Новый ИИ-метод для выявления токсичных химикатов в водных организмах

Исследователи из Технологического университета Чалмерса и Гётеборгского университета (Швеция) разработали метод на основе искусственного интеллекта, который улучшает идентификацию токсичных химических веществ — основываясь исключительно на знании молекулярной структуры.

Метод может способствовать лучшему контролю и пониманию растущего числа химикатов, используемых в обществе, а также помочь сократить количество испытаний на животных.

Исследование "Transformers enable accurate prediction of acute and chronic chemical toxicity in aquatic organisms" опубликовано в Science Advances.

Проблема химического загрязнения

Многие химические вещества попадают в водные пути и экосистемы, где могут оказывать негативное воздействие. Пример — группа проблемных веществ PFAS, недавно обнаруженных в тревожных концентрациях в грунтовых и питьевых водах.

Несмотря на обширное регулирование, для доказательства безопасности химикатов часто требуются длительные испытания на животных. Только в ЕС для соблюдения различных нормативов ежегодно используется более 2 миллионов животных. При этом новые химические вещества разрабатываются быстрыми темпами, и определение их токсичности является серьёзной проблемой.

Принцип работы нового метода

Метод использует искусственный интеллект для быстрой и экономичной оценки химической токсичности. Он способен предсказать, является ли вещество токсичным, на основе его химической структуры.

Метод был разработан и усовершенствован путём анализа больших наборов данных из лабораторных испытаний, проведённых в прошлом. Таким образом, он был обучен делать точные оценки для ранее не испытанных химических веществ.

"В настоящее время на рынке представлено более 100 000 химических веществ, но лишь небольшая часть из них имеет хорошо описанную токсичность для человека или окружающей среды. Оценить токсичность всех этих химических веществ с помощью обычных методов, включая испытания на животных, практически невозможно. Здесь мы видим, что наш метод может предложить новую альтернативу", — говорит профессор Эрик Кристианссон.

Исследователи сделали метод открытым и общедоступным.

Преимущества перед существующими инструментами

Вычислительные инструменты для поиска токсичных химических веществ уже существуют, но до сих пор они имели слишком узкую область применения или низкую точность, чтобы в значительной степени заменить лабораторные испытания.

В сравнении с тремя другими распространёнными вычислительными инструментами новый метод показал как более высокую точность, так и более широкую применимость.

"Тип ИИ, который мы используем, основан на передовых методах глубокого обучения. Наши результаты показывают, что методы на основе ИИ уже наравне с традиционными вычислительными подходами, и по мере увеличения объёма доступных данных мы ожидаем дальнейшего улучшения методов ИИ. Таким образом, мы считаем, что ИИ обладает потенциалом для значительного улучшения вычислительной оценки химической токсичности", — отмечает Кристианссон.

Основа метода и перспективы

Метод основан на трансформерах — модели ИИ для глубокого обучения, изначально разработанной для обработки языка (пример — Chat GPT, Generative Pretrained Transformer). Модель недавно также доказала свою высокую эффективность в захвате информации из химических структур.

Трансформеры могут идентифицировать свойства в структуре молекул, вызывающие токсичность, более сложным способом, чем это было возможно ранее. Используя эту информацию, токсичность молекулы затем предсказывается с помощью глубокой нейронной сети.

Исследователи прогнозируют, что системы ИИ смогут в большей степени заменять лабораторные испытания. Это может сократить количество экспериментов на животных и экономические затраты при разработке новых химических веществ.

Возможность быстрого предварительного скрининга больших и разнообразных массивов данных может помочь в разработке новых и более безопасных химических веществ и найти замену токсичным веществам, используемым в настоящее время.