🤖 machine learning

SCENT: Aligning Mass Spectra with Molecular Structure for Olfactory Perception

本文介绍了 SCENT，这是一种多模态对比学习框架，它将电子电离质谱与分子结构嵌入进行对齐，从而直接从质谱预测人类嗅觉感知，在无需显式化学结构的情况下即可实现与基于结构模型相当的性能。

原作者： Ziqi Zhang, Eunyeong Jin, Miguel Vasco, Farzaneh Taleb, Nona Rajabi, Alexandra Gutmann, Jonathan Williams, Antônio H. Ribeiro, Danica Kragic

发布于 2026-05-27

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Ziqi Zhang, Eunyeong Jin, Miguel Vasco, Farzaneh Taleb, Nona Rajabi, Alexandra Gutmann, Jonathan Williams, Antônio H. Ribeiro, Danica Kragic

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是用通俗易懂的语言和生动的类比对SCENT论文的解释。

核心难题：“配方”与“气味”

想象一下，你想教电脑猜测某种东西闻起来是什么味道（比如“柠檬”或“烤焦的吐司”）。

旧方法（“配方”）： 过去，科学家给电脑提供气味的详细化学“配方”（分子结构）。电脑查看配方后猜测气味。这种方法效果很好，但在现实世界中，你并不总能拿到配方。你不能为了分析一种气味，就带着全套化学实验室设备去工厂或森林。你需要一种快速的方法来直接测量气味本身。
差距所在： 我们拥有快速传感器（如电子鼻），能在几秒钟内嗅探气味，但它们产生的信号杂乱无章、令人困惑，看起来并不像化学配方。旧的电脑不知道如何解读这种杂乱信号来猜测气味。

解决方案：SCENT（“翻译官”）

研究人员创建了一个名为SCENT的新系统。把 SCENT 想象成一个翻译官，它学会了两种语言：

化学语言： 精确的分子结构（即“配方”）。
传感器语言： 质谱仪产生的原始数据（即“气味指纹”）。

工作原理（“训练营”）：
想象你在训练一名学生识别气味。

老师： 你同时向学生展示完美的化学配方和对应的气味指纹。
课程： 学生学会将两者匹配。他们学会：“哦，当我在指纹中看到这个特定模式时，它对应这个特定的化学结构。”
毕业： 一旦学生学会了这种联系，你就拿走了化学配方。现在，你只给他们看气味指纹。因为他们在训练期间已经建立了联系，即使看不到配方，他们仍然能准确猜测气味。

魔法技巧：“对比学习”

这篇论文使用了一种称为对比学习的技术。

类比： 想象你有一堆狗的照片和一堆狗叫声的音频片段。
目标： 你想让电脑学会特定的叫声属于特定的狗照片。
方法： 你给电脑看一张狗的照片和一段叫声。如果它们匹配，你说“好！”；如果不匹配（例如猫的照片和叫声），你说“坏！”。久而久之，电脑会在脑海中构建一张地图，让“狗照片”和“狗叫声”生活在同一个“街区”。
在 SCENT 中： “狗照片”是化学结构，“叫声”是质谱图。系统学习将它们对齐，使得气味指纹在电脑的“大脑”中与其化学含义紧密相邻。

他们发现了什么？

研究人员在两项主要任务上测试了该系统：

命名气味： 他们要求电脑选择“木质”、“柑橘”或“草本”等标签。
- 结果： SCENT 的表现远优于仅查看原始传感器数据（即仅靠“叫声”）的系统。事实上，它的表现几乎与拥有化学配方的系统（即“配方”方法）一样好，尽管 SCENT 在测试期间仅使用了传感器数据。
评级气味： 他们要求电脑评估人类对某种气味的喜爱程度（从 0 到 99）。
- 结果： SCENT 的预测与人类评级的匹配度远高于旧的仅靠传感器的方法。它在无需预先了解化学结构的情况下，捕捉到了气味的“人类感受”。
现实世界测试： 他们将模型带出整洁的计算机实验室，在实验室收集的实物样本上进行测试（这些样本比用于训练的完美数据更杂乱、噪声更多）。
- 结果： 即使面对杂乱无章的现实世界噪声，SCENT 的表现仍然优于旧方法。这证明了这位“翻译官”学会了一种稳健的气味理解方式，不易被背景噪声混淆。

总结

SCENT 是一座桥梁。它将传感器提供的杂乱、快速的数据，转化为电脑通常需要的清晰、化学层面的理解。它允许我们仅通过快速的传感器扫描来预测人类对气味的感知，而无需事先了解分子的复杂化学结构。

简而言之： 他们通过向电脑展示化学配方与传感器信号之间的联系，教会了电脑像化学家一样“闻”气味，因此它现在可以仅凭信号来猜测气味。

技术摘要：SCENT——将质谱与分子结构对齐以用于嗅觉感知

问题陈述

计算嗅觉在从分子结构预测人类嗅觉感知（定量结构 - 嗅觉关系，QSOR）方面已取得显著进展。然而，现有的最先进模型在推理时依赖显式的化学结构（如 SMILES 字符串或分子图）作为输入。这一要求造成了根本性的部署鸿沟：在现实世界的传感场景中获取显式分子结构需要专用设备、化学专业知识以及数小时的采集时间，这使得当前模型难以适用于快速、现场的传感需求。

虽然电子鼻等快速传感技术已经存在，但它们通常产生缺乏特异性且化学可解释性有限的信号。相反，直接电子轰击电离质谱（EI-MS）能够提供快速采集（秒级）且具有化学信息量的碎片化指纹，但在历史上却未被充分用于嗅觉预测。此前将 EI-MS 谱图视为原始信号进行端到端处理的方法，未能显式利用碎片化模式中编码的隐含化学信息。

方法论

作者提出了SCENT（Spectrum-to-Chemical Embedding aligNmenT，谱图到化学嵌入对齐），这是一种多模态对比学习框架，旨在弥合快速质谱传感与基于化学基础的嗅觉感知之间的鸿沟。该框架分为两个阶段运行：

1. 模态对齐

SCENT 采用受 CLIP 启发的对比学习目标，以对齐来自两种不同模态的表示：

质谱编码器（可学习）： 该模型处理 EI-MS 数据，其由按质荷比（ $m/z$ ）和强度索引的峰组成。与以往使用求和池化的工作（如 EIMS2Vec）不同，SCENT 使用具有四个自注意力头的双层 Transformer 编码器对峰的共现情况进行编码。最终嵌入是通过对可学习的 [CLS] 标记应用投影 MLP 得出的。峰强度使用幂缩放（ $p=0.5$ ）进行加权。
化学结构编码器（冻结）： 为了提供“化学真值”，SCENT 将质谱嵌入与源自 SMILES 字符串的预训练分子结构嵌入进行对齐。使用了两个冻结的编码器：
- Open-POM： 一个重新训练的消息传递图神经网络（GNN），专门针对嗅觉预测进行了优化。
- MolFormer： 一个在超过 11 亿个分子上预训练的大规模基础模型。
训练目标： 该框架最小化 $N$ 对小批量上的对称对比损失（公式 1）。它最大化质谱嵌入与其对应结构嵌入之间的余弦相似度，同时最小化其与批次中不匹配对的相似度。这迫使质谱编码器在不依赖推理时显式结构的情况下，将化学结构信息蒸馏到谱图表示中。

2. 下游嗅觉预测

对齐后，质谱编码器被冻结，并仅使用质谱作为输入在两个下游任务上进行评估：

多标签嗅觉描述符预测： 使用 GS-LF 数据集（138 个描述符），模型采用带有加权二元交叉熵损失的可训练 2 层 MLP 分类头。
人类感知评分回归： 使用 DREAM 数据集（21 个描述符），模型在冻结嵌入上使用岭回归来预测连续的人类评分（0–99 分制）。

主要贡献

首个用于快速传感的计算嗅觉模型： SCENT 是首个在训练期间利用高质量结构信息，而在推理时仅依赖基于信号的快速测量（EI-MS）的模型。
跨模态对齐框架： 本文引入了一种 CLIP 风格的对比学习方法，将 EI-MS 表示与分子结构嵌入对齐，有效地将化学语义转移到谱图嵌入中。
对领域差异的鲁棒性： 作者证明，尽管与库参考数据在峰强度和背景噪声方面存在差异，但所学表示能够泛化到来自 30 种单分子嗅感物质的真实世界实验室测量谱图。

结果

本文评估了 SCENT 与仅基于质谱的基线（EIMS2Vec）以及基于结构的上限模型（Open-POM, MolFormer）：

嗅觉描述符预测： 在过滤后的 GS-LF 基准测试中，SCENT 显著优于仅基于质谱的基线。
- SCENT (MolFormer) 实现了 89.99 的微平均 AUC（Micro-AUC），缩小了与基于结构的 MolFormer（89.29）的差距，并超过了未对齐的 EIMS2Vec（87.98）。
- SCENT 在所有标签频率区间内均表现出一致的改进，在低频和中频类别中提升尤为显著，表明对齐有助于解决训练数据稀缺的问题。
人类感知评分回归： 在 DREAM 数据集上，SCENT (MolFormer) 实现的皮尔逊相关系数与基于结构的 MolFormer 模型相当，显著优于未对齐的 EIMS2Vec 基线。这表明对齐后的质谱表示能够成功近似连续的人类感知判断。
消融研究： 移除对比对齐目标（替换为掩码重建或直接监督训练）会导致性能大幅下降，证实了性能提升具体源于与化学结构嵌入的对齐，而不仅仅是编码器容量或标签监督。
现实世界验证： 当在 30 个实验室测量的谱图（限制 $m/z$ 范围为 [50, 180] 以匹配现实世界约束）上进行测试时，SCENT 保持了具有竞争力的性能，即使基线模型在干净的库谱图上进行评估，SCENT 仍优于 EIMS2Vec 基线。

意义与主张

本文主张 SCENT 确立了直接 EI-MS 作为嗅觉感知的实用且可部署的输入模态。通过将快速传感器数据与化学语义对齐，该框架使得快速、源自传感器的表示能够在无需测试时显式分子结构的情况下，近似基于化学基础的推理。

作者将这项工作定位为弥合分析化学与机器学习之间鸿沟的一步，表明跨模态对齐是将分析谱图扎根于化学语义的有效策略。他们承认了局限性，包括依赖库采集谱图进行训练（这与现实世界测量不同）以及当前假设单分子输入，并指出将框架扩展到混合化合物谱图以及解决库到现实世界的领域鸿沟是未来工作的关键方向。