仪器资讯
重大突破！利用人工智能鼻子预测分子的气味
在你看到一种颜色之前，你能够仅根据光的波长预测它。音乐无需亲耳听见而能够仅根据乐谱上的音符加以理解。但是气味不是这样的。辨别一种东西闻起来像是玫瑰味、松脂味、汽油味还是海风般清新的唯yi方法是闻它。
一项新的研究让我们的Z为神秘的嗅觉变得更加可预测一些。由美国洛克菲勒大学的研究人员启动的一个项目利用众包策略设计出一种数学模型，这种模型能够预测一种分子产生的气味。相关研究结果于2017年2月20日在线发表在Science期刊上，论文标题为“Predicting human olfactory perception from chemical features of odor molecules”。
论文共同作者、洛克菲勒大学神经遗传学与行为实验室主任Leslie Vosshall教授说，“这是一个持续了几个世纪的问题。人们试图利用多种不同的方法解决它，正如当售货员问‘你喜欢花香味的东西吗？’或‘你喜欢麝香味的东西吗？’时，你在百货商店的香水厅里看到的那样。”
她补充道，“我们并没有完全解决这个如何根据分子的化学性质预测它的气味的问题，但是这是给出一种解释的目标上走得Z远的。”
好气味，坏气味和无味
在这项新的研究中，Vosshall研究了人类和昆虫的气味感知（odor perception）。作为这项研究的一部分，她和来自她的实验室的研究员Andreas Keller着手探究分子和它们产生的气味之间存在的关联。
为了获得他们需要的数据，他们要求49名志愿者闻一闻一组精心挑选的分子，每种分子装在一个小瓶子里。可能存在的气味数量几乎是无止境的---尽管人类感知光线和声音的限制是大家熟知的，但是还没有为气味建立这样的边界。因此，在探究我们的嗅觉的全部范围的努力中，Keller收集了476种不同的分子，它们中的很多分子之前从没有在嗅觉研究中接受过测试。
他挑选了熟悉的芳香气味，如香草醛的甜美温和气息，以及甲硫基丁酸的臭气。甲硫基丁酸是一种令人厌恶的分子。他也挑选了嗅闻者不能够识别的分子，如2-异丙基苯酚（2-isopropylphenol），甚至那些被认为是无味的分子，如水和甘油。这49名志愿者给每种分子进行评分，评分的依据是他们发现它的气味如何强烈，发现它的气味如何令人愉悦，以及它多大程度上产生大蒜味、花香、尿味和16种其他的气味属性。
总之，这项研究产生100万多个数据点。这些研究人员随后寻求将这些气味感知信息与200万多个描述这些气味分子化学特征（如它们含有的硫原子数量）的额外数据点相关联在一起。它利用众人的智慧解决这个问题。
众人的智慧
来自全世界的研究机构和公司的22个精通计算的志愿者团队参加DREAM嗅觉预测挑战（DREAM Olfaction Prediction Challenge）。这种DREAM挑战是由美国IBM公司托马斯-沃森研究ZX主任Pablo Meyer组织的。利用Vosshall和Keller的气味评分，即迄今为止收集到的Zda的数据集之一，这些团队设计出能够“学着”依据一种分子的化学特征预测它的气味属性的算法。
Z好的解决方法并没有出现在任何单个模型中。为了利用众人的智慧，DREAM挑战通常将每个人提交的模型合并到一个综合模型（aggregate model）中。这个综合模型经常要比任何单个模型更加强大。
Meyer说，“DREAM挑战要比正常的研究项目更像是聚会中棒打彩饰陶罐（hit a piñata）。每个人挥摆棒子，即便你的算法（好比棒子）不能打破这个彩饰陶罐，但是你仍然为找到解决方法作出贡献。利用这种方法、一组健壮的数据和一些运气，我们能够破解这个特别困难的问题。”
填补空白
在DREAM挑战结束时，这些研究人员利用他们拥有的对69种分子的评分测试了这种综合模型的性能。将气味属性与分子匹配在一起的wan美分数是1.0；这种综合模型得分为0.83，显著好于之前为解决这个问题作出的任何尝试。
这种综合模型能够Z容易预测的气味是大蒜味和鱼腥味，这很可能是因为当对气味进行评分时，这些嗅闻者对如何使用它们达成共识。Vosshall说，其他的属性，如寒性或酸性，更是充满挑战性，这很可能是因为这些属性对气味意味着什么并没有取得多大的共识。
尽管这种气味预测模型迄今为止并不wan美，但是它为寻找GX地配制玫瑰香味等气味的方法的香水化学家开辟了新的可能性。它也为气味感知的非常复杂的生物学特征提供新的认识。没有人充分地理解当气味分子飘进鼻子，转化为传送到大脑中的电信号时，到底发生了什么。
Vosshall说，“一旦你能够将分子化学结构输入与它的气味输出关联在一起，你就能够开始确定在这种转化期间，可能发生了什么。这种模型是朝这个目标上迈出的一个重要的初始步骤。”
