Neue KI-Methode kann giftige Chemikalien aufspüren
Die Zahl der Tierversuche könnte ebenso reduziert werden wie die wirtschaftlichen Kosten für die Entwicklung neuer Chemikalien
Schwedische Forscher der Chalmers University of Technology und der Universität Göteborg haben eine KI-Methode entwickelt, mit der giftige Chemikalien besser identifiziert werden können - und zwar allein aufgrund der Kenntnis der Molekularstruktur. Die Methode kann dazu beitragen, die ständig wachsende Zahl der in der Gesellschaft verwendeten Chemikalien besser zu kontrollieren und zu verstehen, und sie kann auch dazu beitragen, die Zahl der Tierversuche zu verringern.
Eine Darstellung der Molekülstruktur wird als Eingabe für einen vortrainierten Transformator verwendet, der die Molekülstruktur interpretiert. Der Transformator erstellt eine sogenannte "Vektoreinbettung" - eine numerische Darstellung der Toxizität der Struktur. Diese wird dann als Eingabe für ein tiefes neuronales Netz (DNN) verwendet, zusammen mit Informationen über die Art der toxischen Wirkung, die Sie bewerten möchten, und die Expositionsdauer. Die Ausgabe des neuronalen Netzes ist die vorhergesagte Molekülkonzentration, die die gewünschte Wirkung verursacht.
Chalmers University of Technology and the University of Gothenburg
Mikael Gustavsson und Erik Kristiansson, Chalmers University of Technology und die Universität Göteborg.
Daniel Stahre, Chalmers University of Technology
Die Verwendung von Chemikalien in der Gesellschaft ist sehr umfangreich, und sie kommen in allen Bereichen vor, von Haushaltsprodukten bis hin zu industriellen Prozessen. Viele Chemikalien gelangen in unsere Wasserwege und Ökosysteme, wo sie negative Auswirkungen auf Menschen und andere Organismen haben können. Ein Beispiel dafür sind PFAS, eine Gruppe problematischer Stoffe, die in jüngster Zeit in besorgniserregenden Konzentrationen sowohl im Grundwasser als auch im Trinkwasser gefunden wurden. Sie wurden zum Beispiel in Löschschaum und in vielen Konsumgütern verwendet.
Negative Auswirkungen auf Mensch und Umwelt treten trotz umfangreicher Chemikalienvorschriften auf, die oft zeitaufwändige Tierversuche erfordern, um nachzuweisen, wann Chemikalien als sicher gelten können. Allein in der EU werden jährlich mehr als zwei Millionen Tiere verwendet, um die verschiedenen Vorschriften zu erfüllen. Gleichzeitig werden in rasantem Tempo neue Chemikalien entwickelt, und es ist eine große Herausforderung, festzustellen, welche davon aufgrund ihrer Toxizität für Mensch oder Umwelt eingeschränkt werden müssen.
Wertvolle Hilfe bei der Entwicklung von Chemikalien
Die von den schwedischen Forschern entwickelte neue Methode nutzt künstliche Intelligenz für eine schnelle und kostengünstige Bewertung der Toxizität von Chemikalien. Sie kann daher eingesetzt werden, um toxische Substanzen in einer frühen Phase zu identifizieren und die Notwendigkeit von Tierversuchen zu verringern.
"Unsere Methode ist in der Lage, anhand der chemischen Struktur einer Substanz vorherzusagen, ob sie giftig ist oder nicht. Sie wurde entwickelt und verfeinert, indem große Datensätze aus früheren Laborversuchen analysiert wurden. Die Methode wurde so trainiert, dass sie auch für bisher nicht getestete Chemikalien genaue Einschätzungen abgeben kann", sagt Mikael Gustavsson, Forscher am Fachbereich für mathematische Wissenschaften der Chalmers University of Technology und am Fachbereich für Biologie und Umweltwissenschaften der Universität Göteborg.
"Derzeit sind mehr als 100.000 Chemikalien auf dem Markt, aber nur ein kleiner Teil davon hat eine gut beschriebene Toxizität für Mensch und Umwelt. Die Toxizität all dieser Chemikalien mit herkömmlichen Methoden, einschließlich Tierversuchen, zu bewerten, ist praktisch nicht möglich. Hier zeigt sich, dass unsere Methode eine neue Alternative bieten kann", sagt Erik Kristiansson, Professor an der Fakultät für mathematische Wissenschaften in Chalmers und an der Universität Göteborg.
Die Forscher glauben, dass die Methode für die Umweltforschung sowie für Behörden und Unternehmen, die neue Chemikalien verwenden oder entwickeln, sehr nützlich sein kann. Sie haben sie daher offen und öffentlich zugänglich gemacht.
Umfassender und genauer als die heutigen Berechnungsinstrumente
Computergestützte Instrumente zum Auffinden giftiger Chemikalien gibt es bereits, doch bisher waren ihre Anwendungsbereiche zu eng oder ihre Genauigkeit zu gering, um Labortests in größerem Umfang zu ersetzen. In der Studie der Forscher verglichen sie ihre Methode mit drei anderen, häufig verwendeten computergestützten Werkzeugen und stellten fest, dass die neue Methode sowohl eine höhere Genauigkeit als auch eine allgemeinere Anwendbarkeit aufweist.
"Die Art von KI, die wir verwenden, basiert auf fortgeschrittenen Deep-Learning-Methoden", sagt Erik Kristiansson. "Unsere Ergebnisse zeigen, dass KI-basierte Methoden bereits mit konventionellen Berechnungsansätzen mithalten können, und wir gehen davon aus, dass sich die KI-Methoden noch weiter verbessern werden, wenn die Menge der verfügbaren Daten weiter zunimmt. Daher glauben wir, dass die KI das Potenzial hat, die rechnerische Bewertung der chemischen Toxizität deutlich zu verbessern".
Die Forscher sagen voraus, dass KI-Systeme in der Lage sein werden, Labortests in immer größerem Umfang zu ersetzen.
"Dies würde bedeuten, dass die Zahl der Tierversuche und die wirtschaftlichen Kosten bei der Entwicklung neuer Chemikalien reduziert werden könnten. Die Möglichkeit, große und vielfältige Datenbestände schnell vorzuprüfen, kann daher die Entwicklung neuer und sicherer Chemikalien unterstützen und dazu beitragen, Ersatz für derzeit verwendete toxische Stoffe zu finden. Wir glauben daher, dass KI-basierte Methoden dazu beitragen werden, die negativen Auswirkungen der chemischen Verschmutzung auf den Menschen und die Ökosystemleistungen zu verringern", sagt Erik Kristiansson.
Mehr über: die neue KI-Methode
Die Methode basiert auf Transformers, einem KI-Modell für Deep Learning, das ursprünglich für die Sprachverarbeitung entwickelt wurde. Chat GPT - die Abkürzung steht für Generative Pretrained Transformer - ist ein Beispiel für die Anwendung.
Das Modell hat sich kürzlich auch als äußerst effizient bei der Erfassung von Informationen aus chemischen Strukturen erwiesen. Transformatoren können Eigenschaften in der Struktur von Molekülen identifizieren, die zu Toxizität führen, und zwar auf eine ausgefeiltere Art und Weise, als dies bisher möglich war.
Anhand dieser Informationen kann die Toxizität des Moleküls dann von einem tiefen neuronalen Netz vorhergesagt werden. Neuronale Netze und Transformatoren gehören zu der Art von KI, die sich durch die Verwendung von Trainingsdaten - in diesem Fall große Datenmengen aus früheren Labortests über die Auswirkungen von Tausenden verschiedener Chemikalien auf verschiedene Tiere und Pflanzen - ständig verbessert.
Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.
Originalveröffentlichung
Weitere News aus dem Ressort Wissenschaft
Holen Sie sich die Analytik- und Labortechnik-Branche in Ihren Posteingang
Ab sofort nichts mehr verpassen: Unser Newsletter für Analytik und Labortechnik bringt Sie jeden Dienstag auf den neuesten Stand. Aktuelle Branchen-News, Produkt-Highlights und Innovationen - kompakt und verständlich in Ihrem Posteingang. Von uns recherchiert, damit Sie es nicht tun müssen.
