Identikit chimico dell'olio toscano: l'intelligenza artificiale smaschera i falsi d'origine

La chimica di un olio extravergine di oliva è il risultato di tre fattori che si sovrappongono: la genetica della cultivar, le condizioni pedoclimatiche del territorio e le tecnologie di lavorazione in frantoio. Quest'ultimo aspetto rappresenta da sempre un ostacolo per chi cerca di autenticare l'origine geografica di un prodotto, perché le scelte impiantistiche — dalla gramolatura alla centrifugazione, fino alla filtrazione — modificano in modo sostanziale il profilo dei composti volatili, degli acidi grassi e dei polifenoli. Il risultato è che un olio di Chianti lavorato con una certa tecnologia può somigliare più a un olio di un'altra zona passato nello stesso frantoio che a un olio della propria zona trattato diversamente.

Lo studio condotto dal gruppo di ricerca dell'Università di Firenze, pubblicato su Food Research International, affronta per la prima volta in modo sistematico questa criticità. Su un campione di 40 oli extravergini toscani provenienti da sette cultivar (Frantoio, Leccino, Leccio del Corno, Moraiolo, Seggianese, Morcone della Valtiberina e Canino) e da cinque distretti produttivi (Chianti, Alta Valtiberina, Amiata, Maremma e Pitigliano), i ricercatori hanno messo a punto un flusso di lavoro che combina metabolomica e apprendimento automatico per separare il segnale biologico dal rumore tecnologico.

Tre piattaforme analitiche per un'unica impronta digitale

Il cuore metodologico della ricerca è l'integrazione di tre diverse tecniche analitiche in un'unica matrice di dati. La risonanza magnetica nucleare dell'idrogeno ha fornito 33 metaboliti molecolari, tra cui acidi grassi, steroli e tocoferoli. La microestrazione in fase solida dello spazio di testa accoppiata alla gascromatografia-spettrometria di massa ha identificato e quantificato 100 composti organici volatili, responsabili dell'aroma. La cromatografia liquida ad alta prestazione con rivelatori a diodi e fluorescenza ha aggiunto 21 composti fenolici e secoiridoidi, molecole bioattive di grande interesse nutraceutico. A queste si sono aggiunti 17 attributi sensoriali valutati da un panel addestrato secondo il metodo del Consiglio Oleicolo Internazionale.

Il dataset complessivo comprendeva 171 variabili quantitative per 40 campioni, per un totale di 6.840 dati. L'analisi PERMANOVA ha confermato che il frantoio spiega il 13% della varianza totale dei parametri misurati, mentre la località di produzione ne spiega il 22%: entrambi fattori statisticamente significativi, ma con un ruolo profondamente diverso nell'ottica dell'autenticazione. Se la provenienza è il bersaglio da identificare, la tecnologia di lavorazione è un fattore confondente da neutralizzare.

La strategia a due stadi che rimuove l'effetto frantoio

Per isolare i marcatori geografici autentici, i ricercatori hanno implementato una procedura iterativa basata su Random Forest, un algoritmo di apprendimento supervisionato particolarmente robusto e in grado di fornire stime affidabili dell'importanza delle variabili. In ciascuna delle 1000 iterazioni, un primo modello è stato addestrato a predire l'identità del frantoio a partire dall'intero set di variabili chimiche. Le variabili che contribuivano maggiormente a questa discriminazione — quelle con un valore di Mean Decrease Accuracy superiore a 0,2 — venivano rimosse, e un secondo modello veniva addestrato sul dataset ridotto per classificare la zona geografica di provenienza.

Solo le variabili che emergevano ripetutamente come predittive del frantoio in oltre l'80% delle iterazioni venivano definitivamente scartate, riducendo al minimo il rischio di eliminare marcatori biologicamente significativi. Il risultato è stato un insieme di 33 variabili robuste, selezionate per la capacità di discriminare la zona di produzione al netto dell'influenza della lavorazione. Tra queste figurano secoiridoidi come i derivati dell'oleuropeina e l'oleocoronal, steroli come il cicloartenolo, triterpenoidi, aldeidi come il nonanale, terpenoidi e metaboliti di derivazione lipidica.

Le mappe dell'origine: cosa distingue Chianti da Maremma

Il modello di classificazione geografica addestrato sul dataset filtrato ha raggiunto un'accuratezza media del 79,5% con validazione incrociata, con valori compresi tra il 72,5% e l'87,5% e una mediana dell'80%. Un dato apparentemente inferiore all'85% ottenuto dal modello addestrato sull'intero dataset, ma i ricercatori sottolineano come questa differenza sia ingannevole: la maggiore accuratezza del modello completo era in parte artificiosa, sostenuta dalla distribuzione non uniforme dei frantoi nelle diverse zone, che permetteva al classificatore di usare firme tecnologiche come proxy dell'origine geografica. Dopo la rimozione delle variabili legate al frantoio, gli errori di classificazione sono diventati più bilanciati tra le classi, offrendo una stima più conservativa e biologicamente significativa della differenziazione territoriale.

La matrice di confusione mostra risultati di rilievo: il modello discrimina con accuratezza del 100% l'area del Chianti dalle zone del Grossetano (Amiata, Maremma e Pitigliano), e identifica correttamente 12 oli su 13 del Chianti, con un solo campione erroneamente attribuito alla Valtiberina. La sensibilità per gli oli di Maremma è pari al 100%. Le differenze significative tra le zone, valutate con test di Wilcoxon e correzioni per confronti multipli, riguardano principalmente i composti fenolici come la dialdeide agliconica dell'oleuropeina e l'oleocoronal, gli steroli come il cicloartenolo nella forma eso, gli alkanali e i triterpenoidi.

Filtrazione: un effetto misurabile ma governabile

Lo stesso approccio è stato applicato per indagare l'effetto della filtrazione, che spiega il 5% della variazione totale. Dopo la rimozione delle variabili associate al frantoio, un secondo modello Random Forest ha discriminato oli filtrati e non filtrati con un'accuratezza media del 90%, predendo correttamente 19 dei 21 campioni filtrati e 17 dei 19 non filtrati. Le differenze più marcate riguardano il nonanale e l'eptanale, aldeidi derivate dalla degradazione ossidativa degli acidi grassi, mentre l'acetato di etile mostra un'importanza limitata, suggerendo un ruolo marginale nella distinzione tra le due categorie.

Dalla chimica al profumo: prevedere le note sensoriali

La seconda parte dello studio ha esplorato la capacità dei modelli di predire gli attributi sensoriali a partire dalla composizione chimica. Utilizzando TreeNet, un algoritmo di gradient boosting stocastico, e MARS, un modello di regressione spline adattivo multivariato, i ricercatori hanno ottenuto performance predittive di rilievo. Il modello TreeNet ha spiegato il 96% della varianza nella classificazione delle cultivar e il 95% e 99% della varianza per gli attributi sensoriali "riscaldato" e "carciofo", con errori quadratici medi rispettivamente di 0,080 e 0,294. Il modello MARS ha raggiunto un R² di 0,95 per la rancidità, 0,90 per la nota di pomodoro e 0,83 per la nota resinosa.

Particolarmente interessante è il legame emerso tra precursori lipidici e aromi. Per la nota fruttata, il modello MARS ha identificato come variabili importanti il 2-propanolo, i 4-metilsteroli, il 2-nonanone e l'(E)-2-esenale, con l'oleocantale che contribuisce per il 13%. Per la rancidità, la variabile più importante è risultata la dialdeide agliconica dell'oleuropeina, seguita dai terpeni. La nota di pomodoro è spiegata da cinque variabili, tra cui il p-cimene come predittore principale, seguito dall'ispenone, dal 1-penten-3-olo, dall'(E)-2-alchenale e dall'(4E,6Z)-allocimene. Per la nota resinosa, il predittore più importante è l'acido margarico, seguito dal 3-carene.

Il ruolo chiave degli acidi grassi e della via della lipossigenasi

I modelli di dipendenza parziale hanno rivelato relazioni non lineari di notevole interesse biologico. Per la nota "riscaldato", l'acido linoleico emerge come principale variabile predittiva, con il 3-etil-1,5-ottadiene e il nonanale che rappresentano fattori cruciali. Il modello cattura una complessa relazione non lineare tra nonanale e acido linoleico, con due picchi predittivi in corrispondenza di valori soglia specifici. Per la rancidità, la relazione tra oleuropeina e nonanale mostra un rapido incremento del contributo di quest'ultimo al crescere della concentrazione di oleuropeina, con un salto significativo nell'intervallo tra 0,2 e 0,3 milligrammi per litro di nonanale.

Questi risultati confermano il ruolo centrale della via della lipossigenasi, il percorso enzimatico che converte gli acidi grassi polinsaturi in aldeidi e alcoli C6, responsabili delle note verdi e fruttate dell'olio. La concentrazione di questi composti è influenzata dalla tecnologia di lavorazione, ma il loro potenziale massimo e il profilo specifico sono determinati geneticamente dalla cultivar. È questa "doppia natura" che ha reso necessaria una strategia dedicata per la classificazione varietale.

Identikit delle cultivar: otto predittori per sette varietà

Per il modello di classificazione delle cultivar, i ricercatori hanno adottato un approccio più flessibile rispetto a quello usato per l'origine geografica. I modelli preliminari basati sul dataset strettamente indipendente dal frantoio mostravano una perdita di accuratezza predittiva, segnalando che informazioni varietali essenziali erano state scartate durante la filtrazione iniziale. È il caso dei composti la cui espressione è innescata dal processo di molitura, ma il cui potenziale quantitativo è governato dall'eredità genetica dell'oliva.

Il modello finale è stato quindi ottimizzato reintroducendo otto predittori specifici che, pur parzialmente correlati ai tipi di frantoio, fornivano un potere discriminante indispensabile. Tra questi figurano cinque composti biologici primari — squalene, acido oleico, p-cimene, (E)-4,8-dimetilnon-1,3,7-triene e oleocantale — insieme al 3-etil-1,5-ottadiene e a due composti volatili chiave della via della lipossigenasi, l'(Z)-2-esenale e l'(E)-2-esen-1-olo. Il modello TreeNet ha raggiunto un R² di 0,96 con un RMSE di 0,577.

I risultati evidenziano come l'(E)-2-esen-1-olo (94%) e l'esenale (90%) siano predittori cruciali per caratterizzare le cultivar, mentre squalene, cis-bergamotene, oleuropeina e (E)-2-alchene contribuiscono per l'80% della significatività rispetto all'acido margarico, che resta il covariato più importante nella previsione delle sette cultivar e dei due tipi di blend considerati. L'analisi delle curve di dipendenza parziale ha mostrato che il contributo positivo in termini di log-odds per il modello cultivar si osserva con valori di squalene compresi tra 0,55 e 0,65 milligrammi per chilo e di (E)-2-esen-1-olo tra 0,5 e 4,6 microgrammi per litro, un intervallo che caratterizza in particolare gli oli della cultivar Morcone della Valtiberina e i blend con prevalenza di questa varietà.

Prospettive: verso un'autenticazione più robusta

Lo studio rappresenta il primo tentativo di integrare tre piattaforme analitiche con algoritmi di machine learning applicando esplicitamente una strategia di rimozione dell'effetto frantoio prima della classificazione geografica. I ricercatori sottolineano come questo approccio colmi un vuoto metodologico importante nella ricerca sull'autenticazione dell'olio extravergine, dove la variabilità indotta dalla lavorazione ha storicamente ostacolato l'identificazione di marcatori affidabili.

Le prospettive future vanno nella direzione di validare i modelli su un numero maggiore di cultivar, annate e contesti produttivi, e di integrare tecniche complementari come gli isotopi stabili dello stronzio, le terre rare e gli elementi in tracce, oltre che approcci genomici e trascrittomici. L'obiettivo è costruire framework di autenticazione sempre più solidi, in grado di supportare i sistemi di qualità dell'Unione Europea e di rafforzare la fiducia dei consumatori verso un prodotto simbolo del Made in Italy e della biodiversità mediterranea.