IA identifica cerca de 800 proteínas vegetais com potencial para substituir emulsionantes de origem animal

Investigadores da Escola de Ciência Alimentar e Nutrição da Universidade de Leeds desenvolveram uma abordagem baseada em inteligência artificial (IA) e física estatística para identificar proteínas vegetais com potencial para funcionar como emulsionantes. O modelo permitiu encontrar cerca de 800 proteínas candidatas, muitas das quais ainda não tinham sido consideradas para esta aplicação.

Numa primeira fase, os investigadores utilizaram um modelo de simulação baseado em física estatística para analisar a forma como as proteínas interagem com as interfaces entre óleo e água. Esta interação é determinante para a função de um emulsionante, uma vez que a proteína tem de se fixar nessa interface e contribuir para estabilizar a mistura.

A equipa recorreu depois à aprendizagem automática para identificar determinadas regiões e características das proteínas associadas a esse comportamento. A combinação das duas abordagens permitiu prever quais as proteínas vegetais com maior probabilidade de apresentar propriedades emulsionantes semelhantes às das proteínas de origem animal.

Segundo os investigadores, esta metodologia computacional permite reduzir o vasto universo de proteínas potencialmente utilizáveis a um conjunto de candidatos que justificam uma investigação laboratorial mais aprofundada, diminuindo a dependência de processos de tentativa e erro.

Das cerca de 800 proteínas vegetais identificadas pelo modelo, muitas nunca tinham sido consideradas anteriormente como potenciais emulsionantes. Para avaliar as previsões, os investigadores testaram depois várias proteínas disponíveis comercialmente.

Os resultados obtidos foram positivos: as proteínas de ervilha e de batata apresentaram propriedades emulsionantes eficazes, corroborando as previsões produzidas pela abordagem baseada em IA.

Para a indústria alimentar, a abordagem pode constituir uma nova forma de procurar ingredientes funcionais num conjunto mais amplo de fontes proteicas vegetais. Em vez de testar individualmente um elevado número de proteínas em laboratório, os métodos computacionais podem ajudar a selecionar previamente os candidatos com maior potencial.

A investigação mostra ainda como a articulação entre ciência alimentar, química das proteínas, física estatística e inteligência artificial pode contribuir para acelerar a identificação e o desenvolvimento de novos ingredientes, reduzindo o tempo e os recursos necessários nas fases iniciais da investigação.

A investigação, liderada por Simha Sridharan e supervisionada por Anwesha Sarkar, contou com a participação de Nik Watson, Maryam Afzali e Thomas Hazlehurst, da Universidade de Leeds, e com a colaboração de Rik Sarkar, especialista em aprendizagem automática da Universidade de Edimburgo.

Os emulsionantes são ingredientes funcionais utilizados para permitir a combinação e a estabilidade de óleo e água, desempenhando um papel importante em produtos como molhos, gelados e maionese. São também utilizados nos setores dos cosméticos, farmacêutico, bem como em aplicações industriais.

A procura de alternativas naturais e mais sustentáveis aos emulsionantes existentes tem aumentado, incluindo aos obtidos a partir de proteínas de origem animal, como as proteínas do leite, entre as quais as caseínas e as proteínas do soro de leite. No entanto, existem milhões de proteínas vegetais capazes de apresentar propriedades funcionais úteis, o que torna a identificação das mais adequadas através de ensaios laboratoriais convencionais um processo dispendioso e demorado.

O trabalho, intitulado 'Data-driven pipeline enables discovery of plant protein surfactants', foi publicado na revista 'Communications Chemistry' e pode ser consultado AQUI.