Um novo estudo conduzido pela Universidade de São Paulo (USP) está na fase final de desenvolvimento de uma tecnologia inovadora, que visa minimizar perdas na produção de etanol, causadas por contaminação microbiana.
A iniciativa integra o programa Nature Based Solutions (NBS), do Research Centre for Greenhouse Gas Innovation (RCGI), e combina espectrometria de massas com inteligência artificial para identificar contaminantes com maior rapidez e precisão.
O projeto utiliza a técnica MALDI-TOF, já consagrada na área da saúde para diagnóstico microbiológico, agora adaptada para o ambiente industrial. “Estamos expandindo este conceito para a indústria, desenvolvendo métodos que permitam ao MALDI-TOF identificar microrganismos presentes em ambientes industriais com rapidez e precisão similares à observada em hospitais”, explicam os pesquisadores.
Notícias relacionadas
Detecção eficiente e uso otimizado de antimicrobianos
Essa adaptação permitirá que usinas de etanol detectem bactérias contaminantes com mais eficiência, reduzindo o tempo de resposta e otimizando o uso de antimicrobianos. Além disso, o estudo desenvolve modelos de inteligência artificial capazes de analisar múltiplos microrganismos em uma única amostra, o que reduz custos e a complexidade do processo.
Automação e aplicações futuras
No futuro, espera-se que a IA também recomende medidas corretivas, tornando o controle da fermentação mais automatizado e eficaz. A tecnologia poderá ainda ser aplicada em outros setores industriais, como alimentos e bebidas, que enfrentam desafios semelhantes com contaminações microbianas.
O projeto, com conclusão prevista para maio deste ano, representa um avanço significativo na busca por maior eficiência e sustentabilidade na produção de biocombustíveis. A integração de tecnologias de ponta, como a espectrometria de massas e a inteligência artificial, reforça o compromisso da pesquisa científica com soluções sustentáveis e inovadoras para a indústria.
