来源：生物谷原创 2023-09-28 11:09
在一项取得重大突破的新研究中，来自美国Google Research、莫奈尔化学感官中心和英国雷丁大学等研究机构的研究人员建立了一种仅根据分子结构就能预测其气味特征的工具。它可以识别外观不同但气味相同
在一项取得重大突破的新研究中，来自美国Google Research、莫奈尔化学感官中心和英国雷丁大学等研究机构的研究人员建立了一种仅根据分子结构就能预测其气味特征的工具。它可以识别外观不同但气味相同的分子，以及外观非常相似但气味完全不同的分子。相关研究结果发表在2023年9月1日的Science期刊上，论文标题为“A principal odor map unifies diverse tasks in olfactory perception”。
英国雷丁大学的Jane Parker教授说，“视觉研究有波长，听觉研究有频率，两者都可以通过仪器进行测量和评估。但嗅觉呢？我们目前还没有办法根据分子结构来测量或准确预测分子的气味。根据目前对分子结构的了解，人们可以做到这一点，但最终会遇到气味和结构不匹配的无数例外情况。这正是之前的嗅觉模型所面临的难题。这种新的机器学习生成模型的神奇之处在于，它能正确预测这些例外情况中的分子气味。”
这项新的研究利用机器学习构建出了一个“气味图谱（odor map）”，这对食品和香料行业的合成化学家的工作非常有价值。它还可能为开发更具可持续性的香精香料开辟道路。
Parker教授说，“作为一名香料化学家，我多年来一直从事嗅觉研究，主要依靠自己的鼻子来描述香气。这个气味图谱不仅适用于已知的气味物质，也适用于结构非常相似的气味物质。它可以描述具有不同分子特征的大量不相关分子。对于食品和香料领域的科学家们来说，这为数千种甚至数百万种潜在的气味剂开辟了一个尚未开发的来源。”
在这项新的研究中，雷丁大学的职责是评估用于测试人工智能的样本的纯度。“我们验证了用于测试人工智能模型预测的化合物的纯度。气相色谱法使我们能够分离痕量杂质和目标分子，因此当它们一个接一个地从仪器中洗脱出来时，我们可以闻到所有单个分子的气味，并确定任何痕量化合物的气味是否压倒（或掩盖）了目标分子的气味。”
“在测试的 50 个样品中，我们确实发现了一些含有大量杂质的样品。在其中一个例子中，我们能闻到的杂质是合成目标分子所用试剂的微量残留物，并使样品散发出一种独特的奶油味，盖过了我们真正感兴趣的气味剂。在这种情况下，我们能够解释为什么专家小组将这种气味描述为奶油味，但这与人工智能模型的预测不符，而我们对这种纯化合物的描述却符合人工智能模型的预测。”
图片来自Science, 2023, doi:10.1126/science.ade4401。
一旦人工智能用数据进行了训练，它预测新型化合物气味的能力就会非常出色。如果工作正常，它应该与人类专家小组的平均气味评分相匹配，而它确实做到了。
Parker博士说，“作为一种用于合成化学的工具，这将是无价之宝。我们可以用它来寻找新的香气。它为筛选大量分子的香气提供了可能，就像制药业筛选新药一样。”（生物谷 Bioon.com）
参考资料：
1. Brian K. Lee et al. A principal odor map unifies diverse tasks in olfactory perception. Science, 2023, doi:10.1126/science.ade4401.
2. AI 'nose’ predicts smells from molecular structures
https://www.reading.ac.uk/news/2023/Research-News/AI-nose-predicts-smells-from-molecular-structures
联系客服
