Kan een computer een tomaat of een bosbes 'proeven'? Nou, niet precies, maar het kan wetenschappers vertellen welke vluchtige stoffen in deze vruchten ze lekker laten smaken, zeggen onderzoekers van de Universiteit van Florida.
De veredelaar en geneticus van het University of Florida Institute of Food and Agricultural Sciences (UF/IFAS) Marcio Resende wil een wat hij noemt een "Artificial Intelligence Connoisseur" creëren, een model dat onderzoekers vertelt welke chemische verbindingen - dat wil zeggen vluchtige stoffen, suikers, zuren en andere chemische verbindingen – produceren de beste fruitsmaken.
Om erachter te komen of een vrucht of groente de moeite waard is om te kweken, proeven wetenschappers het gewas zelf op smaak en geur, door velden te gaan en producten individueel te plukken.
Deze processen kunnen logistieke problemen opleveren, zegt Harry Klee, een UF/IFAS-hoogleraar tuinbouwwetenschappen en co-auteur van een nieuwe studie dat bekijkt hoe computermodellen vluchtige stoffen kunnen gebruiken om de smaak van fruit te meten.
"Vanwege de kosten en logistieke beperkingen gebruiken fokkers doorgaans geen consumentenpanels in hun programma's," zei Klee. “Het ideaal zou zijn om een groot consumentenpanel te gebruiken met een diverse groep potentiële consumenten. We gebruiken 100 mensen, variërend van leeftijd en etniciteit. Deze aanpak is veel representatiever voor de winkelpopulatie.”
Jarenlang hielpen plantenveredelaars en genetici boeren om hogere opbrengsten te behalen, omdat consumentgerichte eigenschappen zoals smaak moeilijker te meten zijn. Hoge opbrengsten zijn echter niet genoeg voor producenten om te concurreren in de tegenwoordig veeleisende markten, zegt Patricio Muñoz, universitair hoofddocent tuinbouwwetenschappen aan de UF/IFAS die verantwoordelijk is voor het veredelingsprogramma voor blauwe bessen.
Producenten weten dat als ze geen rassen gebruiken die goed smaken, hun fruit misschien niet voor een goede prijs of helemaal niet wordt verkocht, zei Muñoz. Met deze methoden hopen wetenschappers producenten te helpen concurrerend te blijven en consumenten een betere ervaring met hun producten te hebben.
Met behulp van deze modellen kan een veredelingsprogramma de smaakwaarderingen van veel groente- en fruitsoorten beoordelen. Dit proces werd voorheen beperkt door het feit dat noch wetenschappers, noch consumentenpanels heel veel variëteiten tegelijk kunnen testen.
Resende leidde het nieuwe onderzoek dat manieren laat zien om gegevens van vluchtige stoffen in bosbessen en tomaten in een statistisch model te krijgen. De onderzoeksresultaten zijn nu beperkt tot die twee vruchten, maar zullen later worden uitgebreid naar andere gewassen die UF/IFAS-onderzoekers ontwikkelen.
Om hun nieuwe studie uit te voeren, gebruikten UF/IFAS-onderzoekers gegevens van veredelingsprogramma's voor tomaten en blauwe bessen van het afgelopen decennium.
Ze gaven een gevarieerde set tomaten- en bosbessenrassen aan consumentenpanels op de UF Sensorisch Lab in Gainesville. De wetenschappers verzamelden vervolgens beoordelingen over smaakattributen zoals 'liking', zoetheid, zuurheid, smaakintensiteit en umami.
UF/IFAS-onderzoekers testten de reeks scores die hen vertellen hoeveel een consument van een smaak houdt. Het bleek dat vluchtige stoffen tot 56% van de 'like'-scores verklaarden, wat het bewijs versterkt dat vluchtige stoffen belangrijk zijn om te bepalen hoeveel consumenten van het fruit houden. Vluchtige stoffen zijn ook belangrijk bij het kwantificeren en inschatten van het belang van fruitsmaak, zei Resende.
Bovendien toonden onderzoekers aan dat machine learning-benaderingen over het algemeen de beste voorspellers zijn van smaakvoorkeuren van consumenten, metabolomische selectie genoemd. Nauwkeurigheden van metabole selectie zijn superieur aan modellen die in plaats daarvan genomische gegevens gebruiken, wat het potentieel van deze nieuwe methode in veredelingstoepassingen benadrukt.
"Ik denk dat het belangrijkste punt is dat veredelaars een groter aantal monsters kunnen screenen", zegt Resende, een UF/IFAS-assistent-professor tuinbouwwetenschappen. “Zo heb je een bredere trechter om de lekker smakende variëteiten te identificeren, en op een gegeven moment maken smaaktestpanels een definitieve selectie met de sensorische gegevens. We verwachten dat deze modellen een eerdere opname van smaak als veredelingsdoel mogelijk zullen maken en de selectie en introductie van smaakvollere fruitvariëteiten zullen aanmoedigen."
Naast Resende, behoorden Klee, Muñoz en Denise Tieman, een onderzoeksassistent-professor, tot de andere UF/IFAS-faculteiten die de computermodelmethode voor smaaktesten onderzochten - alle drie op de afdeling tuinbouwwetenschappen; Charlie Sims, een professor in voedingswetenschappen en menselijke voeding en Nikolay Bliznyuk, een universitair hoofddocent in landbouw- en biologische technologie. Het werk is ook de eerste auteur van Ph.D. student Vincent Colantonio en onderzoeksassistent-wetenschapper Luís Felipe Ferrão.
Klik hieronder voor een video waarin Resende dit nieuwe AI-onderzoek uitlegt.
- Brad Buck, Universiteit van Florida