Todos os anos, entre um quarto e metade de todas as frutas e hortaliças cultivadas na terra jamais chegam a ser consumidas. Elas apodrecem durante o transporte, sucumbem a doenças fúngicas ou simplesmente ultrapassam o ponto ideal de comercialização, resultando no desperdício de bilhões de dólares, além da água, terra, mão de obra e energia empregadas em sua produção. 

   Um novo e abrangente estudo de revisão, publicado na revista “Current Research in Food Science”, aponta que essa perda crônica de alimentos está, finalmente, começando a ser combatida: a inteligência artificial e a biotecnologia moderna estão convergindo para transformar o manejo pós-colheita (que antes era uma corrida reativa contra a deterioração) em uma ciência preditiva e baseada na precisão.

   O estudo, liderado por Yuan Sui e colaboradores, parte de uma realidade biológica que nos faz refletir: frutas e hortaliças não morrem no momento da colheita. Elas permanecem metabolicamente ativas, respirando, amadurecendo e envelhecendo conforme programas genéticos rigorosamente definidos. Culturas climatéricas (como maçãs, bananas e tomates) continuam a produzir etileno, o hormônio do amadurecimento, mesmo após a colheita; já as culturas não climatéricas (como frutas cítricas e morangos) apresentam padrões respiratórios distintos, que determinam seu tempo máximo de armazenamento. A biossíntese do etileno segue uma via metabólica já bem estabelecida: a partir da metionina, forma-se a S-adenosil-L-metionina; em seguida, a enzima ACC-sintase converte esse composto em ácido 1-aminociclopropano-1-carboxílico (ACC) que, por sua vez, é transformado em etileno pela enzima ACC-oxidase. Posteriormente, receptores de membrana, como o ETR1 e o ERS1 (juntamente com fatores de sinalização como CTR1 e EIN), ativam fatores de transcrição que orquestram a expressão de centenas de genes relacionados ao amadurecimento.

   O armazenamento, por sua vez, exige um equilíbrio delicado. A refrigeração reduz a taxa respiratória, diminuindo o metabolismo, aproximadamente, pela metade a cada 10 graus Celsius de resfriamento, mas temperaturas excessivamente baixas podem causar danos por frio (chilling injury), comprometendo as membranas celulares, esgotando a energia da célula e provocando estresse oxidativo. Esse estresse é impulsionado, em grande parte, pelo acúmulo de espécies reativas de oxigênio que, embora atuem como moléculas sinalizadoras em quantidades moderadas, tornam-se nocivas em excesso, atacando lipídios, proteínas e o DNA. Para se defender, os produtos vegetais recorrem a antioxidantes enzimáticos (como a superóxido dismutase, a catalase e a ascorbato peroxidase) e a compostos não enzimáticos, incluindo ascorbato, fenóis e flavonoides. Trabalhos recentes destacados na revisão mostram que tratamentos como melatonina e revestimentos de goma xantana podem regular positivamente esses sistemas antioxidantes, reduzindo marcadores de danos oxidativos, como malondialdeído e peróxido de hidrogênio, ao mesmo tempo que preservam a integridade da membrana.

   Talvez a mudança conceitual mais marcante na revisão seja a reformulação de muitas doenças de armazenamento comuns como manifestações de morte celular programada. O escurecimento interno em pomóideas, a escaldadura superficial em maçãs e o "russeting" em alface apresentam características de autodestruição celular geneticamente orquestrada, em vez de simples decomposição passiva. A sinalização do etileno e as espécies reativas de oxigênio convergem para ativar proteases de cisteína e outras enzimas hidrolíticas, enquanto estresses como baixo teor de oxigênio, alto teor de dióxido de carbono e frio podem desencadear prematuramente sintomas semelhantes à morte celular programada. Até mesmo o dano mecânico do processamento de produtos frescos minimamente processados desencadeia uma resposta rápida de morte celular que escurece o tecido e reduz sua vida útil. Os autores argumentam que a integração da análise multiômica com a fenotipagem de alto rendimento pode gerar biomarcadores para a detecção precoce da PCD, permitindo a intervenção antes que danos visíveis se manifestem.

   No que diz respeito aos patógenos, a revisão detalha as estratégias furtivas dos fungos pós-colheita. Muitos patógenos infectam os frutos ainda no campo, mas permanecem em estado latente, aguardando o amadurecimento (momento em que as defesas do hospedeiro enfraquecem e nutrientes são liberados). O “Botrytis cinérea”, agente causador do mofo cinzento, utiliza proteínas indutoras de necrose, ceratoplataninas e xiloglucanases para eliminar as células do hospedeiro; ele secreta a toxina botridial e, inclusive, introduz pequenos RNAs nas células vegetais para sequestrar a própria maquinaria de interferência de RNA do hospedeiro, silenciando genes de defesa. Os fungos também manipulam o pH de seu microambiente por meio da via de sinalização Pal/PacC: “B. cinérea” e “Sclerotinia sclerotiorum” inundam o tecido com ácido oxálico, enquanto espécies de “Colletotrichum” e “Alternaria” o alcalinizam com amônia. Complexos de NADPH oxidase geram espécies reativas de oxigênio, essenciais para a penetração e a virulência dos fungos, tornando essas enzimas potenciais alvos para intervenções.

   A biotecnologia, por sua vez, tem reagido em ambas as frentes. A edição gênica via CRISPR/Cas9 permitiu o desenvolvimento de variedades de banana resistentes à murcha de Fusarium (raça tropical 4); em uvas, a inativação do fator de transcrição VvWRKY52 aumentou a resistência ao mofo cinzento; e, em citros, a alteração do promotor CsLOB1 conferiu resistência ao cancro cítrico. A maçã "Arctic", que não escurece após o corte (obtida pelo silenciamento do gene da polifenoloxidase), já chegou aos consumidores. A interferência de RNA (RNAi) oferece uma ferramenta complementar: o silenciamento de genes do tipo “Dicer” em “B. cinérea” reduz a incidência de mofo cinzento em morangos. Além disso, pesquisadores documentaram um fenômeno de RNAi entre reinos distintos, no qual microRNAs de citros atuam sobre o patógeno “Penicillium italicum” (causador do mofo azul) durante a infecção natural. A aplicação de RNA de fita dupla nanoestruturado está avançando para o uso prático no campo, embora questões como dosagem, estabilidade e efeitos não intencionais (off-target) ainda precisem ser elucidadas.

   Paralelamente, a inteligência artificial está transformando a inspeção de qualidade. A avaliação sensorial tradicional é subjetiva e lenta; sistemas baseados em IA que integram visão computacional, aprendizado profundo (deep learning), imagens hiperespectrais e sensores de Internet das Coisas (IoT) — detectam defeitos, doenças e estágios de maturação com notável velocidade e precisão. Um sistema de IoT baseado no algoritmo YOLOv4, aplicado a tomates-cereja, alcançou uma taxa de acerto de 97,4% na classificação e detecção de defeitos em tempo real. A imagem por fluorescência hiperespectral, combinada com uma rede neural convolucional unidimensional baseada na arquitetura ResNet-50, permitiu classificar o estágio de infecções por “Botrytis” em morangos antes mesmo do surgimento de sintomas visíveis. Além disso, o aprendizado por transferência (deep transfer learning) aplicado a imagens em ultravioleta possibilitou a identificação de contaminação por “Aspergillus flavus” em figos secos, com uma precisão de 98,57%. A tecnologia de imagem hiperespectral, aliada ao aprendizado de máquina, também foi utilizada para detectar hematomas em estágios iniciais em maçãs, com modelos de “extreme learning machine” alcançando uma precisão próxima a 96%.

   A inteligência artificial (IA) também está transformando os setores de embalagens e robótica. Redes neurais artificiais indicaram que embalagens de polietileno, sob uma atmosfera modificada composta por 92% de nitrogênio, 5% de dióxido de carbono e 3% de oxigênio, podem estender a vida útil da couve-flor para além de 30 dias, com um potencial de permanência no mercado de até 50 dias. Outros modelos permitiram o desenvolvimento de filmes de quitosana e antocianina sensíveis ao pH que indicam alterações no frescor do produto, bem como a otimização de filmes de gelatina enriquecidos com própolis e nanopartículas de dióxido de titânio. A robótica de manuseio também tem avançado: um robô baseado em aprendizado profundo (deep learning) para frutas delicadas alcançou taxas de sucesso na colheita entre 97% e 100%, com um tempo de ciclo de apenas 253 milissegundos, utilizando imagens no domínio da frequência espacial para identificar hematomas imperceptíveis ao olho humano. O estudo ressalta, contudo, que os métodos baseados em IA ainda carecem de rastreabilidade metrológica e de aceitação regulatória, comparáveis ​​aos métodos de referência convencionais; além disso, seu desempenho depende fortemente da qualidade e da representatividade dos dados utilizados no treinamento.

   Os desafios a serem enfrentados são consideráveis. A variabilidade biológica entre cultivares, estações do ano e condições de cultivo resulta em conjuntos de dados fragmentados; as estruturas regulatórias para embalagens inteligentes que integram IA ainda são incipientes; e os custos de investimento em sensores, computação e robótica pesam significativamente para as pequenas e médias empresas, que predominam no setor alimentício. Ainda assim, a trajetória é clara. Os autores vislumbram sistemas de IA capazes de integrar dados ômicos do hospedeiro, perfis de microbioma e informações sobre o "exposoma" na cadeia de suprimentos. O objetivo é ir além da simples previsão, avançando para uma compreensão mecanística e intervenções práticas, apoiadas por rastreabilidade via *blockchain*, materiais de embalagem responsivos e modelos de aprendizado com poucos exemplos (few-shot learning), capazes de se adaptar a diferentes culturas e regiões. Se essa visão se concretizar, a cadeia de frio do futuro não servirá apenas para armazenar produtos agrícolas; ela passará a monitorá-los, compreendê-los e atuar para preservá-los, transformando um dos problemas mais antigos da agricultura em um de seus casos de sucesso tecnológico mais sofisticados.

*Este artigo foi escrito pela Juliet Wilcox para a “ScienMag” e pode ser acessado em seu idioma original através de: https://scienmag.com/ai-and-gene-editing-team-up-to-slash-the-worlds-fruit-and-vegetable-waste/