Resumen Técnico: SCENT – Alineación de Espectros de Masas con Estructura Molecular para la Percepción Olfativa

Enunciado del Problema

La olfacción computacional ha logrado avances significativos en la predicción de la percepción del olor humano a partir de estructuras moleculares (Relación Cuantitativa Estructura-Olor, o QSOR). Sin embargo, los modelos existentes de última generación dependen de estructuras químicas explícitas (por ejemplo, cadenas SMILES o grafos moleculares) como entrada en el momento de la inferencia. Este requisito crea una brecha fundamental de implementación: adquirir estructuras moleculares explícitas en escenarios de detección del mundo real exige equipos especializados, experiencia química y horas de tiempo de adquisición, lo que hace que los modelos actuales sean poco prácticos para la detección rápida y en el lugar.

Aunque existen técnicas de detección rápida como las narices electrónicas, a menudo producen señales no específicas con una interpretabilidad química limitada. Por el contrario, la Espectrometría de Masas por Ionización Electrónica directa (EI-MS) ofrece una adquisición rápida (segundos) y huellas dactilares de fragmentación químicamente informativas, pero históricamente ha sido subutilizada para la predicción de olores. Los enfoques anteriores de extremo a extremo que tratan los espectros EI-MS como señales crudas no aprovechan explícitamente la información química implícita codificada dentro de los patrones de fragmentación.

Metodología

Los autores proponen SCENT (Alineación de Incrustaciones Químicas desde Espectro, Spectrum-to-Chemical Embedding aligNmenT), un marco de aprendizaje contrastivo multimodal diseñado para cerrar la brecha entre la detección rápida por espectrometría de masas y la percepción del olor fundamentada químicamente. El marco opera en dos etapas:

1. Alineación de Modalidades

SCENT emplea un objetivo de aprendizaje contrastivo inspirado en CLIP para alinear representaciones de dos modalidades distintas:

• Codificador de Espectro de Masas (Ajustable): El modelo procesa datos EI-MS, que consisten en picos indexados por relación masa-carga ($m/z$) e intensidad. A diferencia de trabajos anteriores (por ejemplo, EIMS2Vec) que utilizan agrupación por suma, SCENT codifica las co-ocurrencias de picos utilizando un codificador Transformer de dos capas con cuatro cabezas de autoatención. La incrustación final se deriva de una proyección MLP aplicada a un token [CLS] ajustable. Las intensidades de los picos se ponderan mediante escalado de potencia ($p=0.5$).
• Codificador de Estructura Química (Congelado): Para proporcionar la "verdad fundamental química", SCENT alinea las incrustaciones de MS con incrustaciones de estructura molecular preentrenadas derivadas de cadenas SMILES. Se utilizan dos codificadores congelados:
  • Open-POM: Una red neuronal de grafos (GNN) de paso de mensajes reentrenada, optimizada específicamente para la predicción de olores.
  • MolFormer: Un modelo fundacional a gran escala preentrenado en más de 1.1 mil millones de moléculas.
• Objetivo de Entrenamiento: El marco minimiza una pérdida contrastiva simétrica (Ecuación 1) sobre mini-lotes de $N$ pares. Maximiza la similitud del coseno entre la incrustación de MS y su incrustación de estructura correspondiente, mientras minimiza la similitud con pares que no coinciden en el lote. Esto obliga al codificador de MS a destilar información estructural química en la representación espectral sin requerir una estructura explícita en la inferencia.

2. Predicción de Olores Aguas Abajo

Una vez alineado, el codificador de MS se congela y se evalúa en dos tareas aguas abajo utilizando únicamente espectros de masas como entrada:

• Predicción Multietiqueta de Descriptores de Olor: Utilizando el conjunto de datos GS-LF (138 descriptores), el modelo emplea una cabeza de clasificación MLP entrenable de 2 capas con pérdida de entropía cruzada binaria ponderada.
• Regresión de Calificación de Percepción Humana: Utilizando el conjunto de datos DREAM (21 descriptores), el modelo utiliza regresión de crestas sobre incrustaciones congeladas para predecir calificaciones humanas continuas (escala de 0 a 99).

Contribuciones Clave

1. Primer Modelo de Olfacción Computacional para Detección Rápida: SCENT es el primer modelo que aprovecha información estructural de alta calidad durante el entrenamiento mientras depende exclusivamente de mediciones rápidas basadas en señales (EI-MS) en la inferencia.
2. Marco de Alineación Multimodal: El artículo introduce un enfoque de aprendizaje contrastivo estilo CLIP para alinear las representaciones EI-MS con incrustaciones de estructura molecular, transfiriendo efectivamente semántica química a incrustaciones espectrales.
3. Robustez ante Brechas de Dominio: Los autores demuestran que las representaciones aprendidas se generalizan a espectros medidos en laboratorio del mundo real de 30 odorantes de molécula única, a pesar de las diferencias en las intensidades de los picos y el ruido de fondo en comparación con las referencias de bibliotecas.

Resultados

El artículo evalúa SCENT frente a líneas base solo de MS (EIMS2Vec) y límites superiores basados en estructura (Open-POM, MolFormer):

• Predicción de Descriptores de Olor: En la prueba filtrada GS-LF, SCENT supera significativamente a la línea base solo de MS.
  • SCENT (MolFormer) alcanza un Micro-AUC de 89.99, cerrando la brecha con MolFormer basado en estructura (89.29) y superando a EIMS2Vec no alineado (87.98).
  • SCENT muestra mejoras consistentes en todos los rangos de frecuencia de etiquetas, con ganancias particularmente grandes en categorías de frecuencia baja y media, lo que sugiere que la alineación ayuda donde los datos de entrenamiento son escasos.
• Regresión de Calificación de Percepción Humana: En el conjunto de datos DREAM, SCENT (MolFormer) alcanza una correlación de Pearson comparable al modelo basado en estructura MolFormer, superando significativamente a la línea base EIMS2Vec no alineada. Esto indica que las representaciones de MS alineadas aproximan con éxito los juicios de percepción humana continuos.
• Estudios de Ablación: Eliminar el objetivo de alineación contrastiva (reemplazándolo por reconstrucción enmascarada o entrenamiento supervisado directo) resulta en caídas sustanciales de rendimiento, confirmando que las ganancias provienen específicamente de la alineación con incrustaciones de estructura química y no solo de la capacidad del codificador o la supervisión de etiquetas.
• Validación en el Mundo Real: Cuando se probó en 30 espectros medidos en laboratorio (con un rango de $m/z$ restringido [50, 180] para coincidir con las restricciones del mundo real), SCENT mantuvo un rendimiento competitivo, superando a la línea base EIMS2Vec incluso cuando la línea base se evaluó en espectros de bibliotecas limpios.

Significado y Afirmaciones

El artículo afirma que SCENT establece la EI-MS directa como una modalidad de entrada práctica y desplegable para la percepción olfativa. Al alinear datos de sensores rápidos con semántica química, el marco permite que representaciones rápidas derivadas de sensores aproximen un razonamiento fundamentado químicamente sin necesidad de una estructura molecular explícita en el momento de la prueba.

Los autores posicionan este trabajo como un paso hacia la reducción de la brecha entre la química analítica y el aprendizaje automático, sugiriendo que la alineación multimodal es una estrategia efectiva para fundamentar espectros analíticos en semántica química. Reconocen limitaciones, incluida la dependencia de espectros adquiridos en bibliotecas para el entrenamiento (que difieren de las mediciones del mundo real) y la suposición actual de entradas de molécula única, señalando que extender el marco a espectros de compuestos mixtos y abordar la brecha de dominio entre biblioteca y mundo real son direcciones clave para el trabajo futuro.