Predizer a relação entre a estrutura de uma molécula e seu cheiro não é uma tarefa fácil. Essa problemática, denominada "modelização quantitativa da relação estrutura-odor" (QSOR) constitui um desafio importante para as ciências químicas e, potencialmente, pode abrir novos caminhos na criação de perfumes sintéticos.

Uma equipe de pesquisadores do Google publicou recentemente um artigo que...

Uma equipe de pesquisadores do Google publicou recentemente um artigo que relata a experiência de construção de uma rede neural com o objetivo de estabelecer a relação entre a estrutura de uma molécula e o seu cheiro. (Foto: © grinvalds / Istock.com)

Um artigo publicado em 23 de outubro de 2019 por uma equipe de pesquisadores do Google explica de que forma a aprendizagem automática pode ser usada para determinar o tipo de relação existente entre o cheiro de uma molécula e a sua estrutura - uma incógnita que os cientistas vêm tentando quantificar há mais de 70 anos.

Embora as estruturas moleculares possam ajudar os cientistas a formar uma ideia visual ou auditiva de algo, "predizer a relação entre a estrutura de uma molécula e seu cheiro não é uma tarefa fácil, e as muitas tentativas empreendidas há décadas não nos deixam mentir".

Os cientistas usaram métodos de aprendizagem automática para determinar essa relação quantitativa subjacente, com base em um modelo similar ao que vem sendo usado para a aprendizagem em profundidade da predição de características visuais e auditivas.

Profissionais especializados em substâncias odoríferas (em particular perfumistas) constituíram um banco de dados com 5.030 moléculas, que foram rotuladas em função do cheiro que as caracterizam (fruta, pão, noz e queijo). Com base nesses dados, a equipe construiu uma rede neural convolucional, a fim de estabelecer uma relação entre a forma da molécula e o rótulo em questão. As semelhanças estruturais e formais entre as partes ou a totalidade das moléculas permitiram que essa rede neural identificasse as regiões responsáveis pelos nós referentes à característica "perfume".

Segundo o artigo, a possibilidade de utilizar machine learning para predizer os cheiros a partir das estruturas moleculares "possivelmente contribuirá para a descoberta de novas fragrâncias sintéticas" e, portanto, para reduzir a exploração de recursos naturais.