我们可以使用机器学习的方法来预测气味混合物的遥感数据和设计新的气味吗?一项新研究表明:从东京科技就是干这个的。小说的方法必然会应用在食品,健康,美丽,健康产业,气味和香水的浓厚的兴趣。
嗅觉是动物的基本感官之一。寻找食物的关键,实现吸引,感觉到危险。人类探测气味,或气味,嗅觉受体表达嗅觉神经细胞。这些气味的嗅觉印象在神经细胞与分子特性和物理化学性质相关联。这使它可能裁缝气味来创建一个气味印象。当前的方法只有预测嗅觉印象理化特性的气味。但是,方法无法预测的传感数据,创建气味是必不可少的。
为了解决这个问题,科学家们从东京理工学院(日本技术)解决逆问题的创新战略。而不是预测的气味分子数据,该方法预测基于气味分子特性的印象。这是通过使用标准质谱数据和机器学习(ML)模型。“我们使用machine-learning-based气味我们之前开发的预测模型得到气味印象。然后我们预测的质谱气味印象反向基于以前开发的模式,“领袖Takamichi Nakamoto教授解释说,东京技术的研究工作。研究结果已经发表在《PLoS One》杂志上。
气味混合物的质谱质谱的线性组合得到的单一组件。这个简单的方法允许快速制备预测光谱的气味混合,也可以预测所需的混合比,新气味的配方制备的一个重要组成部分。“例如,我们显示分子给苹果味道的质谱与增强的“水果”和“甜”的印象。我们的分析方法表明,59岁或60的组合分子给相同的质谱获得指定的气味印象。这些信息,和正确的混合比需要一定的印象,理论上我们可以准备所需的气味,”Nakamoto教授。
这部小说中描述的方法本研究可以提供高度精确的预测气味混合物的物理化学性质,以及准备所需的混合比率,从而打开门无休止的特制香水。
它看起来像未来的混合物气味闻起来味道很好!
参考:
周年D,亚历山大•米纳库姆托t .探索遥感数据实现目的使用质谱的气味混合气味的印象。《公共科学图书馆•综合》。2022;17 (8):e0273011。doi:10.1371 / journal.pone.0273011
本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。
