Interpretable Latent Representations of Odor Perception by Integrating Molecular Structure and Olfactory Receptor Responses

技術要約：分子構造と嗅覚受容体応答の統合による、嗅覚知覚の解釈可能な潜在表現

問題提起
分子構造と嗅覚知覚の関係は、化学生物学における複雑な課題であり続けている。色や音程とは異なり、臭いの質には普遍的に定義された物理的な軸が存在せず、構造が似ている分子が異なる知覚を引き起こしたり、逆に異なる分子が似たような臭いを発したりするという「多対多」の関係性を示す。この複雑さは、嗅覚の組合せ的な性質に起因している。すなわち、匂い物質は複数の嗅覚受容体（OR）と相互作用し、個々のORは複数の匂い物質に反応する。近年の機械学習手法（例：Principal Odor Map）は、分子構造のみから臭いの表現を学習することには成功しているが、これらの表現は、臭いが最初に符号化される生物学的インターフェースである「受容体アンサンブル」に関する情報を、依然として暗黙的なものに留めている。既存の受容体ベースのフレームワークは、主にペアごとの類似性に焦点を当てており、分子特性、受容体相互作用、および知覚的組織化を連結する、低次元で解釈可能な潜在的概念への分解を提供するには至っていない。

手法
本研究では、ATLAS（Atlas of Odor Character Profiles）から厳選された136種類の匂い物質を用いた、受容体情報に基づく疎な表現（sparse representation）フレームワークを提案する。本手法は、以下の3つのデータモダリティを統合している。

1. 分子構造： 約210個のRDKit分子記述子によって表現される（これらは事後的な解釈のために使用され、SAEの直接的な入力にはならない）。
2. 嗅覚受容体（OR）プロファイル： 各匂い物質は、AlphaFold2によって生成されたヒトORモデルに対してGNINAを用いてドッキングさせた、409次元のドッキングスコアベクトルとして表現される。
3. 知覚記述子： 各匂い物質は、146個のATLAS意味論的臭い記述子によって表現される。

中核となる解析ツールは、**スパース自己符号化器（Sparse Autoencoder: SAE）**である。以下の3つのモデルを訓練した。

• OR単独SAE： 入力は409次元の受容体ドッキングベクトルである。
• 結合（Joint）SAE： 入力は、標準化された受容体ドッキングスコアとATLAS記述子の値を連結したベクトルである。このモデルは、受容体相互作用と人間の知覚の間の共分散を説明する潜在変数を取り出すことを目的としている。
• 比較（Comparison）SAE： 受容体ドッキングスコアとRDKit記述子を組み合わせた、クロスデータセット検証用のモデル。

SAEは、局所的で解釈可能な潜在成分を促進するために、ReLU活性化関数とL1正則化（sparsity penalty）を利用している。モデルはAdamW最適化を用いて1200エポック訓練された。

主な貢献と結果
本研究は、分子構造、受容体相互作用、および知覚を橋渡しする、解釈可能な潜在的な臭いの概念を特定することに成功した。

• 潜在的な臭いの概念の特定： 結合SAE（J01–J24）は24個の潜在ユニットを生成した。そのうち5つが、記述子のプロファイル、代表的な分子、および受容体アンサンブルの整合性に基づき、詳細な分析のために選択された。

  • J23（グリーン・野菜様）： 「青ピーマン」や「潰した草」などの記述子に関連。化学的には、ピリジン断片やヘテロ芳香族構造に結びついている。
  • J15 (ムスク・香水様)： 「コロン」、「フローラル」、「石鹸様」に関連。ムスクやイオノンに典型的なサイズや形状（分子屈折率、複雑性）に結びついている。
  • J16 (シトラス・フルーティー)： 「レモン」や「フルーティー」に関連。アリル位の酸化やアルデヒド断片に結びついている。
  • J07 (硫黄・ニンニク/ガス様)： 「ニンニク」、「硫化物」、「家庭用ガス」に関連。スルフィドやチオフェン断片と強く結びついている。
  • J19 (焦げ・煙/ゴム様)： 「タール」、「焦げたゴム」、「レザー」に関連。フェノール類や芳香族水酸基断片に結びついている。

• 受容体アンサンブル解析： 重要な知見として、これらの潜在的概念は単一のORファミリーや狭い系統学的クレードに限定されないことが挙げられる。配列ベースの系統樹解析およびORサブファミリーの集計により、各概念の受容体シグネチャは複数のORサブファミリーに分散していることが明らかになった（例：J23にはOR5P、OR2L、OR2AT、OR4Kなどが関与）。これは、臭いの質が孤立した受容体-リガンドペアではなく、分散し、部分的に重複する受容体アンサンブルから創発するという、組合せ的符号化の仮説を支持するものである。

• 外部検証：

  • M2ORとの比較： 推論された受容体-匂い物質ペアを、実験的に精査されたM2ORデータベースと比較した。現在のORデータの希薄さを反映して直接的な実験的カバー範囲は限定的であったが、本解析は正の関連性（例：アセトフェノン–OR5P3）を特定し、将来の脱孤立化（deorphanization）研究のための多数の未試験の候補ペアを提示した。
  • クロスデータセット心理物理学的検証： 潜在的な活性化スコアを、独立したKeller-Vosshallデータセットに対してテストした。いくつかの潜在次元は、独立した人間の知覚評価と有意な一致を示した（例：「酸っぱい/発酵した」潜在ユニットは、Kellerの「SOUR」評価と相関し、「硫黄/ガス」は「GARLIC」および「FISH」と相関した）。これは、学習された表現が、特定の記述子の語彙を超えて、堅牢な知覚の規則性を捉えていることを示唆している。

意義と主張
本論文は、メカニズムに基づいた、計算可能な臭いの表現のための枠組みへの一歩を提供すると主張している。その主要な意義は、純粋な分子フィンガープリントや言語ラベルを超えて、「受容体情報に基づく潜在的な臭いの空間」を定義することにある。

• 解釈可能性： 本フレームワークは、分子特性、受容体相互作用パターン、および知覚的組織化を同時に説明する、疎で解釈可能な潜在変数へと臭いの空間を分解することに成功した。
• 組合せ的な性質： 結果は、臭いの概念が分散した受容体アンサンブルによって符号化されているという見解を強化しており、これは嗅覚符号化の組合せ的な性質と一致している。
• 有用性： 著者は、このフレームワークが化学的な臭いの空間の合理的探索を支援し、実験的な脱孤立化のための候補受容体-匂い物質ペアの優先順位付けを可能にし、標的とする知覚特性を持つ分子の設計を助ける可能性があると示唆している。

限界と注意点
著者は以下の制限事項を明記している。

• 計算プロキシ： 受容体ドッキングスコアは、相互作用の傾向の計算上の近似であり、受容体活性化の直接的な測定ではない。モデルの品質、ドッキングポーズ、およびスコアリング関数が不確実性を導入する可能性がある。
• 検証範囲： クロスデータセット検証は、ATLASとKeller-Vosshallデータセット間で重複する匂い物質に依存しているため、化学的に未知の分子に対する厳密なアウトオブサンプルテストではない。
• 実験的検証： SAEのデコーダ重みによって示唆される受容体-匂い物質ペアは、検証のための実験的な脱孤立化研究を必要とする仮説である。

結論として、本研究は、臭いの空間が、分子構造、受容体相互作用パターン、および知覚的組織化を連結する、疎で受容体情報に基づいた潜在変数によって表現できることを示しており、嗅覚知覚を理解するための、よりメカニズムに基づいたアプローチを提供している。