Forscher entwickelten einen Schnelltest zur Vorhersage von Grünaroma-Verbindungen in chilenischen Weintrauben

Forscher berichteten über ein Schnellverfahren zur Vorhersage der Gehalte an 3-Isobutyl-2-methoxypyrazin, kurz IBMP, in chilenischen Rotweintrauben, einer Verbindung, die mit pflanzlichen oder „grünen“ Aromen verbunden ist und bei hohen Konzentrationen die wahrgenommene Qualität mancher Weine mindern kann.

Die am 4. Juni in OENO One veröffentlichte Studie testete die Absorbanz-Transmittanz-Anregungs-Emissionsmatrix-Spektroskopie, bekannt als A-TEEM, zusammen mit Machine-Learning-Modellen als alternatives Screening-Verfahren zu den Gaschromatographie-Massenspektrometrie-Methoden, die derzeit üblicherweise zur Messung von IBMP eingesetzt werden. Diese Standardmethoden sind hochsensitiv, aber auch teuer, langsam und technisch anspruchsvoll.

Die Arbeit konzentrierte sich auf vier in Chile angebaute rote Rebsorten: Cabernet-Sauvignon, Carménère, Merlot und Cabernet franc. Laut der Studie analysierten die Forscher Proben aus vier Erntejahren, von 2020 bis 2022 sowie erneut 2024, aus 72 Weinbergen. Insgesamt bereiteten sie 2.400 Traubenextraktproben für die A-TEEM-Analyse vor und nutzten Referenzmessungen von mehr als 550 Traubenproben, die mit SPME-GC-MS/MS gewonnen wurden, einer Standard-Labortechnik für ultratrace Aromastoffe.

IBMP ist relevant, weil es sich in unreifen Trauben anreichert und mit zunehmender Reife des Leseguts tendenziell abnimmt. In Rotweinen, insbesondere Cabernet-Sauvignon, wird es mit grünem Paprika und anderen pflanzlichen Noten in Verbindung gebracht. Die Studie weist darauf hin, dass die sensorische Schwelle in Rotwein allgemein zwischen 2 und 16 ng/L angegeben wird, was bedeutet, dass selbst sehr geringe Mengen das Aroma beeinflussen können.

Diese niedrige Schwelle ist ein Grund dafür, dass Weingüter und Erzeuger die Verbindung vor der Lese überwachen. Doch Proben an spezialisierte Labore zu schicken, kann Tage oder länger dauern, was Entscheidungen über den Lesezeitpunkt oder Maßnahmen im Weinberg einschränken kann. Ein schnellerer Test könnte Produzenten helfen, den Reifegrad rascher zu beurteilen und einen sensorischen Marker zu steuern, der direkte Folgen für den Weinstil und die Marktakzeptanz hat.

Ziel der Autoren war es nach eigenen Angaben, einen Assay zu entwickeln, der Ergebnisse in weniger als 10 Minuten pro Probe liefern kann. Die A-TEEM-Spektroskopie erfasst sowohl UV-Vis-Absorptionsdaten als auch Fluoreszenz-Anregungs-Emissions-Informationen und erzeugt für jede Probe einen umfangreichen spektralen Fingerabdruck. In dieser Studie lieferte jede Probe mehr als 10.000 Variablen, die anschließend mit multivariaten Modellen verarbeitet wurden.

Um das System aufzubauen und zu testen, teilten die Forscher die Daten im Verhältnis 75:25 in Kalibrierungs- und Testdatensätze auf. Daraus ergaben sich 1.816 Proben für die Kalibrierung und 584 für den Test. Zudem ergriffen sie Maßnahmen gegen das von ihnen so bezeichnete Replicate Trapping und hielten wiederholte Messungen derselben Ausgangsprobe zusammen, damit sie die Modellleistung bei der Validierung nicht künstlich verbessern konnten.

Das leistungsstärkste Modell verwendete Support Vector Machine Regression. Die Studie berichtete über Root-Mean-Square-Fehler unter 0,4 ng/kg für Kalibrierung, Kreuzvalidierung und Testvorhersage sowie über ein R² von 0,879 für den Testdatensatz und rund 0,93 für die Kalibrierung. Die Autoren erklärten, diese Fehlerwerte lägen deutlich unter der niedrigsten allgemein zitierten sensorischen Schwelle für IBMP in Rotwein.

Auf Grundlage dieser Ergebnisse schätzte das Team eine Nachweisgrenze von 1,32 ng/kg und eine Quantifizierungsgrenze von 4 ng/kg für den A-TEEM-Ansatz. Das erreicht nicht die Empfindlichkeit der fortschrittlichsten GC-MS/MS-Methoden mit isotopenmarkierten Standards, die deutlich niedrigere Konzentrationen erfassen können; es ordnet das optische Verfahren jedoch in einen Bereich ein, den die Forscher als zweckmäßig für das Screening von Trauben rund um relevante sensorische Schwellen beschrieben.

Die Studie prüfte außerdem, ob sich mit der Methode Proben oberhalb oder unterhalb eines praktischen Entscheidungswerts von 2 ng/kg einordnen lassen. Für diese Klassifikationsaufgabe verwendeten die Forscher erneut ein Support Vector Machine-Modell. Sie berichteten einen Matthews-Korrelationskoeffizienten von 0,970 und erklärten, dass es in der Gruppe unterhalb von 2 ng/kg keine falsch klassifizierten Proben gegeben habe. Der Testdatensatz ergab fünf falsch positive Ergebnisse bei 584 Proben oder weniger als 1%.

Die Autoren merkten an, dass in Traubenextrakten gemessenes IBMP voraussichtlich etwas höher liegt als im fertigen Wein, typischerweise um etwa 30%, weil sich die Verbindung während der Weinbereitung leicht extrahieren lässt. Dennoch argumentierten sie, dass ein schwellenwertbasiertes Screening auf Traubenebene weiterhin nützlich für Leseentscheidungen sein könnte.

Die Studie stellt die neuen Ergebnisse früheren Arbeiten zur A-TEEM-Vorhersage von IBMP in Traubenhomogenaten gegenüber. In jener früheren Forschung waren Vorhersagefehler und Nachweisgrenzen höher als hier berichtet. Die Autoren nannten mehrere mögliche Gründe für die Verbesserung, darunter Unterschiede bei den Probensätzen und den Reifebedingungen. In der früheren Studie deckten die Trauben einen breiteren Reifebereich ab und wurden nach Beeren­dichte sortiert; in der neuen Arbeit wurden die Trauben bei der Lese ohne Sortierung analysiert.

Die Forscher sagten außerdem, dass IBMP selbst wahrscheinlich nicht direkt für die von A-TEEM erfassten Fluoreszenzsignale verantwortlich ist. Stattdessen gehen sie davon aus, dass die Methode einen breiteren molekularen Fingerabdruck erfasst, der über andere in Traubenextrakten vorhandene Verbindungen mit der IBMP-Konzentration korreliert.

Dieser Punkt könnte für den kommerziellen Einsatz der Technologie wichtig sein. Da sie auf Korrelationen statt auf einer direkten molekularen Identifizierung allein von IBMP beruht, eignet sie sich möglicherweise besser als Schnell-Screening-Instrument denn als vollständiger Ersatz für bestätigende Laboranalysen. Dennoch könnten ihre Geschwindigkeit und die voraussichtlich geringeren Kosten sie für Weingüter attraktiv machen, die während der Lese große Mengen an Weinbergsparzellen verarbeiten.

Für den Getränkesektor könnte das schnellere Entscheidungen darüber bedeuten, wann gelesen werden soll, sowie eine bessere Kontrolle unerwünschter pflanzlicher Charaktere in Weinen aus anfälligen Sorten. In der Praxis könnte ein Weingut eine solche Prüfung nutzen, um Partien nahe oder oberhalb sensorischer Risikogrenzen zu identifizieren, bevor es sich auf einen Lesezeitpunkt oder Verschnittpläne festlegt.

Die Studie wurde von Adam Gilmore, Han Wang, David Jeffery, Ricardo Luna, Alvaro Gonzalez, Jorge Zincker und Monica Rodríguez Campos geleitet. Sie erscheint als Short Communication in Band 60, Ausgabe 2 von OENO One. Das Papier ging am 9. Februar ein, wurde am 30. April angenommen und am 4. Juni veröffentlicht.

Die Autoren beschrieben die Ergebnisse als Beleg dafür, dass A-TEEM in Kombination mit Machine Learning Potenzial als kostengünstige, schnelle und genaue Methode zum Screening von IBMP in Extrakten roter Weinrebsorten hat, die anfällig für grüne Aromatik sind.