В рамках важного научного прорыва ученые создали инструмент для прогнозирования ароматического профиля молекулы, основываясь исключительно на ее структуре. Он может определять молекулы, которые выглядят по-разному, но имеют одинаковый запах, а также молекулы, которые очень похожи, но пахнут совершенно по-разному.
Что известно
Результаты, опубликованные в журнале «Science», показывают, что программа, так называемая графовая нейронная сеть, отлично справляется с имитацией человеческого носа, по крайней мере, когда речь идет о простых запахах. Она надежно предсказывала то, что ощущали добровольцы — задача, над которой биологи-сенсорики работали десятилетиями. Она также предсказала запахи 500 000 других молекул, без необходимости их создавать или нюхать.
Профессор Джейн Паркер из Университета Рединга заявила: «В исследованиях зрения используется длина волны, в исследованиях слуха — частота. Оба эти параметра можно измерить и оценить при помощи инструментов. Но что насчет запаха? На данный момент у нас нет способа измерить или точно предсказать запах молекулы на основе ее молекулярной структуры. Опираясь на современные знания о молекулярной структуре, можно дойти до определенного понимания, но в конечном итоге вы сталкиваетесь с множеством исключений, когда запах и структура не совпадают. Именно это стало препятствием для предыдущих моделей восприятия запахов. Замечательное в этой новой модели, созданной с помощью машинного обучения, заключается в том, что она правильно предсказывает запах этих исключений».
Детали
Ученые из Университета Ридинга были ответственны за контроль качества образцов, предназначенных для испытаний на ИИ. «Мы провели анализ чистоты химических соединений, на которых тестировалась модель ИИ. С помощью газовой хроматографии нам удалось выделить следы примесей и основное вещество. Таким образом, анализируя каждое вещество по отдельности, мы смогли определить, не «заглушает» ли запах одного из второстепенных компонентов аромат основного вещества», — рассказывает исследователь.
Из 50 исследованных образцов в некоторых были обнаружены дополнительные химические элементы. В частности, в одном из образцов присутствовали следы реагента, который использовался при производстве основного соединения. Этот реагент вызывал маслянистый запах, который перекрывал искомый аромат. Это и стало причиной, по которой эксперты описали запах этого образца как «масляный», в отличие от прогнозов модели. Тем не менее, когда анализировали чистое соединение без примесей, его запах соответствовал предсказаниям модели.
Почему это важно
После обучения на собранных данных искусственный интеллект продемонстрировал способность предсказывать аромат новых химических соединений. В идеальных условиях его прогнозы должны были соответствовать средним оценкам группы людей, и именно так и произошло.
В исследовании использовалось машинное обучение для создания «карты запахов», которая будет неоценима для работы синтетических химиков в пищевой и парфюмерной промышленности.
«Это открывает перед учеными, специализирующимися на пищевых добавках и парфюмерии, доступ к неизведанным ресурсам, в которых может содержаться тысячи, а то и миллионы потенциальных ароматов, — говорит эксперт.
Для сферы синтетической химии это действительно прорыв. Теперь можно будет применять этот инструмент для поиска новых ароматов, появилась возможность проводить скрининг огромного числа молекул в поисках уникальных ароматов, подобно тому как фармацевтические компании ищут новые медикаменты.