摘要
将分子结构与嗅觉感知相联系是嗅觉研究中的一个关键挑战。我们采用图神经网络构建了一个主嗅觉图谱（Principal Odor Map, POM），该图谱能够保留嗅觉感知之间的关系，并实现对未被表征的嗅觉分子的嗅觉质量预测。在一项前瞻性验证中，针对400种未见于训练集的分子，该模型生成的嗅觉特征与训练用专家小组的平均感知结果的匹配度，优于小组中位数成员的表现，其可靠性可与人类专家相媲美。通过应用简单、可解释且具有理论基础的变换方法，POM在多个其他嗅觉预测任务中均优于传统化学信息学模型，表明该图谱成功编码了分子结构与嗅觉感知之间的一般化映射关系。这一方法为广泛实现嗅觉预测提供了新途径，也为实现嗅觉的数字化奠定了基础。