Aproximación lipidómica al estudio de las alteraciones de la calidad del café verde durante el almacenamiento

Abstract

RESUMEN: En el almacenamiento del café verde se reconoce que el producto sufre alteraciones sensoriales que se manifiestan por la aparición en taza de descriptores negativos como paja, madera y papel y que generan el denominado “café reposado”. El análisis sensorial del café verde es subjetivo debido a que depende de las capacidades, habilidades y sesgos del juez catador. Dado que la expresión sensorial en taza depende de la composición química del grano verde, la diminución de la calidad durante el almacenamiento indica que su composición química cambia durante este periodo; sin embargo, no es fácil establecer cuáles compuestos cambian. Se hace relevante obtener información basada en herramientas instrumentales que generen resultados estandarizados y reproducibles que soporten los enfoques sensoriales. Los lípidos del café verde destacan especialmente cuando se pretende estudiar su calidad y los cambios durante el almacenamiento. Esta apreciación se cimenta en la importancia de los aspectos químicos debido a su labilidad, biológicos en relación con su intervención en rutas metabólicas y sensoriales por su papel como precursores. En esta tesis se planteó usar la espectroscopía por resonancia magnética nuclear y la espectrometría de masas para generar el perfil lipidómico del café verde sometido a diferentes condiciones de almacenamiento con las cuales se generaron muestras diferenciadas de café reposado y no reposado. Sobre los datos de los perfiles lipidómicos se aplicaron técnicas de análisis de datos usando algoritmos de aprendizaje automático para discriminar entre las dos características de interés. Los modelos construidos usando algoritmos de Random Forest y alimentados con los datos instrumentales permitieron discriminar con un muy buen nivel de exactitud las muestras de café verde reposadas de las no reposadas.

ABSTRACT: In the storage of green coffee it is recognized that the product undergoes sensory alterations that are manifested by the appearance in the cup of negative descriptors such as straw, wood and paper and that generate the so-called “rested coffee”. The sensory analysis of green coffee is subjective because it depends on the skills, abilities, and biases of the tasting judge. Since sensory expression in the cup depends on the chemical composition of the green grain, the decrease in quality during storage indicates that its chemical composition changes during this period; however, it is not easy to establish which compounds change. It is relevant to obtain information based on instrumental tools that generate standardized and reproducible results that support sensory approaches. Green coffee lipids stand out especially when it is intended to study their quality and changes during storage. This assessment is based on the importance of chemical aspects due to its lability, biological in relation to its intervention in metabolic and sensory pathways because of its role as precursors. In this thesis, it was proposed to use nuclear magnetic resonance spectroscopy and mass spectrometry to generate the lipidomic profile of green coffee subjected to different storage conditions with which differentiated samples of coffee reposed and not rested were generated. Data analysis techniques were applied to the data of lipidomic profiles using machine learning algorithms to discriminate between the two characteristics of interest. The models constructed using Random Forest algorithms and fed with the instrumental data allowed to discriminate with a very good level of accuracy the samples of rested green coffee from those not repossessed