KI-„Nase“ sagt Gerüche anhand molekularer Strukturen voraus

In einem großen Durchbruch haben Wissenschaftler ein Werkzeug entwickelt, mit dem sich das Geruchsprofil eines Moleküls allein auf der Grundlage seiner Struktur vorhersagen lässt. Es kann Moleküle identifizieren, die unterschiedlich aussehen, aber gleich riechen, sowie Moleküle, die sehr ähnlich aussehen, aber völlig anders riechen. Die Forschung wurde veröffentlicht in Wissenschaft.

Professorin Jane Parker von der University of Reading sagte: „Die Sehforschung hat eine Wellenlänge, die Hörforschung hat eine Frequenz – beide können mit Instrumenten gemessen und bewertet werden. Aber was ist mit dem Geruch? Wir haben derzeit keine Möglichkeit, den Geruch zu messen oder genau vorherzusagen.“ eines Moleküls, basierend auf seiner molekularen Struktur.“

„Mit dem aktuellen Wissen über die molekulare Struktur kann man zwar so weit kommen, aber irgendwann wird man mit zahlreichen Ausnahmen konfrontiert, bei denen Geruch und Struktur nicht übereinstimmen. Das ist es, was frühere Modelle des Geruchssinns überrumpelt hat. Das Fantastische an dieser neuen ML-Generierung.“ Modell besteht darin, dass es den Geruch dieser Ausnahmen korrekt vorhersagt.

Die Forschung nutzte maschinelles Lernen, um eine „Geruchskarte“ zu erstellen, die für die Arbeit von Synthesechemikern in der Lebensmittel- und Duftstoffindustrie von unschätzbarem Wert sein wird. Es könnte auch Möglichkeiten für die Herstellung nachhaltigerer Geschmacks- und Duftstoffe eröffnen.

Professor Parker sagte: „Als Aromachemiker beschäftige ich mich viele Jahre lang mit Gerüchen und verlasse mich bei der Beschreibung von Aromen hauptsächlich auf meine eigene Nase.“

„Die Karte funktioniert nicht nur für bekannte Geruchsstoffe und solche, die strukturell sehr ähnlich sind. Sie kann eine große Untergruppe nicht verwandter Moleküle mit unterschiedlichen molekularen Eigenschaften beschreiben.“

„Für Forscher in den Bereichen Lebensmittel und Duftstoffe eröffnet dies eine ungenutzte Quelle von Tausenden oder möglicherweise Millionen potenzieller Geruchsstoffe.“

Professor Parker arbeitete mit Kollegen am Monell Chemical Senses Center an der University of Pennsylvania, der Arizona State University und Osmo, einem Unternehmen, das aus dem Labor für maschinelles Lernen von Google hervorgegangen ist.

Die Aufgabe der University of Reading bestand darin, die Reinheit der zum Testen der KI verwendeten Proben zu beurteilen. Wir haben die Reinheit der verwendeten Verbindungen überprüft, um die Vorhersage des KI-Modells zu testen. Mithilfe der Gaschromatographie konnten wir die Spuren von Verunreinigungen und das Zielmolekül trennen, sodass wir, während sie nacheinander aus dem Instrument eluierten, alle einzelnen Moleküle riechen und feststellen konnten, ob der Geruch einer der Spurenverbindungen überwältigend war ( oder maskieren) den Geruch des Zielmoleküls.

„Unter den 50 getesteten Proben fanden wir tatsächlich einige Proben mit erheblichen Verunreinigungen. In einem Fall waren die Verunreinigungen, die wir riechen konnten, Spuren des Reagenzes, das bei der Synthese des Zielmoleküls verwendet wurde, und verliehen der Probe einen charakteristischen Buttergeruch, der den Geruchsstoff übertönte.“ Wir waren tatsächlich daran interessiert. In diesem Fall konnten wir erklären, warum das Gremium den Geruch als butterartig beschrieben hatte, aber dies passte nicht zur Vorhersage des Modells, wohingegen unser Deskriptor der reinen Verbindung dies tat.“

Nachdem die KI mit Daten trainiert worden war, war ihre Fähigkeit, den Geruch einer neuartigen Verbindung vorherzusagen, ausgezeichnet. Wenn es richtig funktioniert, sollte es den durchschnittlichen Duftwerten einer Gruppe von Menschen entsprechen, was auch der Fall war.

Dr. Parker sagte: „Als Werkzeug für die synthetische Chemie wird dies von unschätzbarem Wert sein. Wir können es nutzen, um nach neuen Aromen zu suchen. Es eröffnet die Möglichkeit, eine große Anzahl von Molekülen auf Aromen zu untersuchen, so wie es die Pharmaindustrie bei neuen Medikamenten tut.“ .“