L’origine dei cibi.

Nota: si ricorda che le opinioni espresse in questo blog non sono da ascrivere alla SCI o alla redazione ma al solo autore del testo

a cura di Luigi Campanella, ex Presidente SCI

La valorizzazione dei prodotti alimentari tipici abbisogna di strumenti scientifici di elevata affidabilità e di basso costo per la più corretta identificazione e localizzazione , per la difesa contro qualsiasi forma di concorrenza e per garantire il consumatore della loro specificità.

Lo strumento chemiometrico ed altri più recenti di natura chimico-matematica sono noti e collaudati sul piano scientifico da oltre 40 anni.

In alcuni settori sono anche utilizzati per identificazione delle caratteristiche e del valore commerciale, ad esempio per il petrolio greggio. L’impiego in agricoltura   è condizionato dalla esigenza di disporre di procedure di facile e rapida applicazione in qualsiasi condizione. E’ quindi necessario mediante una ricerca di semplificare ed ottimizzare , in termini pratici, questo strumento scientifico di assoluta affidabilità.

Per l’accertamento a posteriori della “qualità” di un prodotto è necessario poter risalire attraverso la misura di parametri fisici, chimici ed organolettici alla sua “origine” (materie prime, tecniche di produzione, provenienza geografica e varietale, etc.).

Il controllo analitico della qualità e della purezza o genuinità rappresenta nel suo complesso un problema di non semplice risoluzione, poiché la composizione naturale è fortemente influenzata da fattori genetici, agro-ambientali e produttivi, nonché dalla possibile incorporazione di sostanze xenobiotiche di derivazione agronomica e/o produttiva. A queste obbiettive difficoltà viene a sommarsi l’annosa questione delle frodi sempre più sofisticate.

Così se da un lato può essere più o meno semplice, attraverso l’analisi chimica, stabilire la classificazione merceologica e/o l’identificare possibili frodi, quando il problema si sposta sulla determinazione dell’origine geografica o “colturale”, il parco dei dati analitici viene ad essere più difficilmente interpretabile, poiché le variabili discriminanti non risultano più indipendenti, cioè legate ai singoli dati, ma devono essere considerate nel loro insieme. In questi casi è necessaria una valutazione più sofisticata dei risultati dell’analisi chimica che richiede un loro “processamento” attraverso opportuni metodi statistici.

L’approccio più comunemente utilizzato è l’analisi statistica multivariata (chemiometrica), che consiste in un insieme di complessi metodi matematici (Analisi Fattoriale (FA), Analisi dei Clusters (CA), Analisi Discriminante Lineare (LDA)) in grado di operare una valutazione comparativa dei dati (nel nostro caso forniti dall’analisi chimica) finalizzata alla costruzione di un modello matematico “capace” di discriminare e quindi di prevedere, in termini di probabilità, l’appartenenza o meno di un campione ad un determinato “sistema di riferimento”.

In tempi più recenti si stanno sempre più affermando altri metodi di valutazione comparativa dei dati che vanno sotto il nome di Reti Neurali Artificiali (Artificial Neural Networks, ANN) e che si ispirano al modo in cui i sistemi nervosi biologici elaborano le informazioni: acquisizione dei dati – processo di apprendimento – formulazione della risposta.

La loro finalità discriminante è analoga a quella dei metodi della “chemiometria classica”, tuttavia essi, oltre a fornire spesso un quadro “più dettagliato” ed “articolato” nella risposta previsionale in quanto (con un sistema correttamente istruito) possono trovare una più esatta collocazione “interclasse” dei campioni in analisi, sono di grande utilità perché, essendo basati su procedimenti di indagine statistica diversi dai precedenti, consentono di operare un controllo incrociato sulla “significatività” delle risposte ottenute.

Sulla base di queste riflessioni, il problema analitico si può porre fondamentalmente nei termini seguenti (che costituiscono il processo logico e sperimentale che sarà seguito nello svolgimento del presente programma di ricerca) :

1. individuare i parametri chimici che “potrebbero” nel loro insieme     essere utili a discriminare “al livello richiesto” i singoli prodotti in analisi;
2. eseguire le determinazioni analitiche dei suddetti parametri (mettendo a punto, se necessario, i relativi metodi di analisi) sui campioni in studio e, se non disponibili in letteratura, su un congruo numero di campioni analoghi “di sicura provenienza” che dovrà servire per la costruzione della “matrice di riferimento” (training set);
3. analizzare “statisticamente” i risultati ottenuti attraverso passaggi successivi atti ad ottimizzare il procedimento di valutazione, di cui vengono di seguito riportate le fasi più significative:

• controllo dei dati analitici per “eliminare o correggere” eventuali valori “statisticamente” dubbi che potrebbero falsare i risultati dell’indagine (outliers)
• riduzione del numero delle variabili sperimentali,”scremandole” da quelle iniziali, senza incidere sul grado di discriminazione del sistema (variabili a scarso o nullo potere discriminante e/o variabili direttamente correlate tra loro);
• determinazione dei fattori di correlazione tra tutte le variabili sperimentali rimaste e compressione dei dati così ottenuti in un nuovo set semplificato (purificato da ogni ridondanza nei dati originali);
• uso dei dati compressi e delle classificazioni note per ricondurre le osservazioni esistenti alla classe più vicina;

1. d) controllare ed affinare l’interpretazione dei dati analitici (risposte)

       mediante un metodo di indagine indipendente (ANN)

I prodotti tipici in Italia appartengono a 7 gruppi, formaggi, vini, olio di oliva, carni conservate, carni fresche, frutta ed ortaggi..

Per ciascuno di questi gruppi è necessario disporre di un numero sufficiente di variabili “discriminanti” ad esempio cultivar di olivo e di un training set ossia campioni di cui sia nota l’attribuzione e che sia assai bene rappresentativo.

Lo scopo prioritario è in questo caso metodologico e pertanto va studiato per tutti i gruppi separatamente per individuare parametri chimici facilmente determinabili con i metodi ufficiali impiegati nelle analisi di controllo. La semplificazione dell’approccio chimico matematico per la identificazione di algoritmi per ogni prodotto tipico avviene prima studiando tutti i parametri relativi ai prodotti per poi eseguire una serie assai numerosa di analisi comparative che con successive approssimazioni consentono di individuare quelli più efficaci.

Identificare un prodotto attraverso un numero assai rilevante di analisi chimiche e di relative correlazione è agevole ma assai laborioso e di conseguenza non solo costoso ma appannaggio di pochi esperti .

Il passaggio dalla fase scientifica a quella applicativa per una applicazione corrente del metodo richiede pertanto un lavoro di ricerca che minimizzi il numero di parametri.