1 of 7

Интеллектуальные технологии анализа больших данных�для создания путеводителя по функциональным пищевым ингредиентам

МГУТУ им. К.Г. Разумовского �Никитин И.А.�

Университет ИТМО�Зенкин А.М.�Ашихнима М.С.�Нестеров П.В.

BSR-72

Пантюхин И.С.�Литвак И.Г.�Морозова О.В.

2 of 7

​

​

​

​

Описание проекта

Цель проекта

Актуальность проекта

Проблема

Планируемый результат

О проекте

Разработать ПО

для поиска молекул с целью регулирования вкуса продукта на основе машинного обучения

Отсутствуют данные

по молекулярному составу пищевых добавок

  • Замена химически синтезированных пищевых добавок на ингредиенты, получаемые на основе природных компонентов
  • Изучение молекулярного состава продукта с целью поиска продуктов с лучшей сочетаемостью

Выявление корреляции интенсивности вкуса умами с составом пептида и энергией связывания с рецепторами T1R2а/ T1R3

​

Постановка технологии управления вкусом

  • Сформированная база данных
  • Алгоритм определения ингредиента и энергии связывания по интенсивности вкуса
  • Разработанное программное обеспечение для реализации пользовательского интерфейса

3 of 7

10 000

ВКУСОВЫХ РЕЦЕПТОРОВ

Состав продукта

Температура продуктов

Вкусовые предпочтения

Наличие синт. специй

Раса

Настроение

Вредные привычки

Естественность продукта

Вкус

Другое

Здоровье человека

Свет

Возраст

​

​

​

​

Сладкий

Кислый

Горький

Соленый

Умами

Почему проект Blue Sky

4 of 7

Анализ литературы

880 пептидов умами

Молекулярный

докинг

Валидация данных

Molecule number in database

Binding energy kcal/mol

0 200 400 600 800

-2

-4

-6

-8

-10

Fine tuning

Teste data

200

Validate data

104

Train data

496

CatBoost

База данных

800 пептидов умами

ProtBert

Модель

5 of 7

Главные результаты

Интенсивность вкуса

Получение комбинации пептидов

Какие аминокислоты входят в состав?

Длина пептида

Комбинация

Набор N пептидов

1. ADEFC

2. EECBD

…

N. GDBEE

Определение интенсивности вкуса по пептиду

Model

ProtBert

Fine-tuning

Умами/не умами

Валидация

Docking

Расчет энергии связывания с рецепторами T1R2a и T1R3

Сравнение

с заданной интенсивностью вкуса

Классификация

6 of 7

Коммерциализация

и перспективы развития проекта

​

​

​

​

План

  • Расширение базы сладкий, соленый, горький и кислый вкусы — фундаментальная наука
  • Апробация технологии на пищевых блюдах ООО "МКС" «Хачо и Пури»
  • Создание полноценного сервиса поиска продуктов с лучшей сочетаемостью
  • Привлечение компаний-партнеров

Целевая аудитория

  • Научное сообщество

Модель коммерциализации

Подписка на сервис (плата осуществляется за сгенерированную рецептуру)

Барьер

Отсутствие качественных данных в открытом доступе (молекулярный состав продуктов)

​

​

​

​

​

​

​

​

  • Пищевая

промышленность

  • Ресторанный бизнес

7 of 7

Интеллектуальные технологии анализа больших данных�для создания путеводителя по функциональным пищевым ингредиентам

МГУТУ им. К.Г. Разумовского �Никитин И.А.�

Университет ИТМО�Зенкин А.М.�Ашихнима М.С.�Нестеров П.В.

BSR-72

Пантюхин И.С.�Литвак И.Г.�Морозова О.В.

Мы стремимся сделать еду безопасней и вкуснее

​

​

​

​

​

​

​

​