Los investigadores utilizan espectrometría y aprendizaje automático para distinguir con precisión los granos
La espectroscopia de plasma inducida por láser (Libs) combinada con algoritmos de aprendizaje automático podría ser una técnica de detección alternativa para identificar y discriminar los granos de maíz transgénicos de las variedades convencionales. La metodología, desarrollada por investigadores de Embrapa, cuatro universidades de tres regiones del país y un instituto italiano, se mostró capaz de hacer la distinción de forma precisa, rápida y accesible.
Actualmente, la detección y cuantificación de alimentos y piensos modificados genéticamente se realiza mediante la prueba estándar basada en la Reacción en Cadena de la Polimerasa (PCR), que detecta y cuantifica la presencia de proteínas específicas del ADN en la muestra. A pesar de su buena precisión y sensibilidad, este método requiere mucho tiempo y es costoso.
En las últimas décadas, la producción y el consumo de productos agrícolas genéticamente modificados a nivel mundial ha aumentado significativamente, debido al crecimiento de la población y la creciente demanda de alimentos. Al mismo tiempo, en los sectores de control y comercialización de alimentos ha crecido la demanda de métodos rápidos y baratos para identificar y discriminar entre productos genéticamente modificados (cuyo ADN ha sido alterado mediante técnicas de ingeniería genética) y productos no modificados.
Técnicas validadas
El estudio fue parte del doctorado de Matheus Cicero Ribeiro, dirigido por el profesor Bruno Marangoni en el Programa de Postgrado en Ciencia de Materiales de la Universidad Federal de Mato Grosso do Sul (UFMS). En Embrapa Instrumentação (SP), los experimentos fueron monitoreados por la coordinadora del Laboratorio Nacional de Agrofotónica (Lanaf), investigadora Débora Milori.
“La principal novedad de nuestra investigación es la combinación del uso de la técnica LIBS, con análisis multivariados y aprendizaje automático, en la que se evaluó la información elemental de las muestras y se utilizó para construir criterios de decisión que diferencian las muestras transgénicas de las no transgénicas”, afirma Ribeiro.
Según él, el trabajo demostró que la combinación de técnicas puede diferenciar distintas variedades de maíz genéticamente modificado y convencional, si tienen una composición elemental similar. “Tienen ventajas esenciales, como bajo coste, respuesta rápida, sensibilidad razonable y fácil aplicación”, añade.
El principal desafío de la investigación consistió en identificar los constituyentes, elementos como carbono (C), nitrógeno (N), magnesio (Mg), potasio (K), hidrógeno (H), hierro (Fe) y sodio (Na). Entre éstos, el carbono tuvo la mayor influencia en la diferenciación entre las clases de maíz transgénico y no transgénico.
“Como las muestras presentaron una composición elemental muy similar, es decir, presentan los mismos elementos, identificar marcadores específicos para cada clase fue un proceso meticuloso que consumió mucho tiempo de análisis. Por lo tanto, fue necesario combinar análisis multivariados con aprendizaje automático, momento en el que el computador fue capaz de identificar marcadores que fueran capaces de diferenciar las muestras en el proceso de clasificación”, explicó Ribeiro.
Otra diferencia del estudio fue que se evaluó un número significativo de muestras, 160 en total, de diferentes variedades transgénicas y no transgénicas de maíz. La investigación involucró seis especies de maíz, cuatro transgénicas y dos convencionales. Ribeiro dice que es la primera vez que se prueba un protocolo de validación externa para la clasificación de maíz transgénico utilizando Libs. “La validación externa corroboró la robustez del modelo”, informa.
Impactos directos
“Este método ofrece una solución eficaz para el seguimiento y la trazabilidad en el sector agrícola, cumpliendo con los requisitos regulatorios y de seguridad alimentaria y garantizando el cumplimiento de las políticas nacionales e internacionales”, refuerza el profesor Bruno Marangoni, destacando que la metodología identifica el origen de la muestra de forma ágil y accesible.
La técnica puede ser utilizada por laboratorios de análisis de alimentos, centros de control de calidad, industrias agroalimentarias y organismos reguladores. Pero las empresas agrícolas y de biotecnología también pueden utilizar la tecnología para monitorear y certificar el origen de su producción. Según él, además, las autoridades nacionales e internacionales de vigilancia sanitaria pueden aplicarlo para inspeccionar los productos alimenticios, garantizando la protección del consumidor y el cumplimiento de la normativa vigente.
“Con pruebas ágiles sobre el origen de los productos, sería posible aumentar el número de artículos analizados, resultando en mayor seguridad y transparencia en el mercado. Esta tecnología también aumentaría la confianza en la cadena de suministro de alimentos, permitiendo a los consumidores tomar decisiones informadas sobre lo que compran y consumen”, afirma el profesor.
Próximos pasos: pruebas a gran escala
El siguiente paso de la investigación pretende ampliar la base de datos, incluyendo un mayor número de muestras de diferentes localizaciones para mejorar el algoritmo de aprendizaje automático, aumentando su robustez y fiabilidad.
“A continuación, es importante explorar formas de hacer que la metodología sea más accesible y aplicable a gran escala, como la creación de dispositivos portátiles para pruebas de campo. “Estandarizar el método también es esencial, facilitando su validación y aceptación por parte de diferentes reguladores y permitiendo su integración en los procesos de control de calidad y certificación de OGM”, afirma Marangoni.
El maíz a la cabeza de los OGM
El maíz es uno de los alimentos más extendidos y esenciales en el mundo, ampliamente consumido por humanos y animales. Según Ribeiro, el maíz es el cultivo que presenta mayor número de eventos transgénicos entre los cultivos genéticamente modificados. Esto significa que se insertan diferentes genes en el ADN de la planta para resistir efectos adversos que podrían comprometer su crecimiento y producción. Según Embrapa, el 90% de todo el maíz cultivado en Brasil es transgénico.
Beneficios de las Libs
Milori, quien ha estado trabajando con la técnica durante aproximadamente 20 años, dice que en los últimos años la espectroscopia de emisión de plasma inducida por láser (Libs) ha atraído un interés significativo de la comunidad científica por su capacidad de proporcionar rápidamente información cualitativa y cuantitativa invaluable sobre la composición elemental de varios materiales.
“Además, LIBS combinado con métodos quimiométricos y de aprendizaje automático aumentó significativamente el rendimiento en la identificación y discriminación exitosa de muestras”, informa el investigador. Ella dice que LIBS es una técnica analítica popular que ha encontrado aplicaciones investigativas y prácticas en varias áreas, incluido el sector agrícola. “La técnica también es particularmente atractiva debido a la disponibilidad de instrumentos portátiles que permiten análisis LIBS in situ y en línea”, informa.
El estudio ”, publicado por la Revista Microquímica, contó con el apoyo del Consejo Nacional de Desarrollo Científico y Tecnológico (CNPq), la Fundación de Apoyo a la Investigación Científica del Estado de São Paulo (FAPESP), la Fundación de Apoyo a la Investigación Científica de Minas Gerais (Fapemig) y la Coordinación de Perfeccionamiento de Personal de Nivel Superior (Capes).