自然科学杂志Nature于2024年9月3日发表了一篇专题作家Kerri Smith的文章《The biology of smell is a mystery — AI is helping to solve it》科学家们已经开始破解嗅觉这个极其复杂的代码，帮助我们感知丰富多彩的气味。
实验室里的气味是新的。用行业术语来说，它具有持久性：超过一周的时间，这种气味一直附着在曾经接触过的纸张上。
对于研究员亚历克斯·威尔奇科（Alex Wiltschko）来说，这就是德州夏天的味道：西瓜，但更准确地说，是红色果肉向白色瓜皮过渡的边缘。
“这是一个从未有人见过的分子，”在马萨诸塞州剑桥市经营一家名为Osmo公司的威尔奇科说。他的团队创造了这个名为533的化合物，这是他们理解并数字化气味任务的一部分。威尔奇科的目标是开发一个能够检测、预测或创造气味的系统，这项工作充满挑战，正如533分子所展示的那样。“如果你看看它的结构，你永远不会猜到它闻起来是这个样子。”
这就是理解气味的难题之一：分子的化学结构几乎无法告诉你它的气味。两个化学结构非常相似的分子可能会有完全不同的气味；而两个化学结构迥异的分子则可能产生几乎相同的气味。而且，大多数气味——如咖啡、卡门贝尔奶酪、熟透的番茄——都是由几十种甚至上百种芳香分子混合而成的，这加剧了理解化学如何产生嗅觉体验的挑战。
另一个问题是确定气味之间的关系。在视觉中，光谱是一个简单的色彩调色板：红色、绿色、蓝色及其所有的过渡色。声音有频率和音量，但对气味而言，没有明显的参数。一个被识别为“霜冻”的气味与“桑拿”之间的关系是什么？做出关于气味的预测是一个真正的挑战，费城宾夕法尼亚州独立研究机构莫内尔化学感官中心的神经科学家乔尔·梅恩兰德（Joel Mainland）说道。
包括人类在内的动物已经进化出了一套非常复杂的解码系统，以应对庞大的气味分子库。所有感官信息都通过受体处理，气味也不例外——只是它的规模更大。对于光，人类眼睛有两种类型的受体细胞；而对于气味，有400种。这些受体的信号如何结合以触发特定的感知仍然不清楚。此外，受体蛋白本身也很难研究，因此它们的外观和功能大多还是推测。
然而，随着结构生物学、数据分析和人工智能的进步，情况开始发生变化。许多科学家希望破解嗅觉代码可以帮助他们理解动物如何利用这一重要感官寻找食物或伴侣，以及它如何影响记忆、情感、压力、食欲等。
还有一些人正试图将气味数字化，以构建新技术：基于气味诊断疾病的设备；更好、更安全的驱虫剂；以及用于300亿美元的香精香料市场的更便宜或更有效的香味分子。至少有20家初创公司正在努力制造用于健康和公共安全的电子鼻。
这所有的一切都促成了对嗅觉生物学研究的激增，哈佛医学院（位于马萨诸塞州波士顿）的神经科学家桑迪普·罗伯特·达塔（Sandeep Robert Datta）说。“嗅觉正在迎来一个时刻，”他说。
嗅觉机器
即便对于专家来说，一个气味分子的物理性质通常也无法提供它实际气味的多少线索。
研究人员已经提出了一些可以将结构与气味联系起来的计算模型，但早期版本往往基于相当狭窄的数据集，或者只能在气味经过校准以具有相同的感知强度时进行预测。2020年，一个研究团队报告了一个模型，它能够预测现实世界中混合气味之间的相似性，正确识别出玫瑰和紫罗兰气味比它们与用于印度菜中的辛辣香料阿魏（asafoetida）更相似。
先前使用机器学习的尝试虽好但不够好。例如，当研究人员进行比赛以创建最佳气味预测模型时，22支团队的算法中，只有8支团队能够有效预测19种气味描述中的8种。
去年，威尔奇科的团队——当时还是谷歌AI研究部门的一部分——与包括梅恩兰德在内的莫内尔研究人员合作，发表了一个利用AI制作的气味地图。
他们的程序通过从香料目录中输入数千个分子结构描述以及每种分子的气味标签（例如“牛肉味”或“花香”）来训练模型。
然后，研究人员将AI系统与人类鼻子进行了比较。他们训练了15名评审员使用55个标签（例如“烟熏味”、“热带味”和“蜡质味”）来评价几百种香味。
人类很难完成这项任务，因为气味是非常主观的。“没有普遍的真理，”梅恩兰德说道。大多数气味描述也缺乏细节。例如，对于一种气味，评审员选择了“锐利、甜、烤、黄油味”这些词。而一位大师级的调香师在被要求描述同样的气味时，则说是“滑雪小屋，没有火的壁炉”。“这显示了差距，”梅恩兰德说道。“我们的词汇不够好。”尽管如此，人类评审团仍是提供一致气味描述的最佳工具之一，因为小组对不同气味的平均排名往往是稳定的。
仅凭这些分子的结构，AI算法在预测化合物的气味方面表现良好，与人类小组的平均评估相比表现出色（参见“相同但不同”），并且比典型的个人嗅探器表现得更好。尽管它生成的地图非常复杂——拥有超过250个维度——但它能够按类型对气味进行分类，如肉味、酒精味或木质味。
梅恩兰德说，算法的彻底性帮助了它的表现。人类可能会将一种气味评为水果味但忘记评为甜味。而模型则会每次都穷尽所有可能性进行计算。
梅恩兰德和Osmo团队目前正努力解决的一个挑战是，弄清模型是否可以根据成分预测化合物混合物的气味。另一个目标是让模型设计出新气味，例如模仿特定香味的化学物质，或更安全、更可持续或可生物降解的化学物质。
AI可能无法独自完成这项工作，英国雷丁大学的风味化学家简·帕克（Jane Parker）说道，她帮助嗅觉映射团队对他们的化合物进行了质量控制。“模型可以给你一个可能有效的想法，”她说。但人类化学家和风味专家的专业知识和创造力——加上他们经过高度训练的鼻子——仍然是创新的必要条件。
神秘代码
对于专家和业余嗅探者来说，嗅觉检测的生物设备是相同的。鼻子里有数百万个嗅觉神经元，每个神经元通常只表达一种类型的嗅觉受体（OR）。编码它们的基因家族于1990年代初被发现，并因此使琳达·巴克（Linda Buck）和理查德·阿克塞尔（Richard Axel）于2004年获得诺贝尔奖。
这些受体类型中的每一个可能识别一种或多种气味物质——而每种气味物质可能被一种以上的受体识别。大约400个人类嗅觉受体一起可以响应一万亿种不同的化学物质。这是一个极其复杂、精妙调谐、灵活的系统——它需要如此，因为自然界的化学成分非常多样，加利福尼亚大学旧金山分校的生物化学家阿什什·曼格里克（Aashish Manglik）说。“制造气味的化学物质种类广泛。”
破解嗅觉代码的重要一步是了解这些受体的结构及其如何识别化学物质。但它们一直难以研究。“它们是最难处理的膜蛋白，”曼格里克说。许多受体在实验室中的细胞中表达过于不稳定，难以生成足够的蛋白质进行分析。
科学家已经破译了两种昆虫嗅觉受体的结构。这些受体类型与哺乳动物的完全不同，尽管它们一起工作的嗅觉“逻辑”可能类似，纽约洛克菲勒大学研究昆虫嗅觉的生物学家莱斯利·沃斯哈尔（Leslie Vosshall）说。
但去年12月，曼格里克、沃斯哈尔和他们的团队在《自然》杂志上报告了人类嗅觉受体OR51E2的结构，并表明它是如何与一种气味分子结合的。
随着越来越多哺乳动物嗅觉受体的结构被确定，研究人员将能够开始揭示这些受体如何组合在一起并触发气味感知。这将有助于他们确定嗅觉信号是如何汇集到大脑的，从而解锁一系列复杂而神秘的行为。
但要将嗅觉代码解锁为可编程化学反应，仍有很长的路要走。“我们还没有理解代码中的许多部分，”威尔奇科说。
增强感官
当研究人员更深入地研究嗅觉的生物学基础时，他们也在开发将嗅觉与数字技术相结合的方法。这项工作的一部分是为了增强人类的化学感知能力，就像智能手机摄像头结合软件执行图像或音频识别一样。
例如，一些研究人员试图开发出可穿戴传感器，可以检测某人的汗液、呼气或尿液中气味的微小变化，这些变化表明他们患有糖尿病、结核病、肾病或其他疾病。Osmo的科学家们希望将他们的映射模型用于气味识别的电子鼻中，而其他一些团队则专注于将昆虫的化学感知系统与电路板结合起来。
但要达到这些目标，研究人员将需要开发出能够将气味分子转换为数字信号的传感器。它们可能基于合成的受体，或其他能够识别特定化学物质并触发响应的分子。
这种嗅觉增强技术最终可能会用在人们家中和手中。梅恩兰德设想了将各种可能性集成到设备中的未来——一种能够闻到异味、检测出潜在疾病或预测某种物质危险程度的设备。“它们会检测你身体产生的化学物质的变化。”
威尔奇科预测，“我们将在未来10到15年内制造出一种数字嗅觉传感器，”他指出，通过结合来自数千名香味专家的气味数据，电子鼻的感知范围将超越人类鼻子的能力。
数字嗅觉技术离我们还有一段距离，但相信它即将来临。或许有一天，它们会帮助人们解锁关于自己身体和周围世界的更多信息，或帮助设计出更好的香水，或为更多人带来新的气味体验——例如德州夏天的味道。
