Geokemisk fingeravtryckning och maskininlärning för att autentisera ursprung av mousserande vin

Varför det spelar roll att veta var din bubbel verkligen kommer ifrån

När vi korkar upp en flaska mousserande vin—särskilt ett välkänt namn som Champagne—betalar vi inte bara för drycken utan också för platsen den kommer ifrån. Ändå blir förfalskade flaskor och vilseledande etiketter allt vanligare, vilket hotar både konsumenter och hederliga producenter. Denna studie visar hur små kemiska spår i vinet, i kombination med modern dataanalys, pålitligt kan avslöja var en flaska producerats och därmed erbjuda ett kraftfullt nytt verktyg för att skydda vinälskare och vinmakare.

Problemet med falska bubblor

Den globala marknaden för mousserande vin har vuxit snabbt, särskilt i lyxsegmenten. Den framgången har lockat till sig bedrägerier: billiga viner kan säljas som prestigefyllda, eller flaskor kan felaktigt påstås komma från skyddade regioner som Champagne eller Bourgogne. Traditionella skydd—pappersexpeditioner, fraktdokument och officiella etiketter—kan alla förfalskas. Myndigheter och producenter behöver därför metoder för att testa själva vinet, snarare än pappersarbetet, för att kontrollera om angivet ursprung är äkta.

Att läsa landskapet i vinet

Varje vingård vilar på en unik blandning av bergarter och jordmåner, och dessa underjordiska förhållanden lämnar svaga men mätbara spår i druvorna och i slutändan i vinet. Forskarna koncentrerade sig på franska mousserande viner från Champagne och Bourgogne, regioner med kontrasterande geologi: krita i Champagne och lera-kalk i Bourgogne. De mätte en uppsättning kemiska ledtrådar, inklusive förhållandet mellan två former av strontium och mängderna av flera spårämnen såsom rubidium, mangan och bor. Dessa geokemiska fingeravtryck fångar varje regions miljömässiga ”accent”, på ungefär samma sätt som en persons tal speglar var hen växte upp.

Att lära en enkel modell att skilja dem åt

För att omvandla dessa kemiska mönster till ett praktiskt test använde teamet maskininlärning—datormetoder som lär sig från data. De valde en okomplicerad metod kallad logistisk regression, föredragen eftersom dess beslut lätt kan tolkas av myndigheter och producenter. Med 75 autentiska flaskor (66 från Champagne och 9 från Bourgogne) delade de upp data i tränings- och testset upprepade gånger, och använde en teknik som balanserar de två regionerna så att de mer sällsynta Bourgogne-proverna inte skulle hamna i skymundan. Över tusentals testrundor uppnådde modellen mycket hög noggrannhet i att skilja de två regionerna åt, vilket bekräftar att vinerna bär tydliga signaturer av sitt verkliga ursprung.

Att hitta en billigare kemisk genväg

Ett hinder för rutinmässig analys är kostnaden. Att mäta strontiumisotopförhållanden med mycket hög precision är extremt tillförlitligt, men varje prov kan kosta omkring 300 euro. Studien jämförde noggrant alla uppmätta egenskaper en och en samt i kombination. Strontiumisotoper ensam identifierade ursprunget nästan perfekt, men koncentrationen av rubidium—mycket billigare att mäta—presterade nästan lika bra. Att använda enbart rubidium klassificerade fortfarande viner korrekt över 90 procent av gångerna samtidigt som analyskostnaderna minskade med ungefär 75 procent. Att kombinera rubidium med några andra element förbättrade ytterligare prestandan och erbjöd flexibla alternativ beroende på budget och önskad säkerhetsnivå.

Bortom Champagne: ett bredare skyddsnät för livsmedel

Även om detta arbete fokuserade på mousserande vin är ramverket utformat för att vara överförbart. Samma kombination av kemiskt fingeravtryck och transparent dataanalys kan hjälpa till att skydda andra värdefulla livsmedel—såsom olivolja, honung eller kaffe—från ursprungsbedrägeri. Författarna framhåller också kvarstående utmaningar: deras datamängd täcker endast två franska regioner, och framtida arbete måste ta hänsyn till ett förändrat klimat, år-till-år-variationer och konsekventa mätstandarder mellan laboratorier. Ändå visar studien att landskapets historia bevaras i varje flaska, och att genom att lyssna noga på dessa subtila kemiska spår kan vi göra de globala livsmedelsmarknaderna mer ärliga, spårbara och trovärdiga för konsumenterna.

Citering: 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

Nyckelord: vinautentisering, geokemisk fingeravtryckning, mousserande vin, livsmedelsbedrägeri, maskininlärning