Simplifican el método para categorizar el aceite de oliva
Investigadores de la Universidad de Córdoba, liderados por la catedrática de Química Analítica Lourdes Arce, desarrolla una metodología analítica que complementa la cata sensorial y trabaja para implementarlo en las empresas. La nueva metodología se basa en analizar la fracción aromática del aceite -esto es, los compuestos químicos volátiles- como si fuera la nariz de un catador humano mediante el empleo de la cromatografía de gases acoplada y a la espectrometría de movilidad iónica, que es una técnica que separa los iones en fase gaseosa.
Fuente: Universidad de Córdoba
Actualmente la categorización del aceite de oliva es muy costosa y lenta. Para clasificarlo en aceite de oliva virgen extra (AOVE), virgen (AOV) o lampante (AOL) se utiliza el método oficial de análisis físico-químico y finalmente un análisis sensorial.
La categorización del aceite de oliva es muy costosa y lenta y por eso las empresas reclaman un sistema complementario al análisis sensorial.
Este último se basa en el trabajo de un panel de expertos catadores que consiste en probar uno por uno los distintos aceites de oliva para determinar su categoría, lo cual supone un gran coste económico para las envasadoras.
Por este motivo, tienen un gran interés en que se desarrolle un método analítico complementario para su clasificación. Además, las personas expertas en cata de aceite de oliva son escasas en otros países, por lo que urge categorizar el aceite mediante una forma complementaria al análisis sensorial.
Un grupo de investigación de la Universidad de Córdoba, liderado por la catedrática de Química Analítica Lourdes Arce, trabaja desde 2011, con el apoyo económico de la Interprofesional del Aceite de Oliva Español (IAOE) para dar respuesta a esta necesidad.
Lourdes Arce y Natividad Jurado, investigadoras de la Universidad de Córdoba
La nueva metodología se basa en analizar la fracción aromática del aceite -esto es, los compuestos químicos volátiles- como si fuera la nariz de un catador humano mediante el empleo de la cromatografía de gases acoplada y a la espectrometría de movilidad iónica, que es una técnica que separa los iones en fase gaseosa.
Este instrumento genera gráficos tridimensionales (con los tiempos de retención y de deriva y la intensidad de la señal como variables) de cada compuesto químico volátil de cada muestra de aceite que da como resultado un gran número de datos para procesar, lo que dificulta que las empresas adopten esta metodología.
Para facilitar su implementación, el grupo ha estudiado dos estrategias de tratamiento de datos: la primera utilizando la huella espectral (esto es, toda la información química de cada aceite) y la segunda, tomando una serie de señales concretas, 113 de los más de 200.000 datos químicos que componen la huella espectral.
Se analizaron 701 muestras heterogéneas de aceite de oliva que procedían de diferentes variedades de aceitunas y con distintos grados de madurez, origen geográfico y que habían sido sometidas a prácticas de procesamiento y almacenamiento diferentes. Estas muestras fueron proporcionadas por la IAOE en colaboración con el Ministerio de Agricultura, Alimentación y Medio Ambiente y la Conserjería de Agricultura, Pesca y Desarrollo Rural de la Junta de Andalucía.
Finalmente se concluyó que la estrategia basada en marcadores era fiable para predecir la categoría de las muestras de aceite y es más sencilla para implementarla en la industria que la estrategia de usar toda la huella espectral. En cualquier caso, se indica que los modelos deberían recalibrarse año a año incluyendo nuevas muestras de aceite de la campaña en curso. El grupo de investigación sigue trabajando en esta línea para decidir el número de muestras mínimo necesario para recalibrar los modelos sin que se pierda capacidad predictiva para categorizar el aceite de oliva.
Últimas publicaciones
Científicos del Instituto de Agricultura Sostenible de Córdoba han diseñado una metodología para analizar por separado los microorganismos que habitan sobre los fragmentos de acolchados plásticos que cubren el suelo en la agricultura intensiva y los que viven en las partículas de tierra que se quedan adheridas. El trabajo podría ayudar a identificar bacterias capaces de degradar este material y contribuir así a la búsqueda de soluciones biológicas para combatir su acumulación en el campo.
Investigadores de la Universidad de Málaga han desarrollado un algoritmo de Inteligencia Artificial (IA) que realiza un agrupamiento no supervisado de objetos similares evitando el etiquetado manual. Este modelo es capaz de detectar una gran diversidad de elementos en la zona de pistas de un aeródromo, desde personas hasta aviones. Otra de las novedades es su optimización para ahorrar tiempo de cálculo y energía en las tareas de identificación, de forma que permite su uso en dispositivos de bajo consumo.
Sigue leyendo
El estudio, liderado por el Instituto de Investigación Biosanitaria de Granada con la participación de la Universidad de Granada, reveló que las niñas con mayor exposición al bisfenol A presentaban un riesgo casi tres veces mayor de desarrollar sobrepeso u obesidad. El hallazgo destaca la necesidad de seguir investigando sobre la relación entre contaminantes ambientales y enfermedades metabólicas para mejorar el bienestar de la población infantil.
Sigue leyendo
