研究人員長期以來都知道，我們吸入的分子的化學結構會影響我們聞到的氣味。但在大多數情況下，沒有人能確切地弄清楚這是如何發生的。科學家們已經破譯了一些特定的規則，這些規則支配著鼻子和大腦如何根據空氣傳播分子的特徵來感知它。現在已經很清楚，例如，我們會迅速將某些含硫化合物識別為大蒜的氣味，並將某些氨衍生的胺識別為魚腥味。但這只是例外。
事實證明，結構上不相關的分子可能具有相似的氣味。例如，氰化氫和較大的環狀苯甲醛都聞起來像杏仁。同時，微小的結構變化——即使是移動一個雙鍵的位置——也會極大地改變氣味。
為了理解這種令人困惑的化學現象，研究人員求助於人工智慧的計算能力。現在，一個團隊訓練了一種稱為圖神經網路的人工智慧，根據氣味分子的化學特徵，預測化合物聞起來像什麼——玫瑰、藥用、泥土等等。研究人員在一篇新的預印本論文草稿中報告說，該計算機模型對新氣味的評估與人類一樣可靠，該論文已釋出在預印本儲存庫bioRxiv上。
支援科學新聞報道
如果您喜歡這篇文章，請考慮支援我們屢獲殊榮的新聞報道，方式是 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的有影響力的故事的未來。
“它實際上已經學到了一些關於世界氣味以及氣味如何運作的根本性知識，這讓我感到震驚，”Alex Wiltschko說道，他現在在谷歌的風險投資公司GV工作，他在谷歌研究院時領導了數字嗅覺團隊。
人類的平均鼻子包含約350種嗅覺受體，這些受體可以與潛在的大量空氣傳播分子結合。然後，這些受體啟動神經元訊號，大腦隨後將這些訊號解釋為咖啡、汽油或香水的味道。儘管科學家們從廣義上了解這個過程是如何運作的，但許多細節——例如嗅覺受體的精確形狀或系統如何編碼這些複雜訊號——仍然讓他們難以捉摸。
各種已知氣味的“嗅覺參考工具包”。 來源：Joel Mainland
哥倫比亞大學的嗅覺神經科學家斯圖爾特·費爾斯坦將該模型稱為“計算生物學的傑作”。但是，正如許多基於機器學習的研究的典型情況一樣，“在我看來，它永遠不會讓你對事物如何運作有更深刻的理解，”費爾斯坦說，他沒有參與這篇論文。他的批評源於該技術固有的一個特徵：這種神經網路通常是不可解釋的，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過程。
更重要的是，該模型跳過了神經系統難以理解的運作方式，而是在分子和氣味之間建立直接聯絡。即便如此，費爾斯坦和其他人仍將其描述為一種潛在有用的工具，可用於研究嗅覺及其與化學的複雜關係。對於參與研究的研究人員來說，該模型也代表著朝著更精確、基於數字的方式來描述氣味宇宙邁進了一步，他們希望這最終能將這種感覺帶入數字世界。
“我深信未來計算機可以像看到和聽到一樣聞到氣味，”Wiltschko說，他現在正在探索這項技術的商業化。
長期以來，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，一項眾包競賽產生了一個模型，該模型能夠將分子結構與一些標籤匹配——包括“甜”、“焦”和“花香”——這些標籤從人類體驗的角度描述了它們的氣味。在新的後續工作中，Wiltschko的團隊使用來自約5,000個經過充分研究的分子（包括其原子的特徵以及原子之間的鍵）的資料訓練了其模型。結果，該模型生成了一個極其複雜的“氣味地圖”。與傳統的紙質地圖（在二維空間中繪製位置）不同，該模型根據256個維度（演算法確定可用於區分分子的屬性）將氣味分子放置在“位置”上。
氣味地圖的示意圖。 來源：Alexander B. Wiltschko
為了檢視這張地圖是否符合實際的人類感知，Wiltschko的團隊求助於莫奈爾化學感官中心的嗅覺神經科學家Joel Mainland。“在這裡定義成功有點難，因為‘你如何定義某物的氣味？’”Mainland說。“[香水]行業所做的——以及我們在這裡所做的——基本上是你召集一組人，讓他們描述它的氣味。”
首先，Mainland和其他人確定了一組氣味尚未被記錄的分子的集合。至少有15名受過訓練的研究參與者嗅了每種分子。由於對氣味的感知可能因人而異，這要歸功於基因差異、個人經驗和偏好，研究人員對參與者的評估進行了平均，並將該平均值與模型的預測進行了比較。他們發現，對於53%的分子，該模型比典型的個人小組參與者更接近小組的平均值——他們說這種表現超過了早期的基於標籤的模型。
雖然新模型可能證明能夠模擬人類對單一分子的氣味感知，但它在現實世界中表現不佳。從玫瑰到香菸煙霧，大多數氣味都是混合物。此外，該團隊使用香水資料訓練了新模型，這些資料偏向於令人愉悅的氣味，而遠離令人厭惡的氣味。
即使存在這些侷限性，該模型仍然可以幫助那些對氣味化學感興趣的人，例如，指導想要識別未被充分研究的難聞氣味或測試分子結構調整如何改變感知的研究人員。香水化學家可以在改進香水配方或識別潛在的新成分時參考它。
Wiltschko的團隊已經使用該模型來測試關於化學物質結構與其氣味如何被人和其他生物感知之間聯絡的理論。在8月份釋出在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，例如將食物轉化為能量——可能掌握著解釋。他們從一個數據庫中選擇了預測會引起氣味的代謝化合物，並使用他們的氣味地圖模型分析了這些分子。該團隊得出結論，即使在結構上有所不同，但在代謝反應中發揮密切相關作用的分子往往聞起來相似。Mainland不是這篇單獨的預印本論文的合著者，但就該專案諮詢了該團隊，他稱這一發現“非常令人興奮”。“我們不僅僅是構建一個模型來解決一些問題，”他說。“我們試圖弄清楚這一切背後的潛在邏輯是什麼。”
該模型也可能為按需記錄或產生特定氣味的新技術開啟大門。Wiltschko將他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。最終版本將與國際照明委員會定義的“色彩空間”相媲美，該色彩空間繪製了可見顏色。然而，牛津大學認知科學教授Asifa Majid指出，與新的嗅覺地圖不同，色彩空間不依賴於文字，她沒有參與這些研究。Majid質疑使用語言作為繪製人類感官知覺的基礎。“說不同語言的人有不同的指稱世界的方式，並且這些類別並不總是完全翻譯，”她說。例如，說英語的人通常透過提及咖啡或肉桂等潛在來源來描述氣味。但在馬來西亞和泰國部分地區使用的一種本土語言Jahai語中，人們從12個基本氣味詞彙中進行選擇。
Majid說，在沒有經驗研究來驗證的情況下，“我們根本不知道這項工作將如何擴充套件到其他語言”。理論上，研究人員可以透過測量小組參與者在被要求比較氣味時的反應時間來定義氣味，而無需標籤：區分相似氣味更困難，因此參與者需要更多時間才能做到這一點。然而，根據Mainland的說法，這種行為方法被證明不太現實。他說，由於該模型已經學到了一些關於氣味宇宙組織方式的根本性知識，他預計該地圖將適用於世界其他地方。
即使有可能在不依賴文字的情況下研究人類對氣味的感知，研究人員仍然缺乏以一種關鍵的通用語言——數字——來表示這些體驗的能力。透過開發顏色空間座標或十六進位制程式碼（以紅色、綠色和藍色編碼顏色）的嗅覺等效物，研究人員旨在以新的精度來描述氣味——或許最終將其數字化。
英格蘭赫特福德大學的邁克爾·施穆克使用化學資訊學研究嗅覺，他沒有參與這些研究，他解釋說，對於視覺和聽覺，研究人員已經瞭解了大腦關注的特徵。對於嗅覺，“現在有很多事情需要解決，”他說。
一個主要的挑戰是識別主要氣味。為了建立數字影像的嗅覺等效物，在數字影像中，氣味（如視覺）被記錄並有效地重新建立，研究人員需要識別一組氣味分子，當混合時，這些氣味分子將可靠地產生一系列氣味——就像紅色、綠色和藍色在螢幕上生成每種色調一樣。
“目前這還只是非常遙遠的科幻小說，儘管人們正在為此努力，”施穆克說。