A utilização de espectroscopia de plasma induzida por laser (LIBS) aliada a algoritmos de aprendizado de máquina surge como uma solução eficiente e acessível para identificar e diferenciar grãos de milho transgênico de variedades convencionais. Desenvolvida por pesquisadores da Embrapa, em parceria com quatro universidades e um instituto italiano, a nova técnica se destaca pela sua capacidade de distinguir esses grãos com precisão, rapidez e baixo custo.

Atualmente, a identificação de produtos geneticamente modificados, como alimentos e rações, é realizada através da Reação em Cadeia da Polimerase (PCR), um método preciso, mas que apresenta altos custos e longa duração. Este cenário impulsionou a busca por alternativas mais rápidas e acessíveis, especialmente com o aumento da produção e consumo de produtos geneticamente modificados, que responde à crescente demanda alimentar mundial.

A pesquisa, que fez parte do doutorado de Matheus Cicero Ribeiro, orientado pelo professor Bruno Marangoni da Universidade Federal de Mato Grosso do Sul (UFMS), foi conduzida na Embrapa Instrumentação (SP), com a coordenação da pesquisadora Débora Milori, do Laboratório Nacional de Agrofotônica (Lanaf). Segundo Ribeiro, a inovação do estudo está na combinação da técnica LIBS com análises multivariadas e aprendizado de máquina, que permitiram construir critérios de decisão baseados na composição elementar dos grãos, distinguindo eficazmente os tipos transgênicos dos não transgênicos.

A pesquisa foi capaz de identificar até mesmo as variedades de milho geneticamente modificados e convencionais com composição elementar similar, com destaque para o carbono, que apresentou maior influência na diferenciação das amostras. O desafio foi a identificação de marcadores específicos, um processo que envolveu análises detalhadas e o uso do aprendizado de máquina para melhorar a precisão da classificação.

Outro avanço significativo foi a análise de 160 amostras de milho, provenientes de seis espécies diferentes — quatro transgênicas e duas convencionais. Essa foi a primeira vez que um protocolo de validação externa foi testado para classificar o milho transgênico utilizando a técnica LIBS. A validação garantiu a robustez do modelo desenvolvido pelos pesquisadores.

Essa metodologia oferece uma solução eficaz para o monitoramento e rastreabilidade de produtos agrícolas, atendendo às exigências de regulamentação e segurança alimentar, além de garantir a conformidade com as normas nacionais e internacionais. A técnica pode ser aplicada por laboratórios de análise de alimentos, centros de controle de qualidade e até mesmo por indústrias agroalimentares e órgãos reguladores. As empresas agrícolas e de biotecnologia também podem se beneficiar, monitorando e certificando a origem de suas produções. Além disso, autoridades sanitárias podem utilizar a técnica para fiscalizar os produtos alimentícios, promovendo a proteção do consumidor e assegurando a conformidade com as regulamentações.

Ribeiro destaca que, com testes rápidos sobre a origem dos produtos, seria possível ampliar o número de amostras analisadas, aumentando a transparência e a segurança no mercado. A metodologia também fortaleceria a confiança nas cadeias de suprimento alimentar, permitindo que consumidores façam escolhas mais informadas.

O próximo passo da pesquisa será expandir a base de dados, incluindo mais amostras de diferentes regiões, para aprimorar o algoritmo de aprendizado de máquina. A criação de dispositivos portáteis para testes em campo e a padronização do método são essenciais para sua aplicação em larga escala e aceitação pelos reguladores.

O milho, um dos alimentos mais consumidos no mundo, é a cultura que mais apresenta eventos transgênicos, com 90% da produção no Brasil sendo geneticamente modificada. A pesquisa confirma a importância dessa inovação no setor agrícola, que visa atender a uma demanda crescente por alimentos e garantir a segurança e qualidade dos produtos no mercado.

A técnica LIBS, que oferece resultados rápidos e precisa em analisar a composição elementar de materiais, também pode ser aplicada em outras áreas além da agricultura. Milori, que estuda a técnica há 20 anos, observa que o LIBS, combinado com métodos de aprendizado de máquina, tem ampliado significativamente o desempenho na identificação e discriminação de amostras, tornando-se uma ferramenta útil também na análise in situ e online.

O estudo foi publicado no Microchemical Journal e contou com o apoio do CNPq, Fapesp, Fapemig e Capes.

Fonte: Portal do Agronegócio