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