Nidhi Pandey, Debasattam Pal, Dipankar Saha & SwaroopGanguly

https://doi.org/10.1038/s41598-021-90592-x

嗅覺不像視覺或聽覺那樣被理解，也不像技術(shù)上那樣被理解。在這里，化學(xué)圖像理論被證明連接氣味分子的振動譜，在嗅覺振動理論中，它接近正統(tǒng)的形狀理論。原子模擬得到了20個氣味分子的本征值（EVA）振動偽光譜，它們按氣味分為6個不同的“感知”類。EVA被分解為對應(yīng)于不同類型的振動模式的峰。一種新的二級偽光譜，基于這個物理上的峰值分解EVA（PD-EVA）已經(jīng)在這里被提出。應(yīng)用于PD-EVA的無監(jiān)督學(xué)習(xí)機器（光譜聚類），將氣味聚類為不同的“物理”（振動）類，與“人的知覺”相匹配，也揭示了內(nèi)在的知覺子類。這為基于振動的氣味分類建立了物理基礎(chǔ)，協(xié)調(diào)了“形狀和振動理論”，并指出基于振動的傳感是一種很有前途的通仿生電子鼻的路徑。

PD-EVA將基于振動的氣味分類放在了一個堅實的物理基礎(chǔ)上，這在早期基于EVA的聚類中是缺失的，它加強了振動在嗅覺中起著重要的作用的論點。這也表明，生物嗅覺的能力可以通過基于振動的傳感和識別來模擬。我們的方法可以為香精和化妝品等應(yīng)用領(lǐng)域的自動氣味分類和人工氣味設(shè)計鋪平道路。

當(dāng)然，這項研究需要用更大的氣味數(shù)據(jù)集進(jìn)行驗證，這一定是未來工作的主題。

長期以來，在涉及到?jīng)Q定其氣味的分子的本質(zhì)特性時，科學(xué)家們一直在推測兩種可能性：幾何形狀和振動能量。由Dyson首次提出的“振動學(xué)說”表明，嗅覺感受器可以像化學(xué)光譜鏡一樣工作，感知氣味分子的局部振動?！靶螤顚W(xué)說”后來被提出并獲得了更廣泛的接受，它指出，氣味與受體結(jié)合后，受體的構(gòu)象從非活躍狀態(tài)變成活躍狀態(tài)—即所謂的對接或鑰鎖機制。Turin恢復(fù)了“振動學(xué)說”，假設(shè)非彈性電子隧道光譜學(xué)（IETS）作為檢測振動能量的機制。這將嗅覺定位為量子生物學(xué)新領(lǐng)域中的一個原型系統(tǒng)。雖然振動問題一直在激烈爭論，但一些實驗確實表明，分子振動在氣味的感知過程中發(fā)揮了一定作用。嗅覺“刷卡機制”提出了除了對接外的振動能量的作用。（超越對接的復(fù)雜激活機制確實發(fā)生在生物學(xué)中，例如在癌癥免疫學(xué)中。另一方面，在生化分子的定量結(jié)構(gòu)-構(gòu)效關(guān)系（QSAR）研究的標(biāo)準(zhǔn)實踐中，在藥物設(shè)計等背景下，使用它們的振動光譜作為結(jié)構(gòu)的代表物）。

現(xiàn)在，對氣味的感知已經(jīng)被證明與氣味分子的物理化學(xué)性質(zhì)有關(guān)，特別是其中的原子質(zhì)量分布。由于分子中的質(zhì)量分布與它的形狀和振動譜有關(guān)，這就形成了一條連接鎖鍵和嗅覺的振動圖像的路徑。在這里，我們試圖使用化學(xué)圖像理論的儀器來正式地統(tǒng)一這兩個明顯正交的圖片，圖1展示了用于統(tǒng)一這些理論的公式。將氣味分子以原子為節(jié)點，并附加相應(yīng)原子性質(zhì)的權(quán)重。然后，關(guān)聯(lián)矩陣的計算將圖的結(jié)構(gòu)與其功能特性聯(lián)系起來，如振動譜，該振動譜由硬度加權(quán)的拉普拉斯矩陣的特征值導(dǎo)出的。

圖1. 首先選擇了20個屬于6個不同感知類的氣味分子，包括芳香化合物中的苯（左中）。拉普拉斯矩陣（左底部）是對結(jié)構(gòu)的數(shù)學(xué)描述，（這里是苯）與動力矩陣D（右底部）成正比，它用耦合振子描述分子的振動運動方程。這個映射協(xié)調(diào)了嗅覺的振動和形狀理論。動態(tài)矩陣的本征頻率導(dǎo)致振動頻譜—峰值分解本征值（PD-EVA）—峰值對應(yīng)于不同的振動模式類型，按頻率范圍劃分苯（右中）—如圖所示?；跉馕禤D-EVA相似性的聚類導(dǎo)致了與感知相同的分類，揭示了大蒜族和芳香族的子類。該映射表明，基于振動的氣味感知和分類可能具有模擬生物嗅覺能力的潛力。

選擇的屬于6個不同感知的分類涵蓋了日常生活中不同階層的氣味，即：烤香、大蒜、麝香、果香、芳香和樟腦球香。雖然氣味顯然是復(fù)雜的，而且有些主觀，但人們對這些分子的主要氣味是一致的。我們注意到這里包含的氣味也有廣泛不同的分子結(jié)構(gòu)，如表1所示。因此，我們在一個數(shù)據(jù)集的合集中有很大的多樣性。

表1.本研究中使用的一組呈香分子，顯示其結(jié)構(gòu)和感知（氣味）分類，即芳香、咖啡烘烤香、樟腦球香、果香、麝香和大蒜香。

圖2. 以圖2a為例，說明了呋喃300 K EVA偽譜圖的構(gòu)建。分子呋喃的本征值（EVA）偽譜（如圖所示），用合適的σ（這里為100cm?1）拓寬計算出的振動峰（紅色線條）以及高斯函數(shù)（藍(lán)色），并在每個頻率點上將所有它們的貢獻(xiàn)相加。以呋喃甲硫醇的本征值偽譜（(2b)插圖）為例，按振動模式類型劃分頻率尺度。從左至右：藍(lán)綠色：扭轉(zhuǎn)模式；藍(lán)紫色：環(huán)形扭轉(zhuǎn)和碳?xì)滏I振動；灰色：環(huán)變形，碳?xì)滏I振動，碳碳鍵伸展；綠色：碳碳雙鍵伸展，碳氧鍵伸展；黃色：硫氫鍵伸展；粉色：碳?xì)滏I伸展。類似的模態(tài)廣泛分類，可以將整個卷積的EVA譜解卷積成寬峰來識別區(qū)域。這表明，通過“峰分解EVA”，實現(xiàn)“呈香分子”。呋喃的EVA光譜的峰分解（如圖插圖(2c)所示）。(2d)構(gòu)建峰值分解本征值譜（PD-EVA），遵循與本征值相同的程序進(jìn)行（見(2a)）。

用量子矩陣中動力學(xué)矩陣計算分子振動譜的流程曲線圖：

下圖解釋了基于峰值分解本征值PD-EVA偽光譜對氣味分子進(jìn)行分類的聚類過程：

表2.通過EVA偽譜峰值分解確定的分子的感知類別和主要振動模式（cm?1）。A、B：低頻扭振模式。環(huán)的扭轉(zhuǎn)和環(huán)的振動。E、F：環(huán)變形、碳?xì)滏I振動，碳碳鍵伸展。G: 碳碳雙鍵伸展。H：碳氧鍵伸展；硫氫鍵伸展。J：碳?xì)滏I伸展C-H拉伸。

應(yīng)用上一節(jié)中描述的物理信息機器學(xué)習(xí)方法，根據(jù)PD-EVA光譜的相似性將20個氣味分子聚類為物理(振動)類。我們發(fā)現(xiàn)，最優(yōu)聚類導(dǎo)致8個物理類，與之相反的是6個感知類(早些時候也觀察到類似的情況26)。然而，每個物理類別的分子聞起來都是一樣的。這表明，在物理(基于振動的)聚類過程中，六個感知類中的兩個分裂成兩個。這將在下一段中加以說明。表2列出了通過EVA偽譜的峰值分解得到的各分子的物理類、感知類(即氣味)及其主要振動模式的條帶。

事實上，這些類別對應(yīng)于感知類別的一個自然分組，即“弱芳香”和“強芳香”?！八馕丁备兄?表2中的最后一個)也被發(fā)現(xiàn)分為兩個物理類;再一次，這被發(fā)現(xiàn)與自然知覺子類相對應(yīng)。大蒜素和二烯丙基二硫在大蒜中自然存在，是大蒜氣味的來源，而芐硫醇、二甲基硫化物和烯丙基硫醇是合成分子，被認(rèn)為是硫蒜。有趣的是，使用源自分子振動模式的描述符的純數(shù)學(xué)聚類算法能夠解析感知子類。這表明，基于復(fù)雜的振動光譜信息對氣味分子進(jìn)行分類和識別，可以有效地模擬生物嗅覺，實現(xiàn)仿生嗅覺傳感器。

結(jié)論

總之，我們已經(jīng)使用化學(xué)圖論闡明了分子結(jié)構(gòu)和振動光譜之間的聯(lián)系，這是在基于EVA分子描述子的QSAR研究中隱含的。這與早期的研究一致，即在眾多的物理化學(xué)性質(zhì)中，對氣味的復(fù)雜感知做出貢獻(xiàn)的最關(guān)鍵的性質(zhì)是分子質(zhì)量及其分布——在化學(xué)(圖論)的框架中，分子質(zhì)量及其分布與其振動光譜自然相連。我們已經(jīng)介紹了一個新的振動偽譜稱為PD-EVA，它包含了關(guān)于振動模式類型的物理見解。一個由20個氣味分子組成的小型概念驗證集，屬于6個感知類，根據(jù)它們PD-EVA之間的相似性，通過光譜聚類將它們分類為物理(振動)類。研究發(fā)現(xiàn)，最佳聚類結(jié)果可產(chǎn)生8個物理類，對應(yīng)于感知類，再加上1個子類，每個子類是2個感知類固有的，并在聚類過程中顯示出來。有了這種映射，PD-EVA將基于振動的氣味分類建立在堅實的物理基礎(chǔ)上，這是早期基于eva的聚類所缺少的。因此，它加強了振動在嗅覺中起著重要作用的論點。它還表明，生物嗅覺的力量可能與基于振動的感知和識別模擬。因此，我們的方法可以為香水和化妝品等應(yīng)用的自動氣味分類和人工氣味設(shè)計鋪平道路。當(dāng)然，我們強調(diào)，這項研究需要更大的氣味數(shù)據(jù)集來驗證，這必須成為未來工作的主題。盡管如此，我們提醒自己，生物物理模型，即使簡單或不完整，已經(jīng)被證明在指導(dǎo)有用的生物啟發(fā)技術(shù)的發(fā)展方面是非常有效的，例如使用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)。這項工作同樣可以指導(dǎo)量子仿生電子鼻的開發(fā)，實現(xiàn)基于振動/IETS的實用傳感器系統(tǒng)的路徑似乎比基于許多其他物理化學(xué)特性的傳感器更清晰。