La definizione è stata proposta dal nutrizionista ungherese Albert-László Barabási per indicare l’insieme delle oltre 26.000 sostanze le cui funzioni molecolari sono sconosciute, e che va ben oltre le circa 150 che compongono le categorie tradizionali di nutrienti quali i carboidrati, i grassi e le proteine. Se se ne tiene conto, la visione di ciò che è e ciò che il cibo mette in atto nell’organismo cambia completamente anche se è ancora, in grandissima parte, da decrittare.

La foodomica cerca di comprendere il cibo a livello molecolare ma nel suo insieme, e quindi che cerca di decifrare che cosa quei 26.000 composti facciano quando entrano nell’organismo e, oltre a relazionarsi con esso, come interagiscano tra di loro; pertanto, si propone di analizzare la composizione molecolare e cellulare degli alimenti, considerando il cibo non solo come fonte di energia, ma come sistema complesso di composti bioattivi; lo scopo è migliorare la nutrizione umana, ottimizzare la salute e il benessere attraverso una maggiore comprensione dei meccanismi biochimici e molecolari che si attivano nel corpo in risposta a ciò che mangiamo.

Oggigiorno, gli attori dell’industria alimentare si trovano ad affrontare la sfida di garantire la qualità e la sicurezza alimentare senza compromettere diversi prerequisiti, come una produzione alimentare sostenibile ed ecologicamente resiliente, una shelf life prolungata, una qualità sensoriale soddisfacente, un valore nutrizionale elevato e proprietà benefiche per la salute. Inoltre, le frodi alimentari legate all’etichettatura errata deliberata dei prodotti o all’adulterazione economicamente voluta sono motivo di grave preoccupazione sia per l’industria che per le autorità di regolamentazione, a causa delle implicazioni in termini di costi e salute pubblica. Nonostante l’elevato numero di strumenti analitici all’avanguardia disponibili per quantificare i marcatori di qualità alimentare, la loro implementazione si traduce in set di dati estremamente complessi e di grandi dimensioni, di difficile interpretazione. In questo contesto, la chemiometria, ad esempio analisi esplorative multivariate supervisionate e non supervisionate, metodologie di progettazione sperimentale, modelli di regressione univariata o multivariata, ecc., viene comunemente implementata come parte dell’ottimizzazione dei processi alimentari e della valutazione della qualità degli alimenti.

Le moderne tecnologie, soprattutto nelle scienze omiche, l’evoluzione di strumenti di analisi strumentale ha migliorato sostanzialmente la nostra capacità di svelare e comprendere la complessità delle matrici alimentari in termini di composizione, biofisica, microstruttura, cross-modalità sensoriale e attività biologica. Nelle applicazioni di ricerca e sviluppo (R&S) alimentare, l’associazione di un singolo parametro indipendente (ad esempio, condizioni di composizione, lavorazione o conservazione, fenotipo, genotipo, origine geografica ecc.) a una singola proprietà della matrice alimentare (fisico-chimica, reologica, testuale, sensoriale, olfattiva, marcatore biofunzionale ecc.) è considerata un approccio standard di progettazione sperimentale (bottom-up). Nonostante la sua semplicità, l’approccio di progettazione sperimentale “bottom-up” fornisce uno strumento di rapida comprensione dei principali meccanismi alla base della conformazione strutturale della matrice alimentare, della tecno-funzionalità, dell’attività biologica e della cross-modalità sensoriale. D’altro canto, la progettazione sperimentale bottom-up è di per sé limitata quando è necessario comprendere interazioni non lineari multicausali tra caratteristiche estrinseche e intrinseche della matrice alimentare.

In questo contesto, una caratterizzazione olistica dei sistemi alimentari, ovvero matrice alimentare, condizioni di lavorazione alimentare, sensorialità cross-modale, effetti fisiologici ecc., è più informativa e integrativa per le applicazioni di ricerca e sviluppo; tuttavia, sono generalmente riconosciute le limitazioni associate alla produzione di set di dati complessi e di grandi dimensioni che possono essere scarsamente convalidati e interpretati utilizzando esclusivamente metodi statistici univariati. La chemiometria è considerata un modo rapido ed efficiente per analizzare una matrice alimentare oltre la dimensionalità univariata e svelare le informazioni nascoste in set di dati strumentali complessi.

Il termine chemiometria è utilizzato per indicare “la disciplina chimica che utilizza metodi matematici e statistici per (a) progettare o selezionare procedure di misurazione ed esperimenti ottimali e (b) fornire il massimo delle informazioni chimiche analizzando i dati chimici”. Per quanto riguarda la ricerca e l’innovazione alimentare, la chemiometria può essere impiegata per

• facilitare l’esplorazione e l’interpretazione delle informazioni chimiche e biologiche acquisite tramite analisi strumentali;
• identificare marcatori chimici, biochimici o biologici associati alla qualità e alla sicurezza degli alimenti;
• identificare l’autenticità, la qualità, gli aspetti biofunzionali e nutrizionali degli alimenti sulla base dell’origine geografica e botanica, della presenza di additivi alimentari o contaminanti non dichiarati;
• costruire modelli matematici robusti per monitorare le operazioni delle unità di processo alimentare e prevedere la durata di conservazione degli alimenti trasformati;
• comprendere le interazioni tra le modalità sensoriali e le proprietà compositive, fisiche, testuali e microstrutturali degli alimenti;
• ottimizzare le condizioni di formulazione e di elaborazione nelle applicazioni di risoluzione dei problemi associate a ricerca e sviluppo.

Per affrontare le questioni di ricerca e sviluppo alimentare, vengono solitamente applicati tre principali approcci chemiometrici, tra cui l’esplorazione (metodi statistici non supervisionati come l’analisi delle componenti principali e l’analisi dei cluster), la classificazione (metodi statistici supervisionati come l’analisi discriminante, ad esempio LDA, PLS-DA ecc., K-nearest neighbors, SIMCA e reti neurali artificiali), la regressione e la calibrazione (regressione lineare multipla, minimi quadrati parziali, regressione delle componenti principali). Nonostante la crescente popolarità dell’uso della chemiometria nelle applicazioni di ricerca e sviluppo alimentare, la mancanza di comprensione degli strumenti chemiometrici, l’assenza di progettazione degli esperimenti (DoE) o l’uso di DoE mal progettati, nonché incongruenze relative alla calibrazione, alla convalida e all’aggiornamento del modello sono riconosciuti come casi comuni di uso improprio della chemiometria. In questo contesto, le buone pratiche nell’analisi e nell’interpretazione dei dati assistiti dalla chemiometria dovrebbero soddisfare diversi criteri:

• buona conoscenza della metodologia di analisi alimentare (strumentale, analitica, sensoriale, strutturale, testuale ecc.) e delle sue caratteristiche di convalida intrinseche (ad esempio, accuratezza, precisione, specificità, limiti di rilevamento, limiti di quantificazione, linearità, robustezza ecc.);
• sufficiente comprensione del sistema alimentare (ad esempio, caratteristiche fisico-chimiche, compositive, strutturali, conformazionali e testuali intrinseche);
• progettazione robusta degli esperimenti;
• buona comprensione dell’interazione tra campione, procedura di campionamento e acquisizione dei dati analitici.

Andre CM, Soukoulis C. Food Quality Assessed by Chemometrics. Foods. 2020 Jul 8;9(7):897. doi: 10.3390/foods9070897. PMID: 32650365; PMCID: PMC7404458. 

L'articolo Foodomica – Qualità del cibo valutata mediante chemiometria proviene da amaperbene.it.