Max Home IndustryПара исследователей из Калифорнийского университета в Риверсайде использовала машинное обучение, чтобы понять, как пахнет химическое вещество, — исследовательский прорыв с потенциальным применением в индустрии пищевых добавок и парфюмерии.
«Теперь мы можем использовать искусственный интеллект для прогнозирования запаха любого химического вещества для человека», — сказал Анандасанкар Рэй, профессор молекулярной, клеточной и системной биологии и старший автор исследования, опубликованного в iScience . «Химические вещества, которые являются токсичными или агрессивными, например, для ароматизаторов, косметики или товаров для дома, могут быть заменены натуральными, более мягкими и безопасными химическими веществами».
Люди ощущают запахи, когда в носу активируются некоторые из их почти 400 рецепторов запаха, или OR. Каждая операционная активируется уникальным набором химикатов; вместе большое семейство операционных может обнаружить огромное химическое пространство. Ключевой вопрос в обонянии — это то, как рецепторы способствуют различным перцепционным качествам или восприятию.
«Мы пытались смоделировать человеческое обонятельное восприятие с помощью химической информатики и машинного обучения», — сказал Рэй. «Сила машинного обучения заключается в том, что оно способно оценивать большое количество химических свойств и узнавать, от чего химическое вещество пахнет, например, лимоном, розой или чем-то еще. Алгоритм машинного обучения может в конечном итоге предсказать, как новое химическое вещество будет пахнуть, хотя изначально мы можем не знать, пахнет ли он лимоном или розой «
По словам Рэя, оцифровка прогнозов запаха химикатов создает новый способ научного определения того, какие химические вещества можно использовать в пищевой, ароматической и парфюмерной промышленности.
«Это позволяет нам быстро находить химические вещества с новым сочетанием запахов», — сказал он. «Эта технология может помочь нам открыть новые химические вещества, которые могут заменить существующие, которые, например, становятся редкими или очень дорогими. Она дает нам обширную палитру соединений, которые мы можем смешивать и подбирать для любого обонятельного применения. Например, теперь вы можете создать репеллент от комаров, который действует на комаров, но имеет приятный запах для людей «.
Исследователи впервые разработали компьютерный метод изучения химических свойств, активирующих известные человеческие рецепторы запаха. Затем они проверили около полумиллиона соединений на предмет новых лигандов — молекул, которые связываются с рецепторами — для 34 рецепторов запахов. Затем они сосредоточились на том, может ли алгоритм, который может оценивать активность рецепторов одорантов, также предсказывать различные перцепционные качества одорантов.
«Компьютеры могут помочь нам лучше понять кодирование человеческого восприятия, которое, по всей видимости, частично основано на комбинациях по-разному активированных ИЛИ», — сказал Джоэл Ковалевски, студент программы магистратуры по неврологии, работавший с Рэем и первый автор книги исследовательская работа. «Мы использовали сотни химических веществ, которые ранее оценивали люди-добровольцы, выбрали операционные зоны, которые лучше всего предсказывали восприятие части химических веществ, и проверили, что эти операционные возможности также позволяют прогнозировать появление новых химических веществ».
Рэй и Ковалевски показали, что активность OR успешно предсказывает 146 различных восприятий химических веществ. К их удивлению, для предсказания некоторых из этих восприятий потребовалось несколько, а не все OR. Поскольку они не могли регистрировать активность сенсорных нейронов у людей, они проверили это дополнительно на плодовой мушке ( Drosophila melanogaster ) и наблюдали аналогичный результат при прогнозировании привлекательности или отвращения мух к различным одорантам.
«Если прогнозы будут успешными с меньшим объемом информации, задача по расшифровке восприятия запаха станет для компьютера проще», — сказал Ковалевски.
Рэй объяснил, что многие товары, доступные потребителям, содержат летучие химические вещества, чтобы сделать их привлекательными. Около 80% того, что считается вкусом в пище, на самом деле связано с запахами, которые влияют на запах. Ароматы для парфюмерной косметики, чистящих средств и других товаров для дома играют важную роль в поведении потребителей.
«Наш цифровой подход с использованием машинного обучения может открыть множество возможностей в пищевой, ароматической и парфюмерной отраслях», — сказал он. «Теперь у нас есть беспрецедентная возможность находить лиганды, новые вкусы и ароматы. Используя наш вычислительный подход, мы можем разумно разработать летучие химические вещества, которые пахнут желательно для использования, а также предсказать лиганды для 34 человеческих операционных».
Исследование частично финансировалось UCR и Национальным научным фондом.