Fresa

INTRODUCCIÓN 

La fresa es una de las frutas de mayor aceptación mundial y es también una de las que tiene mayores usos, entre los que se encuentran su exportación e importación como producto fresco, en la industria congeladora, como saborizante (en la elaboración de medicinas o repostería), entre otros (Zabetakis y Holden, 1997). Forney et al. (2000), Cordenunsi et al. (2002) y Macías-Rodríguez et al. (2002) han señalado que la composición química y los atributos de calidad de la fresa son altamente influenciados por la combinación de varios factores, entre los que se encuentran los genéticos (variedad) y geográficos (clima y suelo, entre otros).

Para la caracterización de plantas, la espectroscopía de infrarrojo con transformada de Fourier (FTIR) tiene grandes ventajas debido a su bajo costo, rapidez de respuesta, manejo sencillo y utilización de poca muestra sin mayor preparación previa. En el análisis de materiales espectroscópicamente similares (como es el caso de los cultivares de fresa), se requieren herramientas matemáticas y estadísticas que faciliten la interpretación de los resultados. Es necesario recurrir a métodos muy complejos, como la quimiometría, para obtener el máximo de información química relevante y procesarla mediante un análisis estadístico. Con el uso de la quimiometría se producen diversos patrones de reconocimiento como el modelo Soft Independent Modeling Class Analogy (SIMCA) que permite clasificar materiales semejantes en grupos definidos, y además discrimina muestras desconocidas (Beebe et al., 1998). La FTIR y la quimiometría han sido empleadas en la industria alimentaria para caracterizar bebidas alcohólicas (Noriega y López, 2000); en el área de control de calidad para predecir los niveles de adulteración en la elaboración de alimentos procesados (Guillén y Cabo, 1997; Holland et al., 1997); también se ha usado para realizar estudios fisiológicos en plantas (Wolkers et al., 1999), y en la discriminación de microorganismos (Kansiz et al., 1999).

El objetivo de este trabajo fue estudiar el perfil molecular de tres cultivares de fresa establecidos en tres campos de Zamora, Michoacán, México, por espectroscopía de infrarrojo medio y emplear a la quimiometría (modelo SIMCA) para clasificarlos, con la finalidad de identificar el tipo de cultivar o su procedencia geográfica.

MATERIALES Y MÉTODOS

Materiales

Las plantas de fresa se establecieron en los campos Sauz, La Loma y Noroto, ubicados en Zamora, Michoacán, México, y el fruto del primer ciclo de producción fue recolectado en su etapa de maduración al tercer mes de la siembra. En el caso del sembradío ubicado en el campo Sauz, los cultivares de fresa estudiados (Camarosa, Cm; Seascape, Sc y Oso Grande, Og) se sembraron en un diseño de Cuadro latino; mientras que en los campos Noroto y La Loma, únicamente se sembró la variedad Sc (Cuadro 1). Las plantas de los cultivares Cm y Sc se establecieron como testigos en los invernaderos del Centro de Investigación y Estudios Avanzados del Instituto Politécnico Nacional, Unidad Irapuato (CINVESTAV-Irapuato). Un fresicultor de Irapuato, Guanajuato, México, donó fruto de los cultivares Cm y Og, el cual se muestreó totalmente al azar en dos parcelas contiguas. Las frutas fueron congeladas a −80 oC, liofilizadas, y almacenadas a −20 oC.

Espectroscopía infrarroja con transformada de Fourier (FTIR)

Para el análisis por espectroscopia infrarroja se empleó un espectrofotómetro de infrarrojo con transformada de fourier (Perkin Elmer Modelo 1600) que cuenta con un accesorio de reflexión total atenuada (ATR). La fresa liofilizada se pesó (10 mg), se homogeneizó con 300 mL de cloroformo (J. T. Baker), se colocó en el cristal de seleniuro de zinc del ATR y se dejó secar. Todas las mediciones se hicieron a una resolución de 8 cm−1 con 16 barridos, y la región de estudio durante el análisis fue de 4000-650 cm−1. Antes de analizar las muestras se realizó un trasfondo (background) para eliminar humedad y CO2.

Modelo SIMCA

El modelo Soft Independent Modelling Class Analogy (SIMCA) requiere la creación de una biblioteca o base de datos de referencia (a partir de estándares) para definir las clases de cada muestra. Para este fin se colectaron 20 espectros por material (Cm, Sc y Og de Sauz; Sc de La Loma y Noroto; Cm y Og de Irapuato; Cm y Sc de invernadero); en total 180 estándares (Cuadro 2). Los espectros se procesaron y, posteriormente, se construyó y calibró un método Quant+ para cada clase con la finalidad de corregir la línea base, disminuir el ruido y determinar el número de componentes principales presente en la muestra (se aplicó un suavizado de siete puntos y una primera derivada de nueve puntos, con intervalos de 4 cm−1).

Procedimiento de diagnóstico

Se calculó la distancia crítica (distancia máxima entre espectros de la misma clase que el modelo estadístico establece para clasificar una muestra dentro de una clase específica) y la distancia interclase (la que existe entre cada clase de fresa), y se verificó que ninguna clase se traslapara, de acuerdo con los índices de reconocimiento (número de espectros que son asignados interclase en por ciento) y rechazo (número de espectros que son rechazados intraclase en por ciento) que proporcionó el modelo.

Procedimiento de validación

Se empleó un grupo de cinco espectros, los cuales fueron independientes de los utilizados para construir y calibrar el método Quant+.

Procedimiento de clasificación

Se utilizaron dos muestras desconocidas para el modelo: fresa Cm de Sauz que se cosechó durante el segundo ciclo de producción (muestra I) y fresa de la variedad Parker adquirida en el mercado para este fin (muestra II).

RESULTADOS Y DISCUSIÓN

Se estudió el perfil molecular de tres cultivares de fresa establecidos en tres diferentes campos en Zamora, Michoacán, por espectroscopía de infrarrojo medio, y se empleó la quimiometría (modelo SIMCA) para clasificarlos, con la finalidad de identificar el tipo de cultivar o su procedencia geográfica.

Espectroscopía infrarroja con transformada de Fourier (FTIR)

En la Figura 1 se muestran los espectros de infrarrojo de las fresas (en %T) de los cultivares Cm, Og y Sc provenientes de los campos de Zamora; así como los espectros de los cultivares obtenidos de Irapuato y del invernadero establecidos como testigos.

Figura 1. Espectros de infrarrojo de fresa (cultivares Cm, Sc y Og) cosechada en campos de Zamora (localidades Sauz, La Loma y Noroto), Irapuato e invernadero. CMS: Camarosa Sauz, SCS: Seascape Sauz, OGS: Oso Grande Sauz, SCL: Seascape La Loma, SCN: Seascape Noroto, CMI: Camarosa Irapuato, OGI: Oso Grande Irapuato, CRI: Camarosa invernadero, SAI: Seascape invernadero.

Cada uno de los espectros observados representa una de las nueve muestras analizadas en este estudio. El espectro total refleja la composición química de la fresa (carbohidratos, aminoácidos, lípidos y proteínas, entre otros). Aunque los espectros son complejos, es posible definir algunas bandas características de grupos funcionales presentes en las moléculas. Por ejemplo, la banda que se observa en la región de 3300 cm−1, corresponde a vibraciones de estiramiento de los enlaces O-H presentes en moléculas como carbohidratos, ácidos orgánicos como el ácido cítrico, o de algunos aminoácidos como la tirosina. Los carbohidratos son de los compuestos más importantes en el sabor de la fresa, y la glucosa, fructosa y sacarosa representan 99% del contenido total de azúcares (Pérez et al., 1997). Además, la relación azúcares/ácidos se considera un índice de calidad de la fresa (Cordenunsi et al., 2002), por lo que la intensidad de esta banda podría proporcionar información acerca de las características organolépticas de la fruta.

La banda 1740 cm−1 indica la presencia de enlaces tipo éster. Zabetakis y Holden (1997) mencionaron que los ésteres como el metil y etil butanoato y etil hexanoato son de los compuestos más representativos en el aroma de la fresa. Además, el enlace tipo éster también está presente en algunos lípidos. Gardner (1989) mencionó la importancia de los lípidos en las frutas como precursores de compuestos volátiles como el hexanol y hexenol, entre otros, quienes participan en general en el aroma de las plantas. La banda de 1740 cm−1 refleja, entonces, la diferencia en el contenido de ésteres y lípidos entre los materiales, la cual puede deberse al tipo de cultivar o a su procedencia geográfica.

Otra banda de absorción representativa es la de 1540 cm−1, que indica la presencia de una amida que es el grupo característico de las proteínas. Por otra parte, en la región de 1200-950 cm−1 se encuentran las vibraciones de los enlaces C-O-C, muy comunes en disacáridos y polisacáridos.

Al comparar todos los espectros se encontraron áreas espectrales semejantes como en la región 3330 cm−1. Sin embargo, hubo otras donde se encontraron grandes diferencias, como en la región de 2950-2850 cm−1 ya que Sc Sauz, Sc La Loma, Og de Irapuato y Sc de invernadero mostraron dos bandas que corresponden a vibraciones de estiramiento de los enlaces -CH, -CH2 y -CH3. El espectro obtenido de Sc de Noroto mostró un desplazamiento de banda (en relación con las demás) en la región de 1740-1650 cm−1 que podría indicar un cambio significativo en la composición química debido a un factor geográfico. El espectro de Og de Sauz es muy similar al de Sc de Noroto en la región de 4000-3000 cm−1, pero a su vez son diferentes en la región de 1500-1250 cm−1. Las diferencias más notables entre los espectros ocurrieron en la zona conocida como huella digital (1400-400 cm−1), ya que las absorciones que aparecen en esta región proceden fundamentalmente de las vibraciones de extensión y deformación, donde cada compuesto tiene una absorción característica.

Modelo SIMCA

Las clases fueron denominadas con cinco letras: TFCMS-Camarosa Sauz, TFSCS-Seascape Sauz, TFOGS-Oso grande Sauz, TFSCL-Seascape La Loma, TFSCN-Seascape Noroto, TFCMI-Camarosa Irapuato, TFOGI-Oso grande Irapuato, TFCRI-Camarosa invernadero, TFSAI-Seascape invernadero. Las siglas TF significan tipo de fresa.

Procedimientos de diagnóstico

En el Cuadro 3 se listan las distancias interclase establecidas por el modelo, identificando la influencia por factores genéticos (cultivar) y geográficos (clima, suelo). En el caso del factor genético se observó que las clases con menor distancia fueron TFCRI-TFSAI (2.29), TFSCS-TFOGS (13.03) y TFCMI-TFOGI (31.59). Estos resultados sugieren una relación genética entre los materiales debido a la gran similitud que mostraron. En la influencia de factores geográficos, se observó que es posible establecer el origen de una variedad de fresa, ya que las distancias interclase obtenidas para la variedad Cm establecida en Sauz, Irapuato e invernadero fueron diferentes: TFCMS-TFCMI (4827.8) y TFCRI-TFCMI (12 417.18).

Cuadro 3. Distancias interclase de fresa del modelo SIMCA obtenidas con base en factores genéticos (cv Camarosa, Seascape y Oso grande) y geográficos (campos Sauz, La Loma, Noroto, Irapuato e invernadero).

En la variedad Og la distancia interclase entre la fresa de Zamora e Irapuato fue pequeña (TFOGS-TFOGI, 47.32); estos resultados sugieren que el genotipo de la variedad Cm es más susceptible a cambios, debido a factores geográficos, que la variedad Og. Los índices de reconocimiento y rechazo en por ciento inter e intra clase mostraron que en el caso de TFCMS los estándares se reconocieron entre sí en 100%, es decir que los 20 estándares colectados para esta clase fueron asignados correctamente; además se rechazaron de las otras clases en 100%. Es importante recordar que las otras clases están conformadas por 160 estándares y es por eso que se indica 160/160 (Cuadro 4). Este mismo comportamiento se observó para TFSCS, TFSCN y TFCMI. Para el resto de las clases el porcentaje de reconocimiento y rechazo fue 93, 94 y 99%, valores que también son excelentes para clasificar los materiales (Beebe et al., 1998).

Procedimientos de validación

Las fresas de los estándares Og de Irapuato (FOGI) se reconocieron en 100%, y 100% fue rechazado de otras clases; estos mismos porcentajes fueron observados
para Sc de Noroto (FSCN) y Sc de invernadero (FSAI).

Cuadro 4. Índices de reconocimiento y rechazo del procedimiento de diagnóstico mediante el uso de estándares.

FCMI, FCMS, FSCL y FSCS presentaron reconocimientos de 60, 80, 80 y 80%, respectivamente, pero fueron totalmente rechazadas del resto de las clases.

Procedimiento de clasificación

Los resultados de la clasificación muestran los valores referentes al residual del espectro, que es la diferencia entre los espectros de los estándares de una clase y la muestra desconocida, basándose en el número de sus componentes principales. Es decir, regiones del espectro de infrarrojo que caracterizan a una clase; residual del modelo que es la diferencia que existe entre los valores (absorbancia) de los componentes principales del espectro de la muestra desconocida y el modelo; residual combinado, que es la raíz cuadrada de la suma de los cuadrados del residual del espectro y el residual del modelo. El valor de este residual proporciona una alta confiabilidad acerca de si una muestra desconocida pertenece o no a una clase. Además, proporciona el valor de la probabilidad de que un espectro desconocido pertenezca a una clase.

Para evaluar el procedimiento de clasificación se adquirieron dos materiales desconocidos, que en el modelo fueron designados con nomenclatura ciega: muestra I (Cm de Sauz colectada en el segundo ciclo de producción) y muestra II (cultivar Parker adquirido en el mercado). En la Figura 2 se puede observar el resultado de la clasificación de la muestra I. El modelo la clasificó en la clase TFCMS (Cm de Sauz) con una probabilidad de 0.86 y un residual del espectro de 0.78. El valor del residual combinado debe ser menor a la distancia crítica y, mientras mayor sea esta diferencia, la probabilidad de que una muestra sea miembro de una clase se incrementa. La distancia crítica de la clase TFCMS fue 1.48 y del residual del combinado 0.78.

Los resultados de la clasificación indicaron que existe una probabilidad de 0.0456 de que la muestra I pertenezca a la clase de TFSCL (Sc de La Loma), y probabilidad cero de que pertenezca a otra clase. Los ejes de la abscisa y ordenada de la Figura 2 señalan los residuales del modelo y del espectro, respectivamente, y el arco representa la distancia crítica. La clase TFCMS se ubicó dentro del arco, lo que indica que la muestra I sí pertenece a esa clase. La clase TFSCL fue la más cercana al arco, y por eso el modelo la establece como segunda opción. Los datos obtenidos indicaron que el modelo SIMCA reconoce no sólo la variedad, sino el origen geográfico, ya que clasificó a la muestra como Cm, y además proveniente del campo Sauz.

En la Figura 3 se observa el resultado de la clasificación de la muestra II (variedad Parker obtenida del mercado). El modelo indicó que esta muestra pertenece a la clase TFSCN (Sc de Noroto) con una probabilidad de 0.1611 y a la clase TFOGS (Og de Sauz) con una probabilidad de 0.0969. Por otra parte, en la gráfica se observa que la clase TFSCN se ubicó dentro del arco, pero muy cerca del límite (parte superior). Esto indica que el modelo apenas reconoce a la muestra II como un miembro de la clase TFSCN, y se confirma con el valor tan bajo de probabilidad que mostró el modelo.

La espectroscopia de infrarrojo se ha vuelto muy útil para analizar muestras obtenidas directamente de campo, ya que permite realizar estudios in situ que ayudarían a predecir o establecer la calidad de la fruta. También sería posible seguir las etapas de desarrollo del cultivo y conocer su manejo desde la siembra hasta la cosecha.

Figura 2. Representación gráfica de la clasificación de la muestra desconocida I dentro de la clase TFCMS (combinación Camarosa Sauz).

Figura 3. Representación gráfica de la clasificación de la muestra desconocida II dentro de la clase TFSCN (combinación Seascape Noroto).

CONCLUSIONES

La espectroscopía infrarroja media es una herramienta analítica no destructiva, rápida y eficaz, que permite analizar el perfil molecular de los principales cultivares de fresa en Zamora, Michoacán. Además, el análisis quimiométrico por medio de SIMCA, mostró ser útil para clasificar cultivares de fresa y establecer su origen geográfico. Las distancias interclase mostraron una relación genética entre materiales; sin embargo, dichas distancias en algunos casos fueron altamente influenciadas por factores geográficos. Este estudio podría ser la base para realizar investigaciones relacionadas con el establecimiento de parámetros de calidad en la fruta y en la caracterización de germoplasma de fresa en la región.

LITERATURA CITADA

• Beebe, K., R. Pell, and M. Seasholtz. 1998. Chemometrics. A practical guide. Editorial Wiley Interscience. New York. 120 p.
• Cordenunsi, B., J. Oliveira, M. Genovese, and F. Lajolo. 2002. Influence of cultivar on quality parameters and chemical composition of strawberry fruits grown in Brazil. J. Agric. Food Chem. 50: 2581-2586.
• Forney, C. F., W. Kalt, and M. A. Jordan. 2000. The composition of strawberry aroma is influenced by cultivar, maturity, and storage. HortSci. 35: 1022-1026.
• Gardner, H. 1989. How the lipoxygenase pathway affects the organoleptic properties of fresh fruti and vegetables. In: Flavor chemistry of lipid foods. D. Min y T. Smouse (Eds). American Oil Chemist’s Society: Illinois. 98-112.
• Guillén, M., and N. Cabo. 1997. Infrared spectroscopy in the study of edible oils and fats. J. Sci. Food Agric. 75: 1-11.
• Holland, J., E. Kemsley, and R. Wilson. 1997. Transfer of spectral data between fourier-transform infrared spectrometers for use in discriminant analysis of fruit purées. J. Sci. Food Agric. 75: 391-400.