Latte sotto la lente: proteomica e chemiometria contro le frodi

Introduzione: il latte come matrice nutrizionale e bersaglio dell’adulterazione

Il latte è un fluido complesso secreto dalle femmine di tutti i mammiferi, fondamentale per la nutrizione dei neonati e ampiamente consumato dall’uomo, sia crudo che trasformato in prodotti lattiero-caseari come formaggio, burro, latte in polvere e bevande fermentate. Chimicamente, è un’emulsione costituita da proteine, lipidi, lattosio, minerali e metaboliti bioattivi, che conferiscono proprietà nutrizionali e funzionali.

Le proteine si dividono principalmente in caseine e proteine del siero. Le caseine rappresentano la frazione più abbondante e sono cruciali per la formazione delle micelle e il trasporto dei minerali, mentre le proteine del siero svolgono funzioni immunitarie e bioattive. Le concentrazioni e la composizione proteica variano tra specie, fase di lattazione, età, dieta, condizioni ambientali e genetica [Figura 1: caseine; Figura 2: proteine del siero].

Figura 1. Concentrazioni delle principali proteine ​​della caseina nel latte di varie specie animali e caratteristiche molecolari associate.

Figura 2. Concentrazioni delle principali proteine ​​del siero del latte nel latte di varie specie animali e loro caratteristiche molecolari.

Il crescente valore economico del latte e dei latticini ha reso il settore vulnerabile a pratiche di adulterazione, tra cui sostituzioni con latti di minor pregio, diluizione o aggiunta di proteine vegetali. Tali pratiche possono compromettere qualità, equità commerciale e sicurezza alimentare, con particolare rischio per individui allergici a epitopi conservati tra diverse specie di latte. L’autenticazione del latte è quindi essenziale per proteggere consumatori, industria e normative sanitarie.

Negli ultimi dieci anni, la proteomica e la peptidomica hanno permesso di identificare biomarcatori specifici per specie e origine del latte. I peptidi derivati dalle proteine del latte rimangono stabili nei prodotti trasformati, mentre le caseine e proteine del siero forniscono marcatori altamente discriminanti. L’integrazione di queste analisi con strumenti chemiometrici e machine learning consente di gestire dati complessi, migliorare la classificazione e identificare biomarcatori affidabili.

Questa revisione pubblicata a luglio 2025 su F00ds, evidenzia come la convergenza tra proteomica avanzata (studio completo delle proteine presenti in un campione) e analisi chemiometriche (metodi statistici avanzati utilizzati per interpretare grandi quantità di dati complessi generati dalla proteomica) costituisca la base per strumenti scalabili, robusti e specifici per l’autenticazione del latte, capaci di rilevare frodi a livello di specie e aggiunta intenzionale di proteine non dichiarate, garantendo così sicurezza alimentare, qualità del prodotto e conformità normativa.

Adulterazione motivata economicamente: modelli e implicazioni nel latte di specie diverse

Il settore lattiero-caseario è vulnerabile a adulterazioni economiche, tra cui aggiunta di proteine vegetali, acqua, siero o latte di altre specie, oltre a sostanze come melamina, formaldeide, perossido di idrogeno, urea e oli vegetali. Questi interventi possono incrementare volume e contenuto proteico o lipidico, ma alcuni adulteranti, come melamina, formaldeide o detergenti, comportano seri rischi per la salute.

Tra le frodi, la sostituzione di specie è la più diffusa, motivata da differenze di prezzo tra tipi di latte. Il latte bovino è generalmente il più economico, mentre il latte di capra può costare fino a due volte di più e quello d’asina fino a dieci volte. Le tendenze dei prezzi mostrano variazioni stagionali e differenze tra paesi, sottolineando le motivazioni economiche alla base delle adulterazioni di specie.

L’identificazione della specie è cruciale per prodotti lattiero-caseari tradizionali ad alto valore, come i formaggi PDO, PGI o TSG, che richiedono conformità alle normative UE (Regolamento 1151/2012). Nel 2023, il latte è risultato tra gli alimenti più soggetti a frodi economiche in UE, con 19 casi segnalati, soprattutto a Cipro e in Grecia, spesso legati alla violazione di indicazioni geografiche protette. Sebbene l’indicazione del Paese di origine non sia generalmente obbligatoria, lo è per i prodotti PDO.

Le frodi del latte comportano sfide economiche e normative rilevanti. Regolamenti come il Regolamento UE 1169/2011 (etichettatura alimentare) e il 1151/2012 richiedono metodi precisi di identificazione della specie e tracciabilità, particolarmente per prodotti PDO e PGI. Metodi proteomici avanzati e analisi chemiometriche multivariate, offrono alta specificità e riproducibilità, supportando autenticazione del prodotto e controlli regolatori.

Nonostante i costi iniziali per strumenti, software e formazione, i benefici economici a lungo termine superano ampiamente le spese: la prevenzione delle frodi riduce richiami, sanzioni, responsabilità legali e danni reputazionali.

L’adozione di piattaforme analitiche robuste tutela latte di alto valore (bufala, asina, cammello), migliora la fiducia dei consumatori e stabilizza il mercato, rendendo le tecniche di autenticazione proteomica non solo scientificamente fondate, ma anche economicamente vantaggiose.

Strategie analitiche per l’autenticazione del latte: dall’elettroforesi alla proteomica

La revisione si concentra sugli approcci proteici e peptidici per l’autenticazione del latte, pur riconoscendo l’esistenza di metodologie alternative, come tecniche basate sul DNA, piattaforme spettroscopiche (NIR, FTIR, Raman) e biosensori, che completano il panorama della rilevazione delle frodi. L’autenticazione del latte è cruciale per garantire sicurezza, qualità e trasparenza, in particolare per prodotti ad alto valore come i formaggi tradizionali.

Le metodiche proteiche includono tecniche elettroforetiche che separano le proteine in base a punto isoelettrico e peso molecolare, consentendo l’analisi di miscele complesse, sebbene possano produrre risultati ambigui e richiedano standard di riferimento.

Studi pionieristici hanno utilizzato ELISA per rilevare caseine bovine in latte di capra e pecora, mentre Mayer et al. hanno applicato IEF (Isoelectrofocusing) per determinare percentuali di latte misto nei formaggi. Le tecniche immunochimiche sono sensibili e rapide, ma possono dare falsi positivi o negativi a causa di cross-reattività o elaborazione dei campioni.

La cromatografia accoppiata alla spettrometria di massa offre alta sensibilità e specificità, consentendo analisi quantitative e multiplex.

Gli approcci basati sul DNA, come PCR-RFLP, PCR specie-specifica e PCR in tempo reale, garantiscono elevata specificità e, nel caso della PCR quantitativa, anche stime della frazione di latte mescolato, sebbene siano sensibili a degradazione e richiedano strumentazione dedicata.

La Tabella 1 riassume le principali tecniche analitiche applicate all’autenticazione del latte, evidenziandone punti di forza, limiti e idoneità per casi d’uso specifici.

Tabella 1. Piattaforme analitiche chiave per l’autenticazione del latte: punti di forza e limiti.

Biomarcatori proteici per rilevare l’adulterazione del latte

Le proteine del latte comprendono caseine e proteine del siero del latte, insieme a numerosi peptidi bioattivi, enzimi, ormoni e proteine di membrana, che conferiscono complessità nutrizionale e funzionale. Le caseine, ossia αs1-caseina, αs2-caseina, β-caseina e κ-caseina, costituiscono la frazione proteica maggiore, con concentrazioni variabili tra le specie. La Figura 1 mostra le concentrazioni di caseine nelle diverse specie, includendo informazioni molecolari e varianti genetiche (ad esempio αs1-CN 9P) che influenzano struttura micellare e funzionalità.

Le proteine del siero di latte, come α-lattoalbumina, β-lattoglobulina, albumina sierica bovina, lattoferrina e immunoglobuline, sono illustrate nella Figura 2, con annotazioni su glicosilazioni e varianti alleliche.

Il contenuto proteico del latte varia dal 1% al 20%, correlato alle esigenze nutrizionali dei neonati, con rapporti caseina/proteine del siero differenti tra le specie (Tabella 2).

Le caseine formano micelle che solubilizzano calcio e fosfato, con composizione ricca in amminoacidi apolari e prolina (Figura 3), favorendo digeribilità e coagulazione per formaggi.

Le proteine del siero, come β-lattoglobulina e α-lattoalbumina, presentano strutture globulari con elementi α-elica e β-foglietto, dettagliate nella figura 3, cruciali per l’identificazione di specie e adulterazioni.

La revisione di 41 studi proteomici (2014-2024) evidenzia l’uso di caseine e proteine del siero per rilevare adulterazioni interspecie e con proteine vegetali (Figura 4), con approcci top-down (proteine intatte) e bottom-up (digestione enzimatica e analisi peptidica) tramite LC-MS/MS, HPLC-QTOF e MALDI, spesso integrati con strumenti bioinformatici.

Figura 4. Rappresentazione schematica delle comuni pratiche di adulterazione nel latte di alto valore utilizzando latte vaccino, siero di latte o proteine ​​vegetali.

Tra i principali biomarcatori, α-caseina e β-caseina mostrano alta sensibilità nell’individuazione di latte vaccino in latte di capra, pecora, cavalla o asina, anche a basse concentrazioni (0,1%), mentre κ-caseina e le proteine del siero (α-lattoalbumina, β-lattoglobulina) completano l’identificazione delle adulterazioni. Altri marcatori, come immunoglobuline, lattoferrina e glicomacropeptide, forniscono ulteriori informazioni specifiche per rilevazioni mirate.

Biomarcatori peptidici nell’autenticazione del latte

L’analisi peptidica sta emergendo come approccio preferenziale negli studi proteomici sull’autenticazione del latte e dei latticini, grazie a vantaggi chiave rispetto all’analisi delle proteine intere. La Tabella 3 confronta numero di amminoacidi e pesi molecolari delle principali caseine in cinque specie animali, evidenziando differenze interspecie fondamentali per identificare peptidi marcatori specie-specifici.

Tabella 3. Specie animali, numero totale di aminoacidi e pesi molecolari delle caseine in cinque animali da latte.

La digestione enzimatica, prevalentemente con tripsina, frammenta le proteine in peptidi più piccoli e stabili, semplificando il flusso di lavoro, migliorando sensibilità, riproducibilità e stabilità anche dopo trattamenti industriali come riscaldamento o fermentazione. Questi peptidi sono facilmente confrontabili con sequenze teoriche in database come UniProt, facilitando identificazione e quantificazione.

La selezione dei peptidi si basa su specificità, stabilità e robustezza, con attenzione alla lunghezza ottimale (8–20 amminoacidi) e resistenza a modifiche post-traduzionali o ossidazione. Strategie avanzate includono peptidi marcati isotopicamente, monitoraggio multiplo (MRM) e validazione tramite database BLAST. Le piattaforme analitiche predominanti sono LC-MS/MS, grazie alla sensibilità e capacità di multiplexing, mentre MALDI-MS è meno utilizzata e limitata a profilazioni rapide.

Gli studi esaminati hanno identificato biomarcatori peptidici derivati da caseine (αs1-, αs2-, β- e κ-caseina) e proteine del siero (α-lattoalbumina, β-lattoglobulina) con sequenze specifiche indicate nella Tabella 4. Peptidi come FFVAPFPEVFGK (αs1-caseina, latte vaccino), NMAINPSK (αs2-caseina, latte vaccino) e SCQAQPTTMAR (κ-caseina, latte vaccino) dimostrano variazioni minime ma specie-specifiche, fondamentali per distinguere latte di bovino, capra, pecora, bufala o yak.

Tabella 4. Indice dei biomarcatori peptidici per il latte.

Sebbene molti peptidi siano ben caratterizzati, alcuni rimangono non definiti, limitando riproducibilità e comparabilità tra laboratori. L’elucidazione strutturale tramite MS/MS e librerie spettrali è essenziale per integrarli nei flussi di autenticazione. Complessivamente, l’analisi peptidica offre sensibilità, specificità e robustezza superiori, rendendola il metodo prediletto per garantire l’autenticità del latte e dei prodotti lattiero-caseari.

Flussi di lavoro chemiometrici per l’interpretazione dei dati proteomici nell’autenticazione del latte

Negli ultimi dieci anni, l’autenticazione del latte basata su marcatori proteici e peptidici ha fatto importanti progressi grazie all’integrazione di tecniche proteomiche ad alta risoluzione con approcci chemiometrici avanzati. Questi ultimi non sono meri strumenti di supporto, ma costituiscono la spina dorsale analitica dei flussi di lavoro, consentendo di gestire la complessità dei dati derivanti da piattaforme come MALDI-TOF-MS e LC-MS/MS, caratterizzati da elevata dimensionalità, variabilità biologica e rumore analitico. Parallelamente, le analisi statistiche univariate rimangono fondamentali, in particolare nei flussi di lavoro mirati basati su ELISA, elettroforesi capillare o biosensori, per quantificare marcatori proteici specie-specifici.

La chemiometria coinvolge l’intero processo, dall’acquisizione dei dati grezzi all’interpretazione biologica, distinguendo tra approcci di fingerprinting, non supervisionati, per riconoscere pattern globali dei profili proteici, e strategie mirate o non mirate di quantificazione di peptidi e proteine, più adatte all’apprendimento supervisionato. La pre-elaborazione dei dati, essenziale per ridurre rumore, bias e variabilità tecnica, include smoothing, sottrazione della linea di base, allineamento dei picchi e normalizzazione, migliorando comparabilità e affidabilità dei modelli. Piattaforme come ClinProTools e MaxQuant offrono strumenti integrati per gestire questi passaggi, mentre trasformazioni logaritmiche e standardizzazioni in z-score stabilizzano la varianza, come dimostrato da studi MALDI e LC-MS/MS.

Successivamente, la selezione delle caratteristiche e l’analisi esplorativa identificano proteine e peptidi discriminanti, riducendo la dimensionalità e rivelando strutture latenti nei dati. Tecniche univariate come ANOVA, test t o Wilcoxon sono frequentemente combinate con fold-change, diagrammi a vulcano e selezione multivariata tramite VIP di PLS-DA o algoritmi genetici. L’analisi non supervisionata, in particolare PCA e clustering gerarchico (HCA), consente di valutare la variabilità biologica e raggruppare campioni prima dell’applicazione di modelli supervisionati.

Nei modelli di classificazione, PLS-DA e LDA distinguono campioni di latte di specie diverse o rilevano adulterazioni a livelli bassi, mentre in modelli di regressione PLSR e GLM-Lasso quantificano il contenuto di latte adulterato. La validazione dei modelli tramite cross-validation k-fold, set indipendenti o doppia convalida garantisce robustezza, mitigando l’overfitting e confermando la generalizzabilità.

Infine, le strategie di fusione dei dati combinano informazioni multi-omiche: la fusione di basso livello concatena direttamente le caratteristiche, mentre la fusione di medio livello integra variabili latenti o punteggi derivati dai modelli PLS-DA, migliorando la discriminazione anche a bassi livelli di adulterazione. Questi approcci offrono soluzioni riproducibili, scalabili e ad alta precisione per l’autenticazione del latte, aprendo la strada a futuri sviluppi multi-omici e integrativi.

Conclusioni e direzioni future

Le proteine e i peptidi rappresentano biomarcatori promettenti per l’autenticazione del latte e dei prodotti lattiero-caseari, ognuno con caratteristiche e limiti distinti. Le proteine offrono alta specificità grazie alla loro struttura primaria, secondaria e terziaria, permettendo la differenziazione delle specie animali e garantendo un’autenticazione robusta. Tuttavia, la loro suscettibilità a degradazione durante lavorazione, stoccaggio e manipolazione limita l’applicabilità nei prodotti trasformati. Inoltre, varianti genetiche possono influenzare le caratteristiche strutturali e funzionali, riducendone l’affidabilità come biomarcatori.

I peptidi, più stabili in condizioni di lavorazione difficili, rappresentano strumenti ideali per prodotti lattiero-caseari trasformati. La loro dimensione ridotta consente di studiare processi proteolitici e modifiche specie-specifiche. Tuttavia, la specificità può risultare limitata tra specie correlate, e la loro identificazione richiede preparazioni complesse come digestione enzimatica (es. tripsina), rendendo il processo più laborioso.

Per migliorare l’affidabilità dei biomarcatori proteici e peptidici, sono identificate diverse aree di sviluppo:

1. Profilazione dell’origine geografica: fattori ambientali, alimentazione e pratiche agricole influenzano i profili proteici e peptidici, ma studi sistematici sono scarsi. Identificare variazioni coerenti tra regioni può supportare la tutela di prodotti DOP e IGP.

2. Influenza della razza: confronti dettagliati tra razze animali possono migliorare la differenziazione intra-specie e creare database di riferimento completi.

3. Affidabilità dei dati e campionamento: protocolli standardizzati e studi longitudinali, considerando fasi di lattazione, stagionalità e stato fisiologico, rafforzano riproducibilità e validità.

4. Integrazione multi-omica e fusione dei dati: combinare proteomica, metabolomica, genomica e analisi isotopica consente una valutazione più completa e robusta dell’autenticità. Strategie di fusione integrano variabili rilevanti in analisi congiunte, migliorando sensibilità e specificità.

5. Apprendimento automatico: reti neurali convoluzionali e reti residue possono potenziare l’identificazione dei peptidi e la previsione di parametri analitici, ma restano sfide legate a set di dati limitati, integrazione multimodale e standardizzazione dei protocolli.

Nonostante la potenza analitica, le tecniche basate su proteine e peptidi presentano limiti pratici: elevati costi, necessità di personale qualificato, difficoltà di standardizzazione e accessibilità ridotta per laboratori piccoli o regionali.

Affrontando queste sfide attraverso approcci multidisciplinari, combinando strumenti proteomici avanzati, bioinformatica e protocolli standardizzati, è possibile sviluppare metodi di autenticazione del latte robusti, affidabili e completi, contribuendo alla lotta contro le frodi alimentari, alla tutela delle denominazioni geografiche e alla fiducia dei consumatori.

Fonte: “Assessing Milk Authenticity Using Protein and Peptide Biomarkers: A Decade of Progress in Species Differentiation and Fraud Detection”,  Achilleas Karamoutsios, Pelagia Lekka, Chrysoula Chrysa Voidarou, Marilena Dasenaki, Nikolaos S. Thomaidis, Ioannis Skoufos, Athina Tzora. Foods 2025, 14(15), 2588; https://doi.org/10.3390/foods14152588.