O Centro de Pesquisa e Inovação em Gases de Efeito Estufa (RCGI – Research Centre for Greenhouse Gas Innovation) da Universidade de São Paulo (USP) está finalizando um projeto de grande relevância dentro do programa Solução Baseada na Natureza (NBS – Nature Based Solutions). Sob a coordenação do professor Carlos Alberto Labate, da Escola Superior de Agricultura Luiz de Queiroz (ESALQ-USP), a pesquisa se concentra no uso inovador de espectrometria de massas e inteligência artificial para otimizar a identificação de contaminantes no processo de fermentação, reduzindo as perdas de eficiência na produção de etanol. A tecnologia tem grande potencial de aplicação em diversas indústrias.

O projeto é financiado pela Shell Brasil por meio da cláusula de Pesquisa, Desenvolvimento e Inovação (P,D&I) da ANP e se baseia na técnica de espectrometria de massas para criar uma nova metodologia de detecção de bactérias contaminantes no processo de produção de etanol a partir da cana-de-açúcar. Para isso, os pesquisadores utilizam o MALDI-TOF (Matrix-Assisted Laser Desorption/Ionization Time-of-Flight), equipamento que já é amplamente utilizado na área da saúde para diagnósticos microbiológicos.

Segundo Labate, “em ambientes hospitalares, o MALDI-TOF identifica rapidamente o microrganismo responsável pela infecção, permitindo que a equipe médica tome as medidas necessárias de forma ágil e eficaz. Estamos adaptando esse conceito para a indústria, criando métodos que permitam ao MALDI-TOF identificar microrganismos em ambientes industriais com a mesma rapidez e precisão”.

Essa nova metodologia tem o potencial de reduzir consideravelmente o tempo necessário para identificar contaminantes, se comparada aos métodos tradicionais. Isso permitirá que as usinas respondam de forma mais rápida e precisa, combatendo a contaminação e otimizando o uso de antimicrobianos e outros insumos. Labate afirma que “a contaminação microbiana é uma das principais causas de perda de rendimento e produtividade, e o controle eficaz dela é crucial para garantir a eficiência industrial”.

Integração de IA e Automação – Uma das inovações mais significativas trazidas pelo projeto é a incorporação da inteligência artificial (IA) no processo de análise. Atualmente, o MALDI-TOF identifica microrganismos isolados, mas os pesquisadores estão desenvolvendo modelos que permitirão a identificação de múltiplos microrganismos em uma única análise, reduzindo a complexidade, o tempo e o custo da técnica. Labate explica: “Este é o primeiro passo no desenvolvimento de sistemas automatizados de controle. No futuro, a IA poderá não apenas detectar o contaminante, mas também sugerir as medidas corretivas mais eficazes. Isso trará ainda mais eficiência e diminuirá o tempo de resposta nas usinas”.

Além de beneficiar as usinas de etanol, a tecnologia do RCGI tem um vasto potencial de aplicação em outros setores industriais. A produção de alimentos, cervejas e carnes, por exemplo, também enfrenta desafios relacionados à contaminação por microrganismos. A mesma tecnologia pode ser adaptada para esses processos, garantindo maior segurança no controle de contaminações e aprimorando a eficiência produtiva.

O projeto conta com o apoio de dois importantes players do setor energético, a Shell Brasil e a Raízen, e tem previsão de conclusão para maio de 2025.