Herramientas para el agregado de valor de productos autóctonos: aplicaciones de espectroscopía + quimiometría para la discriminación de cultivares de quinoa

RODRÍGUEZ SILVIO D.

Buenos Aires

Mesa redonda; XV CYTAL, Congreso Argentino de Ciencia y Tecnología de Alimentos; 2015

Ciertos cultivos andinos, son re-emergentes debido a sus características nutricionales y a las potenciales aplicaciones tecnológicas de sus componentes. Se consideran cultivos con una gran variabilidad genética y esto es favorable desde el punto de vista de que están adaptados a diversas condiciones agro-climáticas y condiciones edáficas. El interés por estos cultivos radica también en sus buenas propiedades como ingredientes en la industria de alimentos. Sin embargo, la gran variabilidad, se traduce también en una dispersión en cuanto a sus propiedades nutricionales y a la funcionalidad de sus componentes, por lo que se requiere un detallado análisis para verificar su procedencia y/o potenciales características tecnológicas. Las técnicas espectroscópicas permiten las mediciones en forma no invasiva, posibilitando la determinación en simultáneo de todos los componentes in situ en la matriz del alimento y en ocasiones en línea durante el proceso productivo, abriendo nuevas posibilidades dentro del análisis de alimentos, que son explotadas en mayor medida cuando se aplican métodos multivariados. Los métodos quimiométricos son un número de técnicas que se utilizan cuando cada muestra está asociada a varias mediciones o variables. Los datos espectroscópicos en general consisten en varios cientos o miles de variables y dichas variables individuales están fuertemente correlacionadas. Los métodos quimiométricos están diseñados para tratar este conjunto de datos multivariados y correlacionados, los cuales pueden ser problemáticos para modelos con métodos estadísticos tales como regresión lineal multivariada (MLR). Los métodos bilineales, tales como análisis de componentes principales (PCA), regresión por componentes principales (PCR) y regresión por mínimos cuadrados parciales (PLSR) sobrellevan la problemática de la colinearidad del conjunto de datos extrayendo variables latentes linealmente independientes de las variables originales. Por otro lado, las espectroscopías de infrarrojo cercano (NIR), infrarroja (IR) y Raman generalmente contienen variaciones sistemáticas tales como compensaciones aditivas o multiplicativas causadas por efectos dispersivos, interferentes químicos o variaciones del instrumento (drift). Dichas variaciones en ocasiones complican el análisis de datos y su interpretación, con lo cual se utiliza el preprocesado matemático del conjunto de datos, reduciendo el impacto de la información no relevante y generalmente conlleva a modelos de regresión más simples y robustos y a una mejor interpretación de los datos. El objetivo de este trabajo fue llevar a cabo la discriminación de muestras de semillas de quinoa de diferentes regiones: Colanzuli (Salta, Argentina), BO25, Regalona, Udc9 (Chile) y una muestras comercial, empleando de espectroscopía infrarroja (FT-MIR/ATR y FT-NIR/NIRA) en conjunto con análisis de componentes principales (PCA) y análisis de clusters (CA). El PCA mostró una buena agrupación de las muestras de cada una de las regiones bien definidas, confirmado mediante el CA que arrojó una agrupación correcta de todas las muestras en 5 grupos. Estos resultados muestran el valor potencial de estas técnicas para la discriminación geográfica de las diferentes semillas analizadas, lo que posibilitará agregar valor y mejorar sus condiciones de comercialización y aprovechamiento tecnológico.