分子式底下有 217 支原料，從玫瑰到蘑菇都有

閱讀約 4 分鐘。

太長不看

• 資料庫有 21,905 支填了分子式，扣掉寫 unspecified 的 295 支，剩 21,610 支分布在 6,710 個分子式上
• 其中 2,181 個分子式被兩支以上原料共用，涵蓋 17,081 支原料，占 79%
• C10H18O 底下有 217 支，78 支填了香調，散在 19 個香調型裡
• 這 217 支的分子量全部是 154.25，留香從 1 小時到 388 小時
• 拿分子式當查詢條件，回來的是一個櫃子，不是一支材料。要唯一，用 CAS

一個從分子式進來的查詢

上個月的 Search Console 裡有一筆查詢是 c₁₀h₁₈o，連下標數字都打出來了， 五次曝光，零點擊。有人在用分子式找原料。

這個查詢讓我回頭查了一件從來沒查過的事：在我們的資料庫裡，一個分子式平均綁著幾支原料？

79% 的原料，分子式不是自己獨有的

21,610 支有效的分子式紀錄，落在 6,710 個不同的分子式上。平均一個分子式 3.2 支。

但平均數在這裡沒有意義，因為分布很偏。2,181 個分子式被兩支以上共用， 而這些分子式涵蓋了 17,081 支原料。換句話說，你在資料庫裡隨手抓一支有分子式的原料， 有 79% 的機率它的分子式底下還站著別人。

最擁擠的十個：

分子式	原料數	這一格大概是什麼
C15H24	293	倍半萜烴，雪松、廣藿香那一區的骨架
C10H18O	217	單萜醇與單萜醚，這篇的主角
C10H16O	210	單萜酮與單萜醛
C15H24O	204	倍半萜醇
C15H26O	175	飽和一階的倍半萜醇
C10H18O2	171	單萜二醇與酯
C12H22O2	141	中鏈酯與內酯
C11H20O2	123	同上，少一個碳
C8H14O2	105	短鏈酯

倍半萜烴那一格有 293 支。要是有人拿 C15H24 來查，他會拿到近三百個答案。

C10H18O 這一格裡站著誰

217 支之中，78 支填了香調欄。這 78 支分在 19 個香調型裡：

香調型	支數
floral（花香）	14
herbal（草本）	9
minty（薄荷）	9
citrus（柑橘）	8
fatty（脂感）	6
woody（木質）	6
balsamic（香脂）	4
camphoreous（樟腦）	4
其餘 11 種各 1–3 支	18

供應商最多的那幾支長這樣：

材料	CAS	供應商	香調型	香調前幾個詞	留香（小時）
香葉醇	106-24-1	198	floral	甜、花香、果香、玫瑰	60
沉香醇	78-70-6	135	floral	柑橘、花香、甜、玫瑰木	12
α-松油醇	98-55-5	103	terpenic	松、萜、紫丁香	20
橙花醇	106-25-2	85	floral	甜、橙花、柑橘、玉蘭	44
1,8-桉葉素	470-82-6	77	herbal	尤加利、草本、樟腦、藥感	4
香茅醛	106-23-0	70	floral	甜、乾、花香、草本	16
(±)-薄荷酮	89-80-5	42	minty	薄荷	12
(E)-2-癸烯醛	3913-81-3	27	fatty	蠟、脂、土、綠、香菜、蘑菇	57

玫瑰、尤加利、薄荷、蘑菇。同一個分子式。

分子量也全部一樣，154.25，因為分子量是分子式算出來的， 它不帶任何分子式以外的資訊。留香就分家了：這 217 支裡有 47 支填了留香， 從 1 小時到 388 小時，跨 388 倍。

差別在骨架怎麼接，不在有幾個原子

分子式只說了原子的清單：10 個碳、18 個氫、1 個氧。它沒說這些原子怎麼連起來。 同一份清單至少有三種接法會分家：

**接成不同的骨架。**1,8-桉葉素是一個雙環的醚，香葉醇是一條開鏈的醇。 一個聞起來像尤加利喉糖，一個聞起來像玫瑰。

**接法一樣但方向不同。**香葉醇與橙花醇是同一條鏈的順反異構物。 資料庫給它們的供應商數是 198 與 85，留香 60 小時與 44 小時， 香調欄第一個詞都是 sweet，但一個往玫瑰走，一個往橙花與玉蘭走。

**連方向都一樣，只是鏡像。**這就是下一節那篇論文做的事。

值得注意的是，資料庫自己也把鏡像分開收：linalool（135 家供應商，留香 12 小時） 與 laevo-linalool（25 家，16 小時）是兩筆紀錄，香調欄也不同—— 前者寫柑橘、花香、玫瑰木、藍莓，後者寫清新、花香、木質、天然、薰衣草。 目錄資料承認鏡像是兩種商品。

廣島的實驗：兩個鏡像的沉香醇，連腦波都不一樣

2000 年廣島縣立女子大學的 Sugawara 等人在《Chemical Senses》上做了一件細緻的事 （PMID 10667997）。他們用反覆的快速管柱層析，從薰衣草油分離出 (R)-(−)-沉香醇 （比旋光度 −15.1°），從芫荽油分離出 (S)-(+)-沉香醇（+17.4°）， 市售品則是外消旋的 (RS) 型（0°，R 型 50.9%、S 型 49.1%）。

受試者用吸入器聞這三種，時間點是工作前與工作後各一次，工作分兩類： 聽環境音，以及做心算類的腦力工作。量兩件事：主觀感受的問卷，以及前額表面腦波（IBVA-EEG）。

結果照原文講：吸入後的主觀印象會隨異構物構型與工作類型而不同。 舉例來說，聽完環境音之後聞 (R)-(−)-沉香醇，問卷上的評價明顯更好， 同時 β 波比工作前下降得更多；換成腦力工作之後聞同一支，卻傾向煩躁，β 波上升。

作者的結論是，沉香醇的對映異構專一性引發了不同的氣味知覺與反應， 而且不只依賴手性，也依賴任務。

這篇要小心讀。樣本規模小，量的是前額表面電位而不是嗅覺受體， 而且效果本身是任務相依的——同一支材料在不同前情境下走向相反。 它能支持的結論只有一句：兩個鏡像不是同一個氣味刺激。原子清單完全相同。

Science 上的模型也不吃分子式

第二篇是 2023 年《Science》上的主嗅覺圖譜（POM） （Lee 等人，PMID 37651511，Google Research 與 Monell 化學感官中心合作）。 他們用圖神經網路把分子映射到一張保留知覺關係的圖上，再用它預測沒被描述過的氣味分子。

那個成績值得抄下來：在 400 個樣本外氣味分子的前瞻驗證集上， 模型產生的氣味描述比評測小組的中位數成員更接近小組平均。 換句話說，它描述氣味的可靠度已經達到一個受訓過的人類評測員的水準。

利益揭露照原文附上：這項工作由 Google Research 資助，多位作者在審稿期間 加入了 Osmo Labs 並持有股份，論文的利益衝突聲明寫得很長。

但這裡我要指的不是它多準，是它吃什麼。圖神經網路的輸入是分子的圖： 哪個原子接哪個原子、什麼鍵、什麼立體構型。分子式是把那張圖的邊全部丟掉之後 剩下的那份清單。目前最好的結構—氣味模型，沒有一個是從分子式出發的。

所以查詢的時候該用什麼

• **要唯一，用 CAS。**C10H18O 給你 217 個候選，CAS 106-24-1 給你香葉醇那一頁。 站上的搜尋支援名稱與 CAS。
• **只知道分子式，那就當成一個香調櫃來逛。**知道自己拿到的是 217 支不是 1 支， 這個預期本身就有用。
• 同一個 CAS 底下也不保證單一。同一個 CAS、不同香調型 那篇量過這件事，CAS 比分子式嚴，但也不是完全乾淨。

→ 用香調搜尋：42,225 筆原料，用香調、名稱或 CAS 都查得到。

這篇沒有建立的

• **217 支裡只有 78 支填了香調。**其餘 139 支沒有資料，不能說「217 支的氣味各不相同」， 只能說已知的 78 支散在 19 個香調型裡。
• **分子量全部相同不是發現，是定義。**分子量由分子式算出，這一列在這裡只是用來說明 分子式帶不動的資訊有多少。
• Sugawara 那篇的樣本小，量的是前額腦波，不是嗅覺受體活性，而且效果隨任務改變。
• POM 預測的是氣味描述語，不是留香、強度或安全性。那些欄位還是得靠量測。
• 香調型的分類本身來自來源資料，不是我們重新標的，19 這個數字帶著原始標註的粒度。