Data based predictive models for odor perception.
Data based predictive models for odor perception.
复制标题
基于数据的气味感知预测模型。
DOI：
10.1038/s41598-020-73978-1
复制
发表时间：
2020-10-13
影响因子：
4.6
通讯作者：
Rai B
中科院分区：
文献类型：
--
作者：
Chacko R;Jain D;Patwardhan M;Puri A;Karande S;Rai B
机器学习和数据分析越来越多地用于化学领域的定量结构性质关系（QSPR）应用，传统的爱迪生知识发现方法并没有取得成果。对气味刺激的感知是一种这样的应用，因为嗅觉是所有其他感觉中最不了解的。在这项研究中，我们采用基于机器学习的算法和数据分析来解决使用数据驱动的方法来预测气味的感知属性（即“甜”和“麝香”的气味特征（OC））的功效。我们首先分析了一个心理物理数据集，其中包含55名受试者的感知评级，以揭示受试者给出的评级模式。然后，我们使用这些数据来训练几种机器学习算法，如随机森林，梯度提升和支持向量机，用于预测气味特征，并根据最佳模型报告与气味特征相关性良好的结构特征。此外，我们通过比较通常与给定气味剂相关的语义描述符与大多数受试者的感知来分析数据质量对模型性能的影响。该研究提出了一种方法，用于开发气味感知模型，并提供了见解的气味的感知由未经训练的人类受试者和感知数据的固有偏见对模型性能的影响。所建立的模型和方法可用于预测新型气味剂的气味特性。
Machine learning and data analytics are being increasingly used for quantitative structure property relation (QSPR) applications in the chemical domain where the traditional Edisonian approach towards knowledge-discovery have not been fruitful. The perception of odorant stimuli is one such application as olfaction is the least understood among all the other senses. In this study, we employ machine learning based algorithms and data analytics to address the efficacy of using a data-driven approach to predict the perceptual attributes of an odorant namely the odorant characters (OC) of “sweet” and “musky”. We first analyze a psychophysical dataset containing perceptual ratings of 55 subjects to reveal patterns in the ratings given by subjects. We then use the data to train several machine learning algorithms such as random forest, gradient boosting and support vector machine for prediction of the odor characters and report the structural features correlating well with the odor characters based on the optimal model. Furthermore, we analyze the impact of the data quality on the performance of the models by comparing the semantic descriptors generally associated with a given odorant to its perception by majority of the subjects. The study presents a methodology for developing models for odor perception and provides insights on the perception of odorants by untrained human subjects and the effect of the inherent bias in the perception data on the model performance. The models and methodology developed here could be used for predicting odor characters of new odorants.
登录
查看更多内容
影响因子：
9.2
作者：
Li H;Panwar B;Omenn GS;Guan Y
通讯作者：
Guan Y
影响因子：
64.8
作者：
AMOORE, JE
通讯作者：
AMOORE, JE
影响因子：
5.8
作者：
Kursa, Miron B.;Rudnicki, Witold R.
通讯作者：
Rudnicki, Witold R.
DOI：
10.1021/ci00001a012
发表时间：
1991-02-01
期刊：
JOURNAL OF CHEMICAL INFORMATION AND COMPUTER SCIENCES
影响因子：
--
作者：
HALL, LH;MOHNEY, B;KIER, LB
通讯作者：
KIER, LB
DOI：
10.1017/cbo9780511546389.012
发表时间：
2002-01-01
期刊：
OLFACTION, TASTE, AND COGNITION
影响因子：
--
作者：
Chastrette, M
通讯作者：
Chastrette, M