후각 인지에서 다양한 작업을 통합하는 주요 냄새 지도

후각에서 분자 구조를 냄새 인지와 연결하는 것은 핵심적인 과제이다. 우리는 그래프 신경망을 활용하여 인지적 관계를 유지하면서, 미처 특성화되지 않은 냄새 물질에 대한 냄새 품질 예측이 가능한 주요 냄새 지도(POM, Principal Odor Map)를 생성하였다. 이 모델은 냄새 품질을 설명하는 데 있어 인간과 동등한 신뢰성을 보였다. 샘플 외의 400개의 냄새 물질로 구성된 사전 검증 세트에서, 모델이 생성한 냄새 프로파일이 훈련된 전문 평가자 집단의 평균과 더 가까운 일치를 보였으며, 이는 중앙값을 제시한 평가자보다도 뛰어난 성능을 나타냈다. 단순하고 해석 가능한 이론적으로 근거를 둔 변환을 적용함으로써, POM은 여러 다른 냄새 예측 과제에서 기존의 화학정보학 모델보다 우수한 성능을 보였으며, 이는 POM이 구조-냄새 관계의 일반화된 지도를 성공적으로 인코딩했음을 시사한다. 본 연구 방법은 냄새 예측을 광범위하게 가능하게 하며, 냄새의 디지털화를 위한 길을 열어준다.