Interpretable Latent Representations of Odor Perception by Integrating Molecular Structure and Olfactory Receptor Responses
Cet article présente un cadre d'auto-encodeur parcimonieux informé par les récepteurs qui intègre les structures moléculaires, les profils d'amarrage des récepteurs olfactifs et les descripteurs perceptuels humains afin d'identifier des concepts d'odeur latents interprétables et de faible dimension reflétant le codage combinatoire à travers des ensembles de récepteurs distribués.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Imaginez essayer de décrire une chanson à quelqu'un qui n'a jamais entendu de musique, en utilisant uniquement une liste d'ingrédients chimiques présents dans l'air. C'est à peu près le défi auquel les scientifiques sont confrontés lorsqu'ils tentent de comprendre l'odorat. Contrairement aux couleurs, qui s'alignent proprement du rouge au violet, ou aux notes de musique qui s'empilent dans une gamme claire, les odeurs sont un enchevêtrement chaotique et désordonné. Une molécule qui sent l'herbe fraîche peut ne pas ressembler du tout à une molécule qui sent le caoutchouc brûlé, pourtant elles peuvent déclencher des sensations similaires. Inversement, deux molécules presque identiques peuvent sentir des choses complètement différentes. Cela se produit parce que nos nez ne possèdent pas un seul « capteur d'odeur » pour chaque senteur. Au lieu de cela, nous avons des centaines de types différents de récepteurs olfactifs — de minuscules antennes biologiques — qui travaillent ensemble comme une chorale. Quand vous sentez quelque chose, un groupe spécifique de ces récepteurs chante un accord unique, et votre cerveau traduit cet accord en une perception telle que « ail » ou « rose ». La grande question en science est : comment cartographier le monde chaotique des structures chimiques vers le monde organisé de ce que nous sentons réellement, et pouvons-nous trouver un motif simple et logique caché dans ce désordre ?
Entrez dans une nouvelle étude de Shigenori Tanaka, de l'Université de Kobe, qui agit comme un détective tentant de résoudre le mystère du « code de l'odeur ». Les chercheurs n'ont pas seulement regardé les produits chimiques ou seulement le nez humain ; ils ont tenté de relier les points entre les deux en utilisant un tour de passe-passe informatique ingénieux appelé « auto-encodeur creux » (sparse autoencoder). Considérez cela comme un traducteur ultra-intelligent qui essaie d'apprendre une nouvelle langue. Le traducteur a reçu deux listes massives d'informations pour 136 molécules odorantes différentes : d'abord, un « score d'amarrage » pour chacun des 409 types de récepteurs olfactifs humains (essentiellement, la manière dont chaque molécule s'insère dans chaque récepteur comme une clé dans une serrure), et deuxièmement, une liste de 146 descriptions humaines de ce que ces molécules sentent (des mots comme « vert », « musqué » ou « brûlé »).
Le travail de l'ordinateur était de compresser toutes ces données complexes en un ensemble plus petit et plus simple de « concepts latents » — des thèmes cachés qui expliquent pourquoi certaines odeurs vont ensemble. Au lieu de simplement mémoriser les données, l'ordinateur a découvert cinq « profils aromatiques » distincts qui ont émergé naturellement des chiffres. Ce n'étaient pas des regroupements aléatoires ; c'étaient des idées cohérentes et interprétables. Par exemple, l'ordinateur a découvert un thème « vert-végétal » qui liait les molécules sentant l'herbe coupée et les champignons à un groupe spécifique et dispersé de récepteurs. Il a trouvé un thème « musc-parfumerie » pour les senteurs florales lourdes, un thème « agrumes-fruité » pour les odeurs citronnées, un thème « soufre-ail/gaz » pour ces notes tranchantes d'œuf pourri, et un thème « brûlé-fumé/caoutchouc » pour les odeurs de brûlé.
Ce qui rend cette découverte particulièrement intéressante, c'est comment ces thèmes sont construits. L'étude suggère que ces concepts d'odeur ne sont pas contrôlés par un ou deux récepteurs spécifiques. Au contraire, ils sont comme une chorale où les chanteurs sont éparpillés partout. L'odeur « verte », par exemple, n'est pas seulement un récepteur qui chante ; c'est un motif spécifique de nombreux récepteurs différents, certains appartenant à une famille et d'autres à une autre, qui interviennent tous ensemble. Cela soutient l'idée que notre cerveau décode les odeurs en écoutant l'ensemble de l'orchestre, et non un seul instrument.
Les chercheurs ont également vérifié leur travail par rapport à d'autres données du monde réel pour voir si leurs thèmes générés par ordinateur faisaient sens. Ils ont comparé leurs résultats avec une base de données différente de notations olfactives humaines et ont constaté que leurs thèmes « acide/fermenté » et « soufre/gaz » correspondaient très bien à la façon dont les humains décrivent réellement ces odeurs. Cependant, l'étude précise avec prudence que ces résultats sont basés sur des simulations informatiques de la manière dont les molécules s'insèrent dans les récepteurs, et non sur des mesures directes de l'activation des récepteurs dans un nez vivant. Bien que l'ordinateur suggère quels récepteurs sont probablement impliqués, les scientifiques doivent encore mener des expériences de laboratoire pour confirmer ces appariements spécifiques. En fin de compte, cet article ne prétend pas avoir résolu entièrement le mystère de l'odorat, mais il offre une nouvelle carte prometteuse. Il suggère que si nous examinons la relation entre la forme d'une molécule, le motif de récepteurs qu'elle touche et les mots que nous utilisons pour la décrire, nous pouvons trouver un langage structuré et logique pour le monde chaotique des odeurs.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.