Cientistas da UC Davis e da Universidade Ben-Gurion, em Israel, aplicaram técnicas de aprendizado de máquina e inteligência artificial para prever vias metabólicas em tomates. Eles foram capazes de prever com sucesso novas vias metabólicas previamente desconhecidas, com o trabalho sendo publicado em 18 de junho na revista Communications Biology.
David Toubiana, especialista em pesquisa que trabalhava com o professor Eduardo Blumwald, do Departamento de Ciências Vegetais da UC Davis, começou coletando vias metabólicas conhecidas e existentes em bancos de dados públicos. Ele também construiu "redes baseadas em correlação" de metabólitos bioquímicos conhecidos por estarem presentes em uma linha de plantas de tomate especialmente criadas. Essas redes ligam moléculas semelhantes, sem dizer nada sobre os caminhos reais entre elas.
Nesse cenário, os pesquisadores mapearam os caminhos conhecidos para as redes de correlação para criar um conjunto de redes metabólicas parciais. Eles usaram essas redes para treinar algoritmos de aprendizado de máquina para identificar novos caminhos. No aprendizado de máquina, um sistema de computador “aprende” uma nova habilidade sem ser explicitamente programado para ela.
Com base neste treinamento e dados brutos da análise de todos os compostos bioquímicos em frutas de tomate, a máquina foi capaz de identificar quatro caminhos inteiramente novos em tomate. Eram eles a degradação de beta-alanina-I, degradação de triptofano-VII-via-indol-3-piruvato (anteriormente desconhecido em plantas), biossíntese de beta-alanina-III e degradação de melibiose. A existência da via de degradação da melibiose foi confirmada em experimentos de laboratório úmido.
