[논문 리뷰] Constructing an olfactory perceptual space and predicting percepts from molecular structure

Daniel Kepple, Alexei A. Koulakov|arXiv (Cornell University)|2017. 08. 18.

Olfactory and Sensory Function Studies참고 문헌 14인용 수 5

한 줄 요약

이 논문은 인간의 향기 기술을 바탕으로 다차원적 지각 공간을 구성함으로써 분자 구조를 후각 지각으로 매핑하는 계산 프레임워크를 제안한다. 의미 데이터와 분자 지문을 이용한 임bedding 기법을 통해 모델은 화학 구조에서 후각 품질을 상당한 정확도로 예측하며, 향기 코드를 해독하기 위한 체계적인 접근을 제공한다.

ABSTRACT

Given the structure of a novel molecule, there is still no one who can reliably predict what odor percept that molecule will evoke. The challenge comes from both the difficulty in quantitatively characterizing molecular structure, and the inadequacy of language to fully characterize olfactory perception. Here, we present a novel approach to both problems.

연구 동기 및 목표

• 언어적 및 구조적 복잡성으로 인해 오랫동안 해결되지 않은 분자 구조에서 후각 지각을 예측하는 문제를 다루기 위해.
• 인간이 애너테이션한 향기 기술어를 사용하여 후각 지각의 정량적이고 다차원적인 표현을 만들기 위해.
• 기계 학습 모델을 개발하여 분자 기능을 지각 공간의 좌표로 매핑하여 예측 가능한 향기 분류를 가능하게 하기 위해.
• 데이터 기반 모델링을 통해 분자 화학과 주관적인 향기 경험 사이의 격차를 메우기 위해.

제안 방법

• 대규모 분자 데이터셋에서 인간의 향기 기술어를 수집하고 처리하여 의미적 특징을 추출한다.
• 어휘 임베딩 기법(예: Word2Vec)을 적용하여 향기 기술어를 조밀한 벡터 표현으로 변환한다.
• 구조 지문(예: MACCS 키)을 사용하여 분자 기능을 코딩하는 분자 지문을 생성한다.
• 학습된 지각 공간 벡터에 분자 지문을 매핑하기 위해 지도 학습 기반 기계 학습 모델을 훈련시킨다.
• 차원 축소 및 군집화를 통해 결과 지각 공간을 시각화하고 해석한다.
• 보류된 테스트 세트에서 인간이 애너테이션한 향기 품질과 모델 출력을 비교하여 예측을 검증한다.

실험 결과

연구 질문

• RQ1 인간이 애너테이션한 향기 기술어로부터 연속적이고 저차원의 지각 공간을 구성할 수 있는가? 이는 후각 경험을 표현할 수 있는가?
• RQ2 분자 구조가 이 지각 공간 내 위치를 어느 정도 예측할 수 있는가?
• RQ3 기존 분자에 기반해 훈련된 모델이 새로운, 볼 수 없는 화합물의 향기 지각을 얼마나 잘 예측할 수 있는가?
• RQ4 분자 기능기능기능(예: '과일 같은', '신맛 나는')과 지각 차원 사이의 관계는 어떠한가?

주요 결과

• 모델은 '과일 같은', '신맛 나는', '꽃 같은'과 같은 후각 품질의 핵심 차원을 포괄하는 20차원 지각 공간을 성공적으로 구축하였다.
• 모델은 새로운 분자에 대한 향기 기술어 분류에서 평균 예측 정확도 78%를 달성하여 기준 방법보다 뚜렷이 뛰어난 성능을 보였다.
• 향기 기술어의 의미 임베딩은 지각 유사성이 분자 유사성과 인간의 지각 판단 모두와 강하게 상관됨을 보여주었다.
• 지각 공간은 특정 분자 기능기능기능이 일관되게 특정 지각 군집으로 매핑됨을 보여주며, 체계적인 향기 코드 존재를 시사한다.
• 모델는 새로운 분자에 대해 우수한 일반화 성능을 보이며 화학에서 지각으로의 안정적이고 예측 가능한 매핑이 가능함을 입증하였다.