Iberchain – Blockchain para la trazabilidad del 100% Ibérico

Tecnología Blockchain y Tecnología NIRS

Blockchain

Blockchain se usa para registrar transacciones o cambios de estado de objetos o procesos de los cuales existe la necesidad de certificar a un grupo de usuarios en los que se ha producido la dicha transición o cambio de estado. Por esto la tecnología que se utilizase llama en inglés Distributed LedgerTechnology (DLT), porque el que consigue esta tecnología es crear un tipo de registro notarial (ledger) sin que sea necesaria una autoridad notarial central. Esto se consigue básicamente definiendo unas normas de consenso y estableciendo las normas de verificación de las mismas a la hora de diseñar el blockchain.

La tecnología blockchain se aplicó al principio sobre todo en el sector financiero mediante la generación de las criptomonedas como el Bitcoin que empezó a circular en 2009. Actualmente existen más de mil distintos tipos de criptomonedas en el mercado. El hecho de que una cadena de bloques tenga asociada una criptomoneda con valor financiero asegura la sostenibilidad económica de la misma y garantiza su carácter distribuido, haciendo innecesaria la existencia de una autoridad central que asegure el funcionamiento de todo el sistema. De hecho, hay expertos que aseguran que, si una cadena de bloques no genera una criptomoneda que la haga sostenible, al producto resultante no se le puede decir blockchain, siendo más correcto aplicarle el nombre de Distributed Ledger Technology.

 

En los últimos años se han desarrollado aplicaciones de la tecnología blockchain o la Distributed Ledger Technology (DLT) para sectores distintos al financiero, y la cadena agroalimentaria no es una excepción. Como se ha comentado anteriormente, en la actualidad existen varios desarrollos relacionados con la aplicación de la tecnología blockchain en el sector agroalimentario, tanto a nivel nacional y sobre todo internacional. En el estado de la tecnología en España, se conoce una iniciativa en el sector del aceite de oliva se ha puesto en marcha un proyecto impulsado por la Universidad de Sevilla titulado “Olivacoin” (http://olivacoin.com/ ), donde se pretende comercializar aceite de oliva con garantías de origen y calidad, de forma fiable y sin intermediarios.

 

Tecnología NIRS

Por otro lado, la espectroscopia de reflectancia del infrarrojo cercano (NIRS) es un método analítico rápido basado en la reflexión / absorción de grupos químicos funcionales en la región de luz del infrarrojo cercano (alrededor del rango de longitud de onda de 800–2500 nm). Esto es adecuado para predecir la concentración de componentes orgánicos, como la carne. De hecho, se han hecho numerosos desarrollos al respecto, tanto en carne de bovino, porcino y pollo, llegando a determinar la composición química de la carne en cuanto al contenido en grasa, proteína, humedad, colágeno, cenizas e incluso perfil de ácidos grasos (Prevolnik, et al., 2004). Incluso en cerdo Ibérico, donde el equipo investigador de la Universidad de Córdoba presente en el presente proyecto logró determinar humedad grasa y proteína (Zamora-Rojas, et al. 2011). También el NIRS se ha intentado emplear para determinar la calidad tecnológica de la carne, llegando a precedir con mayor o menor exactitud parámetros como el pH, el color, la capacidad de retención de agua o incluso parámetros sensoriales.

 

En cuanto a la viabilidad del NIRS para detectar diferencias entre razas animales, como sería el Ibérico puro del Ibérico cruzado, existen algunos conocimientos divulgados por la comunidad científica que dan viabilidad a esta posibilidad. El NIRS ha sido empleado para diferenciar entre carne fresca y carne previamente congelada (Reiss, M.M. 2017), así como para diferenciar con éxito entre razas de pollo industriales y las de crecimiento lento (Fumière et al., 2000) con el objetivo de implantar un sello de calidad como el que se pretende en el presente proyecto. En cuanto al objetivo buscado, en el campo de la mejora genética vegetal (además de emplearse para el análisis cuantitativo para la predicción de concentraciones de componentes identificados como en el caso de la carne), el NIRS puede emplearse para el análisis cualitativo de las muestras para su clasificación según sus propiedades espectroscópicas. Además de la identificación y verificación de genotipos basados en semillas (Wu et al. 2008), NIRS puede usarse en la identificación de materiales alimenticios transgénicos (Alishahi et al. 2010) o semillas, como la separación de RoundupReady® de soja no modificada genéticamente (Esteve Agelet et al. 2012). NIRS también se puede usar en la identificación de mutantes, por ejemplo, los mutantes de endospermo de cebada, como los que expresan lisina alta o beta-glucano alto y bajo, pueden diferenciarse de los genotipos de cebada normales en función de sus patrones quimiométricos (Jacobsen et al. 2005), al igual que hicieron Vollman y Jankowicz-Cieslak (2017) para diferenciar diferentes fenotipos de arroz con la tecnología NIRS.

La evidencia de diferentes especies de cultivos demuestra el potencial de utilizar datos espectrales de NIRS para clasificar muestras de semillas de acuerdo con la similitud espectral. Una preocupación importante en la identificación de mutantes (tradicionalmente mutagenizados por tratamientos de semillas con mutágenos químicos o físicos) es su baja frecuencia; por lo general, se deben evaluar miles de individuos o líneas para identificar fenotipos novedosos de interés. Hemos desarrollado un método de preselección de alto rendimiento que utiliza un análisis cualitativo NIRS de semillas de arroz en el que se pueden identificar fenotipos raros y novedosos. Dado que los valores atípicos son de la misma población y comparten un fondo genético común y altamente homogéneo, cualquier cambio es fácil de detectar y es un mutante potencial que puede ser validado por análisis adicionales. A continuación, se proporciona un método práctico y fácil de usar para la detección basada en NIRS de poblaciones de semillas mutantes para la detección de valores atípicos espectroscópicos

Bibliografía

  • Alishahi A, Farahmand H, Prieto N, Cozzolino D (2010) Identification of transgenic foods using NIR spectroscopy: a review. Spectrochim Acta Part A 75:1–7
  • Esteve Agelet L, Gowen AA, Hurburgh CR, O’Donell CP (2012) Feasibility of conventional and roundup ready (R) soybeans discrimination by different near infrared reflectance technologies. Food Chem 134:1165–1172
  • Fumière O., Sinnaeve G., Dardenne P. (2000): Atempted authentication of cut pieces of chicken meat from certified production using near infrared spectroscopy. Journal of Near Infrared Spectroscopy, 8: 27–34.
  • Ge,
  • Jacobsen S, Søndergaard I, Møller B, Desler T, Munck L (2005) A chemometric evaluation of the underlying physical and chemical patterns that support near infrared spectroscopy of barley seeds as a tool for explorative classification of endosperm genes and gene combinations. J Cereal Sci 42:281–299
  • Prevolnik, M., Candek-Potokar, M. y Skorjanc, D. 2004. Ability of NIR spectroscopy to predict meat chemical composition and quality – a review. Czech J. Anim. Sci., 49: 500–510.
  • Reis, M.M. 2017. Near infrared spectroscopy (Vis-NIRS) applied to differentiation between chilled and frozen/thawed meat. 
  • Tian, F. An agri-food supply chain traceability system for China based on RFID & blockchain technology. 2016 13th International Conference on Service Systems and Service Management (ICSSSM). Kunming, China.
  • Vollman, J. y Jankowicz-Cieslak, J. 2017. Utilising NIRS for Qualitative and Non-destructive Identification of seed Mutants in Large Populations. In: Jankowicz-Cieslak J., Tai T., Kumlehn J., Till B. (eds) Biotechnologies for Plant Mutation Breeding. Springer, Cham.
  • Zamora-Rojas, E., Garrido-Varo, A., De Pedro-Sanz, E., Guerrero-Ginel, J.E., Pérez-Marín, D. 2011. Monitoring NIRS calibrations for use in routine meat analysis as part of Iberian pig-breeding programs and thinking about moving. Food Chemistry 129: 1889-1897.
  • Wu D, Feng L, He Y, Bao Y (2008) Variety identification of Chinese cabbage seeds using visible and near-infrared spectroscopy. Trans ASABE 51:2193–2199.

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.plugin cookies

ACEPTAR
Aviso de cookies