La inteligencia artificial está haciendo que las frutas y verduras sean más deliciosas

Y desvelando sorpresas sobre por qué nos gustan más unas variedades que otras.

Hay una razón por la que gran parte de los productos que se venden en el supermercado a menudo saben a cartón.

En realidad, hay varias razones. La mayoría de ellos se derivan del hecho de que el sabor está muy por debajo de la lista de lo que la industria alimentaria alienta a los fitomejoradores a priorizar al desarrollar nuevas variedades -llamadas «cultivares»- de productos.

Cuando quieren centrarse en el sabor, los criadores no tienen buenas herramientas para probar rápidamente la fruta de miles de cultivares. En  un nuevo y sorprendente artículo,  investigadores de la Universidad de Florida describen un nuevo método para «probar» productos agrícolas en función de su perfil químico.

También se toparon con una gran sorpresa. Durante más de un siglo, los criadores se han centrado en la dulzura y la acidez cuando intentaban desarrollar cultivares más sabrosos. La nueva investigación muestra que el enfoque probado y verdadero ignora aproximadamente la mitad de lo que hace que una fruta o verdura sea tan deliciosa.

El científico agrícola Patrico Muñoz , uno de los coautores del artículo, le dijo a IE que su equipo determinó que en los arándanos, por ejemplo, «solo el 40 por ciento [de lo bien que a la gente le gusta una fruta] se explica por el azúcar y el ácido». El resto se explica por unas sustancias químicas llamadas compuestos orgánicos volátiles que percibimos con receptores en la nariz, no en la boca.

Ese hallazgo, y el método que usaron para llegar allí, podría cambiar el futuro de la agricultura.

Desenredando la conexión entre los químicos y el sabor

Los investigadores detrás de este estudio se centraron en docenas de variedades de tomates y arándanos, incluidos los cultivares comerciales que se venden en los supermercados, las variedades tradicionales que es más probable que se encuentren en los mercados de agricultores y los restaurantes de la granja a la mesa, y las cepas recientemente desarrolladas que se graduaron recientemente de los programas de mejoramiento.

Tenían dos tipos de datos para cada cultivar. Primero, un perfil químico que detalla qué y en qué cantidad se encuentran decenas de compuestos químicos en su fruto. En segundo lugar, obtuvieron resultados de paneles de consumidores en los que cientos de personas reales calificaron cada cultivar de tomate o arándano en medidas como qué tan dulce era y cuánto les gustaba en general.

La combinación de estos dos conjuntos de datos permitió a los investigadores descubrir, por ejemplo, cuánto influyó en el sabor de los diferentes cultivares de tomate la proporción de acetato de 2-metilbutilo a 1-nitro-2-feniletano.

Algunos de los cultivares en el estudio son transgénicos , pero incluso las frutas silvestres están repletas de este tipo de productos químicos. Una razón es que las plantas, que generalmente pasan su vida firmemente arraigadas dondequiera que caigan sus semillas, han descubierto cómo hacer y usar compuestos para controlar el mundo que las rodea para sobrevivir y reproducirse.

“En las frutas, las plantas producen [este tipo de químicos] para atraer animales que van a [comer la fruta y] esparcir las semillas”, dice Muñoz.

Sí, básicamente todos los alimentos contienen toneladas de sustancias químicas que la mayoría de la gente no puede pronunciar.

Cuando se reunieron todos estos datos, los investigadores utilizaron el aprendizaje automático para construir modelos destinados a explicar cómo se relaciona la composición química de una fruta con el sabor de esa fruta.

Para algunas frutas, esta relación es relativamente sencilla.

“En las frambuesas, hay un solo compuesto que es el sabor a frambuesa”, dice Muñoz. Pero el sabor de otras frutas y verduras, incluidos los arándanos y los tomates, es el producto de una interacción compleja entre docenas y docenas de productos químicos.

Su modelo reveló cuánto se correlacionaban los diversos componentes químicos con las calificaciones de los catadores humanos para cada una de las variedades. Sorprendentemente, los azúcares y ácidos en las frutas solo representaron aproximadamente la mitad de la variación en las preferencias de los catadores de una variedad a otra.

“Eso significa que durante los últimos 100 años hemos avanzado en menos de la mitad de [las variables] que explican [las preferencias]”, dice Muñoz.

Los criadores podrán «probar» muchos más productos

Los fitomejoradores no tienen control directo sobre qué químicos están contenidos en la fruta de un determinado cultivar. En cambio, influyen en los genes, que codifican las vías metabólicas que fabrican los compuestos que finalmente determinan el sabor de una fruta. Incluso con las tecnologías modernas, es un proceso difícil de manejar que normalmente se realiza a gran escala.

Marcio Resende , otro coautor del estudio, le dice a  IE que «el mejoramiento aún depende en gran medida de la experimentación de campo», tal como lo ha hecho durante siglos.

Lo que separa a los mejoradores de hoy de sus precursores son las tecnologías que usan para medir los rasgos que les dicen “qué variedades pasan a la siguiente etapa en el embudo de mejoramiento”, dice Resende.

Usan herramientas como drones y robots autónomos para «cuantificar cualquier rasgo que sea importante» en un proceso llamado fenotipado de alto rendimiento, dice. Las tecnologías existentes han estado a la altura de la tarea de medir rasgos como la cantidad de fruta que produce un cultivar y de qué color son esas frutas.

Medir el sabor ha resultado mucho más difícil porque en realidad solo había dos opciones: el criador podía probar la fruta por sí mismo o podía reunir un panel de probadores. Para los criadores que prueban miles de cultivares, esa elección es una gran compensación. El muestreo es muy subjetivo y las pruebas sistemáticas con personas son costosas.

“Si ensambla un panel sensorial de consumo tradicional y lleva a 100 personas a una habitación… no puede alimentar a 1000 variedades en el mismo día”, dice Resende.

Esta nueva investigación es «una prueba de concepto que muestra que ahora podemos construir modelos para hacer lo mismo» mediante la medición de productos químicos, dice.

Este tipo de investigación nunca producirá una versión perfecta de una fruta en particular. Por un lado, las preferencias de sabor varían según el tiempo y la cultura. Dado que los modelos de aprendizaje automático solo pueden hacer predicciones basadas en los datos con los que fueron entrenados. Los paneles en los datos de Resende y Muñoz se realizaron en los Estados Unidos, por lo que es muy probable que los consumidores de otros mercados tengan preferencias diferentes.

Articulo anterior

Artículo siguiente

ARTÍCULOS RELACIONADOS

Freshfel Europe defiende la competitividad del sector de productos fresc...

El proyecto de robótica apunta a un ‘cambio radical’ en la p...

La crisis de la agroalimentación se agrava tras siete meses de guerra en...