Een paar onderzoekers van de Universiteit van Californië, rivieroever, heeft machinaal leren gebruikt om te begrijpen hoe een chemische stof ruikt - een doorbraak in onderzoek met mogelijke toepassingen in de smaak- en geurindustrieën van voedingsmiddelen.

"We kunnen nu kunstmatige intelligentie gebruiken om te voorspellen hoe een chemische stof voor mensen zal ruiken, " zei Anandasankar Ray, een professor in de moleculaire, cel- en systeembiologie, en de senior auteur van de studie die verschijnt in iScience . "Chemische stoffen die giftig of bijtend zijn, zeggen, smaken, cosmetica, of huishoudelijke producten kunnen worden vervangen door natuurlijke, zachter, en veiliger chemicaliën."

Mensen voelen geuren wanneer sommige van hun bijna 400 geurreceptoren, of OK's, worden geactiveerd in de neus. Elke OK wordt geactiveerd door een unieke set chemicaliën; samen, de grote OK-familie kan een enorme chemische ruimte detecteren. Een belangrijke vraag in reukzin is hoe de receptoren bijdragen aan verschillende perceptuele kwaliteiten of waarnemingen.

"We hebben geprobeerd menselijke olfactorische waarnemingen te modelleren met behulp van chemische informatica en machinaal leren, Ray zei. "De kracht van machine learning is dat het in staat is om een ​​groot aantal chemische eigenschappen te evalueren en te leren hoe een chemische stof ruikt, zeggen, een citroen of een roos of iets anders. Het machine learning-algoritme kan uiteindelijk voorspellen hoe een nieuwe chemische stof zal ruiken, ook al weten we in eerste instantie misschien niet of het naar een citroen of een roos ruikt."

Volgens Ray, het digitaliseren van voorspellingen over hoe chemicaliën ruiken, creëert een nieuwe manier om wetenschappelijk prioriteit te geven aan welke chemicaliën in het voedsel kunnen worden gebruikt, smaak, en geurindustrieën.

"Het stelt ons in staat om snel chemicaliën te vinden met een nieuwe combinatie van geuren, " zei hij. "De technologie kan ons helpen nieuwe chemicaliën te ontdekken die bestaande kunnen vervangen die zeldzaam worden, bijvoorbeeld, of die erg duur zijn. Het geeft ons een enorm palet aan verbindingen die we kunnen mixen en matchen voor elke olfactorische toepassing. Bijvoorbeeld, je kunt nu een muggenspray maken die werkt op muggen, maar voor de mens aangenaam ruikt."

De onderzoekers ontwikkelden eerst een methode voor een computer om chemische eigenschappen te leren die bekende menselijke geurreceptoren activeren. Vervolgens screenden ze ongeveer een half miljoen verbindingen op nieuwe liganden - moleculen die zich aan receptoren binden - voor 34 geurreceptoren. Volgende, ze concentreerden zich op de vraag of het algoritme dat de activiteit van geurreceptoren kon schatten, ook verschillende perceptuele eigenschappen van geurstoffen kon voorspellen.

"Computers kunnen ons misschien helpen om menselijke perceptuele codering beter te begrijpen, die verschijnt, gedeeltelijk, gebaseerd zijn op combinaties van verschillend geactiveerde OK's, " zei Joel Kowalewski, een student in het Neuroscience Graduate Program die samenwerkt met Ray en de eerste auteur van het onderzoekspaper. "We gebruikten honderden chemicaliën die menselijke vrijwilligers eerder evalueerden, geselecteerde OK's die de waarneming van een deel van de chemicaliën het best voorspelden, en getest dat deze OK's ook voorspellend waren voor nieuwe chemicaliën."

Ray en Kowalewski toonden aan dat de activiteit van OK's met succes 146 verschillende percepties van chemicaliën voorspelde. Tot hun verbazing, er waren maar weinig in plaats van alle OK's nodig om sommige van deze waarnemingen te voorspellen. Omdat ze geen activiteit van sensorische neuronen bij mensen konden registreren, dit hebben ze verder getest in de fruitvlieg ( Drosophila melanogaster ) en nam een ​​vergelijkbaar resultaat waar bij het voorspellen van de aantrekkingskracht of afkeer van de vlieg voor verschillende geurstoffen.

"Als voorspellingen succesvol zijn met minder informatie, de taak van het decoderen van geurperceptie zou dan gemakkelijker worden voor een computer, ' zei Kowalewski.

Ray legde uit dat veel artikelen die beschikbaar zijn voor consumenten vluchtige chemicaliën gebruiken om zichzelf aantrekkelijk te maken. Ongeveer 80% van wat als smaak in voedsel wordt beschouwd, komt eigenlijk voort uit de geuren die de geur beïnvloeden. Geuren voor het parfumeren van cosmetica, schoonmaakproducten, en andere huishoudelijke artikelen spelen een belangrijke rol in het consumentengedrag.

"Onze digitale aanpak met behulp van machine learning zou veel kansen kunnen bieden op het gebied van voedsel, smaak, en geurindustrieën, " zei hij. "We hebben nu een ongekend vermogen om liganden en nieuwe smaken en geuren te vinden. Met behulp van onze computationele benadering, we kunnen op intelligente wijze vluchtige chemicaliën ontwerpen die wenselijk ruiken voor gebruik en ook liganden voorspellen voor de 34 menselijke OK's."

Het onderzoeksartikel is getiteld "Het voorspellen van menselijke olfactorische waarneming door activiteiten van geurreceptoren."