De har tagit fram verktyget för att riskbedöma kemikalier med AI
Av Göteborgsforskarnas nya metod gör det möjligt att bedöma molekyler snabbt och kostnadseffektivt med hjälp av artificiell intelligens. Det kan bidra både till att fler kemikalier blir undersökta – så att de som är giftiga kan upptäckas i tid – och att beroendet av djurförsök minskar.
– Med vår metod går det att bedöma om ett ämne är giftigt enbart utifrån dess kemiska struktur. Vi har utvecklat och förfinat metoden genom analyser av omfattande information från laboratorietester som gjorts tidigare. Den stora mängden data gör att metoden kan användas för kemikalier som ännu inte testats, säger Mikael Gustavsson, forskare på institutionen för matematiska vetenskaper vid Chalmers och på institutionen för biologi och miljövetenskap vid Göteborgs universitet, i en kommentar.
Forskarna bedömer att metoden kan bli mycket användbar inom miljöforskningen, liksom hos myndigheter och företag som använder eller utvecklar nya kemikalier. De har därför gjort den öppen och allmänt tillgänglig.
– Det finns idag fler än 100 000 kemikalier på marknaden, men bara en liten andel har en klarlagd giftighet för människor och miljön. Att bedöma och testa alla sorters kemikalier med dagens system är därför inte realistiskt. Vi ser att vår metod kan vara ett nytt alternativ, säger Erik Kristiansson, professor på institutionen för matematiska vetenskaper på Chalmers och på Göteborgs universitet.
Det finns beräkningsbaserade verktyg för att hitta giftiga kemikalier sedan tidigare, men de har hittills haft för smala användningsområden eller för låg precision för att kunna ersätta laboratorietester i någon större utsträckning. I forskarnas studie jämförde de sin metod med tre olika befintliga beräkningsverktyg som ofta används idag, och kunde konstatera att den nya metoden både har högre träffsäkerhet och bredare användningsområde.
Forskarnas bedömning är att AI-system därmed kommer att kunna ersätta laboratorietester allt mer.
– Det skulle innebära att antalet djurförsök kan minska, liksom kostnaderna för testning. Möjligheten till snabb förhandsgranskning av molekyler kan göra det lättare att utveckla nya och säkrare kemikalier, bland annat för att ersätta befintliga ämnen som är giftiga. Vi tror därför att AI-baserade metoder kan vara till stor hjälp för att undvika negativ kemikaliepåverkan på människor och ekosystem i framtiden, säger Erik Kristiansson.
Modellen har nyligen visat sig vara mycket effektiv för att utvinna information från kemiska strukturer. Den kan identifiera egenskaper hos molekylers struktur som orsakar giftighet.
Med hjälp av denna information kan molekylens toxicitet sedan förutsägas av ett så kallat djupt neuralt nätverk, som förbättrar sig själv kontinuerligt genom att använda träningsdata.