Le « nez » de l’IA prédit les odeurs des structures moléculaires

Dans le cadre d’une avancée majeure, les scientifiques ont construit un outil permettant de prédire le profil d’odeur d’une molécule, uniquement en fonction de sa structure. Il peut identifier des molécules qui ont une apparence différente mais qui sentent la même chose, ainsi que des molécules qui se ressemblent beaucoup mais qui ont une odeur totalement différente. La recherche a été publiée dans Science.

Le professeur Jane Parker, de l’Université de Reading, a déclaré : « La recherche sur la vision a une longueur d’onde, la recherche sur l’audition a une fréquence ; les deux peuvent être mesurées et évaluées par des instruments. Mais qu’en est-il ? odeur? Nous ne disposons actuellement d’aucun moyen de mesurer ou de prédire avec précision l’odeur d’une molécule, en fonction de son structure moleculaire“.

“Vous pouvez aller aussi loin avec les connaissances actuelles sur la structure moléculaire, mais vous finissez par être confronté à de nombreuses exceptions où l’odeur et la structure ne correspondent pas. C’est ce qui a dérouté les modèles d’olfaction précédents. Ce qui est fantastique avec ce nouveau ML généré ” Le modèle est qu’il prédit correctement l’odeur de ces exceptions. ”

La recherche a appliqué l’apprentissage automatique pour créer une « carte des odeurs » qui sera inestimable dans le travail des chimistes de synthèse des industries de l’alimentation et des parfums. Cela pourrait également ouvrir la voie à la production d’arômes et de parfums plus durables.

Le professeur Parker a déclaré : « En tant que chimiste des arômes, je travaille sur l’odorat depuis de nombreuses années, en m’appuyant principalement sur mon propre nez pour décrire les arômes.

“La carte ne fonctionne pas uniquement pour les odeurs connues et celles qui sont structurellement très similaires. Elle peut décrire un large sous-ensemble d’odeurs non liées. molécules avec des caractéristiques moléculaires différentes.

“Pour les chercheurs dans le domaine de l’alimentation et des parfums, cela ouvre une source inexploitée de milliers, voire de millions, d’odorants potentiels.”

Le professeur Parker a travaillé avec des collègues du Monell Chemical Senses Center de l’Université de Pennsylvanie, de l’Arizona State University et d’Osmo, une société issue du laboratoire d’apprentissage automatique de Google.

Le rôle de l’Université de Reading était d’évaluer la pureté des échantillons utilisés pour tester l’IA. Nous avons vérifié la pureté des composés utilisés pour tester la prédiction du modèle d’IA. La chromatographie en phase gazeuse nous a permis de séparer les traces d’impuretés et la molécule cible, de sorte qu’à mesure qu’elles s’éluaient une par une de l’instrument, nous pouvions sentir toutes les molécules individuelles et déterminer si l’odeur de l’un des composés traces était envahissante ( ou masquage) l’odeur de la molécule cible.

“Nous avons trouvé quelques échantillons contenant des impuretés importantes, parmi les 50 testés. Dans un cas, l’impureté que nous pouvions sentir était constituée de traces du réactif utilisé dans la synthèse de la molécule cible et donnait à l’échantillon une odeur de beurre distinctive qui dominait l’odorant. qui nous intéressait réellement. Dans ce cas, nous avons pu expliquer pourquoi le panel avait décrit l’odeur comme étant beurrée, mais cela ne correspondait pas à la prédiction du modèle, alors que notre descripteur du composé pur le faisait.

Une fois que l’IA a été enseignée à l’aide de données, sa capacité à prédire l’odeur d’un nouveau composé était excellente. S’il fonctionne correctement, il devrait correspondre aux scores olfactifs moyens d’un panel d’humains, ce qu’il a fait.

Le Dr Parker a déclaré : « En tant qu’outil pour la chimie synthétique, cela sera d’une valeur inestimable. Nous pouvons l’utiliser pour rechercher de nouveaux arômes. Cela ouvre la possibilité de cribler un grand nombre de molécules pour l’arôme, tout comme le industrie pharmaceutique fait pour les nouveaux médicaments.