conception rationelle de composés ciblant le gout, les odeurs et leurs emotions – chemosim

Dans ChEmoSim, chaque propriété prédite par les modèles numériques est ensuite évaluée par une technique expérimentale adaptée :
- Les odeurs ne sont pas directement observables au niveau des récepteurs, elles seront évaluées par analyse sensorielle quantitative sur l'homme par des expériences d'analyse sensorielle réalisées chez Expression Parfumées (Grasse), le partenaire industriel, par des experts en évaluation des sens humains (vue, odorat, goût , toucher et ouïe) aux fins d'évaluation des produits de consommation.
- Les bloqueurs des récepteurs odorants peuvent affecter la perception. De tels produits chimiques, une fois découverts ou synthétisés à l'ICN (Nice) par des experts en synthèse organique seront évalués in vitro au CSGA (Dijon) par des experts en tests fonctionnels des récepteurs chimiosensoriels, et testés en mélange avec des mauvaises odeurs sur des panels humains par le partenaire industriel.
- Les composés amers et sucrés ne peuvent pas être testés directement sur l'homme pour des raisons évidentes de sécurité. Ils seront évalués par des tests fonctionnels. Une fois cela fait, les composés intéressants (bloquants ou activateurs) seront transmis à des collègues extérieurs à ce projet pour des tests toxicologiques et sensoriels.
- Les émotions doivent naturellement être évaluées sur les humains. Ils seront mesurés au CRNL (Lyon), par des experts en neurosciences cognitives.

Novel scaffold of natural compound eliciting sweet taste revealed by machine learning. C. Bouysset, C. Belloir, S. Antonczak, L. Briand, S. Fiorucci. Food Chem., 2020, 324, 126864.

Moranges, M., Rouby, C., Plantevit, M., & Bensafi, M. (2021). Explicit and implicit measures of emotions: Data-science might help to account for data complexity and heterogeneity. Food Quality and Preference, 92, 104181.

Dantec, M., Mantel, M., Lafraire, J., Rouby, C., & Bensafi, M. (2021). On the contribution of the senses to food emotional experience. Food Quality and Preference, 92, 104120.

Nicolas, S., & Bensafi, M. (2021). A historical review of olfactometry. L’Année psychologique, 121(3), 311-351.

Functional Molecular Switches of Mammalian G Protein-Coupled Bitter-Taste Receptors. J. Topin, C. Bouysset, J. Pacalon, Y. Kim, M. Rhyu, S. Fiorucci, J. Golebiowski. Cell. Mol. Life Sci., 2021, online (DOI : doi.org/10.1007/s00018-021-03968-7)

Outre l'intérêt fondamental de comprendre les mécanismes de la perception chimiosensorielle qui représente une percée en soi, nous développerons un outil capable de prédire la propriété chimiosensorielle de nouvelles molécules. En effet, comprendre comment les molécules codent pour un certain type d'odeur/goût/émotion est une étape fondamentale pour le développement de Relations Structure-Propriété fiables.

- Bloqueurs de mauvaises odeurs : La lutte contre les mauvaises odeurs dans les zones sécurisées bénéficiera de nos recherches. Les bloqueurs de TAAR peuvent être utiles pour les scientifiques ou les médecins travaillant dans le domaine de la médecine légale et confrontés à des cadavres par exemple. Les mêmes principes s'appliquent pour les thiols par exemple. Ils sont détectés par des récepteurs olfactifs et sont généralement liés à un comportement aversif. La découverte de bloqueurs ou modificateurs permettrait d'augmenter le bien-être dans les zones olfactives polluées par les odeurs de cuisine par exemple.

- Biologie alimentaire et science des aliments : Sans en avoir pleinement conscience, nous sommes quotidiennement confrontés à des molécules odorantes. On estime qu'entre 75 % et 95 % de ce que nous considérons généralement comme un goût est en fait une odeur rétronasale. Notre projet identifiera de nouveaux composés aromatisants et sera très bénéfique en science alimentaire. L'identification de nouveaux candidats pour les édulcorants ou les bloqueurs de goût amer est centrale dans le domaine de l'industrie alimentaire. Les édulcorants non caloriques sont obligatoires pour la conception d'aliments sains. Concernant les composés amers, nous essaierons surtout de nous concentrer sur les antagonistes des récepteurs du goût amer, ce qui serait par exemple bénéfique pour l'industrie de la pharmacologie car de nombreux médicaments oraux ont un fort goût amer.

Novel scaffold of natural compound eliciting sweet taste revealed by machine learning. C. Bouysset, C. Belloir, S. Antonczak, L. Briand, S. Fiorucci. Food Chem., 2020, 324, 126864.

Moranges, M., Rouby, C., Plantevit, M., & Bensafi, M. (2021). Explicit and implicit measures of emotions: Data-science might help to account for data complexity and heterogeneity. Food Quality and Preference, 92, 104181.

Dantec, M., Mantel, M., Lafraire, J., Rouby, C., & Bensafi, M. (2021). On the contribution of the senses to food emotional experience. Food Quality and Preference, 92, 104120.

Nicolas, S., & Bensafi, M. (2021). A historical review of olfactometry. L’Année psychologique, 121(3), 311-351.

Functional Molecular Switches of Mammalian G Protein-Coupled Bitter-Taste Receptors. J. Topin, C. Bouysset, J. Pacalon, Y. Kim, M. Rhyu, S. Fiorucci, J. Golebiowski. Cell. Mol. Life Sci., 2021, online (DOI : doi.org/10.1007/s00018-021-03968-7)

Ce projet est à la fois fondamental et hautement multidisciplinaire. Il regroupe des experts académiques dans la modélisation numérique, la biologie de récepteurs, les neurosciences comportementales et une entreprise experte en analyse sensorielle. L'hypothèse de recherche est que les modèles numériques peuvent décrypter le code des différentes perceptions chimiosensorielles. Il s'agira de prédire ou synthétiser des composés odorants, sapides ou affectant notre humeur ou nos émotions. Le consortium mettra en oeuvre des modèles numériques pour décoder i/ comment notre cerveau mobilise ses récepteurs pour donner du sens à son environnement chimique, et ii/ comment les perceptions sensorielles sont encodées dans les propriétés chimiques des composés odorants et sapides. Ces perceptions peuvent appartenir à la sphère perceptive (la caractérisation de l'odeur et de la saveur), mais aussi à la sphère hédonique (j'aime/ je n'aime pas), elle-même intimement liée à nos émotions ou notre humeur. Ici, les modèles in silico seront nourris par les données de différents niveaux, depuis l'échelle cellulaire jusqu'aux aspects sensoriels.