Când vine vorba de neuroștiință, un aspect crucial al acesteia este înțelegerea modului în care simțurile noastre traduc lumina în vâz, muzica în auz, mâncarea în gust și textura în atingere.
Cu toate acestea, informațiile senzoriale referitoare la miros i-au derutat pe cercetători pentru mult timp.
Oamenii consideră că mirosul florilor este plăcut, iar mirosul alimentelor în descompunere este neplăcut din cauza receptorilor de miros. Cu toate acestea, se înțelege puțin despre modul în care acești receptori preiau substanțele chimice și le transformă în parfumuri.
Pentru a înțelege fenomenul, cercetătorii de la Centrul Monell Chemical Senses și de la startup-ul Osmo din Cambridge, Massachusetts, dezvoltat din inițiativa de învățare automată a Google Research, au examinat relația dintre sistemul de percepție olfactiv al creierului și substanțele chimice din aer.
Ca rezultat al studiului oamenii de ştiinta au conceput un model de învâtare automatâ care acum poate descrie verbal parfumul compuşilor la nivel uman.
Detaliile privind studiul lor sunt publicate în revista Science.
Există aproximativ 400 de receptori olfactivi activi la om. Aceşti nervi olfactivi se leagă de substanțele chimice din aer pentru a trimite un semnal electric către bulbul olfactiv. Potrivit echipei, numărul de receptori olfactivi este mult mai mare decât cei patru folosiți pentru vederea culorilor sau cei 40 folosiți pentru gust.
„În cercetarea olfativă, totuși, întrebarea cu privire la ce proprietăți fizice fac ca o moleculă din aer să mirosâ în felul în care o face pentru creier, a rămas o enigmă”, a declarat Joel Mainland, coautor principal și membru al Centrului Monell, într-o declarație.
Echipa a lucrat pentru a înțelege relația dintre modul în care sunt modelate moleculele și modul în care percepem în cele din urmă mirosurile.
Echipa a creat un model care ar putea învăța să coreleze descrierile în proză ale mirosului unei molecule cu structura moleculară a mirosului. Harta care rezultă din aceste interacțiuni constă în general din grupuri de arome comparabile, cum ar fi dulciuri florale și bomboane dulci.
Un set de date comerciale care conține machiajul molecular și caracteristicile olfactive a 5.000 de odorizante cunoscute a fost folosit pentru a antrena mașina. Forma unei molecule servește ca intrare pentru algoritm.
Mai mult, pentru a stabili eficacitatea modelului, cercetătorii de la Monell au efectuat o procedură de validare în care un grup de participanți instruiți la cercetare au descris noi molecule și apoi le-au comparat răspunsurile cu descrierea modelului. Cei 15 membri au primit câte 400 de odorizante și au fost instruiți să folosească un set de 55 de cuvinte – de la mentă la mucegai – pentru a descrie fiecare moleculă.
Modelul AI a depășit toţi participanţii pentru 53% dintre compușii examinați în cercetare. Modelul a reușit și la sarcini olfactive pentru care nu a fost antrenat.
„Nu l-am antrenat niciodată să învețe puterea mirosului, dar putea, totuși, să facă predicții precise”, a spus Mainland.
Programul a reușit să cuantifice o gamă largă de atribute de miros, inclusiv intensitatea mirosului, pentru 500.000 de molecule posibile de miros și să găsească sute de perechi de compuși structural diferiți care aveau mirosuri similare contraintuitiv.
„Sperăm că această hartă va fi utilă cercetătorilor din chimie, neuroștiințe olfactive și psihofizică ca un nou instrument pentru investigarea naturii senzației olfactive”, a spus Mainland.
Echipa emite ipoteza că harta model poate fi configurată în funcție de metabolism, reprezentând o schimbare semnificativă în modul în care oamenii de știință văd mirosurile. Cu alte cuvinte, mirosurile similare din punct de vedere perceptiv unul cu celălalt sau din apropiere de pe o hartă sunt, de asemenea, mai probabil să aibă aceeași cale metabolică.
În prezent, oamenii de știință clasifică compuși așa cum ar face chimiștii, de exemplu, întrebând dacă o moleculă are un ester sau un inel aromatic.
„Lumea este mai aproape de digitalizarea mirosurilor care pot fii înregistrate și reproduse. De asemenea, am putea identifica noi mirosuri pentru industria parfumurilor și aromelor care nu numai că ar putea reduce dependența de plantele pe cale de dispariție din surse naturale, dar ar putea identifica și noi arome funcționale. pentru astfel de utilizări, cum ar fi repelentul pentru țânțari sau mascarea mirosurilor neplăcute.” au declarat cercetâtorii.
Articol de Răzvan Lupu
