Prédiction du déoxynivalénol dans la farine de blé par ATR-FTIR et intelligence artificielle
Prédiction de la teneur en déoxynivalénol dans la farine de blé par spectroscopie ATR-FTIR et apprentissage automatique
Introduction
La contamination de la farine de blé par le déoxynivalénol (DON), une mycotoxine produite par des espèces du genre Fusarium, pose un défi majeur pour la sécurité alimentaire et la santé humaine. Traditionnellement, la quantification du DON s'effectue grâce à des méthodes chromatographiques précises, mais coûteuses et chronophages. L'avènement de la spectroscopie infrarouge à réflectance totale atténuée (ATR-FTIR), combinée à des algorithmes d'apprentissage automatique, ouvre la voie à une estimation rapide, non destructive et fiable de cette toxine dans les matrices alimentaires complexes.
Fondements théoriques
Spectroscopie ATR-FTIR : principe et atouts
La spectroscopie FTIR exploite l’absorption du rayonnement infrarouge par les liaisons moléculaires pour révéler des empreintes spectrales uniques. Montée sur une plateforme ATR, elle permet l'analyse superficielle directe de la farine, minimisant la préparation de l'échantillon. Cette méthode est idéale pour caractériser rapidement des lots alimentaires.
Origines et dangers du déoxynivalénol
Le DON, aussi appelé vomitoxine, est fréquemment retrouvé dans les céréales infectées pendant la croissance ou le stockage. Il résiste aux traitements thermiques et présente des risques sanitaires significatifs, notamment des troubles gastro-intestinaux et immunitaires. Identifier sa teneur dans la farine est crucial pour anticiper tout danger pour la chaîne alimentaire humaine et animale.
Méthodologie expérimentale
Collecte et préparation des échantillons
Une sélection diversifiée de farines de blé, toutes caractérisées par leur taux de contamination au DON, a été analysée. Chaque échantillon a reçu un identifiant afin d'assurer la traçabilité tout au long du protocole.
Acquisition des spectres
Pour chaque farine, un spectre infrarouge a été obtenu via ATR-FTIR, couvrant la plage 4000–650 cm⁻¹. Plusieurs passages garantissaient la reproductibilité. Les principales bandes d’absorption enregistrées reflétaient la composition chimique de la matrice, incluant les polysaccharides, protéines, lipides et traces de mycotoxines.
Quantification de référence du DON
Les concentrations de DON des échantillons ont été établies par chromatographie liquide haute performance couplée à détection UV, procurant ainsi la valeur de référence pour l’étalonnage des modèles prédictifs.
Approche d'apprentissage machine
Prétraitement du signal spectral
Avant l’analyse, les spectres ont subi un centrage à la ligne de base et une normalisation, optimisant la détection des signaux faibles liés au DON au sein d’une matrice complexe. Le bruit a été atténué via des techniques algorithmiques, facilitant l’extraction de caractéristiques pertinentes.
Construction des modèles prédictifs
Plusieurs algorithmes ont été explorés : régression des moindres carrés partiels (PLSR), forêts aléatoires et réseaux de neurones artificiels. Chacun a appris à établir une relation quantitative entre le profil spectral et la concentration réelle de DON mesurée par la méthode de référence.
Validation croisée et performances
La validation croisée (test croisé à plusieurs volets, parfois en mode ‘leave-one-out’) a permis de juger la robustesse des modèles. Les principaux paramètres suivis étaient l’erreur type de prédiction (RMSEP) et le coefficient de détermination (R²).
Résultats et interprétations
Discrimination efficace du DON par ATR-FTIR
Les spectres FTIR, bien que fortement influencés par les composants majeurs de la farine (amidon, gluten…), contiennent des signatures permettant la détection du DON à différents taux. Les modèles basés sur le PLSR, finement ajustés, ont démontré une très bonne concordance avec les données référentielles. Les modèles avancés (forêts aléatoires et réseaux de neurones) ont offert de légères améliorations supplémentaires, particulièrement dans les plages de concentrations faibles.
Reproductibilité et limites
La méthode a révélé une haute reproductibilité et une capacité à différencier les niveaux critiques de DON, même en présence d'autres interférents. Toutefois, la résolution limite dépend du nombre d’échantillons de calibration et de la représentativité de la diversité analytique dans la base d’entraînement.
Applications et perspectives industrielles
La technique ATR-FTIR couplée à l'apprentissage automatique représente une solution de contrôle qualité rapide et fiable, potentiellement intégrable en ligne dans les moulins et usines agroalimentaires. Elle permettrait le dépistage systématique de lots non-conformes avant mélange ou mise sur le marché. Le déploiement industriel de tels modèles nécessite toutefois une veille permanente sur la conformité du parc d’échantillons, afin d’éviter les biais ou la dégradation des performances prédictives.
Conclusion
L'intégration de la spectroscopie ATR-FTIR et de l’intelligence artificielle constitue une avancée notoire dans la détection du DON dans la farine de blé. Cette méthode innovante, rapide et économique, renforce la sécurisation des chaînes alimentaires à grande échelle tout en répondant aux exigences réglementaires croissantes en matière de vigilance mycotoxinique.
Source : https://www.sciencedirect.com/science/article/pii/S0304389426003006?dgcid=rss_sd_all
