Un equipo de la Northwest A&F University de China ha desarrollado un modelo capaz de predecir con precisión cómo los terpenos —los compuestos responsables de los aromas florales y frutales del vino— se combinan entre sí y qué resultado olfativo producen. El trabajo, publicado en npj Science of Food, abre la puerta a ajustar perfiles aromáticos durante la elaboración con menor dependencia de la cata subjetiva.
Los terpenos son uno de los grupos de compuestos aromáticos más importantes del vino. Determinan en gran medida las notas florales de una albariño, los matices frutales de un riesling o la complejidad de variedades aromáticas como la gewürztraminer. Hasta ahora, predecir cómo se comportan cuando se combinan varios de ellos exigía una evaluación sensorial caso por caso. El nuevo modelo cambia esa dinámica.
Veintiocho terpenos, tres matrices, un patrón claro
El estudio analizó 28 terpenos en tres matrices distintas: vino tinto, vino blanco y un vino modelo de laboratorio. El equipo midió los umbrales olfativos de cada compuesto —la concentración mínima a partir de la cual un olor puede percibirse—, y encontró un rango muy amplio: desde 2,7 microgramos por litro hasta 4,0 miligramos por litro dependiendo del terpeno y del tipo de vino.
Uno de los hallazgos más relevantes tiene que ver con el efecto de la matriz. Los umbrales olfativos siguen un mismo orden en los tres tipos de vino: son más altos en tinto que en blanco, y más altos en blanco que en el vino modelo. Eso significa que un mismo compuesto terpénico necesita mayor concentración para hacerse perceptible en un vino tinto que en uno blanco. La razón está en la composición química de cada matriz —alcohol, polifenoles, azúcares residuales— que interfiere de forma distinta con la percepción aromática. De forma paralela, estudios recientes también han demostrado que la fermentación secuencial con distintas levaduras modifica significativamente el perfil aromático del vino, lo que apunta a que la química del aroma es más maleable de lo que se pensaba.
Los investigadores también encontraron diferencias según la estructura química de los terpenos. Los terpenos lineales, como el linalool o el geraniol, presentaron notas florales y frutales con umbrales olfativos más bajos, es decir, se perciben antes incluso en concentraciones pequeñas. Los terpenos cíclicos, en cambio, se asociaron con aromas herbales y amaderados, y requieren concentraciones más altas para hacerse notar.
Sinergias, refuerzos e inhibiciones en 105 mezclas
La parte más novedosa del trabajo reside en el análisis de mezclas. El equipo estudió 105 combinaciones binarias de terpenos y evaluó cómo interactúan perceptivamente. Los resultados revelan tres tipos de efecto: sinergia, en la que la mezcla huele más intensa de lo que sugiere la suma de sus componentes por separado; refuerzo, donde el efecto es aditivo; e inhibición, donde uno de los compuestos atenúa la percepción del otro.
El 35% de las mezclas mostraron efectos sinérgicos, el 50% efectos de refuerzo y el 13% inhibición. En las mezclas ternarias —con tres componentes— las sinergias resultaron más intensas que en las binarias, lo que indica que la complejidad aromática del vino no es simplemente la suma de sus partes. El trabajo también identificó que herramientas analíticas avanzadas permiten detectar compuestos específicos del vino con precisión creciente, un campo en plena expansión.
A partir de esos datos, los investigadores construyeron una relación unificada entre la intensidad del olor y el logaritmo del valor de actividad odorante (OAV). Compararon tres modelos matemáticos predictivos y concluyeron que el modelo vectorial modificado fue el más preciso tanto para mezclas binarias como para combinaciones más complejas.
De la fórmula a la bodega: una aplicación práctica
El trabajo lo firman Hongcong Song, Wenyan Li, Xingjie Wang, Aihua Li y Yongsheng Tao, del College of Enology y el College of Food Science and Engineering de la Northwest A&F University, junto con el laboratorio clave de viticultura y vinificación de Shaanxi y una estación experimental en la ladera oriental de la montaña Helan, en Ningxia.
La utilidad práctica va más allá del interés académico. Si estos modelos se incorporan a procesos de elaboración, las bodegas podrían tomar decisiones sobre el perfil aromático de sus vinos con mayor apoyo en mediciones objetivas, reduciendo la dependencia exclusiva de la cata. Eso no significa reemplazar al enólogo, sino darle una herramienta adicional para ajustar concentraciones terpénicas con mayor predicción del resultado final. Los autores sostienen que estos resultados aportan una base teórica para una modulación más precisa del aroma en mezclas de vino basadas en terpenos.
Preguntas frecuentes
¿Qué son los terpenos y por qué son importantes en el vino?
Los terpenos son compuestos orgánicos volátiles presentes en las uvas que contribuyen de forma destacada al aroma del vino, especialmente a las notas florales y frutales. Son especialmente abundantes en variedades como muscat, gewürztraminer, riesling o albariño. Su concentración y combinación determina en gran medida el perfil aromático de cada vino.
¿Qué es el umbral olfativo y qué implica en este estudio?
El umbral olfativo es la concentración mínima a la que un compuesto puede ser detectado por el olfato humano. En este estudio, los investigadores midieron los umbrales de 28 terpenos en distintos tipos de vino y comprobaron que varían según la matriz: un mismo terpeno necesita más concentración para percibirse en un vino tinto que en uno blanco, lo que tiene implicaciones directas para la elaboración.
¿Qué es el modelo vectorial modificado que usaron los investigadores?
Es un modelo matemático que predice la intensidad olfativa de una mezcla de compuestos aromáticos a partir de las propiedades individuales de cada componente. En este estudio resultó ser el más preciso de los tres modelos comparados, tanto para mezclas de dos terpenos como para combinaciones más complejas con tres o más componentes.
¿Pueden las bodegas aplicar ya estos resultados?
El estudio es un avance teórico que sienta las bases para futuras aplicaciones prácticas. Por ahora, los modelos predictivos han sido validados en condiciones de laboratorio. La traslación a procesos reales de elaboración requeriría adaptaciones según el tipo de vino, la variedad de uva y las condiciones de fermentación, pero el trabajo abre una vía concreta hacia una vinificación más basada en datos.
Recomendamos
- Un estudio italiano demuestra que la fermentación secuencial con levaduras mejora los aromas del vino
- Investigadores desarrollan un inmunoensayo que detecta melatonina en el vino
- ¿Cuánto dura el vino una vez abierto? Lo que dice un sumiller
