Interpretable Latent Representations of Odor Perception by Integrating Molecular Structure and Olfactory Receptor Responses
यह शोध पत्र एक रिसेप्टर-सूचित स्पार्स ऑटोएन्कोडर फ्रेमवर्क प्रस्तुत करता है जो वितरित रिसेप्टर समूहों में कॉम्बिनेटोरियल कोडिंग को दर्शाने वाले व्याख्या योग्य, निम्न-आयामी लेटेंट गंध अवधारणाओं की पहचान करने के लिए आणविक संरचनाओं, घ्राण रिसेप्टर डॉकिंग प्रोफाइल और मानव संवेदी विवरणों को एकीकृत करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप किसी ऐसे व्यक्ति को एक गीत समझाने की कोशिश कर रहे हैं जिसने कभी संगीत नहीं सुना है, और इसके लिए आप केवल हवा में मौजूद रासायनिक अवयवों की एक सूची का उपयोग कर रहे हैं। वैज्ञानिकों के सामने गंध को समझने की चुनौती लगभग ऐसी ही होती है। रंगों के विपरीत, जो लाल से बैंगनी तक एक व्यवस्थित क्रम में होते हैं, या संगीत के सुरों के विपरीत जो एक स्पष्ट पैमाने में व्यवस्थित होते हैं, गंध एक अराजक और उलझा हुआ जाल है। ताजी घास जैसी गंध वाला एक अणु जलते हुए रबर जैसी गंध वाले अणु से बिल्कुल अलग दिख सकता है, फिर भी वे समान संवेदनाएं पैदा कर सकते हैं। इसके विपरीत, दो अणु जो लगभग एक जैसे दिखते हैं, उनकी गंध पूरी तरह से अलग हो सकती है। ऐसा इसलिए होता है क्योंकि हमारी नाक में प्रत्येक गंध के लिए एक एकल "गंध सेंसर" नहीं होता है। इसके बजाय, हमारे पास सैकड़ों अलग-अलग प्रकार के घ्राण रिसेप्टर्स (olfactory receptors) होते हैं—छोटे जैविक एंटेना—जो एक समूह गान (choir) की तरह मिलकर काम करते हैं। जब आप कुछ सूंघते हैं, तो रिसेप्टर्स का एक विशिष्ट समूह एक अनूठा स्वर (chord) गाता है, और आपका मस्तिष्क उस स्वर को "लहसुन" या "गुलाब" जैसी धारणा में बदल देता है। विज्ञान का बड़ा प्रश्न यह है कि: हम रासायनिक संरचनाओं की अराजक दुनिया को उस व्यवस्थित दुनिया से कैसे जोड़ सकते हैं जिसे हम वास्तव में सूंघते हैं, और क्या हम उस बिखराव के भीतर एक सरल, तार्किक पैटर्न खोज सकते हैं?
कोबे विश्वविद्यालय के शिगेनोरी तनाका द्वारा किया गया एक नया अध्ययन यहाँ आता है, जो "गंध कोड" के रहस्य को सुलझाने की कोशिश करने वाले एक जासूस की तरह कार्य करता है। शोधकर्ताओं ने न केवल रसायनों को देखा और न ही केवल मानव नाक को; उन्होंने एक "स्पार्स ऑटोएनकोडर" (sparse autoencoder) नामक एक चतुर कंप्यूटर तकनीक का उपयोग करके दोनों के बीच के संबंध को जोड़ने का प्रयास किया। इसे एक सुपर-स्मार्ट अनुवादक के रूप में सोचें जो एक नई भाषा सीखने की कोशिश कर रहा है। इस अनुवादक को 136 अलग-अलग गंध अणुओं के लिए जानकारी की दो विशाल सूचियों से प्रशिक्षित किया गया था: पहला, प्रत्येक 409 प्रकार के मानव घ्राण रिसेप्टर्स के लिए एक "डॉकिंग स्कोर" (यह समझना कि प्रत्येक अणु प्रत्येक रिसेप्टर में एक ताले में चाबी की तरह कितनी अच्छी तरह फिट बैठता है), और दूसरा, 146 मानव विवरणों की एक सूची कि वे अणु कैसी गंध देते हैं (जैसे "हरा", "मस्क" या "जला हुआ")।
कंप्यूटर का काम इस जटिल डेटा को छोटे, सरल "लेटेंट कॉन्सेप्ट्स" (latent concepts)—छिपे हुए विषयों—में संकुचित करना था, जो यह समझाते हैं कि कुछ गंध एक साथ क्यों आती हैं। डेटा को केवल याद करने के बजाय, कंप्यूटर ने पांच विशिष्ट "फ्लेवर प्रोफाइल" खोजे जो स्वाभाविक रूप से संख्याओं से उभरे। ये यादृच्छिक समूह नहीं थे; वे सुसंगत और व्याख्या योग्य विचार थे। उदाहरण के लिए, कंप्यूटर ने एक "हरा-वनस्पति" (green-vegetable) विषय खोजा जिसने कटी हुई घास और मशरूम जैसी गंध वाले अणुओं को विशिष्ट, बिखरे हुए रिसेप्टर्स के समूह से जोड़ा। इसने भारी, फूलों वाली सुगंध के लिए "मस्क-परफ्यूमरी" (musk-perfumery) विषय पाया, नींबू जैसी गंध के लिए "साइट्रस-फ्रूटी" (citrus-fruity) विषय, तीखी, सड़ी हुई अंडे जैसी गंध के लिए "सल्फर-लहसुन/गैस" विषय, और जले हुए दृश्यों के लिए "बर्न-स्मोकी/रबर" (burnt-smoky/rubber) विषय पाया।
यह खोज विशेष रूप से दिलचस्प है कि ये विषय कैसे निर्मित होते हैं। अध्ययन बताता है कि ये गंध संबंधी विचार केवल एक या दो विशिष्ट रिसेप्टर्स द्वारा नियंत्रित नहीं होते हैं। इसके बजाय, वे एक समूह गान (choir) की तरह हैं जहाँ गायक हर जगह बिखरे हुए हैं। "हरी" गंध, उदाहरण के लिए, केवल एक रिसेप्टर का गाना नहीं है; यह कई अलग-अलग रिसेप्टर्स का एक विशिष्ट पैटर्न है, जिनमें से कुछ एक परिवार से हैं और कुछ दूसरे से, जो सब मिलकर एक साथ सुर मिला रहे हैं। यह इस विचार का समर्थन करता है कि हमारा मस्तिष्क गंध को डिकोड करने के लिए पूरे समूह को सुनने के माध्यम से करता है, न कि केवल एक एकल वाद्य यंत्र को।
शोधकर्ताओं ने अपने काम की जांच अन्य वास्तविक दुनिया के डेटा के विरुद्ध भी की ताकि वे देख सकें कि उनके कंप्यूटर-जनित विषय समझ में आते हैं या नहीं। उन्होंने अपने निष्कर्षों की तुलना मानव गंध रेटिंग के एक अलग डेटाबेस से की और पाया कि उनके "खट्टा/किण्वित" (sour/fermented) और "सल्फर/गैस" विषय वास्तव में मनुष्यों द्वारा उन गंधों के वर्णन के साथ बहुत अच्छी तरह मेल खाते हैं। हालांकि, अध्ययन सावधानीपूर्वक यह नोट करता है कि ये परिणाम जीवित नाक में रिसेप्टर्स के सक्रिय होने के प्रत्यक्ष माप के बजाय, अणुओं के रिसेप्टर्स में फिट होने के कंप्यूटर सिमुलेशन पर आधारित हैं। हालांकि कंप्यूटर सुझाव देता है कि कौन से रिसेप्टर्स शामिल होने की संभावना है, वैज्ञानिकों को इन विशिष्ट युग्मों की पुष्टि करने के लिए अभी भी प्रयोगशाला प्रयोग करने की आवश्यकता है। अंततः, यह शोध पत्र यह दावा नहीं करता है कि इसने गंध के रहस्य को पूरी तरह से सुलझा लिया है, बल्कि यह एक आशाजनक नए मानचित्र की पेशकश करता है। यह सुझाव देता है कि यदि हम एक अणु के आकार, उसके द्वारा स्पर्श किए जाने वाले रिसेप्टर्स के पैटर्न और उस शब्द के बीच के संबंध को देखें जिसका हम गंध का वर्णन करने के लिए उपयोग करते हैं, तो हम गंध की अराजक दुनिया के लिए एक संरचित, तार्किक भाषा पा सकते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।