Caracterização de alimentos impulsionada por IA

Resultado Esperado:

Espera-se que os resultados do projeto contribuam para todos os seguintes resultados esperados:

• uma ferramenta de Inteligência Artificial (IA) capaz de acelerar a análise de dados complexos de "foodomics" para agilizar a identificação, caracterização estrutural e quantificação de produtos químicos presentes nos alimentos;
• melhorar a capacidade e as sinergias na pesquisa de "foodomics" entre a academia, infraestruturas de pesquisa e a indústria.

Âmbito:

Através de alimentos e bebidas, a população está exposta a uma imensa variedade de produtos químicos (como contaminantes e como ingredientes). O “foodome” é o conjunto completo de compostos presentes numa amostra de alimento num dado momento; inclui tanto biomoléculas endógenas (produzidas através dos processos metabólicos de uma espécie) quanto compostos exógenos (substâncias naturais e sintéticas da produção, processamento, manuseio e embalagem). O conhecimento atual está amplamente confinado a um conjunto restrito de aproximadamente 150 componentes alimentares catalogados por bases de dados tradicionais. Esses componentes representam apenas uma fração muito pequena da complexidade química total presente nos alimentos, enquanto milhares (>100.000) de compostos e contaminantes permanecem em grande parte não quantificados e pouco explorados. Compreender essa “matéria escura nutricional” exigiria identificar, catalogar e quantificar todo o espectro de substâncias presentes em nossos alimentos e presentes em bases de dados acessíveis e prontas para IA. A necessidade de tais informações é hoje um gargalo para tornar o campo da nutrição preditivo e baseado em dados, e tem o potencial de tornar o processamento de alimentos mais eficiente na introdução de novos itens alimentares no mercado. Esforços para criar tais conjuntos de dados estão em andamento, mas devido à quantidade de amostras (centenas de milhares de compostos em milhares de alimentos), tais bases de dados frequentemente dependem de métodos experimentais de alto rendimento que não permitem uma caracterização precisa das moléculas identificadas.

As propostas devem abordar as seguintes atividades:

• desenvolver e testar algoritmos de IA validados capazes de interpretar e anotar dados de "foodomics" de alto rendimento, por exemplo, de espectrometria de massa não direcionada ou ressonância magnética nuclear;
• os algoritmos de IA devem ser capazes de prever ou inferir a presença e concentração de compostos com base em dados de "foodomics" (incompletos) por meio de abordagens inovadoras, por exemplo, considerando relações filogenéticas entre espécies. Além disso, isso deve ajudar a identificar métodos analíticos e potenciais riscos à segurança alimentar com base em sua similaridade com compostos conhecidos;
• desenvolver uma rede europeia de pesquisa e inovação entre os Estados-Membros e Países Associados na pesquisa do exposoma alimentar para apoiar o desenvolvimento, padronização, valorização e disseminação dos resultados da IA e considerando iniciativas existentes, como o Centro de Excelência na Iniciativa da Tabela Periódica de Alimentos da Universidade de Wageningen.

A abordagem multi-ator é encorajada. As propostas devem incluir a indústria nos consórcios e a academia, startups, PMEs e iniciativas internacionais. A colaboração com parceiros internacionais é encorajada, bem como com empresas privadas existentes na UE/países associados.

null