U velikoj novoj studiji, istraživači iz Google Research-a u Sjedinjenim Državama, Monell Chemical Senses Center i University of Reading u Ujedinjenom Kraljevstvu, između ostalih istraživačkih institucija, izgradili su alat koji može predvidjeti karakteristike mirisa molekula na osnovu sama njihova struktura. Može identificirati molekule koji izgledaju drugačije, ali imaju isti miris, kao i molekule koji izgledaju vrlo slično, ali mirišu potpuno drugačije. Nalazi su objavljeni u časopisu Science od 1. septembra 2023. pod naslovom "Mapa glavnih mirisa objedinjuje različite zadatke u olfaktornoj percepciji".
Profesorka Džejn Parker sa Univerziteta Reading u Velikoj Britaniji kaže: "Postoje talasne dužine za vizuelne studije i frekvencije za slušne studije, koje se obe mogu meriti i proceniti instrumentima. Ali šta je sa mirisom? Trenutno nemamo načina da izmerimo". ili precizno predvidjeti miris molekule na osnovu njegove strukture, na osnovu sadašnjeg znanja o molekularnoj strukturi, na kraju bi se naišlo na bezbroj izuzetaka gdje se miris i struktura ne podudaraju modeli Magija ovog novog modela generiranog mašinskim učenjem je u tome što ispravno predviđa molekularni miris u ovim izuzecima.
Nova studija koristi mašinsko učenje za izradu "mape mirisa" koja bi mogla biti vrijedna za rad sintetičkih hemičara u industriji hrane i okusa. To također može otvoriti put za razvoj održivijih okusa i mirisa.
Prof. Parker je rekao: "Kao kemičar okusa, bio sam uključen u olfaktorna istraživanja dugi niz godina, oslanjajući se uglavnom na svoj nos da bih opisao arome. Ova mapa mirisa se ne odnosi samo na poznate mirise, već i na mirise sa vrlo sličnom strukturom. Može opisati veliki broj nepovezanih molekula sa različitim molekularnim karakteristikama Za naučnike u oblasti hrane i ukusa, ovo otvara neiskorišćeni izvor hiljada, ako ne i miliona, potencijalnih mirisa.
U ovoj novoj studiji, uloga Univerziteta Reading je bila da procijeni čistoću uzoraka korištenih za testiranje AI. "Provjerili smo čistoću spojeva korištenih za testiranje predviđanja AI modela. Plinska kromatografija nam omogućava da odvojimo nečistoće u tragovima od ciljnih molekula, tako da, kako one eluiraju iz instrumenta jednu po jednu, možemo namirisati sve pojedinačne molekule i utvrditi da li miris bilo kojeg jedinjenja u tragovima nadjača (ili maskira) miris ciljnih molekula."
"Od 50 testiranih uzoraka, pronašli smo neke koji su sadržavali značajne količine nečistoća. U jednom slučaju, nečistoća koju smo mogli namirisati bila je u tragovima ostatka reagensa koji se koristi za sintezu ciljne molekule i uzrokovala je da uzorak odaje prepoznatljiv miris putera koji je nadjačao odorant koji nas je zaista zanimao. U ovom slučaju, uspjeli smo objasniti zašto je panel stručnjaka taj miris opisao kao kremast, ali to nije odgovaralo predviđanjima AI modela, dok je naš opis ovog čistog spoj odgovara predviđanjima AI modela."
Slika iz Science, 2023, doi:10.1126/science.ade4401.
Kada je AI obučena sa podacima, njena sposobnost da predvidi miris novih jedinjenja bila je odlična. Ako je ispravno funkcionirao, trebao bi odgovarati prosječnim ocjenama mirisa panela ljudskih stručnjaka, što je i učinio.
Dr. Parker je rekao: "Kao alat za sintetičku hemiju, ovo bi bilo od neprocjenjive vrijednosti. Mogli bismo ga koristiti za pronalaženje novih aroma. To otvara mogućnost pregleda velikog broja molekula za arome, baš kao što farmaceutska industrija provjerava nove lijekove ."
