加州大学河滨分校伊克巴尔·皮塔尔瓦拉 安娜达桑卡·雷是加州大学河滨分校的分子、细胞和系统生物学教授
信用:L
Duka
加州大学河滨分校的两名研究人员使用机器学习来了解化学物质的气味——这是一项研究突破，在食品风味和香料行业有潜在的应用
“我们现在可以使用人工智能来预测任何化学物质对人类的气味，”分子、细胞和系统生物学教授阿南达桑卡·雷说，他是《科学》杂志上发表的这项研究的资深作者
“有毒或刺激性的化学物质，比如香料、化妆品或家用产品，可以用天然的、更柔软、更安全的化学物质来代替
" 当人类近400个气味受体(ors)中的一些在鼻子中被激活时，人类就能感觉到气味
每个或由一组独特的化学物质激活；合在一起，这个庞大的OR家族可以探测到一个巨大的化学空间
嗅觉中的一个关键问题是感受器如何对不同的知觉品质或知觉做出贡献
“我们试图用化学信息学和机器学习来模拟人类的嗅觉感知，”雷说
“机器学习的力量在于，它能够评估大量的化学特征，并学习化学物质的气味，比如说，柠檬、玫瑰或其他东西
机器学习算法最终可以预测一种新化学物质的气味，尽管我们最初可能不知道它闻起来像柠檬还是玫瑰
" 根据雷的说法，对化学物质气味的数字化预测创造了一种新的方法，可以科学地优先考虑哪些化学物质可以用于食品、香料和香料行业
“它让我们能够快速找到具有新颖气味组合的化学物质，”他说
“这项技术可以帮助我们发现新的化学物质，例如，可以替代正在变得稀有或非常昂贵的现有化学物质
它给了我们一个巨大的化合物调色板，我们可以混合和匹配任何嗅觉应用
例如，你现在可以制造一种驱蚊剂，这种驱蚊剂对蚊子有效，但对人类来说气味很好
" 研究人员首先开发了一种方法，让计算机学习激活已知人类气味受体的化学特征
然后，他们从大约50万种化合物中筛选出34种气味受体的新配体——与受体结合的分子
接下来，他们关注于评估气味受体活动的算法是否也能预测气味的不同感知质量
“计算机可能有助于我们更好地理解人类的感知编码，在某种程度上，这似乎是基于不同激活的ORs的组合，”乔尔·科瓦勒夫斯基说，他是与雷合作的神经科学研究生项目的学生，也是这篇研究论文的第一作者
“我们使用了数百种人类志愿者以前评估过的化学物质，选择了最能预测对一部分化学物质的感知的口服补液盐，并测试了这些口服补液盐也能预测新的化学物质
" 雷和科瓦勒夫斯基表明ORs的活性成功预测了146种不同的化学物质
令他们惊讶的是，预测这些感知需要的不是全部，而是很少
由于他们无法记录人类感觉神经元的活动，他们在果蝇(果蝇)身上做了进一步的测试，并在预测果蝇对不同气味的吸引或厌恶时观察到类似的结果
科瓦勒夫斯基说:“如果用更少的信息预测成功，那么对计算机来说，解码气味感知的任务将变得更容易。”
雷解释说，消费者可以买到的许多商品都使用挥发性化学物质来吸引消费者
食物中大约80%的味道实际上来自影响气味的气味
用于化妆品、清洁产品和其他家用物品加香的香料在消费者行为中起着重要作用
“我们使用机器学习的数字化方法可以在食品、香料和香料行业打开许多机会，”他说
“我们现在有了前所未有的能力来寻找配体和新的香精香料
使用我们的计算方法，我们可以智能地设计气味适合使用的挥发性化学物质，并预测34个人口服补液盐的配体
" 论文题目为“从气味受体的活动预测人类嗅觉”
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
