Uma inteligência artificial aprendeu a prever quais pequenos pedaços de proteína deixam alimentos amargos e pode ajudar a redesenhar sabores
O modelo identificou diversos peptídeos amargos e não amargos até então completamente desconhecidos
O que você vai ver
- Onde surge o sabor amargo que o estudo tenta prever.
- Como o modelo de inteligência artificial foi construído.
- Como a previsão da IA foi testada na prática.
- Qual foi o resultado desse teste com o painel sensorial.
- Para que essa previsão pode servir no futuro da indústria alimentícia.
Pesquisadores alemães treinaram uma inteligência artificial capaz de prever, apenas a partir da sequência de aminoácidos, quais pequenos fragmentos de proteína deixam um alimento com gosto amargo, ferramenta que pode ajudar a indústria a redesenhar sabores antes mesmo de testar o produto final.
Onde surge o sabor amargo?
O amargor indesejado costuma surgir em alimentos fermentados, como kefir, parmesão e queijos de montanha, além de hidrolisados proteicos e suplementos à base de proteína, produtos em que proteínas maiores são quebradas em fragmentos menores, chamados peptídeos, e alguns desses fragmentos específicos acabam sendo responsáveis por um gosto amargo que prejudica a aceitação do produto final pelo consumidor.
Como o modelo de IA foi construído?
A equipe do Leibniz Institute for Food Systems Biology, ligado à Technical University of Munich, liderada pela pesquisadora principal Antonella Di Pizio e com Alexandra Steuer como primeira autora, combinou um modelo de linguagem treinado em proteínas com o BitterPep-GCN, uma rede neural de grafos desenvolvida anteriormente pela própria equipe, sistema conjunto capaz de prever o amargor de um peptídeo diretamente a partir de sua sequência de aminoácidos.
Como a previsão foi testada na prática?
A partir do modelo treinado com cerca de 500 peptídeos amargos já conhecidos, a equipe gerou 161 novas sequências de peptídeos ainda não caracterizadas experimentalmente, selecionou os candidatos mais promissores entre eles, sintetizou essas moléculas em laboratório e as submeteu à avaliação de um painel sensorial humano treinado especificamente para identificar e classificar gosto amargo em amostras de teste.
Qual foi o resultado do teste sensorial?
Dos 31 peptídeos sintetizados e avaliados pelo painel sensorial, 25 foram classificados corretamente como amargos ou não amargos pelo modelo de inteligência artificial, taxa de acerto que a própria equipe considera promissora para um sistema treinado a partir de um conjunto de dados relativamente pequeno, e que também permitiu identificar diversos peptídeos amargos e não amargos até então completamente desconhecidos pela ciência.
Para que isso pode servir no futuro?
Além de prever o amargor de peptídeos já existentes, o mesmo método pode ser usado para projetar deliberadamente novas sequências com ou sem essa característica, abrindo caminho para controlar a formação desses peptídeos durante a própria produção de alimentos, especialmente em produtos vegetais ricos em proteína, embora essa aplicação específica de controle direto na produção ainda seja um objetivo de longo prazo, não uma tecnologia já disponível para a indústria.
Modelos de inteligência artificial que aprendem a prever propriedades físicas a partir de sequências moleculares também aparecem no relato sobre a soja editada por CRISPR que elevou o ácido oleico do óleo para mais de 90%.
Mais detalhes sobre o estudo estão disponíveis na reportagem original do Phys.org.
Os comentários não representam a opinião do site; a responsabilidade pelo conteúdo postado é do autor da mensagem.
Comentários (0)