Estos resultados, publicados en la revista 'Communications Chemistry', allanan el camino para Nuevas herramientas potenciales para luchar contra la falsificación. vinos, y herramientas predictivas para guiar la toma de decisiones en el sector vitivinícola.
Cada vino es el resultado de finas y complejas mezclas de miles de moléculas. Sus concentraciones fluctúan en función de la composición de la uva, que depende, a su vez, de la naturaleza, la estructura del suelo, la variedad de uva y las prácticas del enólogo. Estas variaciones, aunque sean pequeñas, pueden tener un gran impacto en el sabor del vino. Con los cambios climáticos, los nuevos hábitos de consumo y el aumento de la falsificación de vinos, la necesidad de disponer de herramientas eficaces para determinar la identidad de los vinos ha adquirido una importancia fundamental.
Una de las técnicas utilizadas es la 'cromatografía de gases', que consiste en separar los componentes de una mezcla por afinidad entre dos materiales. Este método, específicamente, requiere que la mezcla pase por un tubo muy delgado de 30 metros de largo, aquí los componentes que tengan mayor afinidad con el material del tubo se irán separando paulatinamente de los demás; Cada división será registrada luego por un "espectrómetro de masas", que producirá un cromatograma capaz de detectar los "picos" subyacentes a las separaciones moleculares.
En el caso del vino, debido a las numerosas moléculas que lo componen, estos picos son sumamente numerosos, haciendo muy difícil un análisis detallado y exhaustivo. En colaboración con el equipo de Stephanie Marchand, del Instituto de Ciencias de la Vid y del Vino de la Universidad de Burdeos, el grupo de investigación de Alexandre Pouget ha encontrado la solución a este dilema, combinando cromatogramas y herramientas de inteligencia artificial.
Los cromatogramas proceden de 80 vinos tintos de doce añadas, entre 1990 y 2007.y siete fincas en la región de Burdeos. Estos datos sin procesar luego se procesaron mediante aprendizaje automático, un campo deinteligencia artificial en el que los algoritmos aprenden a identificar patrones recurrentes en grupos de información. El método nos permite tener en cuenta los cromatogramas completos de cada vino, que pueden incluir hasta 30.000 puntos, y resumir cada cromatograma en dos coordenadas X e Y, este proceso se llama reducción de dimensionalidad.
Al colocar las nuevas coordenadas en un gráfico, los investigadores pudieron ver siete "nubes" de puntos y descubrieron que cada una de ellas agrupaba cosechas de la misma finca en función de sus similitudes químicas. De esta forma los investigadores pudieron demostrar que cada empresa tiene su propia firma química.
En el curso de sus análisis, los investigadores descubrieron que la identidad química de estos vinos no fue defidefinido por la concentración de algunas moléculas específicas, pero de un amplio espectro químico. “Nuestros resultados demuestran que es posible identificar el origen geográfico de un vino con un 100% de precisión, aplicando técnicas de reducción de dimensionalidad a los cromatogramas de gases – subrayó Pouget, que también dirigió la investigación – el estudio proporciona nuevos conocimientos sobre los componentes de la identidad y Propiedades sensoriales de un vino. También allana el camino para el desarrollo de herramientas que apoyen el proceso de toma de decisiones, como preservar la identidad y expresión de un territorio y combatir más eficazmente la falsificación."
BlogInnovazione.it
El lunes pasado, el Financial Times anunció un acuerdo con OpenAI. FT otorga licencia para su periodismo de clase mundial...
Millones de personas pagan por servicios de streaming pagando cuotas de suscripción mensuales. Es opinión común que usted…
Coveware by Veeam seguirá brindando servicios de respuesta a incidentes de extorsión cibernética. Coveware ofrecerá capacidades forenses y de remediación...
El mantenimiento predictivo está revolucionando el sector del petróleo y el gas, con un enfoque innovador y proactivo para la gestión de plantas.…
