.
“Você já tentou medir um cheiro?” Alexander Graham Bell certa vez perguntou a uma audiência de formandos de uma escola secundária em Washington DC.
Ele então questionou a turma provavelmente confusa de 1914 para saber se eles poderiam dizer quando um cheiro tinha o dobro da força de outro, ou medir a diferença entre dois odores distintos. Eventualmente, porém, ele chegou ao ponto: “Até que você possa medir suas semelhanças e diferenças, não poderá ter ciência do odor”, disse Bell. “Se você tem ambição de encontrar uma nova ciência, meça um cheiro.”
Na época, os cientistas entendiam que o som e a visão de Bell falando no palco poderiam ser descritos em termos de vibrações no ar e diferentes comprimentos de onda de luz, mas não havia nenhuma maneira comparável de explicar os odores no ar naquele dia. em maio. A mecânica do olfato era um mistério e, em muitos aspectos, ainda o é. “Ao contrário do som ou da visão – onde o comprimento de onda e a amplitude mapeiam claramente as propriedades perceptivas como frequência de tom, cor ou intensidade – a relação entre a estrutura de uma substância química e a percepção subjacente não é compreendida no olfato”, explica Douglas Storace, professor assistente de neurociência na Universidade Estadual da Flórida.
“A primeira coisa a lembrar é quão pouca atenção e trabalho ocorreram no olfato em comparação com outros campos”, diz Alex Wiltschko, executivo-chefe da startup de IA olfativa Osmo, ao relembrar o robusto livro de ciências neurais que recebeu quando era estudante de doutorado. “Peguei um paquímetro e medi a largura do papel usado para ensinar visão e audição. São cerca de três quartos de polegada para visão. É cerca de meia polegada para audição. Tem talvez 30 páginas – alguns milímetros – para cheirar.”
O propósito declarado do Osmo é “dar aos computadores o sentido do olfato”, porque embora tenhamos aprendido a codificar digitalmente imagens e sons, não temos como fazê-lo para cheiros. Wiltschko e outros estão tentando mudar isso e inaugurar uma nova era da ciência olfativa, mapeando como percebemos os odores.
O nariz humano é essencialmente um detector químico. Quando cheiramos uma xícara de café, por exemplo, estamos farejando os compostos orgânicos voláteis (COV) que ela liberou no ar. “Estes pequenos VOCs ligam-se a certos receptores olfativos, e esta ligação basicamente desencadeia um sinal elétrico que vai para o cérebro”, explica Cecília Roque, professora associada de química na Nova Escola de Ciências e Tecnologia de Portugal.
Existem boas razões para querer replicar esse processo com máquinas. Alguns COV – como os contaminantes dos alimentos ou os agentes cancerígenos como o benzeno – podem ser prejudiciais e vale a pena detetá-los antes de chegarem ao nosso nariz; outros podem apontar perigos como fugas de gás ou explosivos escondidos; e alguns podem indicar outros problemas. Se o hálito de alguém cheira a trevo recém-cortado, pode ser um sinal de insuficiência hepática, enquanto o suor com odor de penas recém-colhidas pode sugerir um caso de rubéola.
Mapeando odor
Os pesquisadores têm desenvolvido narizes eletrônicos para nos ajudar a detectar certos compostos desde o início da década de 1980, mas embora alguns estejam sendo usados na indústria hoje, suas aplicações são muitas vezes limitadas. “Até agora, as demonstrações têm sido instrumentos analíticos muito grandes, ou têm um alvo muito restrito, ou têm uma seletividade relativamente fraca”, diz Jacob Rosenstein, professor associado de engenharia na Universidade Brown, que em 2018 co-desenvolveu um sistema eletrônico de baixo custo. nariz chamado Trufflebot.
Segundo alguns, o que a tecnologia olfativa precisa é de uma forma de mapear as estruturas das moléculas de acordo com os cheiros percebidos. “Algumas moléculas parecem estruturalmente muito semelhantes e têm um cheiro muito diferente, e algumas parecem muito diferentes, mas têm um cheiro muito semelhante”, diz Joel Mainland, professor do Monell Chemical Senses Center, na Filadélfia. “Você está constantemente tentando construir um modelo para resolver esse problema.”
“Não é possível projetar nada de complexidade significativa sem uma especificação”, acrescenta Wiltschko. “Você não pode construir uma câmera digital sem o modelo de cores vermelho, verde e azul (RGB). Você não pode construir um microfone sem um espaço de baixa a alta frequência. E então o mapa tem que vir antes da engenharia.”
Wiltschko e Mainland eram membros de uma equipe de pesquisa que publicou um estudo sobre mapeamento de odores no início deste ano. A pesquisa começou enquanto Wiltschko trabalhava no Google Research e envolveu uma forma de inteligência artificial chamada rede neural gráfica (GNN), que foi treinada usando dois grandes conjuntos de dados que ligam a estrutura molecular ao odor. Um deles, o conjunto de dados Leffingwell, foi compilado no início dos anos 2000 e combina 3.523 moléculas com descrições de seus cheiros. Acetaldeído etil feniletil acetal, para dar um exemplo, aparentemente tem cheiro de folhas verdes e lilases.
O trabalho resultou em um “mapa principal de odores” – o equivalente olfativo da paleta de cores que você pode usar em um computador. “Qualquer pessoa que tenha olhado para um mapa de cores no Photoshop sabe intuitivamente o que está acontecendo”, diz Mainland, e assim como o “espaço de cores” nesse mapa nos ajuda a dizer que o roxo está mais próximo do vermelho do que do verde, o mapa de odores da equipe permitiu-lhes localizar aromas em uma espécie de “espaço olfativo” multidimensional.
“RGB é tridimensional, mas você pode representá-lo em um pedaço de papel plano”, diz Wiltschko. “Existem três canais de informações de cores em nossos olhos, mas existem 350 canais de informações de odores em nosso nariz.
“Qualquer mapa que iríamos encontrar não caberia em um pedaço de papel plano. Portanto, as ferramentas de elaboração de mapas que utilizámos como cientistas no passado não nos iriam ajudar. Precisávamos esperar pelo software, pela inteligência artificial, pela análise estatística de padrões em grandes conjuntos de dados.”
Agora que essas tecnologias chegaram, não só permitem aos investigadores mapear a relação entre os cheiros e as suas estruturas químicas, como também prevê-las. Para o estudo, o grupo treinou um painel de 15 pessoas para descrever aromas, classificando-os em 55 rótulos, incluindo “amanteigado”, “terroso”, “sulfuroso” e “metálico”, depois pediu-lhes que os aplicassem a 400 moléculas diferentes cujas odores que o mapa de odores da GNN já havia previsto. As moléculas da amostra foram então passadas para Christophe Laudamiel – um mestre perfumista que agora trabalha com Osmo – para uma opinião mais matizada. A avaliação favorita de Laudamiel no continente, para uma molécula que obteve pontuação alta em descritores como mofo, ozônio e medicinal, foi: “a banheira de hidromassagem está próxima”.
“Algumas outras são combinações realmente interessantes”, acrescenta Laudamiel. “Um, por exemplo, cheira muito bem, a açafrão e metal quente.”
Impressionantemente, as previsões de odor da GNN para as 400 moléculas revelaram-se mais próximas da descrição humana média em mais de 50% das vezes. “Basicamente, se você pegasse aquele painel de pessoas, retirasse uma pessoa e colocasse o modelo em seu lugar, você se sairia melhor ou pior ao descrever essa percepção humana média?” diz o continente. “A resposta aqui para a maioria das moléculas, na maioria das vezes, é que o desempenho é melhor.”
A equipe fez com que o modelo previsse odores para 500.000 moléculas adicionais sem a necessidade de sintetizá-las primeiro, e o trabalho continua na Osmo. “Neste momento, estão a estudar 7 mil milhões de moléculas”, diz Laudamiel. “Se eu ou você gastássemos apenas cinco minutos por ingrediente para cheirá-lo e estudá-lo, cinco minutos para 7 bilhões de moléculas, isso significaria que seriam necessários 66.590 anos.”
Cheiro de digitalização
Ter previsões precisas dos odores de tantos compostos anteriormente não cheirosos seria uma bênção para aqueles que trabalham nas indústrias de aromas e fragrâncias – Laudamiel compara isso a ter um piano que de repente ganha mais teclas – e esta pesquisa provavelmente terá seu maior impacto inicial sobre a busca por aromas mais baratos, seguros e atraentes em perfumes, detergentes para a roupa e qualquer outra coisa com odor ou sabor adicionado. Mas os pesquisadores esperam que o trabalho possa ir muito além disso. “Se você pensar sobre o que a digitalização de imagens ou de sons fez por nós, não é algo que você possa dizer facilmente em uma frase, certo?” diz o continente.
Wiltschko afirma que a agricultura, o armazenamento de alimentos, o rastreio de pandemias e a prevenção de doenças beneficiariam da digitalização do nosso cheiro, e já foram feitos alguns progressos. Deet, ou N,N-Dietil-m-toluamida, é o repelente de insetos mais antigo e comum no mercado, mas corrói roupas e plásticos, pode ter efeitos colaterais adversos e há evidências de que alguns mosquitos causadores de doenças podem estar desenvolvendo resistência, tornando-se menos sensíveis ao cheiro de Deet. “Na verdade, publicamos um artigo mostrando que podemos encontrar moléculas tão potentes quanto o Deet em testes em humanos”, diz Wiltschko.
Para o Continente, um dos aspectos mais entusiasmantes da investigação é a possibilidade de descobrir “odores primários”. Assim como o vermelho, o verde e o azul podem ser combinados para criar qualquer matiz, ele espera que um conjunto finito de odores combinados nas proporções corretas possa criar qualquer perfume, permitindo-nos efetivamente recriar um cheiro como uma impressora recria uma imagem. A descoberta de odores primários não só significaria que poderíamos recriar facilmente qualquer perfume que nossos narizes fossem capazes de cheirar, como também poderia dar nova vida a novidades como o formato de cinema dos anos 1950, Smell-O-Vision. “É muito emocionante”, diz Laudamiel. “Não sabemos necessariamente que eles existem, mas seria muito legal se existissem.”
Antes que tudo isso seja possível, porém, os pesquisadores precisarão mapear os odores não apenas em compostos individuais, mas em combinações elaboradas que reflitam a complexidade dos odores cotidianos. “Pense em um cheiro que cheira a apenas uma coisa”, ressalta Laudamiel. “As pessoas dizem: ‘ah, corte grama’. OK. Da próxima vez que você sentir cheiro de grama cortada, seja no chão ou enquanto estiver cortando a grama, garanto que será grama. Vai ser cogumelo. Vai ser terreno. Talvez esteja mofado, mofado ou com maçã.
Outro problema, comum a muitos modelos de IA de aprendizagem profunda, é que se trata essencialmente de uma caixa preta. Embora os resultados sejam impressionantes e potencialmente úteis, eles não nos aproximam necessariamente da compreensão do funcionamento biológico do olfato. “Embora existam conexões, a relação entre a estrutura química e a percepção olfativa qualitativa não está diretamente ligada”, diz Rachel Herz, do departamento de psiquiatria e comportamento humano da Universidade Brown. “O nível humano é influenciado por uma infinidade de variáveis que vão desde experiência, contexto e linguagem até diferenças individuais na expressão genética dos receptores olfativos.
Em última análise, este pode ser apenas um pequeno passo para a compreensão do olfato, mas mais de 100 anos depois de Alexander Graham Bell ter perguntado se podemos medir a diferença entre dois odores, a resposta agora parece ser “sim”.
.
