Svenska forskare vid Chalmers tekniska högskola och Göteborgs universitet har utvecklat en AI-metod som förbättrar identifieringen av giftiga kemikalier — enbart baserad på kunskap om molekylstrukturen.
Metoden kan bidra till bättre kontroll och förståelse för det ständigt växande antalet kemikalier som används i samhället och kan även bidra till att minska mängden djurförsök.
Studien, "Transformers möjliggör noggrann förutsägelse av akut och kronisk kemisk toxicitet i vattenlevande organismer", har publicerats i Science Advances .
Användningen av kemikalier i samhället är omfattande och de förekommer i allt från hushållsprodukter till industriella processer. Många kemikalier når våra vattendrag och ekosystem, där de kan orsaka negativa effekter på människor och andra organismer.
Ett exempel är PFAS, en grupp problematiska ämnen som nyligen hittats i halter i både grundvatten och dricksvatten. Det har använts till exempel i brandskum och i många konsumentprodukter.
Negativa effekter för människor och miljö uppstår trots omfattande kemikalieregler, som ofta kräver tidskrävande djurförsök för att visa när kemikalier kan anses vara säkra.
Bara inom EU används mer än 2 miljoner djur årligen för att följa olika bestämmelser. Samtidigt utvecklas nya kemikalier i snabb takt och det är en stor utmaning att avgöra vilka av dessa som behöver begränsas på grund av sin toxicitet för människor eller miljö.
Den nya metod som tagits fram av de svenska forskarna använder artificiell intelligens för snabb och kostnadseffektiv bedömning av kemisk toxicitet. Den kan därför användas för att identifiera giftiga ämnen i ett tidigt skede och bidra till att minska behovet av djurförsök.
"Vår metod kan förutsäga om ett ämne är giftigt eller inte utifrån dess kemiska struktur. Den har utvecklats och förfinats genom att analysera stora datamängder från tidigare utförda laboratorietester. Metoden har därigenom tränats för att göra korrekta bedömningar för tidigare oprövade kemikalier, säger Mikael Gustavsson, forskare vid institutionen för matematiska vetenskaper vid Chalmers tekniska högskola och vid institutionen för biologi och miljövetenskap vid Göteborgs universitet.
"Det finns för närvarande mer än 100 000 kemikalier på marknaden, men bara en liten del av dessa har en välbeskriven toxicitet mot människor eller miljö. Att bedöma toxiciteten för alla dessa kemikalier med konventionella metoder, inklusive djurförsök, är inte praktiskt taget möjligt Här ser vi att vår metod kan erbjuda ett nytt alternativ, säger Erik Kristiansson, professor vid institutionen för matematiska vetenskaper på Chalmers och vid Göteborgs universitet.
Forskarna tror att metoden kan vara mycket användbar inom miljöforskningen, såväl som för myndigheter och företag som använder eller utvecklar nya kemikalier. De har därför gjort det öppet och allmänt tillgängligt.
Beräkningsverktyg för att hitta giftiga kemikalier finns redan, men hittills har de haft för snäva applicerbarhetsdomäner eller för låg noggrannhet för att ersätta laboratorietester i någon större utsträckning. I forskarnas studie jämförde de sin metod med tre andra, vanligt förekommande, beräkningsverktyg och fann att den nya metoden både har en högre noggrannhet och att den är mer allmänt användbar.
"Den typ av AI vi använder är baserad på avancerade metoder för djupinlärning", säger Kristiansson. "Våra resultat visar att AI-baserade metoder redan är i paritet med konventionella beräkningsmetoder, och eftersom mängden tillgänglig data fortsätter att öka förväntar vi oss att AI-metoderna kommer att förbättras ytterligare. Därför tror vi att AI har potentialen att markant förbättra beräkningen bedömning av kemisk toxicitet."
Forskarna förutspår att AI-system kommer att kunna ersätta laboratorietester i allt större utsträckning.
"Detta skulle innebära att antalet djurförsök skulle kunna minskas, såväl som de ekonomiska kostnaderna vid utveckling av nya kemikalier. Möjligheten att snabbt förhandsgranska stora och mångsidiga datasamlingar kan därför underlätta utvecklingen av nya och säkrare kemikalier och hjälpa till att hitta substitut. för giftiga ämnen som används idag. Vi tror alltså att AI-baserade metoder kommer att bidra till att minska de negativa effekterna av kemiska föroreningar på människor och på ekosystemtjänster, säger Kristiansson.
Metoden bygger på transformers, en AI-modell för djupinlärning som ursprungligen utvecklades för språkbehandling. Chat GPT – vars förkortning betyder Generative Pretrained Transformer – är ett exempel på applikationerna.
Modellen har nyligen också visat sig mycket effektiv för att fånga information från kemiska strukturer. Transformatorer kan identifiera egenskaper i strukturen hos molekyler som orsakar toxicitet, på ett mer sofistikerat sätt än vad som tidigare varit möjligt.
Med hjälp av denna information kan molekylens toxicitet sedan förutsägas av ett djupt neuralt nätverk. Neurala nätverk och transformatorer tillhör den typ av AI som kontinuerligt förbättrar sig själv genom att använda träningsdata – i det här fallet stora mängder data från tidigare laboratorietester av effekterna av tusentals olika kemikalier på olika djur och växter.
Mer information: Mikael Gustavsson et al, Transformers möjliggör noggrann förutsägelse av akut och kronisk kemisk toxicitet i vattenlevande organismer, Science Advances (2024). DOI:10.1126/sciadv.adk6669
Journalinformation: Vetenskapens framsteg
Tillhandahålls av Chalmers tekniska högskola
