ABD'deki Google Research, Birleşik Krallık'taki Monell Chemical Senses Center ve Reading Üniversitesi'nden araştırmacıların yanı sıra diğer araştırma kurumları, büyük bir çığır açan yeni çalışmada, moleküllerin koku özelliklerini yalnızca yapılarına dayanarak tahmin edebilen bir araç geliştirdiler. Farklı görünen ancak aynı kokan molekülleri ve çok benzer görünen ancak tamamen farklı kokan molekülleri tespit edebiliyor. Bulgular, 1 Eylül 2023 tarihli Science dergisinde "A principal odor map unifies various tasks in olfactory perception" başlığı altında yayınlandı.
İngiltere'deki Reading Üniversitesi'nden Prof. Jane Parker, "Görsel çalışmalar için dalga boyları ve işitsel çalışmalar için frekanslar vardır ve her ikisi de ölçülebilir ve aletlerle değerlendirilebilir. Peki ya koku? Şu anda bir molekülün yapısına dayanarak kokusunu ölçmenin veya doğru bir şekilde tahmin etmenin bir yolu yok. Bunu moleküler yapı hakkındaki mevcut bilgilere dayanarak yapabilirsiniz, ancak sonunda koku ve yapının uyuşmadığı sayısız istisna ile karşılaşırsınız. Bu, önceki koku alma modellerinin karşılaştığı zorluktur. Makine öğrenimiyle oluşturulan bu yeni modelin büyüsü, bu istisnalardaki moleküler kokuyu doğru bir şekilde tahmin etmesidir." diyor.
Yeni çalışma, gıda ve tat endüstrilerindeki sentetik kimyagerlerin çalışmaları için değerli olabilecek bir "koku haritası" oluşturmak için makine öğrenimini kullanıyor. Ayrıca daha sürdürülebilir tatlar ve kokuların geliştirilmesinin yolunu açabilir.
Prof. Parker, "Bir lezzet kimyacısı olarak, koku araştırmalarında uzun yıllardır yer alıyorum ve aromaları tanımlamak için çoğunlukla burnuma güveniyorum. Bu koku haritası yalnızca bilinen koku maddeleri için değil, aynı zamanda çok benzer yapılara sahip koku maddeleri için de geçerlidir. Farklı moleküler özelliklere sahip çok sayıda ilgisiz molekülü tanımlayabilir. Gıda ve lezzet alanlarındaki bilim insanları için bu, milyonlarca olmasa da binlerce potansiyel koku maddesinin henüz keşfedilmemiş bir kaynağını ortaya çıkarır." dedi.
Bu yeni çalışmada Reading Üniversitesi'nin rolü, AI'yi test etmek için kullanılan örneklerin saflığını değerlendirmekti. "AI modellerinin tahminlerini test etmek için kullanılan bileşiklerin saflığını doğruladık. Gaz kromatografisi, eser miktardaki safsızlıkları hedef moleküllerden ayırmamızı sağlar, böylece bunlar cihazdan tek tek elüsyona uğradığında, tüm bireysel molekülleri koklayabilir ve herhangi bir eser miktardaki bileşiğin kokusunun hedef moleküllerin kokusunu bastırıp bastırmadığını (veya maskeleyip maskelemediğini) belirleyebiliriz."
"Test edilen 50 numuneden bazılarının önemli miktarda safsızlık içerdiğini bulduk. Bir örnekte, koklayabildiğimiz safsızlık, hedef molekülü sentezlemek için kullanılan reaktifin eser kalıntısıydı ve numunenin, gerçekten ilgilendiğimiz koku vericiyi bastıran belirgin bir tereyağı kokusu yaymasına neden oldu. Bu durumda, uzman panelinin kokuyu neden kremsi olarak tanımladığını açıklayabildik, ancak bu, AI modelinin tahminleriyle uyuşmuyordu, oysa bizim bu saf bileşiğin tanımı AI modelinin tahminleriyle uyuşuyordu."
Görsel Science, 2023, doi:10.1126/science.ade4401'den alınmıştır.
Yapay zeka verilerle eğitildikten sonra, yeni bileşiklerin kokusunu tahmin etme yeteneği mükemmeldi. Düzgün çalışırsa, bir insan uzman panelinin ortalama koku derecelendirmeleriyle eşleşmeliydi ve öyle de oldu.
Dr. Parker, "Sentetik kimya için bir araç olarak bu paha biçilmez olurdu. Bunu yeni aromalar bulmak için kullanabiliriz. Tıpkı ilaç endüstrisinin yeni ilaçlar için yaptığı tarama gibi, çok sayıda molekülü aromalar için tarama olasılığını açar." dedi.
