Vea También
Nunca antes el impacto de la alimentación en la salud humana había sido tan estudiado como ahora. En un mundo donde las tasas de enfermedades crónicas como la obesidad, el cáncer, la diabetes y las patologías cardiovasculares siguen aumentando, la relación entre la dieta y nuestro bienestar es, sin duda, un tema central.
En este contexto, la química de alimentos se presenta como un campo de conocimiento crucial.
De la pasteurización a nuestros días
La química de alimentos es una rama de la química que se centra en el estudio de la composición, las propiedades sensoriales, la transformación y la seguridad de lo que comemos, así como su efecto en el organismo a nivel molecular.
Su nacimiento se remonta a la segunda mitad del siglo XIX y, desde entonces, sus contribuciones han sido (y son) de un valor incalculable. Probablemente, una de las primeras y más conocidas sea la pasteurización, proceso por el cual un alimento es calentado durante un tiempo para ser después enfriado rápidamente, de modo que se eliminan los microorganismos patógenos sin alterar las propiedades de la comida. Fue Louis Pasteur quien la desarrolló en 1850, impulsado por la necesidad por resolver problemas relacionados con el deterioro de ciertos productos (vino, cerveza o leche) de la industria alimentaria.
Tras casi dos siglos de vida, la química de alimentos ha evolucionado de manera vertiginosa, llegando a integrar en los últimos años nuevas tecnologías y metodologías computacionales. Entre estas, cabe destacar fundamentalmente dos: la quimioinformática (aplicada a alimentos) y la inteligencia artificial (IA).
De la segunda probablemente haya oído hablar porque es noticia casi todos los días, pero quizá no le suene tanto la primera. La quimioinformática es una disciplina que combina la química, la ciencia de datos y la informática para almacenar, modelar y predecir grandes cantidades de información química con objeto de generar conocimiento.
La aplicación de técnicas de IA y quimioinformática a la química de alimentos está acelerando enormemente el desarrollo de esta ciencia en todas sus vertientes, incluida la comprensión y predicción del efecto de los alimentos en la salud. Este desarrollo ha sido facilitado por la aparición de bases de datos de libre acceso con información química y biológica de compuestos químicos de alimentos.
Así ayuda la IA a conservar aguacates o a detectar hongos patógenos
Todas estas grandes cantidades de datos han permitido entrenar modelos de IA capaces de resolver tareas relacionadas como la conservación de alimentos, la detección de contaminantes o la predicción de las propiedades organolépticas de compuestos, entre otras.
Por poner unos ejemplos, recientemente se han implementado modelos de IA en la conservación de productos como el aguacate, donde el análisis de imágenes hiperespectrales (es decir, análisis de todos los “colores” o frecuencias del espectro electromagnético en una imagen, píxel a píxel) mediante IA permiten evaluar su frescura sin manipularlo.
En cuanto a la detección de contaminantes, los algoritmos conocidos como “narices robóticas” han resultado muy útiles en la detección de micotoxinas, un tipo de hongo patógeno que puede estar presente en carne, pescado, leche o café.
En el ámbito culinario, cada vez son más populares los algoritmos capaces de crear recetas personalizadas para cada usuario. Y otros sistemas, por último, han sido desarrollados para predecir el grado de sabor umami de un alimento.
Modelos de inteligencia artificial al servicio de la salud
En el campo de la salud, modelos como HyperFoods han sido diseñados con el fin de identificar moléculas de alimentos con posible actividad antitumoral. Un área de gran interés se centra en potenciales interacciones entre fármacos y los compuestos de la comida. Fruto de ello es el desarrollo de algoritmos como FDMine o DeepDDI, capaces de predecir interacciones fármaco-alimento a partir de las estructuras moleculares de sus componentes químicos.
También hay que destacar el trabajo de los investigadores que, mediante técnicas de quimioinformática, examinaron la capacidad de ciertos compuestos de alimentos, como los polifenoles, las cumarinas y poliaminas (presentes en frutas y verduras), para inhibir la proteasa del SARS-CoV-2 durante la pandemia de covid-19.
Un campo por explorar
Desde la Unidad de Bioestadística y Bioinformática en IMDEA Alimentación, centramos nuestros esfuerzos en combinar la IA y la quimioinformática para conocer el mecanismo de acción de los compuestos de alimentos en la salud a nivel molecular.
La identificación de todas las interacciones de dichas sustancias con proteínas humanas y de la microbiota nos permite acercarnos al efecto que produce cualquier producto alimenticio en la salud humana. Aún se conocen pocas interacciones; de ahí que apostemos por usar la quimioinformática y la IA para guiar la experimentación y acelerar la comprensión del modo de acción de los alimentos en la salud.
Por ejemplo, hemos realizado predicciones de todos los compuestos capaces de dar falsos positivos en ensayos bioquímicos que evalúan la interacción de moléculas de alimentos con proteínas. Esto permitirá discernir cuáles de esas interacciones presentes en las bases de datos son fiables y cuáles no. ¿Y cómo lo hacemos? Combinando métodos que aprovechan las propiedades estructurales de las moléculas conjuntamente con herramientas de IA.
En otra línea de trabajo, hemos propuesto miles de potenciales interacciones entre proteínas humanas y compuestos presentes en los alimentos, que se han puesto a disposición de la comunidad científica para ensayos experimentales. De esta forma, los científicos pueden enfocarse en estas predicciones, reduciendo enormemente los recursos necesarios.
A día de hoy, nos encontramos explorando nuevos modelos de deep learning, un tipo de IA que ofrece un amplio abanico de posibilidades, como la generación de nuevos fármacos y nutraceúticos (moléculas que tienen beneficios para la salud más allá de la nutrición básica, al actuar preventivamente). Con ello, esperamos poder seguir ampliando el desarrollo de la química de alimentos en la salud humana mediante el uso de las herramientas computacionales más avanzadas.
Gonzalo Colmenarejo recibe fondos de la Agencia Estatal de Investigacion (PID2021-127318OB-I00) y la Comunidad de Madrid (PEJ-2020-AI/BMD-19384) para realizar su investigación.
Andrés Sánchez Ruiz disfruta de una beca predoctoral de la Comunidad de Madrid (PIPF-2022-SAL-GL-26278) para llevar a cabo su tesis doctoral.
Este artículo fue publicado originalmente en The Conversation. Lea el original.