L'IA comme outil dans la recherche sur les arômes : conception « de novo » de peptides amers
Prédire avec précision l'amertume des aliments : l'IA réussit le test gustatif
Lors de la fabrication de produits fermentés tels que le kéfir, le parmesan ou le fromage de montagne, ainsi que lors de la production de poudres protéinées, des peptides au goût amer peuvent se former, ce qui altère le goût et, par conséquent, l’acceptabilité des produits. Une équipe de recherche dirigée par l’Institut Leibniz de biologie des systèmes alimentaires de l’Université technique de Munich a désormais mis au point et testé avec succès une méthode basée sur l’intelligence artificielle capable de prédire l’amertume des peptides. Elle permet également de concevoir de nouveaux peptides au goût amer à partir de zéro. Il s’agit là d’une nouvelle avancée importante dans la recherche sur le goût et l’alimentation.
Les peptides au goût amer sont produits lors de la dégradation enzymatique ou chimique des protéines et constituent un défi particulier dans la production d’aliments fermentés ou d’hydrolysats de protéines. Parallèlement, ils peuvent posséder des propriétés physiologiques et, par exemple, contribuer à la régulation de la faim et de la satiété.
« Pour rendre les sources de protéines végétales plus attractives pour la production alimentaire et les utiliser de manière plus durable, nous devons mieux comprendre quels peptides ont un goût amer et quelles caractéristiques structurelles les définissent. Les méthodes basées sur l’IA peuvent également apporter une contribution importante à cet égard », explique Antonella Di Pizio, chercheuse principale de la présente étude, à laquelle ont également participé des chercheurs de l’Université technique de Munich et de l’Université Pompeu Fabra de Barcelone.
Combinaison d’un modèle linguistique et d’un réseau neuronal artificiel
Pour développer une telle méthode bioinformatique assistée par l’IA, l’équipe dirigée par Antonella Di Pizio a combiné un modèle linguistique des protéines — que l’équipe avait préalablement entraîné à l’aide d’environ 500 peptides connus pour leur goût amer — avec le modèle de prédiction BitterPep-GCN qu’elle avait récemment mis au point. Il s’agit d’un « réseau convolutif de graphes » (GCN), une forme spécialisée de réseaux neuronaux artificiels utilisée pour analyser des données structurées.
Sur cette base, les chercheurs ont d’abord généré 161 nouvelles séquences peptidiques qui n’avaient pas encore été caractérisées expérimentalement. Ils ont ensuite identifié les candidats qui, selon les prédictions du modèle, avaient de fortes chances d’avoir un goût amer ou non amer.
Des prédictions largement confirmées
Ils ont fait synthétiser les peptides les plus prometteurs parmi ceux-ci, puis les ont fait déguster par un panel sensoriel formé à cet effet. Dans la plupart des cas, les prédictions de l’IA ont été confirmées : sur les 31 peptides testés, les participants ont correctement classé 25 d’entre eux comme amers ou non amers. De plus, l’équipe de recherche a identifié de nombreux peptides au goût amer ou non amer jusqu’alors inconnus.
« Nos résultats montrent que non seulement l’amertume des peptides peut être prédite, mais que notre nouvelle méthode basée sur l’IA peut également être utilisée pour concevoir spécifiquement de nouveaux peptides au goût amer », explique Alexandra Steuer, première autrice de l’étude et doctorante au sein du groupe de recherche en modélisation moléculaire d’Antonella Di Pizio. « Cela nous rapproche considérablement de l’objectif consistant à contrôler de manière proactive les caractéristiques gustatives », ajoute Antonella Di Pizio.
La scientifique souligne que ces travaux de recherche sont prêts à être mis en œuvre dans des cadres d’application : « À long terme, ces nouvelles découvertes pourraient aider à contrôler de manière ciblée la formation de peptides au goût amer lors de la production alimentaire. Cela serait particulièrement pertinent pour les aliments d’origine végétale riches en protéines, dont l’acceptation souffre souvent de notes gustatives indésirables. »
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
