WikiEdge:BioRxiv-2022.09.01.504602

• 標題：A Principal Odor Map Unifies Diverse Tasks in Human Olfactory Perception
• 中文標題：一個主要的氣味地圖統一了人類嗅覺感知中的多種任務
• 發布日期：2022-09-03
• 作者：Lee, B. K.; Mayhew, E. E.; Sanchez-Lengeling, B.; Wei, J. N.; Qian, W. W.; Little, K.; Andres, M.; Nguyen, B. B.; Moloy, T.; Parker, J. K.; Gerkin, R. C.; Mainland, J. D.; Wiltschko, A. B.
• 分類：neuroscience
• 原文連結：https://www.biorxiv.org/content/10.1101/2022.09.01.504602

摘要：將分子結構映射到氣味感知是嗅覺研究的一個關鍵挑戰。在這裡，我們使用圖神經網絡（GNN）生成一個主要氣味地圖（POM），該地圖保留了感知關係，並使得對新的氣味物質的氣味質量進行預測成為可能。該模型在描述氣味質量上與人類一樣可靠：在一個包含400種新氣味物質的預測驗證集上，模型生成的氣味剖面比訓練小組的平均值（n=15）更接近中位數的小組成員。通過應用簡單、可解釋、理論根源的轉換，POM在其他幾個氣味預測任務上超過了化學信息模型，表明POM成功地編碼了結構-氣味關係的一般化地圖。這種方法廣泛地使氣味預測成為可能，並為數位化氣味鋪平了道路。 一句話總結：氣味地圖實現了人類級別的氣味描述性能，並推廣到多種氣味預測任務。