با استفاده از هوش مصنوعی به بوی گل سرخ

ریورساید کالیفرنیا. -- یک جفت از محققان در دانشگاه کالیفرنیا در ریورساید استفاده از یادگیری ماشین به درک آنچه یک ماده شیمیایی مانند بوی -- یک پژوهش دستیابی به موفقیت با برنامه های کاربردی بالقوه در مواد غذایی عطر و طعم صنایع.

"ما در حال حاضر می توانید با استفاده از هوش مصنوعی برای پیش بینی هر گونه مواد شیمیایی است که رفتن به بوی به انسان گفت:" Anandasankar ری, استاد مولکولی سلول و سیستم های زیست شناسی و نویسنده ارشد این مطالعه که به نظر می رسد در iScience. "مواد شیمیایی سمی هستند که یا سخت در, می گویند, طعم, لوازم آرایشی و یا محصولات خانگی را می توان با جایگزین طبیعی تر و امن تر مواد شیمیایی است."

انسان حس بو هنگامی که برخی از آنها نزدیک به 400 odorant گیرنده یا اتاق عمل هستند فعال در بینی. هر یک و یا فعال است که توسط یک مجموعه منحصر به فرد از مواد شیمیایی; با هم بزرگ یا خانواده می تواند تشخیص گسترده شیمیایی فضا. یک سوال کلیدی در بویایی است چگونه گیرنده کمک به متفاوت ادراکی کیفیت و یا percepts.

"ما سعی کردیم به مدل انسان بویایی percepts با استفاده از مواد شیمیایی انفورماتیک و یادگیری ماشین," ری گفت. "قدرت یادگیری ماشین است که آن را قادر به ارزیابی تعداد زیادی از ویژگی های شیمیایی و یاد بگیرند که چه چیزی باعث بوی شیمیایی مانند گفتن یک لیمو یا گل رز یا چیز دیگری. دستگاه الگوریتم یادگیری در نهایت می تواند پیش بینی کند که چگونه یک جدید شیمیایی بو خواهد شد حتی اگر ما ممکن است در ابتدا نمی دانم اگر آن را مانند بوی لیمو و یا یک افزایش یافت."

با توجه به ری دیجیتالی شدن پیش بینی ها از, چگونه بوی مواد شیمیایی ایجاد یک راه جدید علمی اولویت بندی چه مواد شیمیایی استفاده می شود در مواد غذایی طعم و عطر صنایع.

"این به ما اجازه می دهد به سرعت پیدا کردن مواد شیمیایی است که از یک رمان ترکیبی از بوی" او گفت:. "این فن آوری می تواند به ما کمک کند کشف مواد شیمیایی جدید که می تواند جایگزین موجود است که در حال تبدیل شدن نادر, برای مثال, یا, که بسیار گران قیمت هستند. آن را به ما می دهد یک پالت گسترده ای از ترکیبات است که ما می توانید ترکیب و مطابقت برای هر بویایی نرم افزار. برای مثال شما می توانید در حال حاضر یک دافع پشه است که با این نسخهها کار در پشه است اما لذت بخش بو به انسان است."

محققان در حال توسعه یک روش برای یک کامپیوتر برای یادگیری ویژگی های شیمیایی که فعال شناخته شده بشر odorant گیرنده. سپس آنها را به نمایش تقریبا نیمی از یک میلیون ترکیبات جدید لیگاندهای -- مولکول است که با اتصال به گیرنده -- برای 34 odorant گیرنده. بعد آنها متمرکز شده که آیا این الگوریتم است که می تواند برآورد odorant فعالیت گیرنده نیز می تواند پیش بینی متنوع ادراکی کیفیت odorants.

"کامپیوتر ممکن است کمک به ما در درک بهتر انسان ادراکی برنامه نویسی که به نظر می رسد در بخش بر اساس ترکیب متفاوت فعال اتاق عمل" گفت: Joel Kowalewski یک دانش آموز در علوم اعصاب فارغ التحصیل, برنامه کار با اشعه و نویسنده اول این مقاله پژوهشی است. "ما با استفاده از صدها نفر از مواد شیمیایی است که انسان داوطلبان که قبلا مورد بررسی قرار, انتخاب اتاق عمل که بهترین پیش بینی percepts در بخشی از مواد شیمیایی و تست شده است که این اتاق عمل نیز اخباری جدید از مواد شیمیایی است."

ری و Kowalewski نشان داد فعالیت اتاق عمل با موفقیت به پیش بینی 146 مختلف percepts از مواد شیمیایی. به تعجب خود را چند جای همه اتاق عمل شد و نیاز به پیش بینی برخی از این percepts. از آنجا که آنها نمی تواند رکورد فعالیت از نورون های حسی در انسان, آنها این آزمایش بیشتر در مگس میوه (Drosophila melanogaster) و مشاهده نتیجه مشابه زمانی که پیش بینی پرواز جاذبه یا گریزی به متفاوت odorants.

"اگر پیش بینی های موفق هستند با اطلاعات کمتر کار رمز گشایی بوی ادراک پس از آن آسان تر برای کامپیوتر" Kowalewski گفت.

ری توضیح داد که در بسیاری از موارد در دسترس مصرف کنندگان با استفاده از ترکيبات و مواد شیمیایی را به خود جذاب است. حدود 80 ٪ از آنچه در نظر گرفته شده است عطر و طعم در مواد غذایی در واقع ناشی از این بو که بر بوی. رایحه لوسیون, لوازم آرایشی, تمیز کردن محصولات و کالاهای خانگی دیگر نقش مهمی در رفتار مصرف کننده.

"ما دیجیتال رویکرد با استفاده از یادگیری ماشین می تواند باز کردن بسیاری از فرصت ها در مواد غذایی طعم و عطر صنایع," او گفت:. "ما در حال حاضر یک توانایی بی سابقه ای پیدا لیگاندهای جدید و طعم و رایحه. با استفاده از رویکرد محاسباتی ما می توانیم هوشمندانه طراحی شیمیایی فرار که بوی مطلوب برای استفاده و همچنین پیش بینی لیگاندهای برای 34 اتاق عمل انسان."

###

این مطالعه بخشی از بودجه توسط UCR و بنیاد ملی علوم.

این فن آوری است فاش شده به UCR دفتر فن آوری مشارکت اختصاص داده UC شماره پرونده 2019-131 است که در انتظار ثبت اختراع با عنوان "روش های شناسایی ترکیبات شناسایی شده و ترکیبات آن" و دارای مجوز برای راه اندازی شرکت Sensorygen Inc. تاسیس شده توسط Ray در سال 2015 Sensorygen با بهره گیری از زیست شناسی محاسباتی و هوش مصنوعی به کشف طبیعی جایگزین برای سموم و مواد شیمیایی خشن در محصولات روزمره از جمله پیدا کردن طعم های جدید و دافع حشرات.

این مقاله پژوهشی است که با عنوان "پيش بينی انسان بویایی درک از فعالیت های odorant گیرنده."

دانشگاه کالیفرنیا در ریورساید (http://www.ucr.edu) یک دکترای پژوهش دانشگاه یک آزمایشگاه زندگی برای پیشگامانه اکتشاف مسائل مهم داخلی جنوب کالیفرنیا دولت ها و جوامع در سراسر جهان است. بازتاب کالیفرنیا متنوع فرهنگ UCR است ثبت نام بیش از 24,000 دانش آموزان است. پردیس افتتاح یک دانشکده پزشکی در سال 2013 رسیده است و قلب Coachella Valley با راه UCR پالم دزرت ، پردیس سالانه ایالت اقتصادی تاثیر تقریبا 2 میلیارد دلار. برای کسب اطلاعات بیشتر ایمیل news@ucr.edu.

سلب مسئولیت: AAAS و EurekAlert! مسئول صحت اخبار منتشر شده به EurekAlert! با کمک موسسات و یا برای استفاده از هر گونه اطلاعات از طریق EurekAlert سیستم.