I ricercatori hanno sviluppato un test rapido per prevedere i livelli dei composti aromatici verdi nelle uve da vino cilene

I ricercatori hanno segnalato un metodo rapido per prevedere i livelli di 3-isobutil-2-metossipirazina, o IBMP, nelle uve rosse da vino cilene, un composto legato agli aromi vegetali o “verdi” che può ridurre la qualità percepita di alcuni vini quando è presente a livelli elevati.

Lo studio, pubblicato il 4 giugno su OENO One, ha testato la spettroscopia a matrice di eccitazione-emissione assorbimento-trasmittanza, nota come A-TEEM, insieme a modelli di machine learning come strumento di screening alternativo ai metodi di gascromatografia-spettrometria di massa oggi comunemente usati per misurare l’IBMP. Questi metodi standard sono molto sensibili, ma anche costosi, lenti e tecnicamente impegnativi.

Il lavoro si è concentrato su quattro varietà di uva rossa coltivate in Cile: Cabernet-Sauvignon, Carménère, Merlot e Cabernet franc. Secondo l’articolo, i ricercatori hanno analizzato campioni raccolti durante quattro annate di vendemmia, dal 2020 al 2022 e poi nel 2024, in 72 vigneti. In totale, hanno preparato 2.400 campioni di estratto d’uva per l’analisi A-TEEM e hanno utilizzato misurazioni di riferimento da oltre 550 campioni d’uva ottenuti con SPME-GC-MS/MS, una tecnica di laboratorio standard per composti aromatici ultratraccia.

L’IBMP è importante perché si accumula nelle uve immature e tende a diminuire con la maturazione del frutto. Nei vini rossi, soprattutto nel Cabernet-Sauvignon, è associato a note di peperone verde e ad altri sentori vegetali. L’articolo osserva che la soglia sensoriale nel vino rosso è generalmente indicata tra 2 e 16 ng/L, il che significa che anche quantità molto piccole possono influire sull’aroma.

Questa soglia bassa è uno dei motivi per cui cantine e viticoltori monitorano il composto prima della vendemmia. Ma inviare i campioni a laboratori specializzati può richiedere giorni o più, limitando le decisioni sulle date di raccolta o sugli interventi in vigneto. Un test più rapido potrebbe aiutare i produttori a valutare più velocemente la maturità e a gestire un marcatore sensoriale che ha conseguenze dirette sullo stile del vino e sull’accettazione del mercato.

Gli autori hanno affermato che il loro obiettivo era sviluppare un saggio in grado di fornire risultati in meno di 10 minuti per campione. La spettroscopia A-TEEM acquisisce sia dati di assorbanza UV-Vis sia informazioni di fluorescenza di eccitazione-emissione, producendo una grande impronta spettrale per ciascun campione. In questo studio, ogni campione ha generato oltre 10.000 variabili, poi elaborate con modelli multivariati.

Per costruire e testare il sistema, i ricercatori hanno suddiviso i dati in set di calibrazione e test con rapporto 75:25. Ne sono risultati 1.816 campioni per la calibrazione e 584 per il test. Hanno inoltre adottato misure per evitare quello che hanno definito replicate trapping, mantenendo insieme le misurazioni ripetute dello stesso campione originario in modo che non migliorassero artificialmente le prestazioni del modello durante la validazione.

Il modello con le migliori prestazioni ha utilizzato la regressione support vector machine. L’articolo riporta errori quadratici medi inferiori a 0,4 ng/kg per calibrazione, cross-validation e previsione sul test set, con un R² di 0,879 per il set di test e circa 0,93 per la calibrazione. Gli autori hanno affermato che questi livelli di errore erano ben al di sotto della soglia sensoriale minima comunemente citata per l’IBMP nel vino rosso.

Sulla base di questi risultati, il team ha stimato un limite di rilevazione di 1,32 ng/kg e un limite di quantificazione di 4 ng/kg per l’approccio A-TEEM. Questo non raggiunge la sensibilità dei metodi GC-MS/MS più avanzati che utilizzano standard marcati isotopicamente e possono rilevare concentrazioni molto più basse, ma colloca il metodo ottico in un intervallo che i ricercatori hanno descritto come adatto allo screening delle uve attorno alle soglie sensoriali rilevanti.

Lo studio ha anche verificato se il metodo potesse classificare i campioni sopra o sotto un punto decisionale pratico di 2 ng/kg. Per questo compito di classificazione, i ricercatori hanno nuovamente utilizzato un modello support vector machine. Hanno riportato un coefficiente di correlazione di Matthews pari a 0,970 e hanno detto che non vi erano campioni classificati erroneamente nel gruppo sotto i 2 ng/kg. Il set di test ha prodotto cinque falsi positivi su 584 campioni, cioè meno dell’1%.

Gli autori hanno osservato che l’IBMP misurato negli estratti d’uva dovrebbe essere leggermente più alto rispetto al vino finito, in genere di circa il 30%, perché il composto viene estratto facilmente durante la vinificazione. Anche così, hanno sostenuto che uno strumento di screening basato su soglia nella fase dell’uva potrebbe comunque essere utile per le decisioni sulla vendemmia.

L’articolo colloca i nuovi risultati rispetto a lavori precedenti sulla previsione dell’IBMP con A-TEEM negli omogeneizzati d’uva. In quella ricerca precedente, gli errori di previsione e i limiti di rilevazione erano più elevati rispetto a quelli riportati qui. Gli autori hanno suggerito diverse possibili ragioni del miglioramento, comprese differenze nei set di campioni e nelle condizioni di maturità. Nello studio precedente le uve coprivano una gamma più ampia di livelli di maturazione ed erano selezionate in base alla densità degli acini; nel nuovo lavoro le uve sono state analizzate alla vendemmia senza selezione.

I ricercatori hanno anche affermato che è improbabile che l’IBMP stesso sia direttamente responsabile dei segnali di fluorescenza rilevati da A-TEEM. Ritengono invece che il metodo individui un’impronta molecolare più ampia che correla con la concentrazione di IBMP attraverso altri composti presenti negli estratti d’uva.

Questo aspetto potrebbe essere rilevante per l’uso commerciale della tecnologia. Poiché si basa su correlazioni anziché sulla sola identificazione molecolare diretta dell’IBMP, potrebbe essere più adatta come strumento rapido di screening piuttosto che come sostituto completo dell’analisi confermativa di laboratorio. Tuttavia, la sua velocità e il costo previsto inferiore potrebbero renderla interessante per le cantine che gestiscono grandi numeri di parcelle durante la vendemmia.

Per il settore delle bevande, ciò potrebbe significare decisioni più rapide su quando raccogliere l’uva e un migliore controllo del carattere vegetale indesiderato nei vini prodotti da varietà sensibili. In pratica, una cantina potrebbe usare questo tipo di screening per segnalare i lotti vicini o superiori ai livelli sensorialmente rischiosi prima di impegnarsi nelle tempistiche della raccolta o nei piani di assemblaggio.

Lo studio è stato guidato da Adam Gilmore, Han Wang, David Jeffery, Ricardo Luna, Alvaro Gonzalez, Jorge Zincker e Monica Rodríguez Campos. Appare come short communication nel volume 60, numero 2 di OENO One. L’articolo è stato ricevuto il 9 febbraio, accettato il 30 aprile e pubblicato il 4 giugno.

Gli autori hanno descritto i risultati come prova del fatto che A-TEEM combinato con il machine learning ha potenziale come metodo economico, rapido e accurato per lo screening dell’IBMP negli estratti delle varietà rosse da vino vulnerabili al carattere aromatico verde.