Aplicación del aprendizaje supervisado para la predicción del gusto de diversas moléculas

Abstract

La química del gusto es un tema de investigación importante en muchas disciplinas científicas, incluida la química de los alimentos. En los últimos años, se han propuesto varios modelos matemáticos basados en relaciones cuantitativas estructura-actividad (QSAR) para predecir el gusto de diversas moléculas. En este trabajo, una base de datos de 4116 estructuras moleculares fue curada y filtrada para desarrollar varios modelos de clasificación basados en el aprendizaje automático lineal y no lineal. Los gustos fueron representados por diversos descriptores moleculares, huellas dactilares y claves estructurales. Para el desarrollo de los modelos, la discriminación del gusto se consideró como clasificación binaria (dulce-amargo, dulce-no dulce y amargo-no-amargo) y multiclase (dulce-amargo-umami y cinco sabores básicos). Para la validación de los modelos, los conjuntos de datos se dividieron en conjuntos de entrenamiento y predicción en una proporción de 70:30, manteniendo las proporciones de las clases en ambos grupos. Para la clasificación binaria, los métodos de los bosques aleatorios y boosting adaptativo con los descriptores moleculares fueron los clasificadores óptimos; mientras que el clasificador de los N vecinos más cercanos con las huellas dactilares de conectividad ampliada fue el ideal para la clasificación multigusto.