Una ricerca britannica rivela una svolta nel glutine

PUBBLICATO IL 31 LUGLIO 2023

LEXINGTON, Ky. — Sempre più persone soffrono di intolleranza al glutine e di celiachia, il che ha portato a una maggiore domanda di prodotti senza glutine sul mercato. Tuttavia, garantire che questi prodotti siano veramente privi di glutine può essere difficile, soprattutto quando si verifica una contaminazione incrociata durante la raccolta, la produzione o il confezionamento. Anche piccole tracce di glutine nei prodotti senza glutine possono avere gravi conseguenze sulla salute di chi soffre di intolleranza al glutine o di celiachia.

Per affrontare questo problema, i ricercatori del Martin-Gatton College of Agriculture, Food and Environment dell’Università del Kentucky hanno condotto uno studio, pubblicato sulla rivista Sustainability di MDPI, per trovare una soluzione.

Lo studio si è concentrato sul rilevamento e la misurazione rapidi della contaminazione della farina di frumento (glutine) nel pane di mais senza glutine utilizzando la spettroscopia infrarossa in trasformata di Fourier (FTIR). Questa tecnica utilizza l'assorbimento della luce infrarossa a diverse lunghezze d'onda per identificare i composti organici e inorganici di un campione. Inoltre, i ricercatori hanno incorporato tecniche di apprendimento automatico per aiutare a identificare e quantificare la contaminazione della farina di frumento nel pane di mais.

“La contaminazione da allergeni è un evento molto comune nell’industria alimentare”, ha affermato Akinbode Adedeji, professore associato e ricercatore principale di Biosystems and Agricultural Engineering. “La soglia è molto ridotta per chi è intollerante al glutine. Volevamo trovare un metodo rapido per determinare rapidamente se esiste una contaminazione da glutine”.

Utilizzando farina di mais e farina di frumento, Adedeji e lo studente del master in Biosistemi e Ingegneria Agraria, Abuchi Okeke, hanno preparato 13 diversi campioni di pane di mais, ciascuno con diversi livelli di contaminazione di farina di frumento. Hanno quindi utilizzato uno spettrometro FTIR con uno speciale accessorio diamantato per analizzare questi campioni. Prima di condurre l’analisi di apprendimento automatico, hanno preelaborato gli spettri raccolti utilizzando l’algoritmo di livellamento Savitzky-Golay, una tecnica di elaborazione del segnale digitale utilizzata per la riduzione del rumore dei dati e la trasformazione della derivata prima. La trasformazione derivativa aiuta a distinguere tra gli spettri di diversi campioni, quindi raggrupparli può essere più semplice con il modello di apprendimento automatico.

“La combinazione della spettroscopia FTIR e degli algoritmi di apprendimento automatico si è rivelata altamente efficace nel rilevare e misurare la contaminazione della farina di frumento nel pane di mais senza glutine con una precisione impressionante”, ha affermato Adedeji. “Anche a livelli di contaminazione molto bassi, appena lo 0,5%, il modello potrebbe identificare con precisione la presenza di farina di frumento nella farina di mais cruda e cotta. La precisione è migliorata con l’aumentare del livello di contaminazione”.

Lo studio ha inoltre scoperto che gli algoritmi di apprendimento automatico, una tecnica che combina più modelli di apprendimento automatico, migliorano ulteriormente la precisione, superando i metodi di apprendimento automatico individuali.

Una scoperta significativa emersa dalla ricerca è stata l’identificazione dell’algoritmo K-nearest neighbor (kNN) come l’approccio più promettente per quantificare la quantità di contaminazione della farina di frumento nel pane di mais senza glutine. L'algoritmo kNN prevede il livello di contaminazione di un campione sconosciuto confrontandolo con gli esempi più vicini nel set di dati. Un altro contributo fondamentale dello studio è stato lo sviluppo di un’app britannica open source chiamata “Glutini” in grado di analizzare i dati FTIR raccolti da prodotti contaminati per rilevare e quantificare il glutine in tempo reale.

Adedije ha affermato che le implicazioni di questo studio sono di vasta portata, in particolare per l’industria alimentare e i produttori di prodotti senza glutine. La combinazione della spettroscopia FTIR e degli algoritmi di apprendimento automatico fornisce un modo affidabile ed efficiente per garantire la sicurezza e la qualità dei prodotti senza glutine, proteggendo così le persone con intolleranza al glutine o malattia celiaca da potenziali rischi per la salute.

"Utilizzando algoritmi di apprendimento automatico per analizzare grandi set di dati e identificare modelli nascosti, le ispezioni sulla sicurezza alimentare e le valutazioni della qualità possono essere notevolmente migliorate in termini di precisione ed efficienza", ha affermato. “Questa ricerca rappresenta un significativo passo avanti nel fornire ai consumatori opzioni senza glutine più sicure e di qualità superiore”.