AI and NMR Spectroscopy for Product Authentication in Agricultural and Food Biotechnology

Objetivo temático: Definir assinaturas moleculares para caracterizar alimentos tradicionais portugueses. Este projeto de um ano visa estabelecer a metodologia e começar a construir um banco de dados usando amostras de alimentos típicos portugueses obtidas de instituições públicas.

Área Científica: EBiotecnologia Agrária e Alimentar

Síntese do Projeto: A proposta descreve uma iniciativa de pesquisa inovadora destinada a aprimorar a detecção e autenticação de produtos agrícolas e alimentos por meio de técnicas avançadas de espectroscopia de Ressonância Magnética Nuclear (RMN) combinadas com Inteligência Artificial (IA).
A importância de detectar contaminantes, adulterantes e deterioração em alimentos é fundamental. Contudo, identificar assinaturas moleculares únicas dentro de misturas complexas é um grande desafio. Embora a RMN seja uma ferramenta poderosa na ciência de alimentos, ela possui limitações em termos de sensibilidade e complexidade das assinaturas químicas. Avanços recentes na tecnologia de RMN melhoraram os limites de detecção, mas a adoção da IA amplia ainda mais a aplicabilidade da RMN na ciência de alimentos. Ao incorporar a IA, a iniciativa pretende agilizar a análise de dados, aumentar a precisão e melhorar a sensibilidade, beneficiando a indústria agroalimentar e garantindo a conformidade regulatória.
Os alimentos contêm diversas pequenas moléculas derivadas de suas origens biológicas, além de modificações que ocorrem durante o processamento. Essas pequenas moléculas atuam como biomarcadores vitais para avaliar a autenticidade dos alimentos. Tanto a RMN quanto a Espectrometria de Massas (EM) avançaram significativamente na caracterização desses biomarcadores. Enquanto a EM é reverenciada por sua alta sensibilidade, a RMN fornece caracterização direta dos produtos alimentares sem necessidade de processamento prévio, evitando a perda de informações críticas.
Esta proposta de pesquisa visa aproveitar as capacidades da RMN para explorar potenciais biomarcadores moleculares em produtos alimentares,usando IA para aprimorar a aquisição, análise e processamento da RMN.
A pesquisa utilizará várias técnicas de RMN e estratégias de IA para melhorar a análise de biomarcadores alimentares. Por exemplo, a espectroscopia de RMN de 1H estabelecerá condições de triagem para diferenciar compostos chave em produtos como vinho, azeite e mel. Métodos avançados de RMN fornecerão elucidação estrutural detalhada quando necessário, enquanto RMN de Deslocamento Puro (PS) e Amostragem Não Uniforme (NUS) aumentarão a resolução espectral, sensibilidade e, mais importante, reduzirão os tempos de aquisição de horas para minutos, mantendo a qualidade dos dados.

Além disso, frameworks de IA, como redes neurais convolucionais (CNNs) e redes neurais recorrentes (RNNs), serão desenvolvidos para reconstruir dados a partir de espectros de RMN adquiridos por NUS e PS. Esses modelos serão treinados com dados sintéticos para garantir um desempenho robusto, focando na reconstrução precisa de conjuntos de dados a partir de informações subamostradas. A análise de RMN impulsionada pela IA será comparada com métodos tradicionais para avaliar melhorias em sensibilidade, velocidade e precisão.
A iniciativa é dividida em quatro tarefas: a primeira envolve o uso de RMN para discriminação de biomarcadores e desenvolvimento de novos métodos de supressão de água, a segunda foca na criação de algoritmos de IA para otimizar as técnicas de NUS e PS RMN, enquanto a terceira enfatiza a identificação e quantificação de assinaturas químicas ajudando a rastrear adulterações Alimentares, e uma tarefa final onde todas as informações dos biomarcadores são compiladas em um banco de dados.
Os resultados esperados desta iniciativa de pesquisa incluem a geração de espectros de RMN de alta qualidade e alta resolução em tempos de aquisição mais curtos. A iniciativa visa garantir a autenticidade e qualidade de produtos tradicionais como vinho, azeite e mel, prometendo ganhos econômicos significativos e benefícios para a saúde pública. Ao ajudar os produtores de alimentos portugueses a cumprir os padrões de segurança e qualidade, a pesquisa facilitará o acesso aos mercados globais.
Em última análise, o uso de IA com técnicas avançadas de RMN é esperada para revolucionar a ciência dos alimentos, aumentando a confiança do consumidor e estimulando a demanda por produtos autênticos. Esta iniciativa de pesquisa posiciona Portugal na vanguarda das práticas inovadoras no setor agroalimentar, empregando tecnologia de ponta para garantir a segurança e qualidade dos produtos alimentares enquanto apoia o patrimônio culinário global.

Cientificamente, nosso objetivo é definir assinaturas moleculares para caracterizar alimentos tradicionais portugueses. Este projeto de um ano visa estabelecer a metodologia e começar a construir um banco de dados usando amostras de alimentos típicos portugueses obtidas de instituições públicas.

Este projeto conta com o apoio de três instituições importantes: ASAE, IVV e Casa Azeite. Essas instituições não apenas apoiam a aplicação, mas também validam a originalidade da ideia e a potencial aplicabilidade das metodologias propostas. As cartas de apoio escritas por essas instituições atestam a confiança depositada no projeto e destacam sua viabilidade no contexto atual.

Área de intervenção: Inteligência artificial e ciência dos daos

Investigador Responsável na UC: Ângelo Miguel Mendes Pinto de Figueiredo

Unidade Orgânica UC: FCTUC/DQ e CQC

Instituições participantes no Projeto: Universidade de Coimbra

Instituição Financiadora/Gestora: Fundação para a Ciência e Tecnologia (FCT)

Programa de Financiamento: PRR - AVISO N.º 04/C05-i08/2024 - Aviso para Projetos de IC&DT – Inteligência Artificial, Ciência dos Dados e Cibersegurança de relevância na Administração Pública

Período de execução: 01.02.2025 a 31.01.2026 (12 meses)

Custo total elegível (EUR): 96.556,51€

Apoio financeiro da UE: 96.556,51 €

Técnico do Projeto: Catarina Morais (catarina.morais@uc.pt)

Contacto: +351 239 247 025 (Ext: 210025)