A aplicação da técnica de espectroscopia combinada com aprendizado de máquina tem se mostrado uma poderosa ferramenta para distinguir grãos transgênicos de não transgênicos de forma precisa e eficiente. A técnica de espectroscopia de plasma induzida por laser (LIBS) tem a capacidade de fornecer informações qualitativas e quantitativas de maneira rápida e acessível, o que a torna ideal para o monitoramento e rastreabilidade de produtos agrícolas, em conformidade com as normas vigentes.
Desenvolvida por pesquisadores da Embrapa, quatro universidades brasileiras e um instituto italiano, essa metodologia tem potencial para beneficiar não apenas os laboratórios de análise de alimentos, mas também órgãos reguladores e autoridades de vigilância sanitária. A substituição de métodos mais caros e demorados por essa abordagem inovadora pode assegurar a proteção do consumidor e garantir a segurança alimentar.
A pesquisa, conduzida no âmbito do doutorado de Matheus Cicero Ribeiro, em parceria com o professor Bruno Marangoni, teve como foco a identificação e discriminação de variedades de milho transgênico e convencional. A combinação de técnicas como LIBS, análises multivariadas e aprendizado de máquina permitiu diferenciar as amostras com composição elementar semelhante, apresentando vantagens como baixo custo, resposta rápida e fácil aplicação.
O desafio principal da pesquisa consistiu na identificação dos constituintes presentes nos grãos de milho, com destaque para o carbono como elemento influente na diferenciação entre as classes transgênica e não transgênica. A quantidade significativa de amostras avaliadas, 160 no total, provenientes de diferentes variedades, contribuiu para a validação externa do modelo, demonstrando sua robustez.
Os impactos diretos dessa metodologia no setor agrícola são expressivos, uma vez que ela oferece uma solução eficaz para o monitoramento e rastreabilidade de produtos, atendendo às regulamentações e garantindo a conformidade com as normas vigentes. Além disso, a confiança na cadeia de suprimentos alimentares é fortalecida, permitindo que os consumidores façam escolhas informadas e seguras.
Os próximos passos da pesquisa envolvem a expansão da base de dados e aprimoramento do algoritmo de aprendizado de máquina, visando tornar essa metodologia ainda mais acessível e aplicável em larga escala. A padronização do método é essencial para sua validação e aceitação por diferentes reguladores, possibilitando sua integração aos processos de controle de qualidade e certificação de transgênicos.
Em um cenário onde a produção e consumo de alimentos geneticamente modificados estão em crescimento, a aplicação da espectroscopia combinada com aprendizado de máquina representa um avanço significativo para a identificação e discriminação de produtos transgênicos, promovendo segurança alimentar e transparência no mercado.
Com informações da Embrapa
Fotos: Foto: Victor Otsuka / Embrapa
