En un nou estudi important, investigadors de Google Research als Estats Units, el Monell Chemical Senses Center i la Universitat de Reading al Regne Unit, entre altres institucions de recerca, han creat una eina que pot predir les característiques de l'olor de les molècules basant-se en només la seva estructura. Pot identificar molècules amb un aspecte diferent però amb la mateixa olor, així com molècules que semblen molt semblants però que fan una olor completament diferent. Les troballes es publiquen al número de l'1 de setembre de 2023 de Science amb el títol "Un mapa d'olors principal unifica diverses tasques en la percepció olfactiva".
La professora Jane Parker, de la Universitat de Reading al Regne Unit, diu: "Hi ha longituds d'ona per a estudis visuals i freqüències per a estudis auditius, ambdues que es poden mesurar i avaluar amb instruments. Però, què passa amb l'olfacte? Actualment no tenim cap manera de mesurar-ho. o predir amb precisió l'olor d'una molècula en funció de la seva estructura, es podria fer a partir del coneixement actual de l'estructura molecular, però finalment es trobaria amb innombrables excepcions on l'olor i l'estructura no coincideixen La màgia d'aquest nou model generat per l'aprenentatge automàtic és que prediu correctament l'olor molecular en aquestes excepcions".
El nou estudi utilitza l'aprenentatge automàtic per construir un "mapa d'olors" que podria ser valuós per al treball dels químics sintètics a les indústries d'aliments i sabors. També pot obrir el camí per al desenvolupament de sabors i fragàncies més sostenibles.
El professor Parker va dir: "Com a químic de sabors, he estat involucrat en la investigació olfactiva durant molts anys, confiant principalment en el meu nas per descriure aromes. Aquest mapa d'olors s'aplica no només als odorants coneguts, sinó també als odorants amb estructures molt similars. Pot descriure un gran nombre de molècules no relacionades amb diferents característiques moleculars. Per als científics dels camps dels aliments i el sabor, això obre una font sense explotar de milers, si no milions, d'odorants potencials".
En aquest nou estudi, el paper de la Universitat de Reading era avaluar la puresa de les mostres utilitzades per provar la IA. "Hem verificat la puresa dels compostos utilitzats per provar les prediccions dels models d'IA. La cromatografia de gasos ens permet separar les impureses de traça de les molècules diana, de manera que a mesura que surten de l'instrument una per una, podem olorar totes les molècules individuals i determinar si l'olor de qualsevol compost traça aclapara (o emmascara) l'olor de les molècules diana".
"De les 50 mostres provades, n'hem trobat algunes que contenien quantitats importants d'impureses. En un cas, la impuresa que podíem olorar era un residu de traça del reactiu utilitzat per sintetitzar la molècula objectiu i va fer que la mostra desprengui un caràcter distintiu. olor a mantega que dominava l'odorant que ens interessava realment. En aquest cas, vam poder explicar per què el grup d'experts va descriure l'olor com a cremós, però això no coincideix amb les prediccions del model d'IA, mentre que la nostra descripció d'aquest pur. El compost va coincidir amb les prediccions del model d'IA".
Imatge de Science, 2023, doi:10.1126/science.ade4401.
Una vegada que la IA es va entrenar amb les dades, la seva capacitat per predir l'olor de nous compostos va ser excel·lent. Si va funcionar correctament, hauria de coincidir amb les qualificacions d'olor mitjanes d'un grup d'experts humans, cosa que va fer.
El Dr. Parker va dir: "Com a eina per a la química sintètica, això seria inestimable. Podríem utilitzar-lo per trobar nous aromes. Obre la possibilitat de seleccionar un gran nombre de molècules per a aromes, de la mateixa manera que la indústria farmacèutica cerca nous fàrmacs. ."
