Ett par forskare vid University of California, Riverside, har använt maskininlärning för att förstå hur en kemikalie luktar – ett forskningsgenombrott med potentiella tillämpningar inom matsmak- och doftindustrin.

"Vi kan nu använda artificiell intelligens för att förutsäga hur någon kemikalie kommer att lukta för människor, " sa Anandasankar Ray, professor i molekylär, cell- och systembiologi, och seniorförfattaren till studien som visas i iScience . "Kemikalier som är giftiga eller starka i, säga, smaker, kosmetika, eller hushållsprodukter kan ersättas med naturliga, mjukare, och säkrare kemikalier."

Människor känner av lukter när några av deras nästan 400 luktreceptorer, eller operationsenheter, aktiveras i näsan. Varje OR aktiveras av en unik uppsättning kemikalier; tillsammans, den stora OR-familjen kan upptäcka ett stort kemiskt utrymme. En nyckelfråga vid lukt är hur receptorerna bidrar till olika perceptuella kvaliteter eller percepts.

"Vi försökte modellera mänskliga luktuppfattningar med hjälp av kemisk informatik och maskininlärning, "Ray sa. "Kraften med maskininlärning är att den kan utvärdera ett stort antal kemiska egenskaper och lära sig vad som får en kemisk att lukta, säga, en citron eller en ros eller något annat. Maskininlärningsalgoritmen kan så småningom förutsäga hur en ny kemikalie kommer att lukta även om vi från början kanske inte vet om den luktar citron eller ros."

Enligt Ray, att digitalisera förutsägelser om hur kemikalier luktar skapar ett nytt sätt att vetenskapligt prioritera vilka kemikalier som kan användas i maten, smak, och doftindustrier.

"Det tillåter oss att snabbt hitta kemikalier som har en ny kombination av lukter, ", sa han. "Tekniken kan hjälpa oss att upptäcka nya kemikalier som kan ersätta befintliga som blir sällsynta, till exempel, eller som är väldigt dyra. Det ger oss en stor palett av föreningar som vi kan blanda och matcha för alla doftapplikationer. Till exempel, du kan nu göra ett myggmedel som fungerar på myggor men som luktar behagligt för människor."

Forskarna utvecklade först en metod för en dator att lära sig kemiska egenskaper som aktiverar kända mänskliga luktreceptorer. De screenade sedan ungefär en halv miljon föreningar för nya ligander - molekyler som binder till receptorer - för 34 luktreceptorer. Nästa, de fokuserade på huruvida algoritmen som kunde uppskatta luktämnesreceptoraktivitet också kunde förutsäga olika perceptuella egenskaper hos luktämnen.

"Datorer kan hjälpa oss att bättre förstå mänsklig perceptuell kodning, som dyker upp, till viss del, att baseras på kombinationer av olika aktiverade yttersta randområden, " sa Joel Kowalewski, en student i Neuroscience Graduate Program som arbetar med Ray och den första författaren till forskningsartikeln. "Vi använde hundratals kemikalier som mänskliga frivilliga tidigare utvärderat, utvalda yttersta randområden som bäst förutspådde uppfattningar om en del kemikalier, och testade att dessa yttersta randområden också förutsäger nya kemikalier."

Ray och Kowalewski visade att aktiviteten hos yttersta randområden framgångsrikt förutspådde 146 olika uppfattningar om kemikalier. Till deras förvåning, få snarare än alla yttersta randområden behövdes för att förutsäga några av dessa uppfattningar. Eftersom de inte kunde registrera aktivitet från sensoriska neuroner hos människor, de testade detta vidare i fruktflugan ( Drosophila melanogaster ) och observerade ett liknande resultat när man förutspådde flugans attraktion eller motvilja mot olika luktämnen.

"Om förutsägelser är framgångsrika med mindre information, uppgiften att avkoda luktuppfattning skulle då bli lättare för en dator, " sa Kowalewski.

Ray förklarade att många varor som är tillgängliga för konsumenter använder flyktiga kemikalier för att göra sig tilltalande. Cirka 80 % av vad som anses vara smak i mat härrör faktiskt från de lukter som påverkar lukten. Dofter för parfymering av kosmetika, rengöringsprodukter, och andra hushållsartiklar spelar en viktig roll för konsumenternas beteende.

"Vårt digitala tillvägagångssätt med hjälp av maskininlärning kan öppna upp många möjligheter inom maten, smak, och doftindustrier, ", sade han. "Vi har nu en aldrig tidigare skådad förmåga att hitta ligander och nya smaker och dofter. Med hjälp av vår beräkningsmetod, vi kan på ett intelligent sätt designa flyktiga kemikalier som luktar önskvärt för användning och även förutsäga ligander för de 34 mänskliga yttersta randområdena."

Forskningsuppsatsen har titeln "Förutsäga mänsklig luktuppfattning från aktiviteter av luktreceptorer."