A espectroscopia de plasma induzida por laser (LIBS), combinada com algoritmos de aprendizado de máquina, tem se mostrado uma abordagem viável para identificar e diferenciar grãos de milho transgênico de variedades convencionais.
Esse método, desenvolvido por pesquisadores de diferentes instituições no Brasil e na Itália, tem demonstrado eficácia na distinção rápida, precisa e acessível entre esses tipos de grãos.
Milho transgênico
Atualmente, a identificação e quantificação de alimentos geneticamente modificados é feita por meio do teste padrão baseado na Reação em Cadeia da Polimerase (PCR), que detecta e quantifica proteínas específicas de DNA. Embora seja eficaz, o PCR tem o inconveniente de ser um processo lento e caro.
Nos últimos anos, a produção e consumo de produtos agrícolas geneticamente modificados aumentaram globalmente, impulsionados pela necessidade de atender ao crescimento populacional e à demanda por alimentos. Esse aumento gerou a busca por métodos mais rápidos e acessíveis para diferenciar produtos geneticamente modificados de produtos convencionais, especialmente no controle e comercialização de alimentos.
O estudo, realizado no contexto do doutorado de Matheus Cicero Ribeiro na Universidade Federal de Mato Grosso do Sul (UFMS), envolveu a colaboração da Embrapa Instrumentação (SP) e de outras instituições. Os experimentos foram conduzidos sob a orientação da professora Débora Milori, da Embrapa.
A principal inovação da pesquisa foi o uso combinado da técnica LIBS com análises multivariadas e aprendizado de máquina. A partir da análise elementar das amostras, os pesquisadores conseguiram identificar critérios que distinguem com precisão as amostras transgênicas das convencionais.
De acordo com Ribeiro, a abordagem foi eficaz para diferenciar variedades de milho geneticamente modificadas e convencionais, mesmo quando elas tinham composições elementares semelhantes. Ele destaca que a metodologia oferece vantagens como baixo custo, rápida resposta e boa sensibilidade.
O desafio central da pesquisa foi a identificação de constituintes chave, como carbono, nitrogênio, magnésio e outros elementos. O carbono, em particular, teve grande influência na diferenciação entre as classes de milho.
Ribeiro explica ainda que a semelhança na composição elementar das amostras tornou o processo de identificação de marcadores específicos um desafio, mas a combinação de análises multivariadas com aprendizado de máquina foi essencial para superar essa dificuldade.
Outro aspecto relevante do estudo foi o uso de uma amostra significativa, com 160 grãos de milho de seis espécies diferentes, sendo quatro transgênicas e duas convencionais
