Une paire de chercheurs de l'Université de Californie, Bord de rivière, a utilisé l'apprentissage automatique pour comprendre l'odeur d'un produit chimique, une percée dans la recherche avec des applications potentielles dans les industries des arômes alimentaires et des parfums.

« Nous pouvons maintenant utiliser l'intelligence artificielle pour prédire l'odeur de tout produit chimique pour les humains, " dit Anandasankar Ray, un professeur de moléculaire, biologie cellulaire et des systèmes, et l'auteur principal de l'étude qui apparaît dans iScience . « Les produits chimiques qui sont toxiques ou agressifs dans, dire, les saveurs, produits de beauté, ou les produits ménagers peuvent être remplacés par des produits naturels, plus doux, et des produits chimiques plus sûrs."

Les humains sentent les odeurs lorsque certains de leurs près de 400 récepteurs olfactifs, ou OU, sont activés dans le nez. Chaque OU est activé par un ensemble unique de produits chimiques; ensemble, la grande famille OR peut détecter un vaste espace chimique. Une question clé en olfaction est de savoir comment les récepteurs contribuent à différentes qualités ou perceptions perceptives.

"Nous avons essayé de modéliser les perceptions olfactives humaines en utilisant l'informatique chimique et l'apprentissage automatique, " Ray a déclaré. " La puissance de l'apprentissage automatique est qu'il est capable d'évaluer un grand nombre de caractéristiques chimiques et d'apprendre à quoi ressemble une odeur chimique, dire, un citron ou une rose ou autre chose. L'algorithme d'apprentissage automatique peut éventuellement prédire l'odeur d'un nouveau produit chimique, même si nous ne savons peut-être pas au départ s'il sent le citron ou la rose."

Selon Ray, la numérisation des prédictions sur l'odeur des produits chimiques crée une nouvelle façon de hiérarchiser scientifiquement les produits chimiques pouvant être utilisés dans les aliments, saveur, et les industries des parfums.

"Cela nous permet de trouver rapidement des produits chimiques qui ont une nouvelle combinaison d'odeurs, " a-t-il dit. " La technologie peut nous aider à découvrir de nouveaux produits chimiques qui pourraient remplacer ceux existants qui deviennent rares, par exemple, ou qui sont très chers. Il nous donne une vaste palette de composés que nous pouvons mélanger et assortir pour n'importe quelle application olfactive. Par exemple, vous pouvez maintenant fabriquer un répulsif contre les moustiques qui fonctionne sur les moustiques mais qui sent agréablement les humains. »

Les chercheurs ont d'abord développé une méthode permettant à un ordinateur d'apprendre les caractéristiques chimiques qui activent les récepteurs odorants humains connus. Ils ont ensuite criblé environ un demi-million de composés à la recherche de nouveaux ligands - des molécules qui se lient aux récepteurs - pour 34 récepteurs odorants. Prochain, ils se sont concentrés sur la question de savoir si l'algorithme qui pourrait estimer l'activité des récepteurs odorants pouvait également prédire diverses qualités perceptives des odorants.

« Les ordinateurs pourraient nous aider à mieux comprendre le codage perceptif humain, qui apparaît, en partie, être basé sur des combinaisons de RUP activés différemment, " a déclaré Joël Kowalewski, un étudiant du programme d'études supérieures en neurosciences travaillant avec Ray et le premier auteur du document de recherche. "Nous avons utilisé des centaines de produits chimiques que des volontaires humains ont déjà évalués, les OR sélectionnés qui prédisent le mieux les perceptions sur une partie des produits chimiques, et testé que ces RUP étaient également prédictifs de nouveaux produits chimiques. »

Ray et Kowalewski ont montré que l'activité des ORs a prédit avec succès 146 perceptions différentes des produits chimiques. A leur grande surprise, quelques OR plutôt que tous étaient nécessaires pour prédire certaines de ces perceptions. Comme ils ne pouvaient pas enregistrer l'activité des neurones sensoriels chez l'homme, ils ont testé cela plus loin dans la mouche des fruits ( Drosophila melanogaster ) et ont observé un résultat similaire lors de la prédiction de l'attirance ou de l'aversion de la mouche pour différents odorants.

"Si les prédictions sont réussies avec moins d'informations, la tâche de décoder la perception des odeurs deviendrait alors plus facile pour un ordinateur, ", a déclaré Kowalewski.

Ray a expliqué que de nombreux articles disponibles pour les consommateurs utilisent des produits chimiques volatils pour se rendre attrayants. Environ 80% de ce qui est considéré comme une saveur dans les aliments provient en fait des odeurs qui affectent l'odorat. Parfums pour parfumer les cosmétiques, Produits de nettoyage, et d'autres articles ménagers jouent un rôle important dans le comportement des consommateurs.

"Notre approche numérique utilisant le machine learning pourrait ouvrir de nombreuses opportunités dans l'agroalimentaire, saveur, et parfumerie, " a-t-il dit. " Nous avons maintenant une capacité sans précédent à trouver des ligands et de nouvelles saveurs et parfums. En utilisant notre approche computationnelle, nous pouvons concevoir intelligemment des produits chimiques volatils dont l'odeur est désirable et également prédire des ligands pour les 34 RUP humaines."

Le document de recherche s'intitule « Prédiction de la perception olfactive humaine à partir des activités des récepteurs odorants ».