Predicen fallos en el envasado al vacío de carne de vacuno mediante análisis del microbioma y machine learning
Un grupo de investigadores brasileños ha desarrollado un método innovador para predecir fallos en el envasado al vacío de carne de vacuno —conocido como blown pack— mediante el análisis de perfiles del microbioma utilizando secuenciación de próxima generación (NGS) y técnicas de machine learning. Los resultados del estudio han sido publicados en la revista International Journal of Food Microbiology.
Para llevar a cabo el análisis, se envasaron al vacío muestras de carne de vacuno y se almacenaron a dos temperaturas (4 °C y 15 °C). Las comunidades microbianas fueron monitoreadas mediante NGS en cinco momentos diferentes: al inicio (0 horas), y a los 7, 14, 21 y 28 días de almacenamiento.
El estudio demostró que, a partir del microbioma inicial de la carne y las condiciones de almacenamiento, es posible predecir la aparición del blown pack. Los investigadores identificaron la temperatura como el factor determinante en el deterioro del producto, mostrando una fuerte correlación con el desarrollo del defecto.
El análisis de abundancia diferencial reveló asociaciones entre géneros bacterianos específicos y el deterioro del producto. Las técnicas de machine learning, concretamente los modelos Random Forest y XGBoost, respaldados por análisis SHAP y correlación de Spearman, identificaron a Peptoniphilus como el principal género implicado, seguido por Hafnia y Peptostreptococcus.
Los autores destacan que este enfoque puede sentar las bases para el diseño de sistemas predictivos aplicables a otras carnes, cortes y condiciones de almacenamiento. Esta metodología representa una herramienta prometedora para anticiparse a defectos en productos cárnicos envasados, mejorar la vida útil y reducir pérdidas en la industria.
