利用新AI方法检测有毒化学物质

瑞典查尔姆斯理工大学和哥德堡大学的研究人员开发了一种人工智能方法，可以提高有毒化学物质的识别率——仅基于对分子结构的了解。该方法有助于更好地控制和了解社会使用的日益增多的化学物质，也有助于减少动物试验的数量。

社会中化学物质的使用非常广泛，从家用产品到工业过程，无所不在。许多化学物质进入我们的水道和生态系统，可能对人类和其他生物造成负面影响。一个例子是 PFAS，这是一组有害物质，最近在地下水和饮用水中发现浓度令人担忧。例如，它被用于灭火泡沫和许多消费品中。

尽管有广泛的化学品法规，但化学品对人类和环境的负面影响仍然存在，这些法规通常需要耗费大量时间进行动物试验，以证明化学品是否安全。仅在欧盟，每年就有超过 200 万只动物被用于遵守各种法规。与此同时，新化学品的开发速度很快，确定哪些化学品由于对人类或环境的毒性而需要限制是一项重大挑战。

对化学品开发提供宝贵帮助

瑞典研究人员开发的新方法利用人工智能快速且经济高效地评估化学毒性。因此，它可以用于早期识别有毒物质，并有助于减少动物试验的需要。

“我们的方法能够根据物质的化学结构预测其是否有毒。该方法是通过分析过去进行的实验室测试的大量数据集而开发和改进的。该方法经过训练后，可以对以前未经测试的化学物质做出准确的评估，”查尔姆斯理工大学数学科学系和哥德堡大学生物与环境科学系的研究员 Mikael Gustavsson 说道。

“目前市场上有超过 100,000 种化学品，但其中只有一小部分对人类或环境具有明确的毒性。使用包括动物试验在内的传统方法评估所有这些化学品的毒性实际上是不可能的。在这里，我们看到我们的方法可以提供一种新的选择，”查尔姆斯大学数学科学系和哥德堡大学教授 Erik Kristiansson 说。

研究人员认为，该方法对环境研究以及使用或开发新化学品的当局和公司非常有用。因此，他们将其公开并供公众使用。

比当今的计算工具更广泛、更准确

用于检测有毒化学物质的计算工具已经存在，但到目前为止，它们的适用范围太窄或准确性太低，无法在很大程度上取代实验室测试。在研究人员的研究中，他们将自己的方法与其他三种常用的计算工具进行了比较，发现新方法不仅准确性更高，而且适用性更广。

“我们使用的人工智能类型基于先进的深度学习方法，”Erik Kristiansson 说道。“我们的结果表明，基于人工智能的方法已经与传统的计算方法不相上下，随着可用数据量的不断增加，我们预计人工智能方法将进一步改进。因此，我们相信人工智能有潜力显著改善化学毒性的计算评估。”

研究人员预测，人工智能系统将能够越来越大程度地取代实验室测试。

“这意味着可以减少动物实验的数量，以及开发新化学品的经济成本。因此，快速预筛选大量多样化数据的可能性可以帮助开发新的、更安全的化学品，并有助于找到目前正在使用的有毒物质的替代品。因此，我们相信基于人工智能的方法将有助于减少化学污染对人类和生态系统服务的负面影响，”Erik Kristiansson 说。