Videnskab
 science >> Videnskab >  >> Kemi

Brug af kunstig intelligens til at lugte roserne

Anandasankar Ray er professor i molekylær, celle- og systembiologi ved UC Riverside. Kredit:L. Duka.

Et par forskere ved University of California, Riverside, har brugt maskinlæring til at forstå, hvordan et kemikalie lugter - et forskningsmæssigt gennembrud med potentielle anvendelser i fødevaresmags- og duftindustrien.

"Vi kan nu bruge kunstig intelligens til at forudsige, hvordan et kemikalie kommer til at lugte for mennesker, " sagde Anandasankar Ray, en professor i molekylær, celle- og systembiologi, og seniorforfatteren til undersøgelsen, der vises i iScience . "Kemikalier, der er giftige eller hårde i, sige, smag, kosmetik, eller husholdningsprodukter kan erstattes med naturlige, blødere, og sikrere kemikalier."

Mennesker fornemmer lugte, når nogle af deres næsten 400 lugtreceptorer, eller operationscentre, aktiveres i næsen. Hver OR aktiveres af et unikt sæt kemikalier; sammen, den store OR-familie kan opdage et stort kemisk rum. Et centralt spørgsmål i lugte er, hvordan receptorerne bidrager til forskellige perceptuelle kvaliteter eller percepter.

"Vi forsøgte at modellere menneskelige lugteopfattelser ved hjælp af kemisk informatik og maskinlæring, " sagde Ray. "Kraften ved maskinlæring er, at den er i stand til at evaluere et stort antal kemiske egenskaber og lære, hvad der får en kemisk til at lugte, sige, en citron eller en rose eller noget andet. Maskinlæringsalgoritmen kan i sidste ende forudsige, hvordan et nyt kemikalie vil lugte, selvom vi i begyndelsen måske ikke ved, om det lugter som en citron eller en rose."

Ifølge Ray, digitalisering af forudsigelser af, hvordan kemikalier lugter, skaber en ny måde at videnskabeligt prioritere, hvilke kemikalier der kan bruges i maden, smag, og duftindustrien.

"Det giver os mulighed for hurtigt at finde kemikalier, der har en ny kombination af lugte, " sagde han. "Teknologien kan hjælpe os med at opdage nye kemikalier, der kan erstatte eksisterende, som er ved at blive sjældne, for eksempel, eller som er meget dyre. Det giver os en bred palet af forbindelser, som vi kan blande og matche til enhver olfaktorisk anvendelse. For eksempel, du kan nu lave et myggemiddel, der virker på myg, men som dufter behageligt for mennesker."

Forskerne udviklede først en metode til en computer til at lære kemiske funktioner, der aktiverer kendte menneskelige lugtreceptorer. Derefter screenede de omkring en halv million forbindelser for nye ligander - molekyler, der binder til receptorer - for 34 lugtreceptorer. Næste, de fokuserede på, om algoritmen, der kunne estimere lugtreceptoraktivitet, også kunne forudsige forskellige perceptuelle kvaliteter af lugtstoffer.

"Computere kan måske hjælpe os med bedre at forstå menneskelig perceptuel kodning, som dukker op, delvis, at være baseret på kombinationer af forskelligt aktiverede OR'er, " sagde Joel Kowalewski, en studerende i Neuroscience Graduate Program, der arbejder med Ray og den første forfatter til forskningsoplægget. "Vi brugte hundredvis af kemikalier, som menneskelige frivillige tidligere har evalueret, udvalgte yderområder, der bedst forudsagde opfattelser af en del kemikalier, og testede, at disse yderområder også var forudsigelige for nye kemikalier."

Ray og Kowalewski viste, at aktiviteten af ​​OR'er med succes forudsagde 146 forskellige opfattelser af kemikalier. Til deres overraskelse, få snarere end alle yderste periferi var nødvendige for at forudsige nogle af disse opfattelser. Da de ikke kunne registrere aktivitet fra sensoriske neuroner hos mennesker, de testede dette yderligere i frugtfluen ( Drosophila melanogaster ) og observerede et lignende resultat ved forudsigelse af fluens tiltrækning eller aversion mod forskellige lugtstoffer.

"Hvis forudsigelser lykkes med mindre information, opgaven med at afkode lugtopfattelse ville så blive lettere for en computer, " sagde Kowalewski.

Ray forklarede, at mange varer, der er tilgængelige for forbrugere, bruger flygtige kemikalier for at gøre sig selv tiltalende. Omkring 80 % af det, der betragtes som smag i fødevarer, stammer faktisk fra de lugte, der påvirker lugten. Dufte til parfumering af kosmetik, rengøringsprodukter, og andre husholdningsartikler spiller en vigtig rolle i forbrugeradfærd.

"Vores digitale tilgang ved hjælp af maskinlæring kunne åbne op for mange muligheder i maden, smag, og duftindustrien, " sagde han. "Vi har nu en hidtil uset evne til at finde ligander og nye smags- og duftstoffer. Ved at bruge vores beregningsmetode, vi kan intelligent designe flygtige kemikalier, der lugter ønskeligt til brug og også forudsige ligander for de 34 menneskelige operationelle områder."

Forskningspapiret har titlen "Forudsigelse af menneskelig olfaktorisk perception fra aktiviteter af lugtreceptorer."