Presisjonsteknologi: Bioteknologi, smarte sensorer og avansert dataanalyse

Verdens matproduksjon står foran store utfordringer knyttet til miljømessig bærekraft og matsikkerhet for en voksende befolkning.

Tre delmål

Prosjektet har tre delmål:

• Utvikle moderne bioteknologi for å produsere mat
• Utvikle spektroskopiske metoder for karakterisering av mat, for styring og optimering av produkter og prosesser
• Utvikle dataanalytiske metoder som konverterer komplekse data til relevant, pålitelig og nyttig informasjon

Tre muliggjørende teknologier

Det er nødvendig å produsere mer bærekraftig, redusere matsvinn og utnytte våre råvarer fullt ut. For å oppnå dette er det behov for presisjonsteknologi som gjør matindustrien i stand til å produsere de produktene og kvalitetene det er behov for, og samtidig minimere matsvinn. Dette forskningsprogrammet vil bidra til dette ved utvikling av tre muliggjørende teknologier:

1. Nye bioteknologiske prosesser som både gir bedre utnyttelse av restråstoffer og som kan brukes til fremtidens produksjon av viktige matkomponenter som protein og fettsyrer. Vi vil utvikle nye prosesser basert på kombinasjoner av enzymatisk proteinhydrolyse, presisjonsfermentering og dyrking av kjøtt.
2. Smarte sensorer for rask måling av matkvalitet som gjør det mulig å måle og styre produksjonsprosesser for å minimere svinn og optimere utbytte og sluttkvalitet. Vi vil utvikle spektroskopiske metoder for in-line kvalitetskontroll og kjemisk karakterisering, og studere hvordan disse kan anvendes i systemer som legger til rette for produktdifferensiering, forbrukertilfredshet og personlig ernæring.
3. Dataanalytiske verktøy som transformerer store og komplekse data til relevant, pålitelig og brukbar informasjon. Slike verktøy er helt nødvendige for å utløse potensialet i teknologiene 1 og 2, og også i andre vitenskapelige disipliner samt i en moderne digitalisert matindustri. Vi vil spesielt jobbe med utfordringer knyttet til prediksjon og tolkning av data ved å kombinere metoder fra statistikk, kjemometri og maskinlæring.

Smarte sensorer og avansert dataanalyse er verktøy som først og fremst vil modernisere og forbedre den eksisterende matindustrien. De nye bioteknologiske prosessene kan legge grunnlaget for en helt ny type industri som produserer mat på en smart og bærekraftig måte.

Resultater så langt

Nye bioteknologiske prosesser

Vi har jobbet med fermentering av hydrolysater med melkesyrebakterier for å forbedre de sensoriske egenskapene (fjerne bittersmak). De sensoriske resultatene analyseres sammen med FTIR spektroskopi, kromatografi og mikrobiologi. Fraksjoner av hydrolysater fra eggehvite og svineblodplasma er undersøkt for mulig bioaktivitet i muskelceller. Resultatene er lovende.

Vi har produsert bakteriell cellulose (BC) basert på ulike bakteriestammer med forskjellige dyrkingsstrategier, og vi har undersøkt de strukturelle egenskapene til disse ved bruk av skanning-elektronmikroskopi. Vi har deretter tilsatt eggeskallmembranpulver til cellulosen for å forbedre de funksjonelle egenskapene slik at det egner seg bedre som ingrediens i matprodukter. Videre har vi undersøkt om vi kan bruke BC som underlag som muskelceller kan vokse på, og vi ser god cellevekst på materialet. Ved hjelp av bakterien E.coli har vi fremstilt en type vekstfaktor som kan være meget nyttig ved dyrking av kjøtt. Biologisk aktivitet av vekstfaktoren er målt i fibroblastceller. En litteraturstudie for å undersøke bruk av gjærstammen Pichia for kollagenproduksjon er utført.

Vi har dyrket muskelceller i lab-bioreaktor og sammenlignet ulike prosessbetingelser med gode resultater. Vi har utført kinetikkforsøk der fokus var ytterpunkter i temperatur- og pH. Vi har undersøkt om det er mulig å bruke spektroskopiske metoder for å analysere cellevekstmediet eller celler i bioreaktor. Våre foreløpige data demonstrerer lovende potensiale for analyse av dyrkingsmediet.

Smarte sensorer

Et langsiktig mål er å utvikle smarte sensorer som kan brukes i industrielle prosesser. Med nær-infrarød spektroskopi har vi nylig vist hvordan den optiske geometrien påvirker måledybden og dermed også målenøyaktigheten vi oppnår, for eksempel for industrielle målinger av tørrstoff i poteter. Vi har også vist at Raman spektroskopi kan brukes til å måle beininnhold i kverna kyllingskrog og fettsyrer i muskel som beveger seg med høy hastighet på et transportbånd.

Et viktig aspekt ved forskningen er å bruke spektroskopi til rask kjemisk detaljkarakterisering. Raman spektroskopi har blitt brukt til å analysere sukkerarter i intakte epler, og vi har også fått lovende resultater for måling av sukkere og syrer i jordbær. Infrarød spektroskopi har blitt brukt til å måle fettsyrer i melk. Fettsyredata ble videre benyttet som indikatorer for negativ energibalanse og potensielle metabolske sykdommer hos kyr tidlig etter kalving. Vi har også brukt sensorer for å følge endringer i vekstmedier under muskelcelleproduksjon.

Smarte sensorer kan utvikles til å bli viktige verktøy i et forbrukerperspektiv (som for eksempel sensorisk opplevelse og personlig ernæring). Vi har lovende resultater som knytter NMR-spektra av proteinhydrolysater til sensorisk målt bitterhet. Vi har også vist at infrarøde spektra av proteinhydrolysater fra kylling og melk korrelerer godt med antioksidantaktiviteter målt in vitro. Modeller basert på en slik sammenheng kan bli brukt til screening av helsefremmende effekter av matingredienser.

Dataanalytiske verktøy

Innen Multivariat dataanalyse jobber vi med å utvikle og anvende statistiske metoder for å generere ny kunnskap fra komplekse datasett. I samarbeid med Universitetet i Amsterdam og NMBU er vi i ferd med å ferdigstille en bok om «multiblokk-metoder», som gir en bred sammenfatting av forskningen på dette området. Vi utforsker også multiblokk-metoden «INDSCAL» og en ny multiblokk-metode for distansematriser. 

Innenfor området robust kalibrering samarbeider vi tett med SFI DigiFoods. Store spektroskopiske datasett fra industrien samles inn i DigiFoods, og disse brukes videre til grunnleggende metodeutvikling i Precision. Vi er i gang med et arbeid på kalibreringsoverføring som er viktig for effektiv tilpasning og bruk av smarte sensorer i industri.   

Innenfor klyngeanalyser og segmentering har vi sett hvordan binære data kan brukes til å segmentere forbrukere basert på preferanse. I samarbeid med prosjektet SUSEAT har vi også testet ulike segmenteringsmetoder på forbrukerdata fra Norsk Monitor.

Innenfor multivariat ANOVA har vi publisert en ny strategi («ER-modellering») for å tolke effekter i omics data, og vi jobber videre med anvendelser av denne metodikken i diabetes-studier. Vi har også sammenlignet statistiske metoder for å analysere effekter av diett på tarmflora.

Strategiske forskningsprogram

Fire strategiske forskningsprogrammer er finansiert med 300 mill. kroner fra Fondet for forskningsavgift på landbruksprodukter (FFL) i perioden 2021-2025. I disse programmene setter vi oss ambisiøse mål for å bringe norsk matproduksjon et godt skritt videre med henblikk på sunnhet, smak, bærekraft, trygghet og kvalitet.

Les mer om Nofima og FFL

Programmene er:
FoodForFuture | FutureFoodControl | SusHealth | Precision