Машинное обучение поможет восполнить пробелы в данных о каннабисе
Помимо известных ингредиентов каннабиса — интоксицирующего тетрагидроканнабинола (THC) и терапевтического каннабидиола (CBD) — существует множество других химических соединений. Считается, что они взаимодействуют друг с другом (явление «эффекта антуража»), влияя на то, как различные сорта каннабиса воздействуют на человека.
Новое исследование Университета Колорадо в Боулдере, опубликованное в журнале PLOS ONE, показывает, что каннабис-индустрия собрала крайне мало данных об этих малоизученных соединениях. Однако это же исследование предполагает, что восполнить пробелы в знаниях может помочь машинное обучение.
Проблема недостающих данных
Разные флавоноиды и терпены могут влиять на вкус и запах, а второстепенные каннабиноиды — на то, будет ли эффект расслабляющим или стимулирующим. Единственный способ точно узнать состав — измерить химические вещества.
«Но поскольку правила требуют отчёта только о нескольких соединениях, таких как THC и CBD, собирается очень мало данных об этих других соединениях или их взаимодействии», — отмечает первый автор исследования Даниэла Вергара.
Проанализировав набор данных о более чем 17 600 сортах каннабиса за восемь лет, исследователи обнаружили:
- Только 1.4% сортов не имели данных о THC, а 38% — о CBD.
- Только 153 образца содержали данные по всем семи изучаемым каннабиноидам.
- Например, менее 4% образцов содержали информацию о каннабидиварине (CBDV), а 62% не имели данных о каннаноле (CBN).
Машинное обучение для заполнения пробелов
Исследователи применили алгоритмы и статистические методы, чтобы с помощью имеющихся данных предсказать недостающие значения химического профиля различных сортов.
Один из ключевых выводов: первоначальное предположение оказалось неверным. Учёные считали, что сорта с высоким содержанием THC будут иметь низкое содержание CBD, и наоборот, поскольку в растении THCA и CBDA конкурируют за один и тот же предшественник — каннабигероловую кислоту (CBGA). Однако некоторые сорта оказались с высоким содержанием обоих соединений.
Используя метод снижения размерности, исследователи смогли разделить сорта на четыре различные категории на основе химических свойств, каждая из которых соответствовала разным вариантам использования (медицинское, рекреационное, комбинированное, промышленное).
Любопытно, что некоторые сорта с одинаковым названием оказались в разных кластерах. «Название сорта не является показателем его силы или общего химического состава», — констатируют авторы.
Перспективы
Для эффективного применения машинного обучения необходимы более широкое сотрудничество и обмен данными внутри индустрии. Это может привести к стандартизации продукции, созданию индивидуальных продуктов для медицинского применения на основе «эффекта антуража» и появлению у покупателей возможности изучать подробный состав, подобно пищевой этикетке.
«Машинное обучение сыграло огромную роль в формировании других отраслей... Оно может помочь заполнить пробелы и в каннабис-индустрии», — заключает Даниэла Вергара.