La IA predice qué sustancias químicas olerán los humanos

Los investigadores saben desde hace mucho tiempo que la estructura química de las moléculas que inhalamos afecta cómo olemos. Pero en la mayoría de los casos, nadie sabe exactamente cómo hacerlo. Los científicos han descifrado reglas específicas que rigen cómo la nariz y el cerebro perciben las moléculas en el aire en función de sus firmas. Está claro que pronto identificaremos algunos compuestos que contienen azufre como olores a ajo, por ejemplo, ciertas aminas derivadas del amoníaco como olores a pescado. Pero estas son excepciones.

Resulta que las moléculas estructuralmente no relacionadas pueden tener olores similares. Por ejemplo, tanto el cianuro de hidrógeno como los benzaldehídos cíclicos más grandes huelen a almendras. Al mismo tiempo, pequeños cambios estructurales, incluso cambiar la posición de un doble enlace, pueden alterar drásticamente el olor.

Para descubrir esta química desconcertante, los investigadores recurrieron al poder de cómputo de la inteligencia artificial. Ahora, un equipo ha entrenado una inteligencia artificial llamada red neuronal gráfica para predecir cómo olerá un compuesto para una persona (rosa, medicinal, terroso y más) en función de las firmas químicas de las moléculas de olor. En un nuevo borrador publicado en el depósito de preimpresión bioRxiv, los investigadores informan que la evaluación de nuevos olores del modelo informático es tan confiable como los humanos.

«En realidad, me enseñó algunas cosas básicas sobre cómo huele el mundo y cómo funciona el olfato, lo que me llamó la atención», dijo Alex Wiltschko, ahora en Google Ventures GV, quien dirigió el equipo de olores digitales durante su mandato en Google Research.

La nariz humana promedio contiene alrededor de 350 receptores olfativos que se unen a una gran cantidad de moléculas de aire. Estos receptores activan señales neuronales y el cerebro interpreta el olor a café, gasolina o perfume. Aunque los científicos saben cómo funciona este proceso en términos generales, muchos detalles, como la forma precisa de los receptores de olores o cómo el sistema codifica estas señales complejas, siguen siendo esquivos.

Un «kit de referencia olfativa» para varios olores conocidos.Crédito: Joel Continental

Stuart Firestein, neurocientífico olfativo de la Universidad de Columbia, llama al modelo «una obra maestra de la biología computacional». Pero como es típico de muchos estudios basados ​​en el aprendizaje automático, «en mi opinión, nunca te dará una comprensión más profunda de cómo funcionan las cosas», dijo Firestein, quien no participó en el artículo. Su crítica surge de una característica inherente de la tecnología: tales redes neuronales a menudo son inexplicables, lo que significa que los investigadores humanos no tienen acceso al razonamiento que usan los modelos para resolver problemas.

Además, este modelo se salta el misterioso funcionamiento del sistema nervioso y en su lugar establece un vínculo directo entre las moléculas y los olores. Aun así, Firestein y otros lo describen como una herramienta potencialmente útil para estudiar el olor y su relación con la química. Para los investigadores involucrados, el modelo también representa un paso hacia una forma más precisa, basada en números, de describir el universo de olores, que esperan que eventualmente lleve esa sensación al mundo digital.

«Creo firmemente en un futuro donde las computadoras pueden ver, oír y oler», dijo Wiltschko, quien ahora está explorando la comercialización de la tecnología.

Los investigadores han estado usando modelos computacionales para estudiar el sentido del olfato durante algún tiempo. En un artículo publicado en 2022, una competencia de crowdsourcing generó un modelo que pudo hacer coincidir las estructuras moleculares con una serie de etiquetas, incluidas «dulce», «quemado» y «flor», que se describieron en términos de la experiencia humana de su olor. En un nuevo trabajo de seguimiento, el equipo de Wiltschko entrenó su modelo utilizando datos de unas 5000 moléculas bien estudiadas, incluidas sus firmas atómicas y los enlaces entre ellas. Como resultado, el modelo generó un «mapa» de olores extremadamente complejo. A diferencia de los mapas de papel tradicionales que asignan ubicaciones en dos dimensiones, el modelo coloca las moléculas de olor en «ubicaciones» basadas en 256 dimensiones: los algoritmos determinan las propiedades que puede usar para diferenciar las moléculas.

Ilustración de un mapa de olores.Crédito: Alexander B. Wilciko

Para ver si el mapa coincidía con lo que los humanos realmente perciben, el equipo de Wiltschko recurrió a Joel Mandarin, un neurocientífico olfativo del Monel Chemical Senses Center. «Definir el éxito aquí es un poco difícil porque ‘¿cómo defines a qué huele?'», dijo Continental. «qué [the fragrance] Lo que hace la industria, y lo que hacemos aquí, es básicamente reunir a un grupo de personas y describen a qué sabe. «

Primero, Continental y otros identificaron un conjunto no documentado de moléculas portadoras de olor. Al menos 15 participantes del estudio entrenados olfatearon individualmente. Las percepciones de los olores pueden variar de persona a persona debido a las diferencias genéticas, la experiencia personal y las preferencias, por lo que los investigadores promediaron las evaluaciones de los participantes y compararon ese promedio con las predicciones del modelo. Descubrieron que para el 53 por ciento de las moléculas, el modelo estaba más cerca de la media del grupo que los panelistas individuales típicos, un rendimiento que, según dijeron, superó a los modelos anteriores basados ​​en etiquetas.

Si bien es posible que se haya demostrado que el nuevo modelo imita la percepción del olor humano cuando se le da una sola molécula, no funcionará tan bien en el mundo real. Desde rosas hasta humo de cigarrillo, la mayoría de los aromas son una mezcla. Además, el equipo entrenó al nuevo modelo utilizando datos de fragancias, que están sesgados hacia los olores agradables y lejos de los desagradables.

Incluso con estas limitaciones, el modelo podría ayudar a aquellos interesados ​​en la química del olor, por ejemplo, guiando a los investigadores que desean identificar malos olores poco estudiados o probar cómo los ajustes estructurales moleculares alteran la percepción. Los químicos de perfumes pueden consultarlo cuando mejoran las formulaciones de fragancias o identifican nuevos ingredientes potenciales.

El equipo de Wiltschko ha utilizado el modelo para probar teorías sobre el vínculo entre la estructura química y cómo los humanos y otros organismos perciben sus olores. En otro artículo preliminar publicado en bioRxiv en agosto, los investigadores sugirieron que el metabolismo del animal, los procesos químicos que sustentan su vida, como convertir los alimentos en energía, podrían explicar esto. De la base de datos, seleccionaron compuestos metabólicos que se predijo que causaban olor y analizaron estas moléculas utilizando su modelo de mapa de olores. El equipo concluyó que las moléculas que desempeñan funciones estrechamente relacionadas en las reacciones metabólicas tienden a oler de forma similar, incluso si difieren en su estructura. Continental no fue coautor del documento de preimpresión por separado, pero consultó con el equipo del proyecto y calificó sus hallazgos como «muy emocionantes». «No estamos simplemente construyendo un modelo que resuelva algún problema», dijo. «Estamos tratando de averiguar cuál es la lógica subyacente detrás de todo esto».

El modelo también podría abrir la puerta a nuevas tecnologías que registren o generen aromas específicos bajo demanda. Wiltschko describe el trabajo de su equipo como un paso hacia un «mapa completo» de la percepción del olor humano. La versión final es comparable al «espacio de color» definido por la Comisión Internacional de Iluminación, que dibuja colores visibles. Sin embargo, Asifa Majid, profesora de ciencia cognitiva en la Universidad de Oxford que no participó en el estudio, señaló que, a diferencia del nuevo mapa olfativo, el espacio de color no depende de las palabras. Majid cuestiona el uso del lenguaje como base para mapear la percepción sensorial humana. “Los hablantes de diferentes idiomas tienen diferentes formas de referirse al mundo, y esas categorías no siempre se traducen con precisión”, dijo. Por ejemplo, los angloparlantes suelen describir los olores haciendo referencia a fuentes potenciales como el café o la canela. Pero en Jahai, un idioma indígena que se habla en Malasia y partes de Tailandia, la gente elige entre un vocabulario de 12 palabras olfativas básicas.

Sin una investigación empírica que lo verifique, «simplemente no sabemos cómo se ampliará este trabajo a otros idiomas», dijo Majid. En teoría, los investigadores podían definir los olores no etiquetados midiendo los tiempos de reacción de los panelistas cuando se les pedía que compararan olores: era más difícil distinguir entre olores similares, por lo que los participantes necesitaban más tiempo para diferenciarlos. Sin embargo, según Continental, este enfoque conductual resultó poco realista. Dado que el modelo ha aprendido los conceptos básicos sobre la organización del universo de olores, dijo que espera que el mapa se aplique al resto del mundo.

Aunque es posible estudiar la percepción humana del olfato sin depender de las palabras, los investigadores todavía carecen de la capacidad de representar estas experiencias en un lenguaje universal crucial: los números. Mediante el desarrollo de equivalentes olfativos de las coordenadas del espacio de color, o códigos hexadecimales que codifican colores como rojo, verde y azul, los investigadores pretenden describir los olores con nueva precisión, tal vez eventualmente digitalizándolos.

Para la visión y la audición, los investigadores ya saben en qué características se enfoca el cerebro, explica Michael Schmuker, quien estudia el olfato usando quimioinformática en la Universidad de Hertfordshire, Reino Unido, pero no participó en estos estudios. Para el olfato, «hay muchas cosas que deben abordarse en este momento», dijo.

Un gran desafío es la identificación de los olores dominantes. Para crear el equivalente olfativo de una imagen digital, en la que los olores (como las vistas) se registran y recrean de manera eficiente, los investigadores deben identificar un conjunto de moléculas odorantes que, cuando se mezclan, producen de manera confiable una variedad de olores, como rojo, verde y azul para generar todas las sombras en la pantalla.

“Mientras la gente está trabajando en ello, en este momento es ciencia ficción muy lejana”, dijo Schmuck.