人工智能“鼻子”可以根据分子结构预测气味

在一项重大突破中，科学家们建立了一种工具，可以根据分子的结构来预测分子的气味特征。它可以识别外观不同但气味相同的分子，以及外观非常相似但气味完全不同的分子。

雷丁大学的简·帕克教授说：“视觉NBA投注[手机]俱乐部研究有波长，听觉NBA投注[手机]俱乐部研究有频率——两者都可以通过仪器测量和评估。”但是气味呢？我们目前还没有一种方法可以根据分子结构来测量或准确预测分子的气味。

“你可以用目前的分子结构知识走到目前为止，但最终你会面临许多气味和结构不匹配的例外情况。”这就是以前的嗅觉模型难倒的地方。这个新的机器学习生成模型的神奇之处在于，它正确地预测了这些异常的气味。”

该NBA投注[手机]俱乐部研究应用机器学习创建了一个“气味地图”，这对食品和香水行业的合成化学家的工作将是无价的。它还可能为生产更可持续的香精和香料开辟道路。

帕克教授说：“作为一名风味化学家，我NBA投注[手机]俱乐部研究嗅觉已有多年，主要依靠自己的鼻子来描述香气。

“这张地图不仅适用于已知的气味，也适用于那些结构非常相似的气味。它可以描述具有不同分子特征的不相关分子的广泛子集。

“对于NBA投注[手机]俱乐部研究食物和香水的NBA投注[手机]俱乐部研究人员来说，这为数千种甚至数百万种潜在的气味开辟了一个尚未开发的来源。”

帕克教授与宾夕法尼亚大学莫奈尔化学感官中心、亚利桑那州立大学的同事以及从b谷歌的机器学习实验室剥离出来的Osmo公司合作。

雷丁大学的任务是评估用于测试人工智能的样品的纯度。我们验证了用于测试人工智能模型预测的化合物的纯度。气相色谱法使我们能够分离出痕量的杂质和目标分子，因此，当它们一个接一个地从仪器中洗脱出来时，我们可以闻到所有的单个分子，并确定是否有任何痕量化合物的气味压倒（或掩盖）了目标分子的气味。

“在测试的50个样本中，我们确实发现了一些含有大量杂质的样本。在一种情况下，我们能闻到的杂质是合成目标分子时使用的试剂的痕迹，它给样品带来了一种独特的黄油味，压倒了我们真正感兴趣的气味。在这种情况下，我们能够解释为什么小组将气味描述为黄油味，但这与模型的预测不符，而我们对纯化合物的描述却符合。”

一旦人工智能掌握了数据，它预测新化合物气味的能力就会非常出色。如果工作正常，它应该匹配一组人的平均气味分数，它确实做到了。

帕克博士说：“作为合成化学的工具，这将是无价之宝。我们可以用它来寻找新的香味。它开启了筛选大量香气分子的可能性，就像制药行业对新药所做的那样。”