一种使用机器学习创建定制气味和香味的新方法

嗅觉是动物物种的基本感觉之一。这对于寻找食物、实现吸引力和感知危险至关重要。人类通过嗅觉神经细胞中表达的嗅觉受体检测气味或气味。气味对神经细胞的这些嗅觉印象与其分子特征和物理化学性质有关。这使得定制气味以产生预期的气味印象成为可能。目前的方法仅根据气味的物理化学特征预测嗅觉印象。但是，这种方法无法预测传感数据，而传感数据对于创造气味来说是必不可少的。

为了解决这个问题，东京工业大学(TokyoTech)的科学家们采用了解决逆问题的创新策略。这种方法不是从分子数据中预测气味，而是根据气味印象预测分子特征。这是使用标准质谱数据和机器学习(ML)模型实现的。

“我们使用之前开发的基于机器学习的气味预测模型来获得气味印象。然后，我们根据之前开发的正向模型反向预测气味印象的质谱，”TakamichiNakamoto教授解释说，该模型的负责人东京工业大学的研究工作。研究结果已发表在PLOSONE上。

气味混合物的质谱是通过单个组分的质谱的线性组合获得的。这种简单的方法可以快速制备气味混合物的预测光谱，还可以预测所需的混合比，这是新气味制备配方的重要组成部分。

“例如，我们展示了哪些分子给出了苹果风味的质谱，并增强了‘水果’和‘甜’的印象。我们的分析方法表明，59或60个分子的组合给出的质谱与从指定的气味印象。有了这些信息，以及特定印象所需的正确混合比例，我们理论上可以制备出所需的气味，”中本教授说。

本研究中描述的这种新方法可以对气味混合物的物理化学性质以及制备它们所需的混合比例提供高度准确的预测，从而为无尽的定制香水打开了大门。

标签：