Mediciones

Biomarcadores volátiles permiten detectar precozmente enfermedades poscosecha en kiwi

Un estudio identifica compuestos orgánicos volátiles capaces de actuar como biomarcadores tempranos de las principales enfermedades poscosecha del kiwi. Mediante inteligencia artificial, los investigadores desarrollaron un modelo capaz de reconocer con un 100 % de precisión la presencia de moho gris, podredumbre blanda y antracnosis

stevepb-kiwifruit-400143.jpg
16 Junio, 2026
Mediciones

Hacia una detección temprana de enfermedades poscosecha

El kiwi es un fruto climatérico especialmente vulnerable a las infecciones fúngicas después de la cosecha, lo que puede provocar importantes pérdidas económicas durante el almacenamiento y la comercialización.

Con el objetivo de mejorar la detección precoz de estos problemas, un equipo de investigadores analizó la evolución de los compuestos orgánicos volátiles (VOCs) asociados a las principales enfermedades poscosecha del kiwi.

Análisis de tres patologías clave

El estudio se centró en tres de las enfermedades más relevantes: moho gris, podredumbre blanda y antracnosis.

Para ello, se empleó la técnica de microextracción en fase sólida del espacio de cabeza acoplada a cromatografía de gases y espectrometría de masas (HS-SPME/GC-MS), evaluando los cambios producidos entre los 0 y 7 días posteriores a la infección.

Los investigadores identificaron 101 compuestos volátiles en frutos afectados por moho gris, 90 en podredumbre blanda y 85 en antracnosis.

Identificación de biomarcadores específicos

El análisis dinámico permitió observar cómo evolucionaban los diferentes compuestos durante el desarrollo de cada enfermedad.

Además, se identificaron patrones específicos de acumulación y puntos críticos de cambio que permitieron seleccionar biomarcadores característicos para las distintas fases de infección.

Estos marcadores facilitaron la diferenciación temprana entre las tres patologías estudiadas.

Inteligencia artificial para el diagnóstico

A partir de los biomarcadores seleccionados, los investigadores desarrollaron un modelo de identificación basado en una red neuronal artificial de propagación hacia atrás (BP-ANN).

El sistema fue capaz de reconocer de forma temprana y precisa las tres enfermedades poscosecha analizadas.

Precisión del 100 %

Los resultados mostraron una tasa global de éxito del 100 % en la identificación de moho gris, podredumbre blanda y antracnosis.

Según los autores, esta metodología contribuye a cubrir una importante laguna científica en la detección temprana de enfermedades poscosecha del kiwi.

Herramienta para reducir pérdidas

La identificación precoz de infecciones permitiría aplicar medidas de control más rápidas y específicas, limitando el avance de los patógenos y reduciendo las pérdidas económicas asociadas al deterioro de los frutos durante la conservación y distribución.

Fuente

Zhengfeng Liu, Yuhan Zhu, Lan Yang, Qingchao Gao, Siyu Zhang, Fen Zhang, Zhishuang Ma, Xueyan Ren, & Qingjun Kong. (2026). Dynamic analysis of volatile biomarkers for three types of postharvest diseases in kiwifruit and construction of early diseases identification model. Postharvest Biology and Technology. Artículo en ScienceDirect

whatsapp
Plan de Recuperación, Transformación y Resiliencia Financiado por la Unión Europea