“Heb je ooit geprobeerd een geur te meten?” vroeg Alexander Graham Bell ooit aan een publiek van middelbare scholieren in Washington, DC.
Vervolgens ondervroeg hij de vermoedelijk verwarde klas van 1914 over de vraag of ze konden zien wanneer de ene geur twee keer zo sterk was als de andere, of het verschil tussen twee verschillende geuren konden zien. Toch kwam hij uiteindelijk ter zake: “Zolang je de overeenkomsten en verschillen niet kunt meten, kun je geen wetenschap van geuren hebben”, zei Bell. “Als je ambitieus bent om een nieuwe wetenschap te vinden, meet dan de geur.”
Destijds begrepen wetenschappers dat het geluid en de aanblik van Bell die op het podium sprak beschreven kon worden in termen van trillingen in de lucht en verschillende golflengten van licht, maar er was geen vergelijkbare manier om de geuren in de lucht die dag te verklaren. in mei. De werking van geur was en is in veel opzichten nog steeds een mysterie. “In tegenstelling tot geluid of zicht – waarbij golflengte en amplitude duidelijk verband houden met perceptuele eigenschappen zoals toonhoogtefrequentie, kleur of intensiteit – wordt de relatie tussen chemische structuur en perceptie fundamenteel niet begrepen in geur”, legt Douglas Storace, assistent-professor neurowetenschappen aan de staat Florida, uit. Universiteit.
“Het eerste dat je moet onthouden is hoe weinig aandacht en werk er is besteed aan reukzin vergeleken met andere vakgebieden”, zegt Alex Wiltschko, CEO van de olfactorische kunstmatige intelligentie-startup osmo, terwijl hij zich het enorme leerboek over neurale wetenschappen herinnert dat hij ontving toen hij promoveerde. “Ik nam meetlinten en mat de breedte van het papier dat wordt gebruikt om zicht en gehoor te onderwijzen. Dat is ongeveer driekwart inch voor zicht. Dat is ongeveer een halve centimeter om te horen. Dat zijn misschien dertig pagina’s – een paar millimeter – voor een geur.”
Het doel van Osmo is om “computers een reukvermogen te geven”, want hoewel we hebben geleerd om beelden en geluiden digitaal te coderen, kunnen we dat voor geuren niet doen. Wiltschko en anderen proberen daar verandering in te brengen en een nieuw tijdperk van geurwetenschap in te luiden, waarbij ze in kaart brengen hoe we geuren waarnemen.
De menselijke neus is in wezen een chemische detector. Wanneer we bijvoorbeeld een kopje koffie ruiken, ruiken we de vluchtige organische stoffen (VOS) die daarin vrijkomen. “Deze kleine VOC’s binden zich aan bepaalde reukreceptoren, en deze binding veroorzaakt in feite een elektrisch signaal dat naar de hersenen gaat”, legt Cecilia Roque uit, universitair hoofddocent scheikunde aan de Portugese Nova School of Science and Technology.
Er zijn goede redenen om dat proces met machines te willen herhalen. Sommige VOS – zoals voedselverontreinigende stoffen of kankerverwekkende stoffen zoals benzeen – kunnen schadelijk zijn en de moeite waard zijn om te detecteren voordat ze onze neus bereiken; andere kunnen wijzen op gevaren zoals gaslekken of verborgen explosieven; en sommige kunnen op andere problemen duiden. Als iemands adem naar vers gesneden klaver ruikt, kan dit een teken zijn van leverfalen, terwijl zweet dat naar vers geplukte veren ruikt, kan wijzen op rubella.
Geur in kaart brengen
Onderzoekers hebben sinds het begin van de jaren tachtig elektronische neuzen ontwikkeld om ons te helpen bepaalde verbindingen te detecteren, maar hoewel sommige tegenwoordig in de industrie worden gebruikt, zijn hun toepassingen vaak beperkt. “De demonstraties tot nu toe waren óf hele grote analytische instrumenten, óf ze waren heel nauw gericht, óf ze hadden een relatief slechte selectiviteit”, zegt Jacob Rosenstein, universitair hoofddocent techniek aan de Brown University, die in 2018 mede een laag -kosten e-neus genaamd de Trufflebot.
Volgens sommigen heeft olfactorische technologie een manier nodig om de structuren van moleculen in kaart te brengen op basis van hun waargenomen geuren. “Sommige moleculen lijken structureel erg op elkaar en ruiken heel anders, en sommige zien er heel anders uit maar ruiken erg op elkaar”, zegt Joel Mainland, professor aan het Monell Chemical Senses Center in Philadelphia. “Je blijft proberen een model te bouwen dat dat probleem oplost.”
“Je kunt niets aanzienlijk complexer ontwerpen zonder specificatie”, voegt Wiltschko toe. “Je kunt geen digitale camera bouwen zonder een rood, groen, blauw (RGB) kleurenmodel. Je kunt geen microfoon maken zonder ruimte voor lage tot hoge frequenties. En dus moet de kaart vóór de engineering komen.”
Wiltschko en Mainland waren lid van een onderzoeksteam dat eerder dit jaar een geurkarteringsstudie publiceerde. Het onderzoek, dat begon terwijl Wiltschko bij Google Research werkte, betrof een vorm van kunstmatige intelligentie, een zogenaamde graph neural network (GNN), dat werd getraind met behulp van twee grote datasets die de moleculaire structuur in verband brengen met geur. Eén daarvan, de dataset van Leffingwell, werd begin jaren 2000 samengesteld en koppelt 3.523 moleculen aan beschrijvingen van hun geuren. Acetaldehyde ethyl fenylethyl acetaal, om een voorbeeld te noemen, ruikt blijkbaar naar groen blad en lila.
Het werk resulteerde in een ‘geurmasterkaart’ – het olfactorische equivalent van een kleurenpalet dat je op een computer zou kunnen gebruiken. “Iedereen die in Photoshop naar een kleurenkaart heeft gekeken, weet intuïtief wat er aan de hand is”, zegt Mainland, en net zoals de “kleurruimte” in zo’n kaart ons helpt te vertellen dat paars dichter bij rood dan bij groen staat, stond de geurkaart van het team hen toe om geuren te lokaliseren in een soort multidimensionale “geurruimte”.
“RGB is driedimensionaal, maar je kunt het op een plat vel papier weergeven”, zegt Wiltschko. “In ons oog zijn er drie kanalen met informatie over kleuren, maar in onze neus zijn er 350 kanalen met informatie over geuren.
‘Welke kaart we ook vinden, hij past niet op een plat stuk papier. Daarom zullen de hulpmiddelen voor het maken van kaarten die we in het verleden als wetenschappers gebruikten ons niet helpen. We hadden moeten wachten op software, kunstmatige intelligentie en statistische analyse van patronen in grote datasets.”
Nu zijn deze technologieën gearriveerd, waardoor onderzoekers niet alleen de relatie tussen geuren en hun chemische structuren in kaart kunnen brengen, maar deze ook kunnen voorspellen. Voor dit onderzoek trainde de groep een panel van 15 mensen om geuren te beschrijven door ze te beoordelen op 55 labels, waaronder ‘boterachtig’, ‘aards’, ‘zwavel’ en ‘metaalachtig’, en vroeg hen vervolgens om deze toe te passen op 400 verschillende geuren. moleculen waarvan de geuren al zijn voorspeld door de GNN-geurkaart. De monstermoleculen werden vervolgens doorgegeven aan Christophe Laudamiel – de meesterparfumeur die nu met Osmo werkt – voor een genuanceerder advies. Laudamiels favoriete beoordeling van het molecuul, dat hoge cijfers kreeg voor omschrijvingen als muf, ozon en genezend, was: ‘heet als het dichtbij is’.
“Sommige andere zijn echt interessante combinaties”, voegt Laudamiel toe. “Eén ervan ruikt bijvoorbeeld heel lekker, naar saffraan en heet metaal.”
Op indrukwekkende wijze bleken de geurvoorspellingen van GNN voor 400 moleculen in meer dan 50% van de gevallen dichter bij de gemiddelde menselijke beschrijving te liggen. “Als je uit dat panel van mensen één persoon zou halen en een model op zijn plaats zou zetten, zou je dan beter of slechter zijn in het beschrijven van deze gemiddelde menselijke perceptie?”, zegt Mainland. “Het antwoord hier is voor de meeste moleculen meestal dat het beter werkt.”
Het team liet het model vervolgens geuren voorspellen voor 500.000 extra moleculen zonder ze eerst te hoeven synthetiseren, en het werk bij Osmo gaat door. “Ze bestuderen momenteel 7 miljard moleculen”, zegt Laudamiel. “Als jij of ik slechts vijf minuten per ingrediënt zou besteden om het te ruiken en te bestuderen, vijf minuten voor 7 miljard moleculen, betekent dat dat je 66.590 jaar nodig hebt.”
De digitaliserende geur
Het hebben van nauwkeurige geurvoorspellingen van zoveel voorheen geurloze verbindingen zou een zegen zijn voor mensen in de smaak- en geurindustrie – Laudamiel vergelijkt het met een piano die plotseling meer toetsen krijgt – en dit onderzoek zal waarschijnlijk de grootste initiële impact hebben op de zoektocht naar goedkopere , veiligere en aantrekkelijkere geuren in parfums, wasmiddelen en al het andere met een toegevoegde geur of aroma. Maar de onderzoekers hopen dat het werk veel verder kan gaan dan dat. “Als je bedenkt wat de digitalisering van beeld of de digitalisering van geluid voor ons heeft gedaan, is dat toch niet iets dat je zomaar in één zin kunt zeggen?” zegt het vasteland.
Wiltschko stelt dat landbouw, voedselopslag, monitoring van pandemieën en ziektepreventie allemaal zouden profiteren van onze geur van digitalisering, en dat er al enige vooruitgang is geboekt. Deet, of N,N-diethyl-m-toluamide, is het oudste en meest voorkomende insectenwerend middel op de markt, maar het eet kleding en plastic op, kan schadelijke bijwerkingen hebben en er zijn aanwijzingen dat sommige ziekteverwekkende muggen zich kunnen ontwikkelen weerstand, minder vatbaar worden voor de geur van deet. “We hebben een artikel gepubliceerd waaruit blijkt dat we in proeven op mensen moleculen kunnen vinden die net zo krachtig zijn als Deet”, zegt Wiltschko.
Voor land is een van de meest opwindende aspecten van onderzoek de mogelijkheid om ‘primaire geuren’ te detecteren. Net zoals rood, groen en blauw kunnen worden gecombineerd om welke kleur dan ook te creëren, hoopt hij dat een eindige reeks geuren, gecombineerd in de juiste verhoudingen, elke geur kan creëren, waardoor we effectief een geur kunnen nabootsen zoals een printer een afbeelding nabootst. Niet alleen zou de ontdekking van primaire geuren betekenen dat we gemakkelijk elke geur zouden kunnen nabootsen die onze neus kan ruiken, maar ze zouden zelfs nieuw leven kunnen blazen in nieuwigheden zoals het bioscoopformaat Smell-O-Vision uit de jaren vijftig. “Het is heel spannend”, zegt Laudamiel. “We weten niet noodzakelijkerwijs dat ze bestaan, maar het is echt gaaf als ze dat wel doen.”
Voordat dat allemaal mogelijk is, zullen onderzoekers geuren niet alleen moeten toewijzen aan individuele verbindingen, maar ook combinaties moeten uitwerken die de complexiteit van alledaagse geuren weerspiegelen. “Stel je een geur voor die maar naar één ding ruikt”, zegt Laudamiel. “Mensen zeggen: ‘oh, hij is het gras aan het maaien.’ KANTOOR. De volgende keer dat u grasmaaisel gaat ruiken, op de grond of tijdens het maaien van het gazon, garandeer ik u dat het gras zal zijn. Het zal paddestoelachtig zijn. Het zal aards zijn. Het kan muf of muf of appelachtig zijn.
Een ander probleem dat bij veel deep learning AI-modellen voorkomt, is dat dit in wezen een zwarte doos is. Hoewel de resultaten indrukwekkend en potentieel nuttig zijn, brengen ze ons niet noodzakelijkerwijs dichter bij het begrijpen van de biologische effecten van geur. “Hoewel er verbanden zijn, is de relatie tussen de chemische structuur en kwalitatieve reukperceptie niet direct gerelateerd”, zegt Rachel Herz, afdeling psychiatrie en menselijk gedrag aan de Brown University. “Het menselijke niveau wordt beïnvloed door een groot aantal variabelen, variërend van ervaring, context en taal tot individuele verschillen in de genetische expressie van reukreceptoren.
Dit is tenslotte misschien maar een kleine stap in de richting van het begrijpen van geur, maar meer dan 100 jaar nadat Alexander Graham Bell vroeg of we het verschil tussen twee geuren konden meten, is het antwoord nu ja.