Colaboración especial de Aleix Casals Cheng, becario Sicómoro en el Máster de Física de los Sistemas Complejos del IFISC (UIB-CSIC)

Introducción: ¿Por qué combinan mejor algunos ingredientes?

Una de las combinaciones más conocidas de la cocina moderna es la de chocolate blanco con caviar. La mezcla resulta interesante porque reúne dos ingredientes que solemos asociar a contextos gastronómicos muy distintos. Esto nos lleva a preguntarnos: ¿por qué algunos ingredientes combinan bien aunque, a primera vista, parezcan tan diferentes?

En cocina, decir que dos ingredientes “combinan bien” puede significar varias cosas. A veces se refuerzan porque comparten sensaciones parecidas, como ocurre al combinar fresa y frambuesa. Otras veces funcionan por contraste, como al mezclar dulce y salado, o ácido y graso. En este artículo nos centraremos en una posibilidad concreta: que dos ingredientes compartan parte de su composición química.

Los alimentos contienen moléculas que contribuyen a su aroma y a su percepción al comer. A estas moléculas las llamaremos compuestos de sabor (flavour compounds) [1]. Un ejemplo es el limoneno, una molécula presente en cítricos como la naranja o el limón, relacionada con el aroma fresco que notamos al pelarlos.

Una receta no depende solo de estas moléculas. También importan la técnica, las proporciones, la textura, la temperatura y la experiencia de quien prueba el plato. Aun así, los compuestos de sabor nos ofrecen una manera útil de comparar ingredientes: dos alimentos pueden parecer muy distintos, pero compartir parte de su composición química.

Entonces, si conocemos estas relaciones entre ingredientes, ¿podemos usarlas para imaginar nuevas combinaciones de sabores?

Para intentar responder a esta pregunta, usaremos una herramienta habitual en el estudio de sistemas complejos: las redes, también llamadas grafos.

De puentes a ingredientes

El origen clásico de la teoría de grafos suele situarse en el problema de los puentes de Königsberg. En el siglo XVIII, la ciudad de Königsberg estaba atravesada por un río y conectada mediante siete puentes. La pregunta era si se podía recorrer la ciudad cruzando cada puente una sola vez. Leonhard Euler resolvió el problema de la siguiente forma: en lugar de dibujar calles, casas y ríos, representó las zonas de tierra como puntos y los puentes como conexiones entre esos puntos [2].

Esta es la idea básica de un grafo. Primero escogemos los nodos, que son los objetos que queremos estudiar. Después dibujamos los enlaces, que indican una relación entre dos nodos. Por ejemplo, en una red social los nodos pueden ser personas y los enlaces pueden indicar amistad. En una red de aeropuertos, los nodos pueden ser ciudades y los enlaces pueden indicar vuelos directos.

Lo útil de esta representación es que nos permite estudiar sistemas muy distintos con el mismo lenguaje. Muchas veces, lo importante no es solo cómo son los elementos por separado, sino cómo se relacionan entre ellos. Por eso las redes se usan en sistemas complejos: para estudiar transporte, relaciones sociales, interacciones entre proteínas, ecosistemas o propagación de enfermedades [3].

En este artículo aplicaremos la misma idea a la cocina.

Construir una red de ingredientes

Para transformar una colección de ingredientes en una red, necesitamos definir qué representan los nodos y qué representan los enlaces. En este caso, cada nodo corresponde a un ingrediente, como naranja, fresa, té negro, cerveza, mantequilla, ternera asada o jengibre. Dos nodos se conectan cuando los ingredientes correspondientes comparten al menos un compuesto de sabor. Si además tenemos en cuenta cuántos compuestos comparten, podemos dar un peso al enlace, de manera que una conexión será más fuerte cuanto mayor sea el número de compuestos compartidos.

Esta representación convierte una lista de ingredientes en una red de relaciones químicas. La idea fue introducida por Ahn y colaboradores, que construyeron una red de sabores para estudiar si distintas cocinas tienden a combinar ingredientes químicamente parecidos o ingredientes más contrastantes [1].

A partir de una red así, podemos hacer preguntas concretas. Por ejemplo, qué ingredientes están conectados con muchos otros, qué ingredientes pueden relacionar zonas distintas de la red o qué grupos aparecen de forma natural. En este artículo nos centraremos especialmente en esta última idea: si la red se construye solo a partir de compuestos compartidos, ¿aparecen grupos de ingredientes que tengan sentido culinario, como frutas, carnes, bebidas o tés?

¿Qué nos muestra la red?

Una estructura llena de conexiones

La red estudiada contiene más de 1500 ingredientes y más de 220 000 conexiones. La primera observación es que casi todos los ingredientes quedan conectados dentro de una misma gran red. Esto significa que, si seguimos enlaces entre ingredientes que comparten compuestos, podemos pasar de unos alimentos a otros sin encontrar grupos completamente aislados.

Además, la red está muy conectada. La distancia media entre dos ingredientes es de aproximadamente 1.9 pasos. Dicho de otra forma, aunque dos ingredientes parezcan muy distintos, normalmente existe una conexión directa o un ingrediente intermedio que los relaciona. Esto hace que la red sea útil para explorar posibles caminos entre alimentos.

También observamos que los ingredientes tienden a formar zonas densas. Para medir esto, se calcula el agrupamiento (o clustering), una medida basada en contar triángulos dentro de la red. Un triángulo aparece cuando un ingrediente comparte compuestos con otros dos y, además, esos dos ingredientes también comparten compuestos entre sí. En nuestra red, este valor es muy alto, lo que indica que las conexiones no aparecen de forma aislada, sino formando grupos de ingredientes químicamente relacionados.

Ingredientes centrales e ingredientes puente

Al mirar qué ingredientes ocupan posiciones destacadas, aparecen varios resultados interesantes. En la red donde solo contamos si dos ingredientes están conectados o no, destacan especialmente varias variedades de té. El té negro aparece como uno de los ingredientes más conectados, acompañado por el té verde y el té verde tostado.

Pero no todos los ingredientes importantes lo son por tener muchas conexiones. Algunos pueden actuar como puentes entre zonas distintas de la red. Esta idea se mide con una propiedad llamada intermediación (betweenness). Un ingrediente tendrá alta intermediación si aparece muchas veces en los caminos que conectan otros ingredientes. En este análisis, ingredientes como el jengibre o la lavanda francesa destacan por este papel de conexión. Desde el punto de vista culinario, estos ingredientes pueden ser interesantes porque ayudan a relacionar perfiles que no parecen tan próximos.

También podemos analizar la red teniendo en cuenta el peso de los enlaces. En este caso no solo importa si dos ingredientes comparten compuestos, sino cuántos comparten. Al incorporar esta información, algunos ingredientes como la ternera asada o la ternera a la parrilla ganan importancia. Sus conexiones no siempre son las más numerosas, pero sí pueden ser especialmente fuertes, quizá por los cambios químicos que aparecen durante la cocción, el tostado o la parrilla.

Comunidades con sentido culinario

El resultado más visual aparece al buscar comunidades. Una comunidad es un grupo de nodos más conectados entre sí que con el resto de la red. Para detectarlas se pueden usar distintos métodos. Aquí presentamos el algoritmo de Louvain, una técnica habitual para encontrar grupos en redes grandes [4].

Al observar los nodos con más conexiones, aparecen grupos que tienen sentido culinario. Una comunidad contiene muchos ingredientes asociados a frutas y perfiles dulces, como frambuesa, naranja o fresa. Otra agrupa ingredientes más salados o intensos, como ternera asada, mantequilla o café. También aparece un grupo relacionado con bebidas, con ingredientes como cerveza, vino blanco o ron. Finalmente, se observa una comunidad más pequeña centrada en distintos tipos de té.

Visualización del núcleo de la red de ingredientes, construida aquí sin tener en cuenta el peso de los enlaces. Se muestran los 50 ingredientes con mayor número de conexiones. El tamaño de los nodos representa su intermediación dentro de la red: cuanto mayor es el nodo, más actúa como punto de paso entre distintas zonas. El color indica las comunidades detectadas mediante el algoritmo de Louvain. Aunque la separación entre grupos no es perfecta, aparecen regiones interpretables asociadas a frutas, bebidas, tés e ingredientes más salados o tostados.

Este resultado es especialmente interesante porque el algoritmo no sabe qué es una fruta, una carne o una bebida. Solo utiliza información sobre conexiones entre ingredientes. Aun así, al organizar la red, aparecen grupos que podemos interpretar desde la cocina.

Una guía para explorar combinaciones

Una red de ingredientes puede servir como una herramienta de exploración. Si dos alimentos comparten compuestos, pueden ser candidatos para probar una combinación. Si dos ingredientes parecen poco relacionados, la red permite buscar caminos entre ellos y ver si existen ingredientes intermedios que los conecten. Y si queremos sustituir un ingrediente, podemos mirar qué otros aparecen cerca en la red.

Esto puede ser útil para pensar en maridajes, nuevas recetas, sustituciones por alergias o disponibilidad, y diseño de productos alimentarios. La red no da una respuesta final, pero ayuda a empezar la búsqueda desde relaciones que tienen una base química. En lugar de probar combinaciones completamente al azar, podemos usar la estructura de la red como una primera guía.

Aproximaciones y limitaciones

En este modelo, dos ingredientes se conectan cuando comparten compuestos de sabor. Esta aproximación permite estudiar muchas relaciones entre ingredientes al mismo tiempo, pero no todos los enlaces tienen la misma relevancia. Un compuesto puede estar presente en una cantidad muy pequeña o tener poco efecto perceptible. En ese caso, dos ingredientes aparecerían conectados en la red, aunque esa relación quizá no sea importante al probarlos.

Esta es una de las razones por las que la red resulta tan densa, con más de 220 000 conexiones. Cuando hay tantas relaciones, puede ser difícil distinguir las conexiones más informativas de las más débiles. Una mejora natural sería incorporar datos sobre la concentración de los compuestos o sobre sus umbrales de percepción, para dar más importancia a las moléculas que realmente contribuyen a la experiencia sensorial.

Por tanto, esta red debe interpretarse como un primer paso. No predice recetas, sino que organiza la información disponible y propone relaciones que pueden explorarse después. A partir de aquí, se podrían construir redes más refinadas para estudiar con más detalle qué compuestos son realmente importantes en cada ingrediente y cómo influyen en sus posibles combinaciones.

Conclusión: cocinar también es conectar

El ejemplo del chocolate blanco con caviar nos sirve como punto de partida para una idea más general: si conectamos ingredientes que comparten compuestos de sabor, podemos estudiar la cocina como una red.

En la red analizada aparece una estructura muy conectada, con ingredientes destacados, posibles puentes entre regiones y comunidades que pueden interpretarse desde la cocina, como grupos asociados a frutas, bebidas, tés o ingredientes más salados y tostados. Estos patrones muestran que una red puede organizar la información química de los ingredientes y revelar relaciones que no siempre son visibles en una lista de alimentos.

La red de ingredientes es, por tanto, un primer paso para explorar combinaciones de forma más sistemática. La cocina seguirá necesitando prueba, criterio y creatividad, pero las redes pueden ayudar a decidir por dónde empezar. En una receta, como en una red, lo interesante no está solo en los elementos que la forman, sino en las relaciones que aparecen entre ellos.

Referencias:

[1] Ahn, Y.-Y., Ahnert, S. E., Bagrow, J. P. y Barabási, A.-L. “Flavor network and the principles of food pairing”. Scientific Reports 1, 196, 2011. doi:10.1038/srep00196.

[2] Euler, L. “Solutio problematis ad geometriam situs pertinentis”. Commentarii Academiae Scientiarum Petropolitanae, 1741.

[3] Newman, M. E. J. “The structure and function of complex networks”. SIAM Review 45, 167–256, 2003. doi:10.1137/S003614450342480.

[4] Blondel, V. D., Guillaume, J.-L., Lambiotte, R. y Lefebvre, E. “Fast unfolding of communities in large networks”. Journal of Statistical Mechanics: Theory and Experiment, P10008, 2008. doi:10.1088/1742-5468/2008/10/P10008.

banner reflexiones cosmologicas 3

Colección de libros

Naturalistas del mundo hispánico.

Disponibles en Amazon

y en las mejores librerías del país.

Deja tus comentarios.