Une recherche britannique révèle une percée dans le gluten

PUBLIÉ LE 31 juillet 2023

LEXINGTON, Kentucky — De plus en plus de personnes souffrent d'intolérance au gluten et de maladie cœliaque, ce qui a entraîné une demande accrue de produits sans gluten sur le marché. Cependant, garantir que ces produits sont véritablement sans gluten peut s'avérer difficile, en particulier lorsqu'une contamination croisée se produit lors de la récolte, de la fabrication ou de l'emballage. Même de minuscules traces de gluten dans les produits sans gluten peuvent avoir de graves conséquences sur la santé des personnes souffrant d'intolérance au gluten ou de maladie cœliaque.

Pour résoudre ce problème, des chercheurs du Martin-Gatton College of Agriculture, Food and Environment de l'Université du Kentucky ont mené une étude, publiée dans la revue Sustainability du MDPI, pour trouver une solution.

L'étude s'est concentrée sur la détection et la mesure rapides de la contamination par la farine de blé (gluten) dans le pain de maïs sans gluten à l'aide de la spectroscopie infrarouge à transformée de Fourier (FTIR). Cette technique utilise l'absorption de la lumière infrarouge à différentes longueurs d'onde pour identifier les composés organiques et inorganiques d'un échantillon. De plus, les chercheurs ont incorporé des techniques d’apprentissage automatique pour aider à identifier et quantifier la contamination par la farine de blé dans le pain de maïs.

"La contamination par les allergènes est un phénomène très courant dans l'industrie alimentaire", a déclaré Akinbode Adedeji, professeur agrégé et chercheur principal en biosystèmes et génie agricole. « Le seuil est très mince pour les personnes intolérantes au gluten. Nous voulions trouver une méthode rapide pour déterminer rapidement s’il existe une contamination par le gluten.

En utilisant de la farine de maïs et de la farine de blé, Adedeji et Abuchi Okeke, étudiant à la maîtrise en biosystèmes et génie agricole, ont préparé 13 échantillons de pain de maïs différents, chacun présentant différents niveaux de contamination par la farine de blé. Ils ont ensuite utilisé un spectromètre FTIR avec un accessoire spécial en diamant pour analyser ces échantillons. Avant de procéder à l'analyse de l'apprentissage automatique, ils ont prétraité les spectres collectés à l'aide de l'algorithme de lissage Savitzky-Golay, une technique de traitement du signal numérique utilisée pour la réduction du bruit des données, et de la première transformation dérivée. La transformation dérivée permet de distinguer les spectres de différents échantillons, de sorte que leur regroupement peut être plus facile avec le modèle d'apprentissage automatique.

"La combinaison de la spectroscopie FTIR et des algorithmes d'apprentissage automatique s'est avérée très efficace pour détecter et mesurer la contamination de la farine de blé dans le pain de maïs sans gluten avec une précision impressionnante", a déclaré Adedeji. « Même à des niveaux de contamination très faibles, aussi faibles que 0,5 %, le modèle a pu identifier avec précision la présence de farine de blé dans la semoule de maïs crue et cuite. La précision s’est améliorée à mesure que le niveau de contamination augmentait.

L’étude a également révélé que les algorithmes d’apprentissage d’ensemble, une technique combinant plusieurs modèles d’apprentissage automatique, amélioraient encore la précision, surpassant les méthodes d’apprentissage automatique individuelles.

Une découverte importante de la recherche a été l'identification de l'algorithme K-plus proche voisin (kNN) comme l'approche la plus prometteuse pour quantifier la quantité de contamination par la farine de blé dans le pain de maïs sans gluten. L'algorithme kNN prédit le niveau de contamination d'un échantillon inconnu en le comparant aux exemples les plus proches de l'ensemble de données. Une autre contribution marquante de l'étude a été le développement d'une application britannique open source appelée « Glutini » capable d'analyser les données FTIR collectées à partir de produits contaminés pour détecter et quantifier le gluten en temps réel.

Adedije a déclaré que les implications de cette étude sont considérables, en particulier pour l'industrie alimentaire et les fabricants de produits sans gluten. La combinaison de la spectroscopie FTIR et des algorithmes d'apprentissage automatique constitue un moyen fiable et efficace de garantir la sécurité et la qualité des produits sans gluten, protégeant ainsi les personnes souffrant d'intolérance au gluten ou de maladie cœliaque des risques potentiels pour la santé.

"En utilisant des algorithmes d'apprentissage automatique pour analyser de grands ensembles de données et identifier des modèles cachés, les inspections de sécurité alimentaire et les évaluations de la qualité peuvent être considérablement améliorées en termes de précision et d'efficacité", a-t-il déclaré. «Cette recherche constitue une avancée significative pour offrir aux consommateurs des options sans gluten plus sûres et de meilleure qualité.»