目前，人們僅根據(jù)氣味劑的物理化學特征來預(yù)測嗅覺印象。但是，該方法無法預(yù)測傳感數(shù)據(jù)，而傳感數(shù)據(jù)對于產(chǎn)生氣味是必不可少的。為了解決這個問題，日本東京工業(yè)大學研究人員采用了逆向思維的創(chuàng)新策略，不是根據(jù)分子數(shù)據(jù)預(yù)測氣味，而是根據(jù)氣味印象預(yù)測分子特征。這是使用標準質(zhì)譜數(shù)據(jù)和機器學習模型實現(xiàn)的。研究成果發(fā)表在最近的《公共科學圖書館：綜合》上。

東京工業(yè)大學研究負責人中本高道教授解釋說：“我們使用了一個基于機器學習的氣味預(yù)測模型，以獲得氣味印象。然后，我們根據(jù)先前開發(fā)的正向模型逆向預(yù)測了氣味印象的質(zhì)譜。”

嗅覺是動物的基本感官之一，對于尋找食物、展現(xiàn)吸引力和感知危險至關(guān)重要。人類利用在嗅神經(jīng)細胞中表達的受體檢測氣味。這些嗅覺對神經(jīng)細胞的嗅覺印象與其分子特征和物理化學性質(zhì)有關(guān)。這樣就可定制氣味以產(chǎn)生預(yù)期的氣味印象。

氣味混合物的質(zhì)譜是通過單個組分的質(zhì)譜的線性組合獲得的。這種簡單的方法可快速生成氣味混合物的預(yù)測質(zhì)譜，還可預(yù)測所需的混合比例，這是新氣味制備配方的重要組成部分。

中本高道強調(diào)：“我們展示了哪些分子使蘋果風味的質(zhì)譜具有增強的‘水果’和‘甜’的印象。我們的分析方法表明，59或60個分子的組合能產(chǎn)生與從指定的氣味印象中獲得的分子相同的質(zhì)譜。有了這些信息，以及某種印模所需的正確混合比例，理論上可制備所需的任何香味。”

研究人員指出，本研究中描述的這種新方法可高度準確地預(yù)測氣味混合物的物理化學性質(zhì)，以及制備它們所需的混合比例，從而為無盡的定制香料打開大門。(張夢然)

關(guān)鍵詞： 物理化學特征 氣味預(yù)測模型 機器學習 中本高道