En América del Sur, Argentina es uno de los principales productores y exportadores de vinos de alta calidad, y la provincia de Mendoza es la región productora de uva y vino más importante, representando más del 75% de la producción nacional. La identificación del origen geográfico de uvas para vinificación (Vitis vinifera L.) es de gran interés en el comercio actual, ya que está directamente relacionada con la procedencia del vino y con las prácticas vinícolas que pertenecen a una región específica. Además, es altamente valioso para asegurar la calidad de esta bebida. Dentro de este marco, la trazabilidad de las uvas y vinos producidos en Argentina y los más importantes países vitivinícolas del mundo, está siendo intensamente controlada desde los últimos años para certificar su origen. Dado este contexto, becarios e investigadores del QUIANID y docentes de la FCEN-UNCUYO desarrollaron una aplicación para lograr una clasificación regional de uvas utilizando el perfil mineral de las muestras con herramientas estadísticas. Lo novedoso de este desarrollo se enfocó en la utilización de semillas de uva, dada que la mayor concentración de elementos en las uvas se localiza principalmente en sus semillas y son los principales subproductos resultantes de la industria del vino. Dicho trabajo se realizó en el marco de la tesis doctoral de la Licenciada Brenda Canizo, bajo la dirección del Dr. Rodolfo Wuilloud.
Las herramientas estadísticas multivariantes combinadas con los datos obtenidos mediante el análisis multielemental realizado por Espectrometría de Masas con Plasma Acoplado Inductivamente (ICP-MS) de semillas de uvas cultivadas de viñedos ubicados en cinco departamentos vitivinícolas de Mendoza, permitieron una diferenciación geográfica. Todas las muestras de semillas se caracterizaron por veintinueve descriptores Ag, As, Ce, Co, Cs, Cu, Eu, Fe, Ga, Gd, La, Lu, Mn, Mo, Nb, Nd, Ni, Pr, Rb, Sm, Te, Ti, Tl, Tm, U, V, Y, Zn y Zr. La caracterización quimométrica básica se realizó por Análisis de Componentes Principales (PCA). Los resultados obtenidos de PCA mostraron que solo las muestras de una región podrían diferenciarse claramente, pero otras muestras de semillas con diferente origen geográfico no pudieron ser resueltas por este método. Estos hallazgos sugirieron la necesidad de utilizar métodos estadísticos más complejos. Se seleccionaron y probaron cinco modelos, Análisis Discriminante Lineal (LDA), Análisis Discriminante Mínimos Cuadrados Parciales (PLS-DA), k-vecinos más próximos (k-NN), Máquinas de Vectores de Soporte (SVM) y Bosques Aleatorios (RF), que mostraron diferentes grados de éxito en la predicción de muestras de prueba. El orden de las tasas de clasificación exitosas fue el siguiente: RF> SVM> k-NN> LDA> PLS-DA. El uso de métodos no lineales resolvió el problema de clasificación, siendo RF el modelo ideal para discriminar las muestras de semilla de uva según su origen geográfico, con una precisión de clasificación global del 98,3%.
La primera clasificación intrarregional de semillas de uva de la provincia de Mendoza, Argentina, se logró en este trabajo. El método de RF ha demostrado ser una herramienta prometedora en el análisis de clasificación y control de calidad de las materias primas utilizadas en la industria vinícola.
Los resultados de la presente investigación han sido publicados en la revista Food Chemistry y pueden obtenerse desde la base de datos de SCOPUS, disponible en el campus de la universidad. El artículo completo se titula:
“Intra-regional classification of grape seeds produced in Mendoza province (Argentina) by multi-elemental analysis and chemometrics tools” Brenda Vanina Canizo, Leticia Belén Escudero, María B. Pérez, Roberto Pellerano, Rodolfo G. Wuilloud. Food Chemistry 242 (2018) 272-278. ISNN: 0308-8146 Editorial: Elsevier. DOI: 10.1016/j.foodchem.2017.09.062
Por Leticia Escudero
