Caracterización del foodoma impulsada por IA

Resultado esperado:

• una herramienta de Inteligencia Artificial (IA) capaz de acelerar el análisis de datos foodómicos complejos para agilizar la identificación, caracterización estructural y cuantificación de los productos químicos presentes en los alimentos;
• mejorar la capacidad y las sinergias en la investigación foodómica entre la academia, las infraestructuras de investigación y la industria.

Alcance:

A través de los alimentos y bebidas, la población está expuesta a una inmensa variedad de productos químicos (como contaminantes y como ingredientes). El “foodoma” es el conjunto completo de compuestos presentes en una muestra de alimento en un momento dado; incluye tanto biomoléculas endógenas (producidas a través de los procesos metabólicos de una especie) como compuestos exógenos (sustancias naturales y sintéticas de la producción, procesamiento, manipulación y envasado). El conocimiento actual se limita en gran medida a un conjunto reducido de aproximadamente 150 componentes alimentarios catalogados por las bases de datos tradicionales. Estos componentes representan solo una fracción muy pequeña de la complejidad química total presente en los alimentos, mientras que miles (>100.000) de compuestos y contaminantes permanecen en gran medida sin cuantificar y poco explorados. Comprender esta “materia oscura de nutrientes” requeriría identificar, catalogar y cuantificar el espectro completo de sustancias presentes en nuestros alimentos y presentes en bases de datos accesibles y listas para la IA. La necesidad de dicha información es hoy un cuello de botella para que el campo de la nutrición sea predictivo y basado en datos, y tiene el potencial de hacer que el procesamiento de alimentos sea más eficiente al introducir nuevos productos alimenticios en el mercado. Se están realizando esfuerzos para crear dichos conjuntos de datos, pero debido a la cantidad de muestras (cientos de miles de compuestos en miles de alimentos), dichas bases de datos a menudo se basan en métodos experimentales de alto rendimiento que no permiten una caracterización precisa de las moléculas identificadas.

Las propuestas deben abordar las siguientes actividades:

• desarrollar y probar algoritmos de IA validados capaces de interpretar y anotar datos foodómicos de alto rendimiento, por ejemplo, de espectrometría de masas no dirigida o resonancia magnética nuclear;
• los algoritmos de IA deben ser capaces de predecir o inferir la presencia y concentración de compuestos basándose en datos foodómicos (incompletos) a través de enfoques innovadores, por ejemplo, considerando las relaciones filogenéticas entre especies. Además, esto debería ayudar a identificar métodos analíticos y posibles peligros para la seguridad alimentaria basándose en su similitud con compuestos conocidos;
• desarrollar una red europea de investigación e innovación entre los Estados miembros y los países asociados en la investigación del exposoma alimentario para apoyar el desarrollo, la estandarización, la valorización y la difusión de los resultados de la IA y considerando iniciativas existentes como el Centro de Excelencia en la Iniciativa de la Tabla Periódica de Alimentos de la Universidad de Wageningen.

Se fomenta el enfoque multi-actor. Las propuestas deben incluir a la industria en los consorcios y a la academia, startups, pymes e iniciativas internacionales. También se fomenta la colaboración con socios internacionales, así como con empresas privadas existentes en la UE/países asociados.

Las actividades se espera que comiencen en TRL 5 para alcanzar TRL 7 al final del proyecto – ver Anexo General B.