本篇《自然》长文共4712字,干货满满,预计阅读时间15分钟,时间不够建议可以先“浮窗”或者收藏哦。
原文作者:Kerri Smith
帮我们感知气味的嗅觉编码复杂得出奇,科学家正在着手破解这些谜团。
来源:Adrià Voltà
实验室里的气味颇为新奇。用行话来说,它持久留香:一周以来,这股味道一直附着在浸染的纸张上,久久不散。
对于研究员Alex Wiltschko而言,这是德州夏天的气味——西瓜味,准确地说,是红瓤白皮交界的气味。
“这是一种前所未有的分子,”来自马萨诸塞州剑桥市的Osmo公司创始人Wiltschko说。他的团队创造了这个名为533的化合物,这是他们理解并数字化气味任务的一部分。他的目标是开发一个能够检测、预测或创造气味的系统,这项工作充满挑战,正如533分子所展示的那样。“看它的结构,你永远不会猜到它闻起来是这个味儿。”
这是理解嗅觉的难题之一:分子的化学结构几乎无法告诉我们关于气味的信息。两种结构非常相似的化学物质,闻上去可能大相径庭;而两种天差地别的化学物质却可能闻起来一模一样。而且,大多数气味——如咖啡、卡门贝尔奶酪、熟透的番茄——都是由几十几百种芳香分子混合而成的,这让理解化学物质如何产生嗅觉体验的问题更难了。
另一个问题是确定气味之间的关系。要是视觉的话,光谱就是个色彩盘:红、绿、蓝及其所有的渐变色。声音有频率和音量,但轮到气味就没有明显的参数。被识别为“霜冻”的味道和“桑拿”味之间有何关联?宾夕法尼亚州费城独立研究机构莫奈尔化学感官中心的神经科学家Joel Mainland表示,预测气味是个真正的难题。
包括人类在内,动物演化出了非常复杂的解码系统,以应对庞大的气味分子库。所有感觉信息都由受体处理,气味也不例外——只是它的规模更大。人类眼睛有两种类型的受体细胞来感知光线,而鼻子则有400种嗅觉受体细胞。这些受体的信号如何结合以触发特定的感知仍然不清楚。此外,受体蛋白本身也很难研究,因此它们的外观和功能大多还是猜测。
然而,随着结构生物学、数据分析和人工智能(AI)的进步,情况开始改变。许多科学家希望,破解嗅觉密码将帮助他们理解动物如何利用这一重要感觉寻找食物或配偶,以及它如何影响记忆、情感、压力、食欲等。
另一些人正试图将气味数字化,以开发新技术:基于气味诊断疾病的设备、更安全有效的驱虫剂,以及为价值300亿美元的香精香料市场提供价格亲民或效果更佳的芳香分子。至少有20家初创公司正在尝试开发电子鼻,以应用于健康和公共安全领域。
哈佛医学院神经科学家Sandeep Robert Datta表示,所有这些都推动了对嗅觉生物学研究的激增,“嗅觉正在迎来一个高光时刻。”
嗅觉机器
即使是对专家来说,气味分子的物理性质通常也无法提供太多关于其实际气味的线索。
研究人员已经提出了一些能将结构与气味联系起来的计算模型,但早期版本往往基于范围狭窄的数据集,或者只能在气味校准到相同的感知强度时才能预测。2020年,一个研究团队报告了一个模型,该模型能够预测现实世界中混合气味之间的相似性,并正确识别出玫瑰和紫罗兰香气分子的相似度高于它们各自与印度菜中常用香辛料阿魏(asafoetida)的相似度[1]。
先前使用机器学习的尝试虽然不错,但并不算出色。例如,当研究人员进行比赛以优选气味预测模型时,22个团队的算法只能有效预测出19个气味描述中的8个[2]。
去年,Wiltschko的团队(当时隶属于谷歌的人工智能研究部门)与包括Mainland在内的莫内尔研究人员合作,利用人工智能发布了一张气味地图[3]。
他们的程序通过从香料目录中输入数千个的分子结构描述以及每个分子的气味标签(如“牛肉味”或“花香”等)来训练模型。
然后,研究人员将AI系统与人类鼻子进行了比较。他们训练了15名参与者,使用55个标签(例如“烟熏味”、“热带风味”和“蜡质味”)来评价几百种气味。
由于气味非常主观,这项任务对人类来说十分困难。“没有放之四海而皆准的标准。” Mainland说。大多数气味描述也缺乏细节。例如,对于同一种气味,参与者选择了“刺鼻、甜美、烘烤、黄油味”这些词来描述。而一位调香大师在被要求描述同样的气味时,则说是“滑雪小屋,没有火的壁炉”。“这显示了差距。” Mainland说,“我们的词库还不够好。”尽管如此,人类参与者仍是提供一致气味描述的不二之选,因为人类小组对不同气味的平均排名往往是稳定的。
仅凭这些分子的结构,AI算法在预测化合物的气味方面与人类小组的平均评估相比表现出色(参见“相同又不同”),并且优于典型的个人嗅觉评估。尽管它生成的地图非常复杂,具有超过250个维度,但它能够按类型对气味进行分类,如肉味、酒精味或木质味。
来源:Ref. 3
版权声明: