IA identifica proteínas vegetais com potencial emulsificante
FOTO PETR / UNSPLASH
Margarida Caferra
Investigadores da Universidade de Leeds desenvolveram uma abordagem que combina inteligência artificial e física estatística para identificar proteínas vegetais com potencial para funcionar como emulsificantes. O modelo identificou cerca de 800 proteínas promissoras, muitas das quais ainda não tinham sido consideradas para esta função.
Os emulsificantes permitem combinar óleo e água e manter as misturas estáveis, sendo utilizados em produtos alimentares como molhos, gelados e maionese. Existe um interesse crescente em encontrar alternativas naturais e mais sustentáveis aos emulsificantes existentes, incluindo os obtidos a partir de proteínas animais, como as caseínas e as proteínas do soro do leite.
A identificação de novas proteínas vegetais com propriedades funcionais apresenta, contudo, dificuldades devido ao elevado número de possibilidades. A avaliação individual em laboratório implica tempo e custos elevados e depende, em grande medida, de processos de tentativa e erro.
Inteligência artificial reduz universo de proteínas
A equipa começou por utilizar um modelo de simulação baseado em física estatística para analisar a interação das proteínas com as interfaces entre óleo e água. Para funcionar como emulsificante, uma proteína tem de se fixar nessa interface e ajudar a estabilizar a mistura.
Os investigadores recorreram depois à aprendizagem automática para identificar as regiões e características específicas das proteínas que influenciam esse comportamento. A combinação das duas abordagens permitiu prever quais as proteínas vegetais com maior probabilidade de apresentar propriedades emulsificantes semelhantes às proteínas de origem animal.
“O modelo identificou cerca de 800 proteínas vegetais que podem potencialmente atuar como emulsificantes, muitas das quais nunca tinham sido consideradas para este fim”, afirma Anwesha Sarkar, codiretora do NAPIC na Universidade de Leeds.
A investigadora considera que os resultados mostram como a inteligência artificial pode acelerar a identificação de proteínas com potencial funcional face às abordagens experimentais tradicionais.
Proteínas de ervilha e batata testadas
Depois da seleção computacional, os investigadores testaram várias proteínas disponíveis comercialmente para verificar se os resultados experimentais correspondiam às previsões do modelo. As proteínas de ervilha e de batata demonstraram propriedades emulsificantes eficazes, sustentando as previsões obtidas através da abordagem baseada em inteligência artificial.
A metodologia permite, assim, selecionar previamente as proteínas com maior potencial para posterior avaliação laboratorial. Segundo a Universidade de Leeds, esta abordagem poderá reduzir o tempo e os recursos necessários nas fases iniciais de investigação e acelerar o desenvolvimento de novos ingredientes.
Para a indústria alimentar, a aplicação poderá ser particularmente relevante no desenvolvimento de produtos de base vegetal e de ingredientes mais sustentáveis, ao permitir explorar um conjunto mais alargado de fontes proteicas com potencial funcional.
O trabalho resulta da colaboração entre investigadores da Faculdade de Ciência Alimentar e Nutrição da Universidade de Leeds e Rik Sarkar, especialista em aprendizagem automática da Universidade de Edimburgo. A investigação foi liderada por Simha Sridharan e supervisionada por Anwesha Sarkar.
O estudo científico, intitulado Data-driven pipeline enables discovery of plant protein surfactants, foi publicado na revista Communications Chemistry e está disponível em acesso aberto.
Outros artigos que lhe podem interessar