L’aumento del consumo di carne, ma anche dei rischi dovuti al deterioramento e ai richiami, spingono gli addetti ai lavori a sviluppare nuove metodologie non distruttive di monitoraggio della qualità affidabili e in grado di fornire parametri in tempo reale. La contaminazione microbica porta alla produzione di metaboliti pericolosi per la salute umana.
La domanda globale di carne ha superato i 352,7 milioni di tonnellate nel 2021 e si prevede che supererà i 400 milioni di tonnellate entro il 2025, almeno secondo il rapporto 2021 dell’Organizzazione per l’alimentazione e l’agricoltura (FAO). Ad aumentare a livello mondiale è anche il costo economico del deterioramento della carne e dei richiami su larga scala.
Ciò è dovuto principalmente al fatto che le carni e prodotti a base di carne hanno un’elevata attività dell’acqua (>0,998) e un pH da neutro a leggermente acido (5,5-6,5), fornendo un mezzo di crescita adatto per diversi microrganismi.
A causa della tecnologia di lavorazione, delle condizioni di conservazione, delle catene di trasporto inadeguate e di altri fattori, la carne è altamente deperibile. La contaminazione microbica porta alla produzione di metaboliti pericolosi per la salute umana, come idroperossidi, aldeidi e chetoni. Pertanto, un monitoraggio e una prevenzione efficaci e tempestivi del deterioramento della carne sono essenziali per garantire la salute dei consumatori.
I metodi convenzionali di rilevamento dello stato conservativo della carne e della sua qualità rientrano in due categorie principali: quelli basati sui caratteri organolettici e quelli basati sulla chimica analitica. Le metodologie classiche, come la cromatografia liquida/gas-spettrometria di massa, la spettroscopia infrarossa in trasformata di Fourier e l’elettroforesi capillare, sono efficaci ma scomode per gli analisti e costose e distruttive per i campioni. Richiedono molto tempo e analisti ben addestrati, il che rende difficile monitorare il deterioramento della carne in tempo reale e soddisfare la crescente domanda di consumatori e produttori di carne sana, sicura e di alta qualità.
Pertanto, gli scienziati lavorano costantemente per combinare diverse tecnologie di rilevamento avanzate con nuovi materiali o biomolecole per sviluppare diversi approcci non distruttivi di monitoraggio del deterioramento della carne, che abbiano elevata portabilità ed efficienza, come i dispositivi spettroscopici portatili, i nasi elettronici, lab-on-a-chip, packaging intelligente e analisi basate su wireless/smartphone.
Queste tecnologie emergenti non solo possono fornire parametri e stato della carne in tempo reale e affidabili, ma hanno anche la capacità di monitorare continuamente i cambiamenti nella carne stessa e nell’ambiente circostante. Tuttavia, la maggior parte di questi metodi sono ancora in fase di sperimentazione in laboratorio o su piccola scala, il che costituisce un ostacolo considerevole alla loro promozione commerciale. Vediamo di seguito alcuni metodi innovativi che potrebbero essere utilizzati in futuro per il rilevamento e il monitoraggio della qualità della carne.
Sensori calorimetrici algoritmi
Alcuni ricercatori hanno proposto un sensore colorimetrico a microaghi utilizzando un algoritmo di deep learning per il monitoraggio visualizzato della freschezza della carne (“Colorimetric microneedle sensor using deep learning algorithm for meat freshness monitoring”, Chemical Engineering Journal, Volume 481, 1 febbraio 2024).
Il sensore colorimetrico a microaghi è stato ottenuto stampando idrogel commestibili contenenti antociani sensibili al pH, ovvero che cambiano colore a causa del cambiamento strutturale degli antociani in risposta al pH. Il sensore colorimetrico a microaghi è in grado di penetrare nella carne ed estrarre i fluidi tissutali. Con il deterioramento della carne, il pH del fluido tissutale aumenta gradualmente, portando a un cambiamento nel sensore colorimetrico a microaghi dal rosa al viola e infine al blu scuro. Inoltre, è stato applicato un algoritmo di deep learning da integrare con il sensore colorimetrico a microaghi per formare un’applicazione per smartphone (app), consentendo un rilevamento della freschezza più comodo e accurato.
Sono state raccolte immagini del sensore colorimetrico a microaghi attaccate alla carne con diversa freschezza per formare una fonte di training come input della rete neurale convoluzionale. È stato possibile classificare la freschezza della carne come “fresca”, “meno fresca” e “guastata”. Con l’incorporazione della rete neurale convoluzionale, l’App ha consentito agli utenti di identificare la freschezza della carne dalle foto archiviate o dalle immagini in tempo reale di carni etichettate con sensore colorimetrico a microaghi in modo rapido, accurato, portatile.
Modello predittivo per la stima della freschezza ella carne
È stata proposta la possibilità di utilizzare la fleboclisi come metodo non distruttivo per valutare la freschezza e il deterioramento della carne di pollo (“A non-destructive predictive model for estimating the freshness/spoilage of packaged chicken meat using changes in drip metabolites”, International Journal of Food Microbiology, 16 luglio 2024). I parametri di qualità della carne di pollo, quali pH, azoto base volatile e conta batterica aerobica totale, sono stati valutati durante un periodo di conservazione di 13 giorni in confezioni sottovuoto a 4°C.
Contemporaneamente, i metaboliti nella carne di pollo e nel suo gocciolamento sono stati misurati mediante risonanza magnetica nucleare. Sono state condotte analisi di correlazione (grado di Pearson e Spearman) e analisi del percorso per selezionare i metaboliti per l’addestramento del modello. I modelli di regressione logistica binaria e di regressione lineare multipla sono stati addestrati utilizzando metaboliti selezionati e le loro prestazioni sono state valutate utilizzando le curve ROC (Receiver Operating Characteristic).
L’analisi di correlazione ha identificato un acido organico, otto amminoacidi liberi e cinque acidi nucleici come altamente correlati con la carne di pollo e il suo gocciolamento durante la conservazione. È emerso anche che il metabolismo della tirosina e delle purine è una via metabolica altamente correlata al deterioramento. Sulla base di questi risultati, sono stati selezionati metaboliti specifici per l’addestramento del modello: ATP, glutammina, ipoxantina, IMP, tirosina e tiramina. Il modello sviluppato, utilizzando i cambiamenti metabolici nel gocciolamento, ha dimostrato la capacità di prevedere in modo non distruttivo la freschezza e il deterioramento della carne di pollo a 4°C. Secondo i ricercatori, per fare previsioni generiche, è necessario espandere l’applicabilità del modello a varie condizioni, come temperature diverse, e convalidarne le prestazioni su più lotti di polli.
Stefania Milanello Esperta in impianti alimentari e divulgatrice scientifica
