I ricercatori hanno sviluppato un modello di IA per prevedere la stabilità antiossidante del kefir

I ricercatori hanno pubblicato un preprint che descrive un modello di deep learning progettato per prevedere quanto bene i composti fenolici e la capacità antiossidante si mantengano nel kefir arricchito con estratto di vinaccioli d’uva durante la conservazione refrigerata, una linea di lavoro che potrebbe aiutare gli sviluppatori di bevande a valorizzare meglio i sottoprodotti delle cantine.

Secondo il manoscritto pubblicato su Preprints.org, lo studio si è concentrato su kefir fortificato con estratto di vinaccioli di uva nera in due forme: estratto libero ed estratto incapsulato in alginato. Il modello è stato sviluppato per stimare la ritenzione dei fenoli e la capacità antiossidante mentre il prodotto veniva conservato a 4 gradi Celsius e valutato nei giorni 1, 7 e 14.

Il lavoro combina chemiometria e deep learning per affrontare un problema pratico nello sviluppo di bevande funzionali: i composti bioattivi spesso cambiano nel tempo, e tali cambiamenti possono influire sia sulle indicazioni nutrizionali sia sulla qualità del prodotto. Cercando di prevedere queste variazioni invece di misurarle solo dopo la conservazione, i ricercatori propongono uno strumento che potrebbe supportare prima le decisioni di formulazione nello sviluppo.

Il preprint si concentra sul kefir, una bevanda lattiero-casearia fermentata, ma la rilevanza più ampia va oltre le bevande a base di latte coltivato. I vinaccioli sono un importante sottoprodotto della vinificazione e l’interesse nel trasformare questi residui in ingredienti con valore commerciale è cresciuto. Se modelli come questo si dimostreranno affidabili, potrebbero offrire alle aziende beverage un modo per testare come ingredienti ricchi di polifenoli si comportano nei prodotti finiti senza fare affidamento solo su ripetute prove di laboratorio. Ciò potrebbe essere particolarmente utile per i team di ricerca che lavorano su bevande fermentate o su altre bevande posizionate in base al contenuto antiossidante.

L’incapsulamento è una parte chiave dello studio. L’alginato è comunemente usato per proteggere i composti sensibili e, in questo caso, i ricercatori hanno esaminato se racchiudere l’estratto di vinaccioli in alginato potesse aiutare a preservare fenoli e attività antiossidante durante la conservazione a freddo. La progettazione del modello, attenta al tempo di conservazione, riflette il fatto che il tempo è una delle principali variabili che influenzano la stabilità nelle bevande vendute con una shelf life refrigerata.

Poiché il paper è un preprint, i suoi risultati devono essere considerati preliminari. I preprint vengono condivisi prima della peer review, il che significa che metodi e conclusioni non hanno ancora superato la valutazione esterna standard utilizzata nella pubblicazione scientifica. Il materiale di fonte disponibile dal monitor non includeva metriche dettagliate di prestazione del modello né risultati sperimentali completi, quindi non è ancora possibile valutare, sulla sola base di queste informazioni, quanto fossero accurate le previsioni o se l’incapsulamento abbia costantemente superato l’estratto libero in tutte le misurazioni.

Anche così, il tema si inserisce in una più ampia spinta della ricerca alimentare e beverage a combinare recupero degli ingredienti e analisi predittiva. In termini pratici, i produttori sono sotto pressione per ridurre gli sprechi, sviluppare prodotti con un posizionamento funzionale più chiaro e accorciare i cicli di sviluppo. Un modello in grado di stimare come fenoli e capacità antiossidante cambieranno in 14 giorni di refrigerazione potrebbe in futuro aiutare a restringere il campo delle formulazioni che meritano un lavoro di validazione più costoso.

Lo studio segnala anche una sovrapposizione sempre più comune tra scienza alimentare e intelligenza artificiale. Invece di usare il machine learning solo per le tendenze dei consumatori o per le catene di approvvigionamento, i ricercatori lo stanno applicando direttamente alla chimica di formulazione e al comportamento di shelf life. Nelle bevande che contengono estratti vegetali, soprattutto quelle commercializzate per il loro valore salutistico aggiunto, questo approccio potrebbe diventare più importante mentre le aziende cercano di bilanciare stabilità, gusto e vincoli di processo.

Per ora, il report resta una proposta scientifica in fase iniziale: usare l’incapsulamento in alginato per proteggere i bioattivi dei vinaccioli nel kefir, quindi utilizzare un sistema di deep learning sensibile al tempo di conservazione per prevedere cosa rimane dopo uno, sette e 14 giorni a temperatura di refrigerazione. Se questo approccio potrà passare dalla modellazione sperimentale all’uso routinario nella ricerca sulle bevande dipenderà dalla validazione peer-reviewed e da quanto bene si comporterà su prodotti oltre il kefir.