Inovação com uso de espectrometria de massas e inteligência artificial otimiza a identificação de contaminantes da fermentação, possibilitando a redução de perdas de eficiência na produção de etanol
O Centro de Pesquisa e Inovação em Gases de Efeito Estufa (RCGI, na sigla em inglês), da Universidade de São Paulo (USP), está concluindo um projeto de pesquisa e desenvolvimento dentro do programa Solução Baseada na Natureza (NBS), sob a coordenação do professor Carlos Alberto Labate, da Escola Superior de Agricultura Luiz de Queiroz (ESALQ-USP).
Conforme o RCGI, trata-se de uma inovação com uso de espectrometria de massas e inteligência artificial que otimiza a identificação de contaminantes da fermentação, possibilitando a redução de perdas de eficiência na produção de etanol. A tecnologia tem potencial de aplicação em diversas indústrias.
O projeto, financiado pela Shell Brasil por meio da cláusula de pesquisa, desenvolvimento e inovação da Agência Nacional do Petróleo, Gás Natural e Biocombustíveis (ANP), baseia-se na técnica de espectrometria de massas para o desenvolvimento de uma nova metodologia de detecção de bactérias contaminantes do processo de produção de etanol a partir de cana-de-açúcar.
Para tanto, os pesquisadores utilizam o Maldi-TOF (Matrix-Assisted Laser Desorption/Ionization Time-of-Flight), equipamento amplamente usado na área da saúde para diagnósticos microbiológicos.
“Em ambientes hospitalares, o Maldi-TOF identifica rapidamente o microrganismo responsável pela infecção do paciente, permitindo que a equipe médica aja de forma rápida e eficaz”, explica Labate, que segue: “Estamos expandindo este conceito para a indústria, desenvolvendo métodos que permitam ao Maldi-TOF identificar microrganismos presentes em ambientes industriais com rapidez a precisão similares”.
Segundo ele, a nova metodologia tem potencial de reduzir significativamente o tempo necessário para a identificação de contaminantes se comparada aos métodos atuais, permitindo que usinas tenham menor tempo de resposta e atuem de forma mais precisa no combate à contaminação, otimizando o consumo de antimicrobianos e insumos.
“A contaminação microbiana é uma das principais causas de redução em rendimento e produtividade, e seu controle eficaz é fundamental garantir a eficiência industrial”, complementa o professor.
IA e automação
Uma das inovações trazidas é a integração de inteligência artificial (IA) no processo de análise. Atualmente o Maldi-TOF atua na identificação de microrganismos isolados. Os pesquisadores trabalham em modelos que permitirão a identificação de múltiplos microrganismos em uma única análise, reduzindo a complexidade, tempo e custo da técnica.
“Este é o primeiro passo no desenvolvimento de sistemas automatizados de controle. No futuro, a IA poderia não apenas detectar o contaminante, mas também sugerir as medidas corretivas mais eficazes. Isso traria ainda mais eficiência e reduziria o tempo de resposta nas usinas”, comenta Labate.
Além de beneficiar as usinas de etanol, a tecnologia desenvolvida pelo RCGI também tem pode ser aplicada em outros setores industriais. A produção de alimentos, cervejas e carnes, por exemplo, também enfrenta desafios com a contaminação por microrganismos. A mesma tecnologia pode ser adaptada para controlar esses processos, garantindo maior segurança no controle de contaminações e eficiência produtiva.
O projeto do RCGI conta com o suporte de duas importantes companhias do setor de energia, a Shell Brasil e a Raízen, com término previsto para maio de 2025.
Informações da RCGI
