Geochemiczne odciski palców i uczenie maszynowe w celu uwierzytelniania pochodzenia win musujących

Dlaczego ważne jest poznanie prawdziwego pochodzenia twojego bąbelkowego trunku

Gdy otwieramy butelkę wina musującego — zwłaszcza znanej marki, takiej jak szampan — płacimy nie tylko za napój, lecz także za miejsce, z którego pochodzi. Tymczasem fałszywe butelki i wprowadzające w błąd etykiety stają się coraz powszechniejsze, zagrażając zarówno konsumentom, jak i uczciwym producentom. W tym badaniu wykazano, że drobne ślady chemiczne w winie, połączone z nowoczesnymi metodami analizy danych, mogą rzetelnie ujawnić, gdzie butelka została wyprodukowana, oferując silne nowe narzędzie do ochrony miłośników wina i winiarzy.

Problem fałszywych bąbelków

Globalny rynek win musujących szybko się rozwija, zwłaszcza w segmencie luksusowym. Ten sukces przyciągnął oszustwa: tanie wina mogą być podszywane pod prestiżowe, a butelki fałszywie deklarować pochodzenie z chronionych regionów, takich jak Szampania czy Burgundia. Tradycyjne zabezpieczenia — dokumenty papierowe, listy przewozowe i oficjalne etykiety — mogą być fałszowane. Regulatorzy i producenci potrzebują więc metod testowania samego wina, zamiast polegania jedynie na dokumentacji, aby sprawdzić, czy deklarowane pochodzenie jest autentyczne.

Odczytywanie terenu zapisane w winie

Każda winnica leży na unikalnej kombinacji skał i gleb, a te cechy podłoża zostawiają słabe, lecz mierzalne ślady w gronach, a w konsekwencji w winie. Badacze skupili się na francuskich winach musujących z Szampanii i Burgundii, regionach o kontrastującej geologii: kreda w Szampanii i glina-wapień w Burgundii. Zmierzyli zestaw chemicznych wskazówek, w tym stosunek dwóch form strontu oraz ilości kilku pierwiastków śladowych, takich jak rubid, mangan i bor. Te geochemiczne odciski palców oddają środowiskowy „akcent” każdego regionu, podobnie jak sposób mówienia osoby odzwierciedla miejsce jej wychowania.

Nauczanie prostego modelu rozróżniania

Aby przekształcić te chemiczne wzorce w praktyczny test, zespół zastosował uczenie maszynowe — metody komputerowe uczące się na danych. Wybrali prostą metodę zwaną regresją logistyczną, cenioną za to, że jej decyzje można łatwo interpretować przez regulatorów i producentów. Korzystając z 75 autentycznych butelek (66 ze Szampanii i 9 z Burgundii), wielokrotnie dzielili dane na zestawy uczące i testowe oraz zastosowali technikę równoważącą oba regiony, aby rzadsze próbki z Burgundii nie zostały zdominowane. W tysiącach powtórzeń testów model osiągał bardzo wysoką dokładność w rozróżnianiu obu regionów, potwierdzając, że wina niosą wyraźne sygnatury swojego prawdziwego pochodzenia.

Tańszy chemiczny skrót

Jednym z utrudnień testów rutynowych są koszty. Pomiar stosunków izotopów strontu z bardzo wysoką precyzją jest niezwykle wiarygodny, ale każdy próbka może kosztować około 300 euro. Badanie starannie porównało wszystkie mierzone cechy pojedynczo i w kombinacjach. Izotopy strontu same niemal idealnie identyfikowały pochodzenie, lecz stężenie rubidu — dużo tańsze do zmierzenia — wypadało prawie równie dobrze. Użycie jedynie rubidu klasyfikowało wina poprawnie w ponad 90 procent przypadków przy jednoczesnym obniżeniu kosztów analitycznych o około 75 procent. Połączenie rubidu z kilkoma innymi pierwiastkami jeszcze zwiększało wydajność, oferując elastyczne opcje zależne od budżetu i wymaganej pewności.

Poza Szampanią: szersza siatka bezpieczeństwa dla żywności

Chociaż praca skupiała się na winach musujących, zaproponowane ramy mają charakter transferowalny. Ta sama kombinacja geochemicznych odcisków i przejrzystej analizy danych mogłaby pomóc chronić inne produkty o wysokiej wartości — takie jak oliwa z oliwek, miód czy kawa — przed oszustwami co do pochodzenia. Autorzy wskazują także na pozostające wyzwania: ich baza danych obejmuje jedynie dwa francuskie regiony, a przyszłe badania muszą uwzględnić zmiany klimatyczne, zmienność rok do roku oraz jednolite standardy pomiarowe między laboratoriami. Mimo to badanie pokazuje, że opowieść o terenie zachowuje się w każdej butelce i że uważne wsłuchanie się w te subtelne chemiczne ślady pozwala uczynić globalne rynki żywności bardziej uczciwymi, możliwymi do śledzenia i godnymi zaufania dla konsumentów.

Cytowanie: Lu, Y., Doerr, C. & Sebilo, M. Geochemical fingerprinting and machine learning for authenticating sparkling wine origins. npj Sci Food 10, 109 (2026). https://doi.org/10.1038/s41538-025-00635-0

Słowa kluczowe: uwierzytelnianie wina, geochemiczne odciski palców, wino musujące, oszustwa żywnościowe, uczenie maszynowe