Szwedzcy naukowcy z Politechniki Chalmers i Uniwersytetu w Göteborgu opracowali metodę sztucznej inteligencji, która usprawnia identyfikację toksycznych substancji chemicznych – w oparciu wyłącznie o wiedzę o strukturze molekularnej. Metoda ta może przyczynić się do lepszej kontroli i zrozumienia stale rosnącej liczby chemikaliów stosowanych w społeczeństwie, a także może pomóc w zmniejszeniu liczby testów na zwierzętach.

Stosowanie chemikaliów w społeczeństwie jest szerokie i występują one we wszystkim, od produktów gospodarstwa domowego po procesy przemysłowe. Wiele substancji chemicznych przedostaje się do naszych dróg wodnych i ekosystemów, gdzie może powodować negatywne skutki dla ludzi i innych organizmów. Jednym z przykładów jest PFAS – grupa substancji problematycznych, w przypadku których niedawno stwierdzono, że występują zarówno w wodach gruntowych, jak i pitnych. Stosowano go na przykład w piance gaśniczej i w wielu produktach konsumenckich.

Czytaj więcej: Globalne badanie TCS dotyczące sztucznej inteligencji: najważniejsze uwagi

Negatywne skutki dla ludzi i środowiska powstają pomimo obszernych przepisów chemicznych, które często wymagają czasochłonnych testów na zwierzętach, aby wykazać, kiedy chemikalia można uznać za bezpieczne. W samej UE do celów spełnienia różnych przepisów wykorzystuje się rocznie ponad dwa miliony zwierząt. Jednocześnie w szybkim tempie powstają nowe chemikalia, a poważnym wyzwaniem jest określenie, które z nich należy ograniczyć ze względu na ich toksyczność dla ludzi i środowiska.

Cenna pomoc w rozwoju chemikaliów

Nowa metoda opracowana przez szwedzkich naukowców wykorzystuje sztuczną inteligencję do szybkiej i opłacalnej oceny toksyczności chemicznej. Można go zatem wykorzystać do identyfikacji substancji toksycznych na wczesnym etapie i pomóc w ograniczeniu konieczności przeprowadzania testów na zwierzętach.

„Nasza metoda jest w stanie przewidzieć, czy substancja jest toksyczna, czy nie, na podstawie jej struktury chemicznej. Został opracowany i udoskonalony poprzez analizę dużych zbiorów danych z testów laboratoryjnych przeprowadzonych w przeszłości. W ten sposób metoda została przeszkolona w zakresie dokonywania dokładnych ocen wcześniej nietestowanych substancji chemicznych” – mówi Mikael Gustavsson, badacz na Wydziale Nauk Matematycznych Politechniki Chalmers oraz na Wydziale Biologii i Nauk o Środowisku Uniwersytetu w Göteborgu.

„Obecnie na rynku dostępnych jest ponad 100 000 środków chemicznych, ale tylko niewielka część z nich ma dobrze opisaną toksyczność w stosunku do ludzi i środowiska. Ocena toksyczności wszystkich tych chemikaliów przy użyciu konwencjonalnych metod, w tym testów na zwierzętach, nie jest praktycznie możliwa. Widzimy tutaj, że nasza metoda może stanowić nową alternatywę” – mówi Erik Kristiansson, profesor na Wydziale Nauk Matematycznych w Chalmers i na Uniwersytecie w Göteborgu.

Najważniejsze wiadomości: Codzienne podsumowanie wiadomości AI: 10 wydarzeń AI, które przykuły naszą uwagę

Jak wynika z opublikowanego raportu, nowy model sztucznej inteligencji do wykrywania toksycznych chemikaliów został przeszkolony na unikalnym zbiorze danych. Ten zbiór danych składał się z 147 864 pomiarów eksperymentalnych dla 6473 struktur chemicznych z gatunkami z trzech grup organizmów. Naukowcy uważają, że metoda ta może być bardzo użyteczna w badaniach środowiskowych, a także dla władz i firm, które wykorzystują lub opracowują nowe chemikalia. Dlatego udostępnili go publicznie i udostępnili.

Szersze i dokładniejsze niż dzisiejsze narzędzia obliczeniowe

Narzędzia obliczeniowe służące do wyszukiwania toksycznych substancji chemicznych już istnieją, ale jak dotąd miały one zbyt wąskie dziedziny zastosowania lub zbyt niską dokładność, aby w większym stopniu zastąpić badania laboratoryjne. W badaniu naukowcy porównali swoją metodę z trzema innymi, powszechnie używanymi narzędziami obliczeniowymi i odkryli, że nowa metoda charakteryzuje się zarówno większą dokładnością, jak i szerszym zastosowaniem.

„Rodzaj sztucznej inteligencji, którego używamy, opiera się na zaawansowanych metodach głębokiego uczenia się” – mówi Erik Kristiansson. „Nasze wyniki pokazują, że metody oparte na sztucznej inteligencji są już na równi z konwencjonalnymi podejściami obliczeniowymi, a w miarę ciągłego zwiększania się ilości dostępnych danych spodziewamy się dalszego udoskonalania metod AI. Dlatego wierzymy, że sztuczna inteligencja może znacznie poprawić obliczeniową ocenę toksyczności chemicznej”.

Naukowcy przewidują, że systemy AI będą w coraz większym stopniu mogły zastępować badania laboratoryjne.

„Oznaczałoby to możliwość zmniejszenia liczby eksperymentów na zwierzętach, a także kosztów ekonomicznych opracowywania nowych chemikaliów. Możliwość szybkiego wstępnego przeglądu dużych i różnorodnych zbiorów danych może zatem pomóc w opracowaniu nowych i bezpieczniejszych chemikaliów oraz znaleźć substytuty obecnie stosowanych substancji toksycznych. Wierzymy zatem, że metody oparte na sztucznej inteligencji pomogą zmniejszyć negatywny wpływ zanieczyszczeń chemicznych na ludzi i usługi ekosystemowe” – mówi Erik Kristiansson.

Więcej na temat: nowa metoda AI

Metoda opiera się na transformatory, model sztucznej inteligencji do głębokiego uczenia się, który pierwotnie został opracowany do przetwarzania języka. Czat GPT – którego skrót oznacza Generatywny transformator wstępnie przeszkolony – to jeden z przykładów zastosowań.

Model okazał się ostatnio również bardzo skuteczny w wychwytywaniu informacji ze struktur chemicznych. Transformatory mogą identyfikować właściwości w strukturze cząsteczek, które powodują toksyczność, w bardziej wyrafinowany sposób, niż było to wcześniej możliwe.

Korzystając z tych informacji, można następnie przewidzieć toksyczność cząsteczki głęboka sieć neuronowa. Sieci neuronowe i transformatory należą do rodzaj sztucznej inteligencji który stale się doskonali, wykorzystując dane szkoleniowe – w tym przypadku duże ilości danych z poprzednich testów laboratoryjnych dotyczących wpływu tysięcy różnych substancji chemicznych na różne zwierzęta i rośliny.

Ogłoszenia AI ML: Przedstawiamy Asystenta Litmos AI: generatywne narzędzie AI dla administracji nauki i rozwoju

Więcej na temat: badania

Badania, Transformatory umożliwiają dokładne przewidywanie ostrej i przewlekłej toksyczności chemicznej w organizmach wodnychukazało się w Postęp nauki.

Badanie przeprowadzili Mikael Gustavsson i Erik Kristiansson z Chalmers University of Technology i University of Göteborg, Styrbjörn Käll, Juan S. Inda-Diaz i Sverker Molander z Chalmers University of Technology oraz Patrik Svedberg, Jessica Coria i Thomas Backhaus z uniwersytet w Göteborgu.