A IA como ferramenta na investigação sobre sabores: conceção de novo de peptídeos amargos
Prever com precisão o sabor amargo nos alimentos: a IA passa no teste de sabor
Anúncios
Durante a produção de produtos fermentados, como o kefir, o parmesão ou o queijo de montanha, bem como na produção de proteínas em pó, podem formar-se péptidos de sabor amargo, que prejudicam o sabor e, consequentemente, a aceitabilidade dos produtos. Uma equipa de investigação liderada pelo Instituto Leibniz de Biologia dos Sistemas Alimentares da Universidade Técnica de Munique desenvolveu e testou com sucesso um método baseado em IA capaz de prever o sabor amargo dos péptidos. Este método permite também conceber, a partir do zero, novos péptidos de sabor amargo. Trata-se de mais um importante passo em frente na investigação sobre o sabor e os alimentos.
Os peptídeos de sabor amargo são produzidos durante a decomposição enzimática ou química das proteínas e representam um desafio particular na produção de alimentos fermentados ou hidrolisados proteicos. Ao mesmo tempo, podem possuir propriedades fisiológicas e, por exemplo, contribuir para a regulação da fome e da saciedade.
«Para tornar as fontes de proteínas de origem vegetal mais atrativas para a produção alimentar e utilizá-las de forma mais sustentável, precisamos de compreender melhor quais os péptidos que têm sabor amargo e quais as características estruturais que os caracterizam. Os métodos baseados em IA também podem dar um contributo importante neste contexto», afirma Antonella Di Pizio, investigadora principal do presente estudo, que contou ainda com a participação de investigadores da Universidade Técnica de Munique e da Universidade Pompeu Fabra, em Barcelona.
Combinação de um modelo de linguagem e de uma rede neural artificial
Para desenvolver esse método bioinformático apoiado pela IA, a equipa liderada por Antonella Di Pizio combinou um modelo de linguagem de proteínas — que a equipa tinha previamente treinado utilizando aproximadamente 500 péptidos conhecidos com sabor amargo — com o modelo de previsão BitterPep-GCN que tinham desenvolvido recentemente. Trata-se da chamada Rede Convolucional Gráfica (GCN), uma forma especializada de redes neurais artificiais utilizada para analisar dados estruturados.
Com base nisso, os investigadores geraram, em primeiro lugar, 161 novas sequências de péptidos que ainda não tinham sido caracterizadas experimentalmente. Em seguida, identificaram os candidatos que, de acordo com as previsões do modelo, tinham elevada probabilidade de ter um sabor amargo ou não amargo.
Previsões amplamente confirmadas
Mandaram sintetizar os péptidos mais promissores e, em seguida, submeteram-nos à degustação por um painel sensorial treinado. Na maioria dos casos, as previsões da IA foram confirmadas: dos 31 péptidos testados, os participantes classificaram corretamente 25 como amargos ou não amargos. Além disso, a equipa de investigação identificou inúmeros péptidos com sabor amargo e não amargo até então desconhecidos.
«Os nossos resultados mostram que não só é possível prever o sabor amargo dos peptídeos, como também que o nosso novo método baseado em IA pode ser utilizado para conceber especificamente novos peptídeos com sabor amargo», afirma Alexandra Steuer, primeira autora do estudo e doutoranda no grupo de investigação de Modelagem Molecular de Antonella Di Pizio. «Isto aproxima-nos significativamente do objetivo de controlar proativamente as características gustativas», acrescenta Antonella Di Pizio.
A cientista salienta que a investigação está pronta para ser implementada em contextos práticos: «A longo prazo, estas novas descobertas poderão ajudar a controlar especificamente a formação de péptidos de sabor amargo durante a produção alimentar. Isto seria particularmente relevante para alimentos à base de plantas e ricos em proteínas, cuja aceitação é frequentemente prejudicada devido a notas de sabor indesejáveis.»
Observação: Este artigo foi traduzido usando um sistema de computador sem intervenção humana. A LUMITOS oferece essas traduções automáticas para apresentar uma gama mais ampla de notícias atuais. Como este artigo foi traduzido com tradução automática, é possível que contenha erros de vocabulário, sintaxe ou gramática. O artigo original em Inglês pode ser encontrado aqui.
Publicação original
Outras notícias do departamento ciência
