Swedish researchers at Chalmers University of Technology and the University of Gothenburg have developed an AI method that improves the identification of toxic chemicals—based solely on knowledge of the molecular structure.
查尔默斯理工大学和哥德堡大学的瑞典研究人员开发了一种人工智能方法，该方法仅基于分子结构的知识来改进有毒化学品的识别
该方法有助于更好地控制和了解社会上使用的越来越多的化学品，也有助于减少动物试验的数量
这项题为“变形金刚能够准确预测水生生物的急性和慢性化学毒性”的研究已发表在《科学进展》杂志上
化学品在社会中的使用非常广泛，从家用产品到工业过程，它们都会出现。许多化学物质到达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，这是一组有问题的物质，最近在地下水和饮用水中都发现了令人担忧的浓度。例如，它已被用于消防泡沫和许多消费品
尽管有广泛的化学法规，但仍会对人类和环境产生负面影响，这些法规通常需要耗时的动物试验来证明化学品何时可以被认为是安全的
仅在欧盟，每年就有200多万只动物被用来遵守各种法规。与此同时，新化学品的开发速度很快，由于对人类或环境的毒性，确定其中哪些化学品需要限制是一个重大挑战
对化学品开发的宝贵帮助瑞典研究人员开发的新方法利用人工智能快速、经济高效地评估化学品毒性。因此，它可以在早期阶段用于识别有毒物质，并有助于减少动物试验的需要
查尔默斯理工大学数学科学系和哥德堡大学生物与环境科学系研究员Mikael Gustavsson表示：“我们的方法能够根据物质的化学结构预测物质是否有毒。它是通过分析过去实验室测试的大型数据集而开发和完善的。因此，该方法经过训练，能够对以前未经测试的化学品进行准确评估。”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替代方案，”Erik Kristiansson说，查尔默斯大学数学科学系教授和哥德堡大学教授。
研究人员认为，该方法在环境研究中非常有用，对使用或开发新化学品的当局和公司也非常有用。因此，他们将其公开
比今天的计算工具更广泛、更准确发现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，无法在更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，发现新方法既有更高的精度，也更具普遍适用性
Kristiansson说：“我们使用的人工智能是基于先进的深度学习方法。”。“我们的研究结果表明，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会进一步改进。因此，我们相信人工智能有潜力显著改进化学毒性的计算评估。”研究人员预测，人工智能系统将能够在越来越大的程度上取代实验室测试
“这意味着可以减少动物实验的数量，以及开发新化学品时的经济成本。因此，快速预筛选大量不同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，”Kristiansson说
该方法基于transformers，这是一种用于深度学习的人工智能模型，最初是为语言处理而开发的。聊天GPT&mdash；其缩写意为Generative Pretrained Transformer&mdash；是应用程序的一个示例
该模型最近也被证明在从化学结构中获取信息方面非常有效。变压器可以以比以前更复杂的方式识别引起毒性的分子结构中的特性
利用这些信息，可以通过深度神经网络预测分子的毒性。神经网络和转换器属于通过使用训练数据不断改进自身的人工智能类型&mdash；在这种情况下，大量的数据来自以前的实验室测试，数千种不同的化学物质对各种动物和植物的影响