Er is geen universeel geaccepteerde methode om geuren te kwantificeren en categoriseren, zoals we licht in golflengte uitdrukken en geluidshoogte in frequentie. Een groep Amerikaanse onderzoekers ontwikkelde een specifiek neuraal netwerk om een geurkaart te maken die een bepaalde moleculaire structuur verbindt aan een bepaalde geurbeleving. Ze publiceerden hun Principal Odour Map in Science. Met deze aanpak willen ze uiteindelijk een manier opleveren om geuren digitaal op te slaan, net als beeld en geluid.

De onderzoekers begonnen met een kaart waarin een molecuul wordt weergegeven als een grafiek. Ze beschrijven elk atoom aan de hand van criteria als valentie, hybridisatie en atoomnummer; elke binding met het aantal buren, eventuele aromaticiteit en of de binding in een ringstructuur zit. Ze voedden het systeem 5000 geurstoffen en lieten het analyseren welke correlaties er waren tussen bepaalde patronen in de chemische structuur en een bepaalde geur, die ze als beschrijvende woorden in het systeem stopten. Hun programma kan dan één of meerdere beschrijvende woorden, zoals ‘knoflook’ of ‘gras’, verbinden aan een geurstof. Dat resulteerde in Principal Odour Map (POM). Op basis van deze kaart kan het systeem voorspellen hoe een nieuw molecuul zal ruiken.

Ze vergeleken de prestaties van hun systeem met de prestaties van getrainde menselijke neuzen. De POM lieten ze voorspellen hoe 400 verschillende moleculen zouden ruiken en vervolgens lieten ze een panel van getrainde menselijke testers ruiken en beoordelen. Het model bleek net zo betrouwbaar als de gemiddelde menselijke panellist in geurkwaliteit beschrijven.

De POM biedt mogelijkheden voor het onderzoek naar nieuwe geurstoffen. De onderzoekers maakten een lijst van meer dan 500,000 mogelijke geurstoffen die nog nooit gesynthetiseerd zijn en plotten ze in de POM om erachter te komen hoe ze zouden ruiken. Dit zou 70 mensjaren aan reuktijd van getrainde neuzen kosten. De volgende stap is mengsels van geuren analyseren. Uiteindelijk willen de onderzoekers een manier vinden om geuren te digitaliseren, net zoals we dat met beeld en geluid doen.

Lee et al. (2023) Science https://doi.org/10.1126/science.ade4401