Aplicación del análisis de imágenes hiperespectrales a la gestión del deoxinivalenol en trigo.

Las micotoxinas son metabolitos secundarios fúngicos causantes de enfermedades en humanos y animales y de reducciones del rendimiento económico en la producción de cereales. La industria y proveedores de cereales demandan nuevas tecnologías para detectar su presencia antes de su entrada en la cadena alimentaria. Las técnicas de análisis convencionales para la detección de micotoxinas son lentas, costosas, destructivas y contaminantes. Sin embargo, las aplicaciones espectroscópicas se caracterizan por ser rápidas, respetuosas con el medio ambiente y no destructivas, dependiendo de la tecnología utilizada. Este trabajo examina la aptitud del análisis por imágenes hiperespectrales en el infrarrojo cercano y la espectrofotometría de transformada de Fourier en el infrarrojo medio para detectar deoxinivalenol (DON) en dos de los cereales más consumidos a nivel mundial, el trigo y el maíz. Para aplicar HSI-NIR, el diseño metodológico pasa primero por estandarizar el procedimiento analítico y los parámetros de muestreo antes de adquirir el espectro. Se pusieron a prueba dos tipos de muestreos dependiendo del objetivo analítico: el análisis de muestra entero y de granos individuales. Para el análisis de muestra, los granos a granel y molidos se escanearon bajo del campo de visión del sistema, obteniendo el espectro infrarrojo. Después, se determinaron las concentraciones de ergosterol (metabolito fúngico no presente en las células vegetales) y DON mediante HPLC como método de referencia. Además, se modelaron datos espectrales y de referencia por quimiometría para la calibración de modelos de predicción capaces de cuantificar DON y modelos de discriminación para rechazar muestras por encima del límite legal (1250 g/kg). Para el análisis de granos individuales, el espectro NIR correspondiente a la media de los píxeles de cada grano fue establecido como la región analítica de interés. En este caso, los granos se categorizaron como sintomáticos, ligeramente sintomáticos o sanos según los síntomas comunes de la fusariosis de la espiga y se analizaron por HPLC para obtener la concentración de DON. Una vez obtenidos ambos datos, se calibraron modelos de predicción de DON y los modelos de discriminación para detectar granos dañados por Fusarium y contaminados con DON (usando el límite legal de la UE) como estrategia para separarlos. Por otra parte, se probaron diferentes disolventes basados en agua, metanol, acetonitrilo y etanol para determinar su capacidad para extraer DON en muestras de maíz contaminadas, para su posterior análisis por FTIR. En el caso del HSI-NIR, la estandarización pasó por identificar la repetibilidad del método, la herramienta de selección de la región de interés más conveniente y el efecto de la posición y la orientación de los granos. Los resultados de PCA muestran una buena repetibilidad entre medidas. Además, el método seleccionado para la delimitación de la región de interés fue mediante píxeles similares con distancia Euclidiana. Los resultados también demostraron que la posición del grano dentro del campo de visión del equipo no afecta a la medida espectro y que, aunque la orientación del grano tiene influencia sobre la proyección en el PCA, el daño fúngico y DON predominan por encima de esta. El análisis por HPLC demostró la baja correlación entre ergosterol y DON (0,61). Debido a esto, el siguiente paso fue calibrar modelos de predicción independientes para cada uno de estos componentes. Las regresiones PLS por ergosterol presentaron un rendimiento por validación cruzada de Rcv2 de 0,89 y un RMSECV de 1,17 mg/kg, mientras que la habilidad de predecir DON validado con un conjunto de muestras independiente fue de R2 de 0,61 y un RMSEP de 501,4 g/kg. La exactitud en la clasificación según los límites máximos establecidos por la UE fue del 85,4%. Los modelos de predicción de DON en granos de trigo individuales presentaron mejores ajustes, con una R2 de 0,88, aunque el RMSEP fue mayor (6,66 mg/kg) con un rango de contaminación desde LOD hasta 135,7 mg/kg. Sin embargo, las discriminaciones de granos dañados por Fusarium y contaminados con DON son más adecuadas para el análisis a concentraciones cercanas al límite legal, clasificando correctamente el 85,8% y 76,9% de los granos, respectivamente. En el análisis por FTIR, se seleccionaron las extracciones basadas en agua y metanol (70%) por su mayor tendencia en agrupar muestras de maíz según el límite legal (1750 g/kg), además de sus aplicaciones tecnológicas. Los modelos SPLS-DA discriminaron muestras con una precisión 86,7% y 90,8% para agua y metanol (70%), respectivamente. Además, los gráficos de SPLS-DA mostraron una buena separación de muestras según el límite legal y un impacto de las especies fúngicas sobre estas agrupaciones. La presente tesis demuestra la habilidad del HSI-NIR para detectar las contaminaciones fúngicas y contaminaciones por DON en cereales. Aunque los modelos de predicción son insuficientes para determinar la cantidad de DON a bajas concentraciones, los modelos de clasificación son precisos en límites cercanos a los establecidos por la UE. Además, el análisis por FTIR de los extractos de agua y metanol (70%) también presentaron alta capacidad de discriminación. De esta forma, los resultados demuestran el potencial de ambas tecnologías para rechazar muestras contaminadas y la habilidad del sistema HSI-NIR como técnica de separación de granos contaminados.