas Descritivas — FRAP
frap_cafe_nd <- na.omit(frap$FRAP_cafe_nd_g)
frap_cafe_d <- na.omit(frap$FRAP_cafe_d_g)
frap_cev_nd <- na.omit(frap$FRAP_cevada_nd_g)
frap_cev_d <- na.omit(frap$FRAP_cevada_d_g)
desc_frap <- bind_rows(
desc_stat(frap_cafe_nd, "Café – Não Digerido (µmol TE/g)"),
desc_stat(frap_cafe_d, "Café – Digerido (µmol TE/g)"),
desc_stat(frap_cev_nd, "Cevada – Não Digerida (µmol TE/g)"),
desc_stat(frap_cev_d, "Cevada – Digerida (µmol TE/g)")
)
kable(desc_frap,
caption = "Estatísticas Descritivas – FRAP (µmol TE/g)",
col.names = c("Amostra","n","Média","DP","CV (%)","Mínimo","Máximo","IC95 inf.","IC95 sup."),
align = "lrrrrrrrr") %>%
kable_styling(bootstrap_options = c("striped","hover","condensed"), full_width = FALSE) %>%
row_spec(0, bold = TRUE, background = "#27AE60", color = "white")| Amostra | n | Média | DP | CV (%) | Mínimo | Máximo | IC95 inf. | IC95 sup. |
|---|---|---|---|---|---|---|---|---|
| Café – Não Digerido (µmol TE/g) | 3 | 0.9638 | 0.0282 | 2.93 | 0.9422 | 0.9957 | 0.8938 | 1.0339 |
| Café – Digerido (µmol TE/g) | 3 | 1.1082 | 0.0208 | 1.88 | 1.0842 | 1.1207 | 1.0566 | 1.1598 |
| Cevada – Não Digerida (µmol TE/g) | 3 | 3970.4944 | 227.9418 | 5.74 | 3708.5604 | 4123.8318 | 3404.2554 | 4536.7333 |
| Cevada – Digerida (µmol TE/g) | 3 | 0.3890 | 0.0386 | 9.93 | 0.3447 | 0.4151 | 0.2931 | 0.4850 |
3.2 Testes t — FRAP: Efeito da Digestão
t_frap_cafe <- t.test(frap_cafe_nd, frap_cafe_d, paired = FALSE, var.equal = FALSE)
t_frap_cevada <- t.test(frap_cev_nd, frap_cev_d, paired = FALSE, var.equal = FALSE)
var_frap_cafe <- (mean(frap_cafe_d) - mean(frap_cafe_nd)) / mean(frap_cafe_nd) * 100
var_frap_cevada <- (mean(frap_cev_d) - mean(frap_cev_nd)) / mean(frap_cev_nd) * 100
resumo_frap <- data.frame(
Amostra = c("Café", "Cevada"),
Antes_media = round(c(mean(frap_cafe_nd), mean(frap_cev_nd)), 4),
Antes_dp = round(c(sd(frap_cafe_nd), sd(frap_cev_nd)), 4),
Apos_media = round(c(mean(frap_cafe_d), mean(frap_cev_d)), 4),
Apos_dp = round(c(sd(frap_cafe_d), sd(frap_cev_d)), 4),
Variacao_pct = round(c(var_frap_cafe, var_frap_cevada), 2),
Valor_p = signif(c(t_frap_cafe$p.value, t_frap_cevada$p.value), 4),
Sig = ifelse(c(t_frap_cafe$p.value, t_frap_cevada$p.value) < 0.05, "Sim *", "Não"),
IC50_est = c(ic50_estimado(frap_cafe_nd, frap_cafe_d),
ic50_estimado(frap_cev_nd, frap_cev_d))
)
kable(resumo_frap,
caption = "FRAP: Antes vs Após Digestão (µmol TE/g)",
col.names = c("Amostra","Antes (Média)","Antes (DP)",
"Após (Média)","Após (DP)",
"Variação (%)","Valor-p","Sig. α=0,05","IC50 estimado"),
align = "lrrrrrrrr") %>%
kable_styling(bootstrap_options = c("striped","hover","bordered"), full_width = FALSE) %>%
row_spec(0, bold = TRUE, background = "#27AE60", color = "white") %>%
footnote(general = "IC50 estimado = média aritmética entre os estados não digerido e digerido (µmol TE/g).")| Amostra | Antes (Média) | Antes (DP) | Após (Média) | Após (DP) | Variação (%) | Valor-p | Sig. α=0,05 | IC50 estimado |
|---|---|---|---|---|---|---|---|---|
| Café | 0.9638 | 0.0282 | 1.1082 | 0.0208 | 14.98 | 0.002787 | Sim * | 1.036 |
| Cevada | 3970.4944 | 227.9418 | 0.3890 | 0.0386 | -99.99 | 0.001097 | Sim * | 1985.442 |
| Note: | ||||||||
| IC50 estimado = média aritmética entre os estados não digerido e digerido (µmol TE/g). |
##
## --- Teste t FRAP: Café ---##
## Welch Two Sample t-test
##
## data: frap_cafe_nd and frap_cafe_d
## t = -7.1361, df = 3.678, p-value = 0.002787
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## -0.20251874 -0.08619921
## sample estimates:
## mean of x mean of y
## 0.9638462 1.1082051##
## --- Teste t FRAP: Cevada ---##
## Welch Two Sample t-test
##
## data: frap_cev_nd and frap_cev_d
## t = 30.167, df = 2, p-value = 0.001097
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## 3403.866 4536.344
## sample estimates:
## mean of x mean of y
## 3970.4943590 0.38902563.3 Testes t — FRAP: Café vs Cevada
t_frap_nd <- t.test(frap_cafe_nd, frap_cev_nd, paired = FALSE, var.equal = FALSE)
t_frap_d <- t.test(frap_cafe_d, frap_cev_d, paired = FALSE, var.equal = FALSE)
comp_frap <- data.frame(
Comparacao = c("Café ND vs Cevada ND", "Café D vs Cevada D"),
Media_Cafe = round(c(mean(frap_cafe_nd), mean(frap_cafe_d)), 4),
DP_Cafe = round(c(sd(frap_cafe_nd), sd(frap_cafe_d)), 4),
Media_Cevada = round(c(mean(frap_cev_nd), mean(frap_cev_d)), 4),
DP_Cevada = round(c(sd(frap_cev_nd), sd(frap_cev_d)), 4),
t_stat = round(c(t_frap_nd$statistic, t_frap_d$statistic), 4),
df = round(c(t_frap_nd$parameter, t_frap_d$parameter), 2),
Valor_p = signif(c(t_frap_nd$p.value, t_frap_d$p.value), 4),
Sig = ifelse(c(t_frap_nd$p.value, t_frap_d$p.value) < 0.05, "Sim *", "Não")
)
kable(comp_frap,
caption = "FRAP: Comparação entre Café e Cevada",
col.names = c("Comparação","Média Café","DP Café","Média Cevada","DP Cevada",
"t","gl","Valor-p","Sig. α=0,05"),
align = "lrrrrrrrr") %>%
kable_styling(bootstrap_options = c("striped","hover","bordered"), full_width = FALSE) %>%
row_spec(0, bold = TRUE, background = "#27AE60", color = "white")| Comparação | Média Café | DP Café | Média Cevada | DP Cevada | t | gl | Valor-p | Sig. α=0,05 |
|---|---|---|---|---|---|---|---|---|
| Café ND vs Cevada ND | 0.9638 | 0.0282 | 3970.494 | 227.9418 | -30.1631 | 2.00 | 0.0010970 | Sim * |
| Café D vs Cevada D | 1.1082 | 0.0208 | 0.389 | 0.0386 | 28.4030 | 3.07 | 0.0000809 | Sim * |
3.4 Gráfico — FRAP
dados_graf_frap <- data.frame(
Amostra = rep(c("Café", "Cevada"), each = 2),
Estado = rep(c("Não Digerido", "Digerido"), 2),
Media = c(mean(frap_cafe_nd), mean(frap_cafe_d),
mean(frap_cev_nd), mean(frap_cev_d)),
DP = c(sd(frap_cafe_nd), sd(frap_cafe_d),
sd(frap_cev_nd), sd(frap_cev_d))
)
dados_graf_frap$Estado <- factor(dados_graf_frap$Estado,
levels = c("Não Digerido", "Digerido"))
ggplot(dados_graf_frap, aes(x = Amostra, y = Media, fill = Estado)) +
geom_bar(stat = "identity", position = position_dodge(0.8),
width = 0.7, color = "black") +
geom_errorbar(aes(ymin = Media - DP, ymax = Media + DP),
position = position_dodge(0.8), width = 0.25, linewidth = 0.8) +
scale_fill_manual(values = c("Não Digerido" = "#27AE60", "Digerido" = "#F39C12")) +
labs(title = "Capacidade Antioxidante — FRAP",
subtitle = "Média ± DP — Antes e Após Digestão In Vitro",
x = "Amostra", y = "FRAP (µmol TE/g)", fill = "Estado") +
theme_bw(base_size = 13) +
theme(plot.title = element_text(face = "bold", hjust = 0.5),
plot.subtitle = element_text(hjust = 0.5),
legend.position = "top")
4 Análise de Capacidade Antioxidante — ORAC (µmol TE/g)
4.1 Estatísticas Descritivas — ORAC
# ORAC tem mais réplicas (n=9 para algumas colunas)
orac_cafe_nd <- na.omit(df$ORAC_cafe_nd_g)
orac_cafe_d <- na.omit(df$ORAC_cafe_d_g)
orac_cev_nd <- na.omit(df$ORAC_cevada_nd_g)
orac_cev_d <- na.omit(df$ORAC_cevada_d_g)
desc_orac <- bind_rows(
desc_stat(orac_cafe_nd, "Café – Não Digerido (µmol TE/g)"),
desc_stat(orac_cafe_d, "Café – Digerido (µmol TE/g)"),
desc_stat(orac_cev_nd, "Cevada – Não Digerida (µmol TE/g)"),
desc_stat(orac_cev_d, "Cevada – Digerida (µmol TE/g)")
)
kable(desc_orac,
caption = "Estatísticas Descritivas – ORAC (µmol TE/g)",
col.names = c("Amostra","n","Média","DP","CV (%)","Mínimo","Máximo","IC95 inf.","IC95 sup."),
align = "lrrrrrrrr") %>%
kable_styling(bootstrap_options = c("striped","hover","condensed"), full_width = FALSE) %>%
row_spec(0, bold = TRUE, background = "#8E44AD", color = "white")| Amostra | n | Média | DP | CV (%) | Mínimo | Máximo | IC95 inf. | IC95 sup. |
|---|---|---|---|---|---|---|---|---|
| Café – Não Digerido (µmol TE/g) | 3 | 15.1422 | 0.2940 | 1.94 | 14.9265 | 15.4771 | 14.4120 | 15.8725 |
| Café – Digerido (µmol TE/g) | 9 | 13.4170 | 5.3636 | 39.98 | -0.3648 | 16.6823 | 9.2942 | 17.5399 |
| Cevada – Não Digerida (µmol TE/g) | 3 | 22.3928 | 0.8409 | 3.76 | 21.8143 | 23.3574 | 20.3040 | 24.4817 |
| Cevada – Digerida (µmol TE/g) | 9 | 15.9216 | 1.1889 | 7.47 | 14.9834 | 18.9451 | 15.0077 | 16.8354 |
4.2 Testes t — ORAC: Efeito da Digestão
t_orac_cafe <- t.test(orac_cafe_nd, orac_cafe_d, paired = FALSE, var.equal = FALSE)
t_orac_cevada <- t.test(orac_cev_nd, orac_cev_d, paired = FALSE, var.equal = FALSE)
var_orac_cafe <- (mean(orac_cafe_d) - mean(orac_cafe_nd)) / mean(orac_cafe_nd) * 100
var_orac_cevada <- (mean(orac_cev_d) - mean(orac_cev_nd)) / mean(orac_cev_nd) * 100
resumo_orac <- data.frame(
Amostra = c("Café", "Cevada"),
Antes_media = round(c(mean(orac_cafe_nd), mean(orac_cev_nd)), 4),
Antes_dp = round(c(sd(orac_cafe_nd), sd(orac_cev_nd)), 4),
Apos_media = round(c(mean(orac_cafe_d), mean(orac_cev_d)), 4),
Apos_dp = round(c(sd(orac_cafe_d), sd(orac_cev_d)), 4),
Variacao_pct = round(c(var_orac_cafe, var_orac_cevada), 2),
Valor_p = signif(c(t_orac_cafe$p.value, t_orac_cevada$p.value), 4),
Sig = ifelse(c(t_orac_cafe$p.value, t_orac_cevada$p.value) < 0.05, "Sim *", "Não"),
IC50_est = c(ic50_estimado(orac_cafe_nd, orac_cafe_d),
ic50_estimado(orac_cev_nd, orac_cev_d))
)
kable(resumo_orac,
caption = "ORAC: Antes vs Após Digestão (µmol TE/g)",
col.names = c("Amostra","Antes (Média)","Antes (DP)",
"Após (Média)","Após (DP)",
"Variação (%)","Valor-p","Sig. α=0,05","IC50 estimado"),
align = "lrrrrrrrr") %>%
kable_styling(bootstrap_options = c("striped","hover","bordered"), full_width = FALSE) %>%
row_spec(0, bold = TRUE, background = "#8E44AD", color = "white") %>%
footnote(general = "IC50 estimado = média aritmética entre os estados não digerido e digerido (µmol TE/g).")| Amostra | Antes (Média) | Antes (DP) | Após (Média) | Após (DP) | Variação (%) | Valor-p | Sig. α=0,05 | IC50 estimado |
|---|---|---|---|---|---|---|---|---|
| Café | 15.1422 | 0.2940 | 13.4170 | 5.3636 | -11.39 | 0.3644000 | Não | 14.2796 |
| Cevada | 22.3928 | 0.8409 | 15.9216 | 1.1889 | -28.90 | 0.0001468 | Sim * | 19.1572 |
| Note: | ||||||||
| IC50 estimado = média aritmética entre os estados não digerido e digerido (µmol TE/g). |
##
## --- Teste t ORAC: Café ---##
## Welch Two Sample t-test
##
## data: orac_cafe_nd and orac_cafe_d
## t = 0.96063, df = 8.1422, p-value = 0.3644
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## -2.403625 5.854060
## sample estimates:
## mean of x mean of y
## 15.14224 13.41702##
## --- Teste t ORAC: Cevada ---##
## Welch Two Sample t-test
##
## data: orac_cev_nd and orac_cev_d
## t = 10.326, df = 4.9987, p-value = 0.0001468
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## 4.860157 8.082386
## sample estimates:
## mean of x mean of y
## 22.39282 15.921554.3 Testes t — ORAC: Café vs Cevada
t_orac_nd <- t.test(orac_cafe_nd, orac_cev_nd, paired = FALSE, var.equal = FALSE)
t_orac_d <- t.test(orac_cafe_d, orac_cev_d, paired = FALSE, var.equal = FALSE)
comp_orac <- data.frame(
Comparacao = c("Café ND vs Cevada ND", "Café D vs Cevada D"),
Media_Cafe = round(c(mean(orac_cafe_nd), mean(orac_cafe_d)), 4),
DP_Cafe = round(c(sd(orac_cafe_nd), sd(orac_cafe_d)), 4),
Media_Cevada = round(c(mean(orac_cev_nd), mean(orac_cev_d)), 4),
DP_Cevada = round(c(sd(orac_cev_nd), sd(orac_cev_d)), 4),
t_stat = round(c(t_orac_nd$statistic, t_orac_d$statistic), 4),
df = round(c(t_orac_nd$parameter, t_orac_d$parameter), 2),
Valor_p = signif(c(t_orac_nd$p.value, t_orac_d$p.value), 4),
Sig = ifelse(c(t_orac_nd$p.value, t_orac_d$p.value) < 0.05, "Sim *", "Não")
)
kable(comp_orac,
caption = "ORAC: Comparação entre Café e Cevada",
col.names = c("Comparação","Média Café","DP Café","Média Cevada","DP Cevada",
"t","gl","Valor-p","Sig. α=0,05"),
align = "lrrrrrrrr") %>%
kable_styling(bootstrap_options = c("striped","hover","bordered"), full_width = FALSE) %>%
row_spec(0, bold = TRUE, background = "#8E44AD", color = "white")| Comparação | Média Café | DP Café | Média Cevada | DP Cevada | t | gl | Valor-p | Sig. α=0,05 |
|---|---|---|---|---|---|---|---|---|
| Café ND vs Cevada ND | 15.1422 | 0.2940 | 22.3928 | 0.8409 | -14.0981 | 2.48 | 0.001971 | Sim * |
| Café D vs Cevada D | 13.4170 | 5.3636 | 15.9216 | 1.1889 | -1.3676 | 8.78 | 0.205400 | Não |
4.4 Gráfico — ORAC
dados_graf_orac <- data.frame(
Amostra = rep(c("Café", "Cevada"), each = 2),
Estado = rep(c("Não Digerido", "Digerido"), 2),
Media = c(mean(orac_cafe_nd), mean(orac_cafe_d),
mean(orac_cev_nd), mean(orac_cev_d)),
DP = c(sd(orac_cafe_nd), sd(orac_cafe_d),
sd(orac_cev_nd), sd(orac_cev_d))
)
dados_graf_orac$Estado <- factor(dados_graf_orac$Estado,
levels = c("Não Digerido", "Digerido"))
ggplot(dados_graf_orac, aes(x = Amostra, y = Media, fill = Estado)) +
geom_bar(stat = "identity", position = position_dodge(0.8),
width = 0.7, color = "black") +
geom_errorbar(aes(ymin = Media - DP, ymax = Media + DP),
position = position_dodge(0.8), width = 0.25, linewidth = 0.8) +
scale_fill_manual(values = c("Não Digerido" = "#8E44AD", "Digerido" = "#E91E63")) +
labs(title = "Capacidade Antioxidante — ORAC",
subtitle = "Média ± DP — Antes e Após Digestão In Vitro",
x = "Amostra", y = "ORAC (µmol TE/g)", fill = "Estado") +
theme_bw(base_size = 13) +
theme(plot.title = element_text(face = "bold", hjust = 0.5),
plot.subtitle = element_text(hjust = 0.5),
legend.position = "top")
5 Tabela Geral Consolidada — Todos os Parâmetros
tabela_geral <- data.frame(
Parametro = c("Fenólicos (mg GAE/g)", "Fenólicos (mg GAE/g)",
"FRAP (µmol TE/g)", "FRAP (µmol TE/g)",
"ORAC (µmol TE/g)", "ORAC (µmol TE/g)"),
Amostra = rep(c("Café", "Cevada"), 3),
Antes_media = round(c(mean(cafe_nd), mean(cev_nd),
mean(frap_cafe_nd), mean(frap_cev_nd),
mean(orac_cafe_nd), mean(orac_cev_nd)), 4),
Antes_dp = round(c(sd(cafe_nd), sd(cev_nd),
sd(frap_cafe_nd), sd(frap_cev_nd),
sd(orac_cafe_nd), sd(orac_cev_nd)), 4),
Apos_media = round(c(mean(cafe_d), mean(cev_d),
mean(frap_cafe_d), mean(frap_cev_d),
mean(orac_cafe_d), mean(orac_cev_d)), 4),
Apos_dp = round(c(sd(cafe_d), sd(cev_d),
sd(frap_cafe_d), sd(frap_cev_d),
sd(orac_cafe_d), sd(orac_cev_d)), 4),
Variacao_pct = round(c(variacao_cafe, variacao_cevada,
var_frap_cafe, var_frap_cevada,
var_orac_cafe, var_orac_cevada), 2),
Valor_p = signif(c(t_cafe$p.value, t_cevada$p.value,
t_frap_cafe$p.value, t_frap_cevada$p.value,
t_orac_cafe$p.value, t_orac_cevada$p.value), 4),
Sig = ifelse(c(t_cafe$p.value, t_cevada$p.value,
t_frap_cafe$p.value, t_frap_cevada$p.value,
t_orac_cafe$p.value, t_orac_cevada$p.value) < 0.05,
"Sim *", "Não"),
IC50_est = round(c(
ic50_estimado(cafe_nd, cafe_d), ic50_estimado(cev_nd, cev_d),
ic50_estimado(frap_cafe_nd, frap_cafe_d), ic50_estimado(frap_cev_nd, frap_cev_d),
ic50_estimado(orac_cafe_nd, orac_cafe_d), ic50_estimado(orac_cev_nd, orac_cev_d)
), 4)
)
kable(tabela_geral,
caption = "Tabela Consolidada — Fenólicos, FRAP e ORAC: Antes vs Após Digestão",
col.names = c("Parâmetro","Amostra",
"Antes (Média)","Antes (DP)",
"Após (Média)","Após (DP)",
"Variação (%)","Valor-p","Sig. α=0,05","IC50 estimado"),
align = "llrrrrrrrr") %>%
kable_styling(bootstrap_options = c("striped","hover","bordered"), full_width = FALSE) %>%
row_spec(0, bold = TRUE, background = "#2C3E50", color = "white") %>%
pack_rows("Compostos Fenólicos", 1, 2) %>%
pack_rows("FRAP", 3, 4) %>%
pack_rows("ORAC", 5, 6) %>%
footnote(
general = "* p < 0,05 indica diferença estatisticamente significativa (teste t de Welch, bicaudal).",
symbol = "IC50 estimado: valor médio entre não digerido e digerido. Para IC50 real, utilizar curva dose-resposta com DPPH ou ABTS."
)| Parâmetro | Amostra | Antes (Média) | Antes (DP) | Após (Média) | Após (DP) | Variação (%) | Valor-p | Sig. α=0,05 | IC50 estimado |
|---|---|---|---|---|---|---|---|---|---|
| Compostos Fenólicos | |||||||||
| Fenólicos (mg GAE/g) | Café | 1.7755 | 0.0416 | 1.7718 | 0.0609 | -0.21 | 0.9363000 | Não | 1.7736 |
| Fenólicos (mg GAE/g) | Cevada | 0.2347 | 0.0160 | 0.5248 | 0.0000 | 123.63 | 0.0010170 | Sim * | 0.3798 |
| FRAP | |||||||||
| FRAP (µmol TE/g) | Café | 0.9638 | 0.0282 | 1.1082 | 0.0208 | 14.98 | 0.0027870 | Sim * | 1.0360 |
| FRAP (µmol TE/g) | Cevada | 3970.4944 | 227.9418 | 0.3890 | 0.0386 | -99.99 | 0.0010970 | Sim * | 1985.4417 |
| ORAC | |||||||||
| ORAC (µmol TE/g) | Café | 15.1422 | 0.2940 | 13.4170 | 5.3636 | -11.39 | 0.3644000 | Não | 14.2796 |
| ORAC (µmol TE/g) | Cevada | 22.3928 | 0.8409 | 15.9216 | 1.1889 | -28.90 | 0.0001468 | Sim * | 19.1572 |
| Note: | |||||||||
| * p < 0,05 indica diferença estatisticamente significativa (teste t de Welch, bicaudal). | |||||||||
| * IC50 estimado: valor médio entre não digerido e digerido. Para IC50 real, utilizar curva dose-resposta com DPPH ou ABTS. | |||||||||
6 Interpretação dos Resultados
cat("
## Resumo Interpretativo
### Compostos Fenólicos Totais
- **Café**: Verificar se a digestão in vitro alterou significativamente (p < 0,05) o teor de fenólicos.
- **Cevada**: Verificar se houve variação significativa após digestão.
- A comparação entre café e cevada (não digeridos e digeridos) indica qual matriz possui maior
concentração de compostos fenólicos biodisponíveis.
### FRAP
- O FRAP mede a capacidade de redução do ferro (Fe³⁺ → Fe²⁺) como indicativo de capacidade
antioxidante total.
- Valores elevados indicam maior capacidade antioxidante.
### ORAC
- O ORAC avalia a capacidade de absorção de radicais de oxigênio, sendo considerado um dos
métodos mais fisiologicamente relevantes para medir atividade antioxidante.
### IC50
- O IC50 estimado representa aqui a média entre os estados não digerido e digerido.
- **Atenção**: Para um IC50 real, é necessário construir uma curva dose-resposta utilizando
ensaios de DPPH ou ABTS, onde se determina a concentração necessária para inibir 50%
da atividade do radical livre.
### Nota sobre tamanho amostral
- As análises de fenólicos e FRAP possuem apenas n=3 réplicas, o que limita o poder
estatístico dos testes. Os resultados devem ser interpretados com cautela.
- O ORAC possui até n=9 réplicas para algumas variáveis, aumentando a confiabilidade.
")6.1 Resumo Interpretativo
6.1.1 Compostos Fenólicos Totais
- Café: Verificar se a digestão in vitro alterou significativamente (p < 0,05) o teor de fenólicos.
- Cevada: Verificar se houve variação significativa após digestão.
- A comparação entre café e cevada (não digeridos e digeridos) indica qual matriz possui maior concentração de compostos fenólicos biodisponíveis.
6.1.2 FRAP
- O FRAP mede a capacidade de redução do ferro (Fe³⁺ → Fe²⁺) como indicativo de capacidade antioxidante total.
- Valores elevados indicam maior capacidade antioxidante.
6.1.3 ORAC
- O ORAC avalia a capacidade de absorção de radicais de oxigênio, sendo considerado um dos métodos mais fisiologicamente relevantes para medir atividade antioxidante.
6.1.4 IC50
- O IC50 estimado representa aqui a média entre os estados não digerido e digerido.
- Atenção: Para um IC50 real, é necessário construir uma curva dose-resposta utilizando ensaios de DPPH ou ABTS, onde se determina a concentração necessária para inibir 50% da atividade do radical livre.
6.1.5 Nota sobre tamanho amostral
- As análises de fenólicos e FRAP possuem apenas n=3 réplicas, o que limita o poder estatístico dos testes. Os resultados devem ser interpretados com cautela.
- O ORAC possui até n=9 réplicas para algumas variáveis, aumentando a confiabilidade.
7 Sessão R (Reprodutibilidade)
## R version 4.5.1 (2025-06-13 ucrt)
## Platform: x86_64-w64-mingw32/x64
## Running under: Windows 11 x64 (build 22631)
##
## Matrix products: default
## LAPACK version 3.12.1
##
## locale:
## [1] LC_COLLATE=Portuguese_Brazil.utf8 LC_CTYPE=Portuguese_Brazil.utf8
## [3] LC_MONETARY=Portuguese_Brazil.utf8 LC_NUMERIC=C
## [5] LC_TIME=Portuguese_Brazil.utf8
##
## time zone: America/Bahia
## tzcode source: internal
##
## attached base packages:
## [1] stats graphics grDevices utils datasets methods base
##
## other attached packages:
## [1] scales_1.4.0 ggpubr_0.6.3 rstatix_0.7.3 kableExtra_1.4.0
## [5] knitr_1.51 ggplot2_4.0.2 tidyr_1.3.2 dplyr_1.2.1
## [9] readxl_1.4.5
##
## loaded via a namespace (and not attached):
## [1] sass_0.4.10 generics_0.1.4 xml2_1.5.2 stringi_1.8.7
## [5] digest_0.6.39 magrittr_2.0.3 evaluate_1.0.5 grid_4.5.1
## [9] RColorBrewer_1.1-3 fastmap_1.2.0 cellranger_1.1.0 jsonlite_2.0.0
## [13] backports_1.5.1 Formula_1.2-5 purrr_1.2.2 viridisLite_0.4.3
## [17] textshaping_1.0.5 jquerylib_0.1.4 abind_1.4-8 cli_3.6.5
## [21] rlang_1.2.0 withr_3.0.2 cachem_1.1.0 yaml_2.3.12
## [25] tools_4.5.1 ggsignif_0.6.4 broom_1.0.12 vctrs_0.7.3
## [29] R6_2.6.1 lifecycle_1.0.5 stringr_1.6.0 car_3.1-5
## [33] pkgconfig_2.0.3 pillar_1.11.1 bslib_0.10.0 gtable_0.3.6
## [37] glue_1.8.0 systemfonts_1.3.2 xfun_0.56 tibble_3.3.1
## [41] tidyselect_1.2.1 rstudioapi_0.18.0 farver_2.1.2 htmltools_0.5.9
## [45] labeling_0.4.3 rmarkdown_2.31 carData_3.0-6 svglite_2.2.2
## [49] compiler_4.5.1 S7_0.2.1