عطرها – رمز و راز امیدوارکننده ، فریب و هیجانات ممنوعه – توسط عطرسازان اصلی ترکیب می شوند ، دستور العمل های آنها مخفی نگه داشته می شود. در تحقیقی جدید در مورد حس بویایی ، محققان موسسه علوم وایزمن موفق شده اند بسیاری از این رمز و راز را حتی از ترکیبات پیچیده بوها ، نه با کشف مواد مخفی آنها ، بلکه با ثبت و ترسیم نحوه درک آنها از بین ببرند. اکنون دانشمندان می توانند پیش بینی کنند که بوهای پیچیده از ساختار مولکولی آن چگونه بو خواهند گرفت. این مطالعه نه تنها می تواند دنیای بسته عطرسازی را متحول کند ، بلکه سرانجام به قابلیت دیجیتالی شدن و بازتولید بوها به دستور منجر می شود.
چارچوب پیشنهادی برای بوها ، که توسط متخصصان مغز و اعصاب ، متخصصان رایانه و یک عطرساز ایجاد شده و توسط یک طرح اروپایی برای فناوری های نوظهور آینده (FET-OPEN) تأمین شده است ، در Nature منتشر شد. پروفسور نوآم سوبل از بخش نوروبیولوژی این موسسه می گوید: “چالش طرح بوی ها به صورت سازمان یافته و منطقی برای اولین بار توسط الکساندر گراهام بل بیش از ۱۰۰ سال پیش مطرح شد.” بل دستکش را انداخت: “ما انواع مختلفی از بوی مختلف داریم ، از بوی گل بنفشه و گل رز تا آسافوئیتیدا. اما تا زمانی که نتوانید شباهت ها و تفاوت های آنها را اندازه گیری کنید ، نمی توانید بوی آن را بشناسید.” این چالش تاکنون حل نشده باقی مانده بود.
این چالش صدساله در واقع مشکل در تعبیه بو در یک سیستم منطقی را برجسته کرد: میلیون ها گیرنده بو در بینی ما وجود دارد که از صدها زیرگونه مختلف تشکیل شده است که هریک برای تشخیص ویژگی های مولکولی خاص شکل گرفته اند. مغز ما به طور بالقوه میلیون ها بو را درک می کند که در آنها این مولکول ها با شدت های مختلف مخلوط شده و مخلوط می شوند. بنابراین ، ترسیم این اطلاعات یک چالش بوده است. اما سوبل و همکارانش ، به سرپرستی دانشجوی فارغ التحصیل Aharon Ravia و دکتر Kobi Snitz ، دریافتند که یک دستور زیر بنایی برای بو وجود دارد.
آنها با اتخاذ مفهوم بل به این نتیجه رسیدند – نه توصیف خود بوها ، بلکه روابط بین بوها همانطور که درک می شوند. در یک سری آزمایشات ، گروه جفت بو را به شرکت کنندگان داوطلب ارائه کرد و از آنها خواست تا این بوها را بر اساس شباهت این دو به یکدیگر رتبه بندی کنند و این جفت ها را در مقیاس شباهت بین “یکسان” تا “بسیار متفاوت” رتبه بندی کنند. در آزمایش اولیه ، تیم ۱۴ مخلوط معطر ایجاد کرد که هر کدام از حدود ۱۰ جزء مولکولی تشکیل شده بود و هربار دو مورد را به نزدیک به ۲۰۰ داوطلب ارائه می داد ، به طوری که در پایان آزمایش هر داوطلب ۹۵ جفت را ارزیابی کرده بود.
برای ترجمه پایگاه داده حاصل از هزاران رتبه بندی تشابه ادراکی به یک طرح مفید ، تیم اندازه گیری فیزیکوشیمیایی را که قبلاً توسعه داده بودند ، اصلاح کرد. در این محاسبه ، هر بو با یک بردار واحد که ۲۱ اندازه فیزیکی (قطبیت ، وزن مولکولی و غیره) را ترکیب می کند ، نشان داده شده است. برای مقایسه دو ماده معطر ، هر کدام با یک بردار نشان داده شده است ، زاویه بین بردارها منعکس کننده شباهت ادراکی بین آنها است. یک جفت معطر با فاصله زاویه کم بین آنها مشابه پیش بینی شده است ، آنهایی که فاصله بین آنها زیاد است متفاوت پیش بینی شده است.
برای آزمایش این مدل ، تیم ابتدا آن را روی داده های جمع آوری شده توسط دیگران ، در درجه اول یک مطالعه بزرگ در مورد تشخیص بو توسط بوشید و همکارانش از آزمایشگاه پروفسور لزلی ووشال در موسسه راکفلر در نیویورک ، استفاده کرد. تیم Weizmann دریافتند که مدل و اندازه گیری آنها نتایج بوشید را به طور دقیق پیش بینی کرده است:
به سختی می توان به شکارچیان با فاصله زاویه ای کم تمایز داد. تشخیص بوهایی با فاصله زاویه بالا بین آنها آسان بود. با تشویق مدل توسط پیش بینی دقیق داده های جمع آوری شده توسط دیگران ، تیم به آزمایش خود ادامه داد. این تیم رایحه های جدیدی تهیه کرد و گروه جدیدی از داوطلبان را دعوت کرد تا آنها را بو کنند ، و دوباره از روش آنها برای پیش بینی اینکه چگونه این مجموعه از شرکت کنندگان به جفت ها امتیاز می دهند ، استفاده کردند – در ابتدا ۱۴ ترکیب جدید و سپس ، در آزمایش بعدی ، ۱۰۰ ترکیب. این مدل عملکرد فوق العاده ای داشت. در واقع ، نتایج در همان میدان بازی برای درک رنگ بود – اطلاعات حسی که بر اساس پارامترهای مشخص تعریف شده است. این امر به ویژه شگفت آور بود زیرا هر فرد به احتمال زیاد دارای مکمل منحصر به فردی از زیرگروه های گیرنده بو است که می تواند تا ۳۰ across در افراد مختلف متفاوت باشد.
از آنجا که “نقشه بو” یا “متریک” شباهت هر دو بو را پیش بینی می کند ، می توان از آن برای پیش بینی اینکه بو در نهایت چگونه بو می دهد نیز استفاده کرد. به عنوان مثال ، هر نوع بوی جدیدی که در ۰.۰۵ راد قرار دارد. بوی موز یا کمتر از آن دقیقاً بوی موز می دهد. وقتی بوی بد از موز فاصله می گیرد ، بوی موز می دهد و فراتر از یک فاصله معین ، دیگر شبیه موز نمی شود. این تیم در حال توسعه یک ابزار مبتنی بر وب است. این مجموعه ابزارها نه تنها نحوه بو دهی بو را پیش بینی می کند ، بلکه می تواند بوها را با طراحی ترکیب کند. به عنوان مثال ، می توان هر عطری را با مجموعه ای از مواد تشکیل دهنده شناخته شده تهیه کرد و با استفاده از نقشه و متریک ، یک عطر جدید تولید کرد که هیچ ترکیب مشترکی با عطر اصلی ندارد ، اما دقیقاً از بوی یکسانی برخوردار است.
به چنین خلاقیت هایی در بینایی رنگ ، یعنی ترکیبات طیفی غیر همپوشانی که همان رنگ درک شده را تولید می کنند ، متامرهای رنگ گفته می شود ، و در اینجا تیم متامرهای بویایی تولید کرد. یافته های این مطالعه گام مهمی در جهت تحقق چشم انداز پروفسور دیوید هارل از گروه کامپیوتر و ریاضیات کاربردی است که همچنین معاون رئیس آکادمی علوم و علوم انسانی اسرائیل است و نویسنده مشترک این مطالعه است:
کامپیوترها را قادر به دیجیتالی کردن و بازتولید بوها می کند. علاوه بر این ، البته ، اینکه بتوانید عطرهای واقعی گل یا دریا به تصاویر تعطیلات خود در رسانه های اجتماعی اضافه کنید ، به رایانه ها این امکان را می دهید که بوها را به گونه ای تفسیر کنند که انسان می تواند بر نظارت محیطی و زیست پزشکی و غذا تأثیر بگذارد. صنایع ، به نام چند. با این حال ، عطرساز کریستف لادامیل ، که نویسنده مشترک این مطالعه است ، اظهار می دارد که هنوز به حرفه خود اهمیتی نمی دهد.
۱۰۰ سال پیش ، الکساندر گراهام بل چالشی ایجاد کرد. ما در حال حاضر به آن پاسخ داده ایم: فاصله گل رز و بنفشه ۰.۲۰۲ رادیان (از نظر دور مشابه هستند) ، فاصله بنفشه و آسافوئیتیدا ۰.۵ رادیان است (آنها بسیار متفاوت هستند) ، و تفاوت گل رز با آسافوئیتیدا ۰.۵۶۵ رادیان است (آنها حتی بیشتر متفاوت هستند) ما ادراک بو را به اعداد تبدیل کرده ایم و این در واقع باید علم بو را پیش ببرد. “
نوآم سوبل ، استاد گروه عصب شناسی ، موسسه علوم وایزمن
