Heeft elke wijn zijn eigen chemische signatuur en, zo ja, kan deze worden gebruikt om de oorsprong ervan te identificeren? Veel specialisten hebben geprobeerd dit mysterie op te lossen, maar zijn daar niet volledig in geslaagd. Door hulpmiddelen voor kunstmatige intelligentie toe te passen op bestaande gegevens is een team van de Universiteit van Genève (UNIGE), in samenwerking met het Instituut voor Vine and Wine Science van de Universiteit van Bordeaux, erin geslaagd om met 100% nauwkeurigheid de chemische kenmerken van rode wijnen te identificeren. van zeven grote landgoederen in de regio Bordeaux.

Deze resultaten zijn gepubliceerd in het tijdschrift Communications Chemistry , maken de weg vrij voor potentiële nieuwe instrumenten om namaak te bestrijden en voor voorspellende instrumenten om de besluitvorming in de wijnsector te sturen.

Elke wijn is het resultaat van fijne, complexe mengsels van duizenden moleculen. Hun concentraties variëren afhankelijk van de samenstelling van de druiven, die vooral afhangt van de aard en structuur van de bodem, de druivensoort en de praktijken van de wijnboer.

Deze variaties, zelfs hele kleine, kunnen een grote impact hebben op de smaak van wijn. Dit maakt het erg moeilijk om de precieze oorsprong van een wijn te bepalen op basis van alleen dit sensorische criterium. Met de klimaatverandering, nieuwe consumentengewoonten en een toename van namaak is de behoefte aan effectieve instrumenten om de identiteit van wijnen te bepalen cruciaal geworden.

Bestaat er dan een chemische signatuur, onveranderlijk en specifiek voor elk landgoed, die het mogelijk zou maken dit te doen? “De wijnsector heeft talloze pogingen ondernomen om deze vraag te beantwoorden, met twijfelachtige of soms correcte resultaten, maar waarbij zware technieken betrokken zijn. Dit komt door de grote complexiteit van de blends en de beperkingen van de gebruikte methoden, die een beetje lijken op het zoeken naar een naald in het midden van een hooiberg”, legt Alexandre Pouget uit, hoogleraar bij de afdeling fundamentele neurowetenschappen van de medische faculteit van UNIGE.

Eén van de gebruikte methoden is gaschromatografie. Dit bestaat uit het scheiden van de componenten van een mengsel door affiniteit tussen twee materialen. Het mengsel gaat door een zeer dunne buis van 30 meter lang. De componenten die de grootste affiniteit hebben met het buismateriaal scheiden zich geleidelijk van de anderen.

Elke scheiding wordt geregistreerd door een massaspectrometer. Vervolgens wordt een chromatogram geproduceerd, waarop pieken te zien zijn die de moleculaire scheidingen aangeven. In het geval van wijn zijn deze pieken, vanwege de vele moleculen waaruit deze bestaat, uiterst talrijk, wat een gedetailleerde en uitputtende analyse erg moeilijk maakt.

Gegevens verwerkt door machinaal leren

In samenwerking met het team van Stephanie Marchand van het Instituut voor Vine and Wine Science aan de Universiteit van Bordeaux vond het team van Alexandre Pouget de oplossing door chromatogrammen en kunstmatige intelligentie-instrumenten te combineren. Deze chromatogrammen zijn afkomstig van 80 rode wijnen uit twaalf jaargangen (1990-2007) en van zeven landgoederen in de regio Bordeaux. Deze ruwe gegevens werden verwerkt met behulp van machine learning, een gebied van kunstmatige intelligentie waarin algoritmen terugkerende patronen in informatiesets leren identificeren.

“In plaats van specifieke pieken te extraheren en concentraties af te leiden, stelde deze methode ons in staat om rekening te houden met de volledige chromatogrammen van elke wijn – die tot 30.000 punten kunnen bevatten – inclusief achtergrondruis, en om elk chromatogram samen te vatten in twee X- en Y-coördinaten, na het elimineren van onnodige variabelen. Dit proces wordt dimensionaliteitsreductie genoemd”, legt Michael Schartner uit, een voormalig postdoctoraal onderzoeker bij de afdeling Basic Neurosciences van de Faculteit der Geneeskunde van UNIGE, en eerste auteur van het onderzoek.

Een 100% betrouwbaar model

Door de nieuwe coördinaten in een grafiek te plaatsen, konden de onderzoekers zeven ‘wolken’ van punten zien. Ze ontdekten dat elk van deze wolken wijnjaren van hetzelfde landgoed groepeerde op basis van hun chemische overeenkomsten.

"Hierdoor konden we aantonen dat elk landgoed zijn eigen chemische signatuur heeft. We hebben ook waargenomen dat drie wijnen aan de rechterkant en vier aan de linkerkant waren gegroepeerd, wat overeenkomt met de twee oevers van de Garonne waarop deze landgoederen zich bevinden. " legt Stéphanie Marchand uit, professor aan het Instituut voor Vine and Wine Science aan de Universiteit van Bordeaux, en co-auteur van de studie.

Tijdens hun analyses ontdekten de onderzoekers dat de chemische identiteit van deze wijnen niet werd bepaald door de concentratie van een paar specifieke moleculen, maar door een breed chemisch spectrum. "Onze resultaten laten zien dat het mogelijk is om de geografische oorsprong van een wijn met 100% nauwkeurigheid te identificeren, door technieken voor dimensionaliteitsreductie toe te passen op gaschromatogrammen", zegt Alexandre Pouget, die dit onderzoek leidde.

Dit onderzoek levert nieuwe inzichten op in de componenten van de identiteit en sensorische eigenschappen van een wijn. Het maakt ook de weg vrij voor de ontwikkeling van instrumenten ter ondersteuning van de besluitvorming – om bijvoorbeeld de identiteit en expressie van een terroir te behouden – en om namaak effectiever te bestrijden.

Meer informatie: Michael Schartner et al, Het voorspellen van de oorsprong en jaargangen van rode Bordeaux-wijnen op basis van ruwe gaschromatogrammen, Communicatiechemie (2023). DOI:10.1038/s42004-023-01051-9

Journaalinformatie: Communicatiechemie

Aangeboden door Universiteit van Genève