Science 速递｜嗅觉映射：分子结构如何映射到气味感知？

关键词：嗅觉感知，结构-气味映射，图神经网络

论文题目：A principal odor map unifies diverse tasks in olfactory perception斑图地址：https://pattern.swarma.org/paper/4e19879c-4855-11ee-8366-0242ac17000d论文地址：https://www.science.org/doi/full/10.1126/science.ade4401
对于视觉和听觉，存在着成熟的映射将物理特性（如频率和波长）与知觉特性（如音调和颜色）相关联：光的频率映射为颜色，声音的波长映射为音调。而嗅觉尚没有这样的映射，将分子结构映射到气味感知是嗅觉研究中的一个关键挑战。音高随频率单调增加，但气味感知与分子结构之间的关系却是不连续的，一对结构上相似的分子不一定具有相似的嗅觉感知。
这项研究使用图神经网络生成一种主要嗅觉映射（principal odor map，POM），来建立化学结构与气味感知之间的联系。它能够忠实地表征已知的知觉层次和距离，并预测以前未经表征的气味。
该模型在描述气味品质方面与人类一样可靠：在一个包含400种样本外气味物质的验证集上，模型生成的气味特征更接近训练过的数据集平均值。通过应用简单、可解释、基于理论的转换，POM 在几个其他气味预测任务上优于化学信息学模型，表明 POM 成功编码了结构-气味关系的广义映射。这种方法广泛促进了气味预测，并为气味数字化铺平了道路。
图1. POM 保留气味感知空间的结构
图2. GNN 模型展现出与人类相当水平的气味描述性能。
图3. 模型表现在不同的结构和感知类中是稳健的。
图4. POM 解决了结构-气味映射不连续的问题。

编译｜梁金

图神经网络与组合优化读书会进行中

详情请见：加速经典算法效率，突破现实技术瓶颈：图神经网络与组合优化读书会启动

推荐阅读

‍1. PNAS 速递：基于有限状态控制器的嗅觉搜索2. Barabási 最新研究：利用图神经网络加速网络布局3. Nat. Commun. 速递：图神经网络预测单个蛋白质结构中隐藏口袋的位置4. 张江：第三代人工智能技术基础——从可微分编程到因果推理 | 集智学园全新课程5. 成为集智VIP，解锁全站课程／读书会6. 加入集智，一起复杂！

点击“阅读原文”，报名读书会