《Current Research in Food Science》：Construction of a Machine Learning-Based Predictive Model for Odor-Driven Behavioral Preference of Odorant Molecules
编辑推荐：
气味分子的化学结构如何决定生物导向的行为，仍然是食品信息学与生物学交叉领域的核心挑战。为识别与小鼠首次接触接近-回避反应相关的气味分子结构特征，本研究使用已发表的人类风味语义描述符数据库仅作为分层工具，以选择语义多样化的气味分子集；行为标签来自小鼠自身的首次接
气味分子的化学结构如何决定生物导向的行为，仍然是食品信息学与生物学交叉领域的核心挑战。为识别与小鼠首次接触接近-回避反应相关的气味分子结构特征，本研究使用已发表的人类风味语义描述符数据库仅作为分层工具，以选择语义多样化的气味分子集；行为标签来自小鼠自身的首次接触接近-回避反应。通过整合多维分子表征与机器学习算法，研究人员建立了一种气味驱动行为偏好的预测方法。结果表明，在本研究评估的预设模型-表征管道中，基于结构密钥（MACCS）和理化描述符的逻辑回归（Logistic Regression）模型取得了最高的平均F1分数（0.812 ± 0.016）。模型可解释性分析表明，酯基、芳香环、醚和支链碳结构更可能与接近行为相关，而硫醚、含硫杂环、二硫化物和某些羰基/杂原子环境更可能与回避行为相关。使用结构类似物的行为实验为局部结构修饰与小鼠首次接触接近-回避行为转变之间的关联提供了支持性证据。本研究建立了一种可解释的嗅觉预测方法。该方法提供了一个可解释的计算框架，以支持候选气味分子的筛选和优先级排序，并可能为后续的人类感官评价和产品级验证提供信息。
**研究背景与问题**
气味感知是驱动生物体摄食决策和食品特性评估的核心机制。在现代食品科学中，阐明气味分子的化学结构与其引发的行为反应之间的关系，已成为食品信息学的重要课题。与视觉或听觉刺激不同，嗅觉刺激具有高度复杂和多维的化学特征，气味分子的理化性质并不能以简单线性方式映射到生物嗅觉行为输出。这一结构-行为映射问题在食品信息学和生物学两个维度上均具有重要意义：从食品信息学角度看，用于风味筛选的分子库规模已超过传统感官小组评估的通量，能够根据预测的行为相关性而非仅预测描述符标签来优先排序候选气味分子的计算模型，可大幅降低后续人类感官评价和产品级验证的负担；从生物学角度看，哺乳动物中气味诱发的接近和回避反应由进化保守的嗅觉回路产生，该回路可区分可食/安全挥发物与腐败/捕食者相关线索，因此识别与行为输出方向系统性关联的分子亚结构，有助于理解外周化学输入如何转化为行为输出。
传统食品风味评估主要依赖感官小组评估和仿生传感技术（如电子鼻、电子舌），前者受文化背景、个体差异和语言系统影响，后者输出基于非特异性物理信号，难以直接解释生物学和行为学意义。因此，有必要引入更客观、可重复的行为表型作为建模参考，将分子结构特征与气味驱动的行为偏好输出联系起来。
**研究者开展的研究与结论**
本研究建立了一个整合化学信息学特征提取、机器学习模型筛选和嗅觉行为预测的通用方法框架。以小鼠（哺乳动物模型，嗅觉功能进化保守）为实验对象，测量其对近300种风味化合物的行为接近-回避反应，系统比较了传统机器学习与深度学习模型在预测生物接近-回避反应中的表现，并通过模型可解释性分析识别出可能促成气味驱动接近偏好和回避的关键结构基序。该研究发表在《Current Research in Food Science》。
**主要关键技术方法**
研究人员使用自行设计的气味递送条件偏好系统，对150只雄性C57BL/6J小鼠（SPF级，6-8周龄，购自SPF（北京）生物技术有限公司）进行行为测试，每只小鼠测试约20种气味分子，每种气味分子测试10只小鼠，记录首次接触的偏好指数（PI）。采用人类嗅觉感知数据集（Zhang等，2024）中的8503种气味分子作为初始池，通过语义标签分层抽样选出304种气味分子构建行为测试库。将连续PI值以0.02为阈值二值化为接近/回避标签，最终建模数据集含246种分子（147种接近相关，99种回避相关）。分子特征提取包括：扩展连接性指纹（ECFP4）、MACCS结构密钥、17种理化描述符，以及组合表征。共评估13种模型（8种传统机器学习：随机森林、极端随机树、XGBoost、LightGBM、支持向量机（RBF核）、逻辑回归、线性支持向量分类器、偏最小二乘判别分析；5种深度学习：多层感知机、卷积神经网络、图卷积网络、图注意力网络、消息传递神经网络）。模型评估采用分层数据划分（60%训练、20%验证、20%测试），在3个随机种子下重复，报告平均指标。
**研究结果**
**3.1 小鼠气味驱动行为偏好的定量分析**
通过行为测试计算PI并绘制双向圆形柱状图，发现诱发最强回避反应的气味分子主要集中在胺类和含硫类（如3-氨基丙基三乙氧基硅烷、二异丙基三硫醚），而诱发最显著接近反应的气味分子主要分布在花香和果香类（如乙酸5-己烯酯、2-甲氧基萘）。PI值频率分布呈多模态聚类，57.6%的气味分子集中在-0.2、+0.1、0、+0.3四个簇中心，表明小鼠行为偏好编码的非线性。
**3.2 气味驱动行为偏好的预测建模**
在3个随机种子和13种模型的比较中，传统机器学习模型整体表现优于深度学习模型。基于MACCS结构密钥和理化描述符的逻辑回归模型获得最佳平均性能（F1=0.812±0.016，准确率=0.773±0.031，MCC=0.530±0.079），其次为基于ECFP4的极端随机树（F1=0.804±0.046）和随机森林（F1=0.791±0.051）。深度学习模型召回率高但MCC低，表明在有限样本下平衡判别能力较弱。特征消融分析显示MACCS结构密钥包含主要判别信息，理化描述符仅提供有限的补充信息。
**3.3 小鼠气味驱动行为偏好的化学结构解析**
**3.3.1 全局结构信号**
逻辑回归系数显示，回避相关的主要方向包括：S-X（硫醚）模式（-0.976±0.134）、含硫杂环（-0.848±0.243和-0.574±0.329）、醛/硫环境（-0.842±0.169）、短碳链模式（-0.800±0.171和-0.537±0.129）、酮/杂原子相关模式（-0.686±0.193）、含氮模式（-0.612±0.130）、酚相关模式（-0.598±0.131和-0.580±0.314）、杂原子-H基序（-0.532±0.102）和酰胺/酮相关模式（-0.469±0.168）。接近相关的主要方向包括：酯基C(=O)O（+0.906±0.368）、脂环（+0.828±0.168）、苯基-烷基片段（+0.607±0.295）、含氧环（+0.603±0.193）、支链烷基（+0.556±0.017）、支链原子中心（+0.510±0.158）、氧原子（+0.502±0.133）和醚桥基序（+0.494±0.177）。
**3.3.2 官能团统计与全局性质比较**
Fisher精确检验（经Benjamini-Hochberg校正）表明，酯基在接近相关分子中占45.6%，回避相关分子中仅占21.2%（差+24.4个百分点）；芳香环（34.0% vs. 15.2%，+18.8个百分点）和醚（47.6% vs. 30.3%，+17.3个百分点）也在接近类中显著富集。酮基（10.9% vs. 23.2%，-12.3个百分点）和硫醚（4.1% vs. 16.2%，-12.1个百分点）在回避类中显著富集。含硫分子中仅31.5%为接近相关，而无硫分子中接近率为67.7%（p=3.2×10
-6）。
**3.3.3 配对结构比较**
三对结构相似但行为标签相反的分子（(Z)-3-辛烯-1-醇与(E)-4-十一烯-1-醇、烯丙基丙基二硫醚与二烯丙基二硫醚、糠基丙硫酸酯与糠基丙酸酯）的系数贡献分析显示，逻辑回归模型突出不同局部结构区域，而非仅根据整体相似性预测行为。
**3.4 基于结构类似物的基序相关行为转变验证**
通过结构类似物反向验证，发现局部结构修饰可导致小鼠首次接触行为显著转变。例如，β-石竹烯（PI=0.053）去除特定侧链变为5-甲基-1-己烯后，PI降至-0.226（回避）；丁基苯酞（PI=0.112）去除丁基侧链变为苯酞后，PI降至-0.464（强烈回避）；3-乙基-2,4-二甲基吡咯（PI=0.264）去除乙基取代基变为2,4-二甲基吡咯后，PI降至-0.203（回避）；含硫化合物3-巯基-2-丁醇（PI=-0.128）将巯基替换为羟基变为2-丁醇后，PI升至+0.427（接近）。
**讨论与结论**
讨论部分指出，与传统预测人类气味描述、类别或愉悦度的研究不同，本研究聚焦于小鼠真实行为实验中测量的接近-回避反应。在现有数据集规模和预设模型配置下，基于显式结构表征的传统机器学习管道表现更优，而深度学习模型的高召回低MCC表现可能与样本量有限、类别边界复杂及化学空间离散有关。结构解析表明，局部基序（酯基、芳香环、醚、支链碳等）与接近行为相关，而硫醚、含硫杂环、二硫化物和某些酮结构则与回避行为相关，这些结构在食品基质中分别对应成熟水果/植物挥发物与腐败/蛋白质降解信号。结构修饰验证进一步支持了模型解释的可靠性。研究局限性包括：建模数据集仅含246种分子，主要使用雄性C57BL/6J小鼠，所有气味分子在单一稀释度（1:1000 v/v）下测试等。未来可扩展分子数量、整合人类感官评价与GC-MS/电子鼻数据、引入嗅觉受体图谱或神经活动记录以建立泛化性更强的预测模型。
**结论部分翻译**：在本研究中，研究人员通过以小鼠真实嗅觉行为作为表型参考，整合多维分子结构表征与机器学习建模，建立了气味分子气味驱动行为偏好的预测框架。结果表明，在当前数据集和实验设置下，小鼠对气味分子的接近或回避反应与若干局部化学结构特征相关。在目前有限样本数据集和预设模型配置下，基于MACCS结构密钥和理化描述符的逻辑回归模型在预测准确性、跨划分变异性和可解释性方面取得了相对平衡的性能。结构解析、数据集水平富集分析和结构类似物比较共同表明，酯基、芳香环、醚、脂环和支链烷基特征更常与接近相关类关联，而硫醚、含硫杂环、二硫化物和特定羰基/杂原子环境更常与回避相关类关联。局部结构修饰与行为转变之间的关联为未来机制研究提供了候选结构线索。总体而言，本研究展示了利用动物行为数据阐明气味分子结构-行为关系的可行性，并为食品风味分子筛选、气味驱动行为偏好预测和可解释机器学习建模提供了新视角。
