Pesquisadores da USP estão finalizando um projeto inovador que pode minimizar perdas na produção de etanol causadas por contaminação microbiana. A iniciativa, liderada pelo professor Carlos Alberto Labate (ESALQ-USP) dentro do programa Nature Based Solutions (NBS) do RCGI, combina espectrometria de massas e inteligência artificial para identificar contaminantes com maior rapidez e precisão.

De acordo com Labate, “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. 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”.

O projeto, financiado pela Shell Brasil via cláusula de P,D&I da ANP, utiliza a técnica MALDI-TOF, amplamente empregada na área da saúde para diagnóstico microbiológico. A adaptação desse método permitirá que usinas de etanol detectem bactérias contaminantes com mais eficiência, reduzindo o tempo de resposta e otimizando o uso de antimicrobianos.

Além da identificação rápida, a inovação inclui modelos de inteligência artificial capazes de analisar múltiplos microrganismos em uma única amostra, reduzindo custos e complexidade do processo. No futuro, espera-se que a IA também sugira medidas corretivas, tornando o controle da fermentação mais automatizado e eficiente.

A tecnologia desenvolvida pelo RCGI poderá ser aplicada a outros setores, como indústrias de alimentos e bebidas, que também enfrentam desafios com contaminação microbiana. O projeto, que conta com apoio da Shell Brasil e Raízen, tem conclusão prevista para maio de 2025.