Un nouveau modèle informatique « cartographie » les molécules odorantes pour différencier celles qui ont une odeur de viande, de poudre, de sucré et bien d’autres encore.

Les chercheurs savent depuis longtemps que la structure chimique des molécules que nous inhalons influence notre odeur. Mais dans la plupart des cas, personne n’arrive à comprendre comment exactement. Les scientifiques ont décrypté quelques règles spécifiques qui régissent la façon dont le nez et le cerveau perçoivent une molécule en suspension dans l’air en fonction de ses caractéristiques. Il est désormais clair que nous reconnaissons rapidement certains composés soufrés comme une odeur d’ail, par exemple, et certaines amines dérivées de l’ammoniac comme une odeur de poisson. Mais il s’agit là d’exceptions.

Il s’avère que des molécules sans lien structurel peuvent avoir des odeurs similaires. Par exemple, le cyanure d’hydrogène et le benzaldéhyde, plus gros et de forme annulaire, sentent tous deux l’amande. Dans le même temps, d’infimes modifications structurelles, ne serait-ce que le déplacement d’une double liaison, peuvent modifier radicalement une odeur.

Pour donner un sens à cette chimie déconcertante, les chercheurs se sont tournés vers la puissance de calcul de l’intelligence artificielle. Une équipe a entraîné un type d’IA appelé réseau neuronal graphique à prédire l’odeur d’un composé (rose, médicinal, terreux, etc.) sur la base des caractéristiques chimiques des molécules odorantes. Le modèle informatique a évalué les nouvelles odeurs de manière aussi fiable que les humains, indiquent les chercheurs dans un nouveau projet d’article publié dans le dépôt de préimpression bioRxiv.

« Il a en fait appris quelque chose de fondamental sur la façon dont le monde sent et dont les odeurs fonctionnent, ce qui m’a stupéfié », a déclaré Alex Wiltschko, qui travaille désormais pour GV, la société de capital-risque de Google, et qui dirigeait l’équipe chargée de l’olfaction numérique lorsqu’il travaillait pour Google Research.

Le nez humain moyen contient environ 350 types de récepteurs olfactifs, qui peuvent se lier à un nombre potentiellement énorme de molécules en suspension dans l’air. Ces récepteurs déclenchent ensuite des signaux neuronaux que le cerveau interprète ensuite comme une odeur de café, d’essence ou de parfum. Bien que les scientifiques connaissent le fonctionnement général de ce processus, de nombreux détails – comme la forme précise des récepteurs olfactifs ou la manière dont le système code ces signaux complexes – leur échappent encore.

Stuart Firestein, neuroscientifique olfactif à l’université de Columbia, qualifie le modèle de « tour de force de la biologie computationnelle ». Mais comme c’est le cas pour de nombreuses études basées sur l’apprentissage automatique, « à mon avis, cela ne vous donne jamais un sens plus profond de la façon dont les choses fonctionnent », déclare Firestein, qui n’a pas participé à la rédaction de l’article. Sa critique découle d’une caractéristique inhérente à la technologie : ces réseaux neuronaux ne sont généralement pas interprétables, ce qui signifie que les chercheurs humains ne peuvent pas avoir accès au raisonnement qu’un modèle utilise pour résoudre un problème.

De plus, ce modèle ne tient pas compte des rouages impénétrables du système nerveux, mais établit des connexions directes entre les molécules et les odeurs. Malgré cela, Firestein et d’autres chercheurs le décrivent comme un outil potentiellement utile pour étudier le sens de l’odorat et sa relation complexe avec la chimie. Pour les chercheurs concernés, le modèle représente également une avancée vers un moyen plus précis, basé sur des chiffres, de décrire l’univers des odeurs, ce qui, espèrent-ils, pourrait éventuellement amener ce sens dans le monde numérique.

« Je crois profondément en un avenir où, de la même manière que les ordinateurs peuvent voir, ils peuvent entendre, ils peuvent sentir », déclare M. Wiltschko, qui envisage maintenant de commercialiser cette technologie.

Depuis un certain temps déjà, les chercheurs utilisent la modélisation informatique pour étudier l’olfaction. Dans un article publié en 2017, un concours de crowdsourcing a généré un modèle capable de faire correspondre des structures moléculaires avec certaines étiquettes – dont « sucré », « brûlé » et « fleur » – qui décrivent leurs odeurs en termes d’expérience humaine. Dans le nouveau travail de suivi, l’équipe de Wiltschko a entraîné son modèle avec les données d’environ 5 000 molécules bien étudiées, y compris les caractéristiques de leurs atomes et les liaisons entre eux. En conséquence, le modèle a généré une « carte » extrêmement complexe des odeurs. Contrairement à une carte papier classique, qui représente les emplacements en deux dimensions, le modèle a placé les molécules odorantes à des « emplacements » basés sur 256 dimensions – des attributs que l’algorithme a déterminé pouvoir utiliser pour différencier les molécules.

Pour voir si cette carte correspondait à la perception humaine réelle, l’équipe de Wiltschko s’est tournée vers Joel Mainland, un neuroscientifique olfactif du Monell Chemical Senses Center. « Définir le succès ici est un peu difficile dans la mesure où « Comment définir l’odeur de quelque chose ? » » dit Mainland. « Ce que l’industrie [des parfums] fait – et ce que nous faisons ici – c’est essentiellement que vous réunissez un panel de personnes et qu’elles décrivent ce que ça sent. »

Dans un premier temps, Mainland et d’autres chercheurs ont identifié un ensemble de molécules dont l’odeur n’avait pas été documentée. Au moins 15 participants formés à l’étude ont reniflé chacune d’entre elles. Comme la perception des odeurs peut varier considérablement d’une personne à l’autre, en raison des différences génétiques, de l’expérience personnelle et des préférences, les chercheurs ont calculé la moyenne des évaluations des participants et ont comparé cette moyenne aux prédictions du modèle. Ils ont constaté que pour 53 % des molécules, le modèle était plus proche de la moyenne du panel que ne l’était le panéliste individuel typique – une performance supérieure, selon eux, au modèle antérieur basé sur les étiquettes.

Si le nouveau modèle s’est avéré capable d’imiter la perception humaine des odeurs lorsqu’il s’agit de molécules uniques, il ne serait pas aussi performant dans le monde réel. Des roses à la fumée de cigarette, la plupart des odeurs sont des mélanges. De plus, l’équipe a formé le nouveau modèle à partir de données relatives à la parfumerie, qui tendent à privilégier les odeurs agréables au détriment des odeurs répulsives.

Malgré ces limites, le modèle pourrait néanmoins aider ceux qui s’intéressent à la chimie de l’odorat, par exemple en guidant les chercheurs qui souhaitent identifier des mauvaises odeurs peu étudiées ou tester comment des modifications de la structure moléculaire changent la perception. Quant aux chimistes spécialisés dans les parfums, ils pourraient le consulter pour affiner les formules des parfums ou identifier de nouveaux ingrédients potentiels.

L’équipe de Wiltschko a déjà utilisé le modèle pour tester une théorie sur le lien entre la structure d’un produit chimique et la façon dont les gens et les autres créatures perçoivent son odeur. Dans un autre article publié sur bioRxiv en août, les chercheurs suggèrent que le métabolisme d’un animal, c’est-à-dire les processus chimiques qui assurent sa survie, comme la transformation des aliments en énergie, pourrait expliquer ce phénomène. À partir d’une base de données, ils ont sélectionné des composés métaboliques susceptibles d’évoquer des odeurs et ont analysé les molécules à l’aide de leur modèle de carte olfactive. L’équipe a conclu que les molécules qui jouent des rôles étroitement liés dans les réactions métaboliques ont tendance à avoir une odeur similaire, même si leur structure diffère. M. Mainland, qui n’est pas co-auteur de ce document séparé mais qui a consulté l’équipe sur le projet, qualifie cette découverte de « vraiment passionnante ». « Nous ne nous contentons pas de construire un modèle qui résout un problème quelconque », dit-il. « Nous essayons de comprendre quelle est la logique sous-jacente à tout cela. »

Le modèle peut également ouvrir la porte à une nouvelle technologie qui enregistre ou produit des odeurs spécifiques à la demande. Wiltschko décrit le travail de son équipe comme une étape vers « une carte complète » de la perception humaine des odeurs. La version finale serait comparable à l' »espace couleur » défini par la Commission internationale de l’éclairage, qui cartographie les couleurs visibles. Contrairement à la nouvelle carte olfactive, cependant, l’espace couleur ne repose pas sur des mots, note Asifa Majid, professeur de sciences cognitives à l’université d’Oxford, qui n’a pas participé aux études. Asifa Majid remet en question l’utilisation de la langue comme base pour tracer la perception sensorielle humaine. « Les locuteurs de différentes langues ont des façons différentes de se référer au monde, et les catégories ne se traduisent pas toujours exactement », explique-t-elle. Par exemple, les anglophones décrivent souvent une odeur en se référant à une source potentielle comme le café ou la cannelle. Mais en jahai, une langue indigène parlée en Malaisie et dans certaines parties de la Thaïlande, on choisit parmi un vocabulaire de 12 mots de base pour désigner une odeur.

Sans recherche empirique pour le valider, « nous ne savons tout simplement pas comment ce travail pourrait s’étendre à d’autres langues », déclare M. Majid. En théorie, les chercheurs auraient pu définir les odeurs sans étiquette en mesurant le temps de réaction des panélistes lorsqu’on leur demande de comparer des odeurs : il est plus difficile de différencier des odeurs similaires, et les participants ont donc besoin de plus de temps pour le faire. Selon Mainland, cependant, cette approche comportementale s’est avérée beaucoup moins réaliste. Parce que le modèle a appris quelque chose de fondamental sur l’organisation de l’univers des odeurs, il dit s’attendre à ce que la carte soit applicable ailleurs dans le monde.

Même s’il est possible d’étudier la perception humaine des odeurs sans s’appuyer sur des mots, les chercheurs n’ont toujours pas la capacité de représenter ces expériences dans un langage universel crucial : les chiffres. En développant les équivalents olfactifs des coordonnées de l’espace couleur ou des codes hexadécimaux (qui codent les couleurs en termes de rouge, vert et bleu), les chercheurs visent à décrire les odeurs avec une précision nouvelle – et peut-être, à terme, à les numériser.

Pour la vision et l’audition, les chercheurs ont appris quelles sont les caractéristiques auxquelles le cerveau prête attention, explique Michael Schmuker, qui utilise l’informatique chimique pour étudier l’olfaction à l’université de Hertfordshire en Angleterre et qui n’a pas participé aux études. Pour l’olfaction, « il y a beaucoup de choses à résoudre en ce moment », dit-il.

L’un des principaux défis est l’identification des odeurs primaires. Pour créer l’équivalent olfactif de l’imagerie numérique, dans laquelle les odeurs (comme les vues) sont enregistrées et recréées efficacement, les chercheurs doivent identifier un ensemble de molécules odorantes qui produiront de manière fiable une gamme d’odeurs lorsqu’elles seront mélangées – tout comme le rouge, le vert et le bleu génèrent toutes les teintes sur un écran.

« Pour l’instant, il s’agit d’une science-fiction très lointaine, mais des gens y travaillent », déclare M. Schmuker.

intelligence artificielle

SEO INSIDE est une agence de création de site internet (notamment…).

 

--

 

SEO Inside est une agence web et SEO - en savoir plus sur nous:

Agence web / Audit SEO / Conseil SEO / Création de site internet / Refonte de site internet optimisé pour le SEO / Référencement naturel / Référencement local /Netlinking / Formation SEO / E-Réputation et avis

Voici nos implantations :
Lille / Dunkerque / Amiens – ce sont nos 3 bureaux historiques.

Puis voici nos zones géographiques d’intervention :
Paris / Abbeville / Rouen / Compiègne / Reims / Metz / Caen / Evreux / Nancy / Colmar / Rennes / Le Mans / Orléans / Dijon / Besançon / Angers / Nantes / La Rochelle / Poitiers / Limoges /Clermont-Ferrand / Lyon / Annecy / Grenoble / Valence / Bordeaux / Montauban / Toulouse / Biarritz / Montpellier / Marseille / Cannes / Nice / Avignon / Monaco

SEO INSIDE est une agence web spécialiste en référencement naturel qui se veut proche de vous. Contactez-nous pour discuter de vos projets.