Muchos especialistas han intentado averiguar si cada vino posee su propia firma química y si, de ser así, puede usarse para identificar su origen. De momento no se ha podido llegar una conclusión definitiva. En este contexto, un equipo de la Universidad de Ginebra (UNIGE), en colaboración con el Instituto de Ciencias de la Viña y el Vino de la Universidad de Burdeos, han aplicado herramientas de inteligencia artificial a los datos existentes y han logrado identificar con un 100 % de precisión la marca química de vinos tintos de siete grandes fincas de la región de Burdeos. Estos resultados, publicados en la revista Communications Chemistry, allanan el camino para nuevas herramientas potenciales capaces de combatir la falsificación, así como para herramientas predictivas que ayuden a guiar la toma de decisiones en el sector del vino.

Cada vino es el resultado de mezclas finas y complejas de miles de moléculas. Sus concentraciones varían según la composición de la uva, que depende en particular de la naturaleza y estructura del suelo, de la variedad de uva y de las prácticas del viticultor. Estas variaciones, incluso las más pequeñas, pueden tener un gran impacto en el sabor del vino. Esto hace que sea muy difícil determinar el origen concreto de un vino basándose únicamente en este criterio sensorial. Con el cambio climático, los nuevos hábitos de consumo y el aumento de las falsificaciones, la necesidad de contar con herramientas eficaces para determinar la identidad de los vinos se ha vuelto crucial.

¿Existe entonces una firma química, invariable y específica de cada finca, que permitiría hacerlo? Alexandre Pouget, profesor titular del Departamento de Neurociencias Básicas de la Facultad de Medicina de la UNIGE, explica: “El sector vitivinícola ha realizado numerosos intentos para responder a esta pregunta, con resultados cuestionables o a veces correctos, pero que implican técnicas pesadas. Esto se debe a la gran complejidad de las mezclas y a las limitaciones de los métodos utilizados, que son un poco como buscar una aguja en medio de un pajar”.

Uno de los métodos utilizados es la cromatografía de gases, que consiste en separar los componentes de una mezcla por afinidad entre dos materiales. La mezcla pasa por un tubo muy fino, de 30 metros de largo, y los componentes que tienen mayor afinidad con el material del tubo se separan gradualmente de los demás. Cada separación se registra mediante un “espectrómetro de masas”. Entonces se produce un cromatograma, que muestra “picos” que indican las separaciones moleculares. En el caso del vino, debido a la gran cantidad de moléculas que lo componen, estos picos son sumamente numerosos, lo que hace muy difícil un análisis detallado y exhaustivo.

DATOS PROCESADOS POR MACHINE LEARNING

En colaboración con el equipo de Stephanie Marchand del Instituto de Ciencias de la Viña y el Vino de la Universidad de Burdeos, el equipo de Alexandre Pouget encontró la solución combinando cromatogramas y herramientas de inteligencia artificial. Estos cromatogramas proceden de 80 vinos tintos de doce añadas (1990-2007) y de siete fincas de la región de Burdeos. Estos datos en bruto se procesaron mediante machine learning, un campo de la inteligencia artificial en el que los algoritmos aprenden a identificar patrones recurrentes en conjuntos de información.

‘’En lugar de extraer picos específicos y deducir concentraciones, este método nos permitió tener en cuenta los cromatogramas completos de cada vino, que pueden comprender hasta 30.000 puntos, incluido el ‘’ruido de fondo’’, y resumir cada cromatograma en dos coordenadas X e Y, tras eliminar las variables innecesarias. Este proceso se llama reducción de dimensionalidad”, explica Michael Schartner, ex becario postdoctoral en el Departamento de Neurociencias Básicas de la Facultad de Medicina de UNIGE y primer autor del estudio.

UN MODELO 100 % FIABLE

Al colocar las nuevas coordenadas en un gráfico, los investigadores pudieron ver siete “nubes” de puntos. Descubrieron que cada una de estas nubes agrupaba cosechas de la misma finca en función de sus similitudes químicas. ‘’Esto nos permitió demostrar que cada finca tiene su propia firma química. También hemos observado que tres vinos estaban agrupados a la derecha y cuatro a la izquierda, lo que corresponde a las dos orillas del Garona en las que se encuentran estas fincas”, explica Stéphanie Marchand, profesora del Instituto de Ciencias de la Viña y del Vino en la Universidad de Burdeos y coautora del estudio.

A lo largo de sus análisis, los investigadores descubrieron que la identidad química de estos vinos no estaba definida por la concentración de unas pocas moléculas específicas, sino por un amplio espectro químico. “Nuestros resultados muestran que es posible identificar el origen geográfico de un vino con un 100 % de precisión, aplicando técnicas de reducción de dimensionalidad a los cromatogramas de gases”, afirma Alexandre Pouget, quien dirigió esta investigación.

Esta investigación proporciona nuevos conocimientos sobre los componentes de la identidad y las propiedades sensoriales de un vino. También allana el camino para el desarrollo de herramientas que apoyen la toma de decisiones (para preservar la identidad y la expresión de un terruño, por ejemplo) y para combatir la falsificación de manera más eficaz.