El gluten es un conjunto de proteínas presentes en los principales cereales de consumo humano, como el trigo, el centeno, la cebada y la malta. Sin embargo, cerca del 1% de la población mundial padece enfermedad celíaca, un trastorno complejo y autoinmune causado por la ingestión de gluten. Para estas personas, la única forma de evitar el daño intestinal es mantener una dieta estricta, ya que para este trastorno no existe tratamiento más allá de su eliminación de la dieta.
Dada la necesidad de proteger a los pacientes, la industria alimentaria requiere un control estricto, dado que la regulación obliga a declarar su presencia en los alimentos. Históricamente, el diagnóstico y el control se basaban en pruebas complejas, pero el avance tecnológico ha permitido el desarrollo de nuevas herramientas más precisas y accesibles.
Avances en investigación y biosensores inteligentes
Un equipo de investigadores, coordinados por Ramón Martínez Máñez, profesor de la Universidad Politécnica de Valencia (UPV), ha desarrollado métodos inteligentes para encontrar gluten, evitando la ingestión involuntaria de esta proteína. El trabajo, publicado recientemente en Analytica Chimica Acta, presenta un sistema compuesto por un film de alúmina anódica nanoporosa cargado con un tinte fluorescente y cubierto con un aptámero, una molécula que reconoce específicamente la gliadina, la proteína soluble del gluten.
En el ámbito del diagnóstico clínico, la Universidad Autónoma de Barcelona desarrolla Celifast, un biosensor que detecta la intolerancia al gluten en diez minutos. Este proyecto busca aumentar la rapidez del diagnóstico y promover la realización de tests fiables y no invasivos, superando la necesidad de biopsias intestinales mientras el paciente consume gluten.
Agrosensor -Biosensor LSPR para la industria alimentaria-
Tecnologías de detección: De la orina al análisis de alimentos
Existen diversos enfoques tecnológicos, algunos de los cuales se basan en el método de resonancia de plasmones superficiales (SPR). Por ejemplo, un dispositivo desarrollado por el grupo de Nanobiosensores y Aplicaciones Bioanalíticas del ICN2 puede detectar en muestras de orina la presencia de uno de los principales péptidos del gluten tras el consumo de un alimento, siendo especialmente útil para monitorear la dieta de niños fuera de casa.
Comparativa de métodos de detección de gluten
| Método | Muestra utilizada | Tiempo estimado |
|---|---|---|
| ELISA (Laboratorio) | Alimentos procesados | Horas |
| Dispositivo Nima | Alimentos sólidos | Minutos |
| Biosensor Celifast | Sangre | 10 minutos |
El papel del Machine Learning y la precisión industrial
Además de la química de sensores, la tecnología digital juega un papel crucial. Mediante el empleo de un Split Ring Resonator, se pueden construir conjuntos de datos de distintos compuestos para entrenar modelos. Utilizando técnicas de Machine Learning, se desarrolla un clasificador para caracterizar compuestos según si contienen o no gluten. Mediante Feature Selection, se optimiza el clasificador unificando la señal de tiempo obtenida del sensor con su transformada discreta de Fourier, logrando una mayor precisión en la identificación de trazas contaminantes.
Por otro lado, dispositivos portátiles como Nima permiten a los consumidores determinar la presencia de gluten en alimentos mediante una tira de flujo lateral automatizada. Este dispositivo ha demostrado ser confiable para la detección de residuos de gluten en diversas matrices de alimentos a niveles superiores a las 20 ppm, que es la concentración máxima aceptada para considerar un alimento como apto para celíacos.