Descrizione progetto
Il progetto 3SMICROBIOTECH4FOOD, sviluppato nell’ambito del programma nazionale ONFOODS finanziato dal PNRR (Piano Nazionale di Ripresa e Resilienza), ha l’obiettivo di valorizzare i sottoprodotti e gli scarti dell’industria agroalimentare, trasformandoli in risorse utili per la produzione di nuovi alimenti fermentati. Il progetto, portato avanti dal Politecnico di Bari, dall’Università degli Studi di Foggia, da BonassisaLab e da WPS SRL, si concentra sull’uso di batteri lattici (LAB) e sull’impiego di soluzioni biotecnologiche avanzate per rendere più sostenibile l’intero ciclo agroalimentare.
L’idea centrale è quella di riutilizzare gli scarti agroindustriali – come residui vegetali o sottoprodotti di lavorazioni alimentari – come substrati nutritivi per la crescita di specifici ceppi di batteri lattici, selezionati per le loro capacità pro-tecnologiche. Questi batteri, opportunamente coltivati in condizioni controllate, possono trasformare le matrici di scarto in nuovi ingredienti o basi per prodotti alimentari innovativi. Per massimizzare l’efficienza di questo processo, il team di ricerca impiega tecniche di intelligenza artificiale, in particolare algoritmi di machine learning e deep learning, al fine di analizzare grandi quantità di dati sperimentali e costruire modelli predittivi in grado di guidare le scelte operative.
Il progetto prevede la sperimentazione su undici differenti matrici di scarto e dieci ceppi batterici, attraverso una serie di fermentazioni controllate, durante le quali vengono monitorate numerose variabili come il tasso di inoculo, la temperatura, l’acidità, la concentrazione di zuccheri e la presenza di eventuali inquinanti o residui di antibiotici. I dati raccolti vengono acquisiti in tempo reale e analizzati tramite modelli di Deep Learning per individuare le migliori combinazioni di condizioni e materiali, allo scopo di ottenere la massima produzione di biomassa batterica utile.
Infine, una fase fondamentale del progetto riguarda la valutazione del potenziale di riutilizzo delle matrici fermentate. I risultati delle fermentazioni verranno infatti testati in contesti reali per verificare se i sottoprodotti trasformati dai LAB possano essere impiegati nello sviluppo di nuovi prodotti alimentari sicuri, sostenibili e di valore per l’industria. In questo modo, 3SMICROBIOTECH4FOOD non solo promuove l’economia circolare, ma propone un modello di innovazione che unisce scienza, tecnologia e sostenibilità, contribuendo concretamente a ridurre gli sprechi e a valorizzare ogni fase della filiera agroalimentare.
Obiettivo generale
Il progetto intende studiare l’interazione tra diversi ceppi di batteri lattici e matrici alimentari, valutando le risposte biochimiche e microbiologiche in condizioni controllate, per supportare l’ottimizzazione dei processi fermentativi e l’uso biotecnologico dei microrganismi nel settore agroalimentare.
Struttura sperimentale
L’esperimento si basa su combinazioni di due fattori principali:
B1: Ceppo → 10 tipologie differenti di batteri lattici (LAB).
B2: Matrice → 11 matrici alimentari diverse (es. siero di origine bovina, succo d’uva, ecc.).
Queste combinazioni costituiscono i blocchi di studio (B).
Supporto sperimentale
Le prove sono condotte su piastre da laboratorio contenenti pozzetti disposti in griglie 12×8 (96 pozzetti in totale), che consentono di monitorare 96 parametri (feature) ogni ora per un periodo variabile da 1 a 3 giorni.
Variabili del processo
Le variabili sperimentali sono divise in due categorie:
Variabili controllate (X):
X1: Tasso di inoculo (variabile regolabile tra 0,1% e 5%, con tolleranza ±0,5%).
X2: Temperatura di fermentazione (tra 18°C e 40°C, con tolleranza ±1°C).
Le definizioni dettagliate e i range di variazione di ciascuna variabile saranno stabiliti da UNIFG (Università di Foggia), BONASSISA (laboratorio partner) e WPS (azienda incaricata del controllo e acquisizione dati).
Data Management
I dati raccolti verranno archiviati in dataset (DS) progressivi, contenenti input e output sperimentali. Questi dataset saranno poi analizzati per la modellazione mediante tecniche di intelligenza artificiale (AI), a cura del Politecnico di Bari (POLIBA).
Ruoli
Ogni partner ha compiti ben definiti:
UNIFG e BONASSISA:
Definizione delle combinazioni di ceppo/matrice.
Preparazione dei pozzetti (singoli o a gruppi).
Definizione delle variabili Z.
Impostazione dei range sperimentali.
WPS:
Sistema di controllo e acquisizione delle variabili sperimentali.
- svluppo del software DSS
POLIBA:
Analisi dei dati e sviluppo di modelli AI.