机器学习模型创建定制气味和香水

目前，人们仅根据气味剂的物理化学特征来预测嗅觉印象。但是，该方法无法预测传感数据，而传感数据对于产生气味是必不可少的。为了解决这个问题，日本东京工业大学研究人员采用了逆向思维的创新策略，不是根据分子数据预测气味，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模型实现的。研究成果发表在最近的《公共科学图书馆：综合》上。

东京工业大学研究负责人中本高道教授解释说：“我们使用了一个基于机器学习的气味预测模型，以获得气味印象。然后，我们根据先前开发的正向模型逆向预测了气味印象的质谱。”

嗅觉是动物的基本感官之一，对于寻找食物、展现吸引力和感知危险至关重要。人类利用在嗅神经细胞中表达的受体检测气味。这些嗅觉对神经细胞的嗅觉印象与其分子特征和物理化学性质有关。这样就可定制气味以产生预期的气味印象。

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。这种简单的方法可快速生成气味混合物的预测质谱，还可预测所需的混合比例，这是新气味制备配方的重要组成部分。

中本高道强调：“我们展示了哪些分子使苹果风味的质谱具有增强的‘水果’和‘甜’的印象。我们的分析方法表明，59或60个分子的组合能产生与从指定的气味印象中获得的分子相同的质谱。有了这些信息，以及某种印模所需的正确混合比例，理论上可制备所需的任何香味。”

研究人员指出，本研究中描述的这种新方法可高度准确地预测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，从而为无尽的定制香料打开大门。