一種新的計算機模型“繪制”出氣味分子，以區分那些有肉味、粉末狀、甜味和許多其他香味的氣味

Credit: janiecbros/Getty Images

研究人員早就知道，我們吸入的分子的化學結構會影響我們的氣味。但在大多數情況下，沒人能弄清楚到底是怎么回事。科學家們已經破譯了一些具體的規則，這些規則控制著鼻子和大腦如何根據空氣中的分子的特征來感知它。很明顯，我們很快就能認出某些含硫化合物是大蒜的氣味，而某些氨衍生胺是魚的氣味。但這些都是例外。

事實證明，結構不相關的分子可以有相似的氣味。例如，氰化氫和更大的環狀苯甲醛聞起來都像杏仁。與此同時，微小的結構變化——甚至改變一個雙鍵的位置——都能極大地改變氣味。

為了弄清楚這種令人困惑的化學現象，研究人員求助于人工智能的計算能力。現在，一個研究小組已經訓練出一種被稱為圖形神經網絡的人工智能，可以根據氣味分子的化學特征來預測一種化合物對人來說是什么味道——玫瑰味、藥用味、泥土味等等。研究人員在發布在預印本存儲庫bioRxiv上的新論文草稿中報告稱，計算機模型對新氣味的評估和人類氣味一樣可靠。

現在谷歌的風險投資公司GV工作的亞歷克斯·威爾奇科(Alex Wiltschko)說:“它實際上學到了一些關于世界是如何嗅感以及嗅感是如何工作的基本知識，這讓我感到震驚。”他在谷歌Research工作時曾領導數字嗅覺團隊。

人類的鼻子平均含有400種嗅覺受體(OR)，這些受體可以與潛在的大量空氣分子結合。然后，這些受體啟動神經元信號，大腦隨后對咖啡、汽油或香水的氣味進行解讀。盡管科學家們知道這一過程在廣義上是如何工作的，但許多細節——比如氣味受體的精確形狀或系統如何編碼這些復雜的信號——仍未被發現。

一個包含各種已知氣味的“嗅覺參考套件”。 Credit: Joel Mainland

哥倫比亞大學的嗅覺神經科學家斯圖爾特·費爾斯坦(Stuart Firestein)稱該模型為“計算生物學的杰作”。但正如許多基于機器學習的研究的典型情況一樣，“在我看來，它從未讓你對事物是如何工作的有更深入的了解，”Firestein說，他沒有參與這篇論文。他的批評源于該技術的一個固有特征:這種神經網絡通常是不可解釋的，這意味著人類研究人員無法獲得模型用來解決問題的推理。

更重要的是，這個模型跳過了神經系統的神秘工作原理，而是在分子和氣味之間建立了直接聯系。盡管如此，費爾斯坦和其他人把它描述為一種潛在的有用的工具，用來研究嗅覺及其與化學之間令人擔憂的關系。對相關研究人員來說，該模型也代表著朝著更精確、基于數字的方法來描述氣味宇宙的一步，他們希望最終能將這種感覺帶到數字世界。

Wiltschko說:“我深信在未來，就像人類能看、能聽、能聞一樣，計算機也能看、能聽、能聞。”Wiltschko現在正在探索這項技術的商業化。

一段時間以來，研究人員一直在使用計算建模來研究嗅覺。在2017年發表的一篇論文中，一場眾包競賽生成了一個模型，該模型能夠將分子結構與一些標簽(包括“甜的”、“燒焦的”和“花的”)匹配，這些標簽描述了它們的氣味，就像人類所經歷的那樣。在新的后續研究中，Wiltschko的團隊用大約5000個經過充分研究的分子的數據訓練模型，包括它們的原子特征和它們之間的化學鍵。結果，該模型生成了一幅極其復雜的氣味“地圖”。與傳統的二維紙質地圖不同，該模型基于256維將氣味分子放置在“位置”上——算法確定可以利用這些屬性來區分分子。

氣味圖的插圖。Credit: Alexander B. Wiltschko

為了驗證這張地圖是否符合人類的實際感知，Wiltschko的團隊找到了莫奈爾化學感官中心的嗅覺神經科學家Joel Mainland。“在這里，定義成功有點難，因為‘你如何定義某種東西的味道?’”Mainland說。“(香水)行業所做的——也就是我們在這里所做的——基本上就是把一群人聚在一起，讓他們描述香水的味道。”

首先，Mainland和其他人識別了一組沒有記錄的帶有氣味的分子。至少15名訓練有素的研究參與者嗅了嗅每種氣味。由于基因差異、個人經歷和偏好的不同，對氣味的感知因人而異，研究人員對參與者的評估取平均值，并將平均值與模型的預測進行比較。他們發現，對于53%的分子，該模型比典型的單個小組成員更接近小組成員的平均水平——他們說這一表現超過了早期基于標簽的模型。

雖然新模型可能已經被證明能夠在給定單分子的情況下模仿人類的氣味感知，但它在現實世界中不會表現得那么好。從玫瑰到香煙煙霧，大多數氣味都是混合氣味。此外，該團隊使用香水數據來訓練新模型，這些數據偏向于令人愉快的氣味，遠離令人厭惡的氣味。

即使有這些限制，該模型仍然可以幫助那些對氣味化學感興趣的人，例如，指導那些想要識別未被研究的難聞氣味的研究人員，或測試分子結構的調整如何改變感知。香水化學家在提煉香水配方或識別潛在的新成分時也可以參考它。

Wiltschko的團隊已經用這個模型測試了一個關于化學物質結構與人類和其他生物如何感知其氣味之間聯系的理論。在8月份發表在bioRxiv上的另一篇預印本論文中，研究人員認為動物的新陳代謝——維持其生命的化學過程，如將食物轉化為能量——可以解釋這一現象。從一個數據庫中，他們選擇了被預測會喚起氣味的代謝化合物，并使用他們的氣味地圖模型分析分子。研究小組得出的結論是，在代謝反應中扮演密切相關角色的分子往往氣味相似，即使它們的結構不同。Mainland并不是這篇單獨的預印本論文的合著者，但他參與了該項目的研究團隊，他稱這一發現“非常令人興奮”。他說:“我們不僅僅是在建立一個解決問題的模型。”“我們正在試圖弄清楚這一切背后的潛在邏輯是什么。”

該模型還可能開啟新技術的大門，根據需求記錄或生產特定的氣味。Wiltschko將他的團隊的工作描述為朝著人類氣味感知的“完整地圖”邁進了一步。最終版本將可與國際照明委員會定義的“顏色空間”相媲美，該委員會繪制出可見的顏色。然而，牛津大學認知科學教授阿西法·馬吉德(Asifa Majid)指出，與新的嗅覺地圖不同的是，顏色空間不依賴于文字。他沒有參與上述研究。馬吉德質疑使用語言作為繪制人類感官感知的基礎。她說:“說不同語言的人對世界有不同的指代方式，這些分類并不總是完全翻譯過來的。”例如，說英語的人經常通過提及咖啡或肉桂等潛在氣味來源來描述一種氣味。但是在馬來西亞和泰國部分地區使用的土著語言Jahai中，人們從12個基本的氣味詞匯中進行選擇。

馬吉德說，如果沒有實證研究來驗證它，“我們根本不知道這項工作將如何推廣到其他語言。”理論上，研究人員可以通過測量小組成員在被要求比較氣味時的反應時間來定義氣味，因為要區分相似的氣味比較困難，所以參與者需要更多的時間來進行區分。然而，據Mainland說，這種行為方法被證明是不現實的。他說，因為該模型已經了解了氣味宇宙組織的一些基本知識，他希望這張地圖在世界其他地方也能適用。

盡管不依靠文字就可以研究人類對氣味的感知，但研究人員仍然缺乏用一種至關重要的通用語言——數字來表示這些體驗的能力。通過開發顏色空間坐標或十六進制編碼(用紅、綠、藍來編碼顏色)的視覺模型，研究人員的目標希望用新的精確度來描述氣味——也許，最終，將它們數字化。

Michael Schmuker解釋說，對于視覺和聽覺，研究人員已經了解了大腦關注的特征。Michael Schmuker在英國赫特福德大學使用化學信息學研究嗅覺，但沒有參與這些研究。他說，對于嗅覺，“現在有很多問題需要解決。”

一個主要的挑戰是主要氣味的識別。為了創造相當于嗅覺的數字圖像，讓氣味(如地圖)被記錄下來并有效地重新創造，研究人員需要確定一組氣味分子，這些分子在混合時可以可靠地產生一個色域，就像紅、綠、藍產生屏幕上的所有色調一樣。

施穆克說:“盡管人們正在努力，但這是目前非常遙遠的科幻小說。”

以上內容節選自：

https://www.scientificamerican.com/article/ai-predicts-what-chemicals-will-smell-like-to-a-human/