O percevejo marrom Euschistus heros é a principal espécie praga da soja. Frequentemente usa-se inseticidas para o seu controle, contudo, a resistência e a diminuição da sua eficácia fizeram com que essa medida se tornasse pouco eficiente. Diante da complexidade do controle do percevejo marrom, o uso de materiais resistentes caracteriza-se como sendo uma estratégia de controle múltiplo. A presença de genes associados com a resistência não é garantia de manifestação fenotípica, visto que, a expressão de genes é regulada em diferentes níveis, e alterações da conformação proteica podem ocorrer, acarretando em uma possível função metabólica diferente daquela esperada. A compreensão da lacuna existente na associação entre genótipo e fenótipo pode ser elucida por meio das ômicas, as quais possibilitam a compreensão de funções celulares, bem como proveem informações de biomoléculas de diferentes camadas, contribuindo para a compreensão da biologia complexa de forma sistemática e holística. A Metabolômica é capaz de proporcionar o acesso aos metabólitos, os quais são as moléculas responsáveis pela expressão fenotípica específica, por meio da modulação indireta da presença ou da quantidade no tecido. Essas moléculas atuam como sinalizadores fisiológicos de um organismo, e podem fornecer informações a serem utilizadas no monitoramento de mudanças específicas advindas da presença da praga. A Metabolômica é uma estratégia capaz de desvendar a bioquímica da interação soja e percevejo e de elucidar as modificações do perfil vegetal decorrentes da infestação. Ela possibilita o entendimento dos mecanismos celulares associados a resistência e a compreensão da interação entre moléculas e fisiologia da planta. Alinhado com o objetivo de contribuir na compreensão dessa engrenagem molecular e de explorar as informações provenientes da Metabolômica, diversos métodos de análise dos dados podem ser empregados. Métodos de análises univariadas e multivariadas são aplicados em combinação objetivando a extração de informações relevantes. Frequentemente as metodologias tradicionais não são capazes de lidarem com a complexidade dos metabólitos. Novas abordagens de análise se mostraram necessárias, como a incorporação de redes de co-abundância e métodos de aprendizado de máquina. Este trabalho está divido em dois capítulos, os quais tiveram como objetivos: (1) identificar os metabólitos primários e secundários, variáveis ao longo do tempo e associados a resistência e suscetibilidade da soja ao percevejo marrom, por meio da abordagem de Metabolômica, utilizando a cromatografia gasosa e líquida, acopladas a espectrometria de massas (GC-MS e LC-MS); (2) analisar por meio de diferentes estratégias analíticas (univariadas, multivariadas e aprendizado de máquina) o perfil dos metabólitos de modo a verificar a capacidade dos compostos em diferenciarem amostras resistentes e suscetíveis; (3) extrair por metodologias de aprendizado de máquinas os metabólitos mais importantes na diferenciação das amostras resistentes e suscetíveis; (4) Integrar os metabólitos primários e secundários com QTLs associados com a resistência da soja ao percevejo marrom; (5) Construir redes de co-abundância entre metabólitos a fim de caracterizar os perfis de interação metabólica dos genótipos resistente e suscetíveis.

The brown stink bug Euschistus heros is the main pest of soybeans. Insecticides are often used for their control, however, resistance and decreased chemical efficacy have made this measure inefficient. Given the complexity of brown stink bug control, the use of resistant materials is characterized as a multiple control strategy. The presence of genes associated with resistance is not a guarantee of phenotypic manifestation, since gene expression is regulated at different levels, and changes in protein conformation can occur, leading to a possible metabolic function different from that expected. The understanding of the gap in the association between genotype and phenotype can be elucidated by omics, which enable the understanding of cellular functions, as well as provide information from biomolecules of different layers, understanding of complex biological in a systematic and holistic way. Metabolomics is able to provide access to metabolites, which are the molecules responsible for specific phenotypic expression, through indirect modulation of the presence or quantity in the tissue. These molecules act as physiological signals of an organism, and can provide information to be used in monitoring specific changes arising from the presence of the pest. Metabolomics is a strategy capable of unraveling the biochemistry of soybean and stink bug interaction and elucidate the changes in plant profile resulting from infestation. It enables the understanding of the cellular mechanisms associated with resistance and understanding of the interaction between molecules and plant physiology. In line with the objective of contributing to the understanding of this molecular gear and exploring the information from Metabolomics, several methods of data analysis can be employed. Univariate and multivariate analysis methods are applied in combination aiming at the extraction of relevant information. Often traditional methodologies are not able to deal with the complexity of metabolites. New approaches to analysis were necessary, such as the incorporation of abundance networks and machine learning methods. This work is divided into two chapters, which had as objectives: (1) to identify the primary and secondary metabolites in time course experiments, associated with the resistance and susceptibility of soybean to brown stink bug, through the approach of Metabolomics, using the GC-MS and LC-MS; (2) analyze through different analytical strategies (univariate, multivariate and machine learning) the profile of the metabolites in order to verify the ability of the compounds to differentiate resistant and susceptible samples; (3) To extract by machine learning methodologies the most important metabolites in the differentiation of samples; (4) To integrate the primary and secondary metabolites with QTLs associated with soybean resistance to brown stink bug; (5) Build co-abundance metabolites networks in order to characterize the metabolic interaction profiles of resistant and susceptible genotypes over time.