查尔姆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，可以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化学品数量不断增加，还有助于减少动物试验的数量。
化学品在社会中的使用非常广泛，从家用产品到工业过程，无所不包。 许多化学品到达我们的水道和生态系统，可能对人类和其他生物体造成负面影响。 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被发现浓度较高。 例如，它已用于消防泡沫和许多消费品中。
尽管有广泛的化学法规，但对人类和环境的负面影响仍然存在，通常需要耗时的动物测试来证明化学品何时可以被认为是安全的。 仅在欧盟，每年就使用超过 200 万只动物来遵守各种法规。 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有毒而需要受到限制是一项重大挑战。
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且经济有效地评估化学毒性。 因此，它可用于早期识别有毒物质，并有助于减少动物测试的需要。
“我们的方法能够根据物质的化学结构来预测其是否有毒。它是通过分析过去进行的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，可以对以前的物质进行准确的评估。未经测试的化学物质，”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研究员米凯尔·古斯塔夫森（Mikael Gustavsson）说。
“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。使用传统方法（包括动物试验）评估所有这些化学品的毒性实际上是不现实的。在这里，我们看到我们的方法可以提供一种新的替代方案，”查尔姆斯理工大学和哥德堡大学数学科学系教授 Erik Kristiansson 说。
研究人员认为，该方法在环境研究以及使用或开发新化学品的当局和公司方面非常有用。 因此，他们将其公开并公开。
比当今的计算工具更广泛、更准确
用于查找有毒化学品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精度太低，无法在更大程度上取代实验室测试。 在研究人员的研究中，他们将他们的方法与其他三种常用的计算工具进行了比较，发现新方法不仅具有更高的准确性，而且更普遍适用。
“我们使用的人工智能类型基于先进的深度学习方法，”埃里克·克里斯蒂安森说。 “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相当，并且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着提高计算能力化学毒性评估。”
研究人员预测，人工智能系统将能够在更大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，并帮助寻找替代品因此，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。”
更多相关内容：新的人工智能方法
该方法基于 Transformer，这是一种最初为语言处理而开发的深度学习人工智能模型。 Chat GPT（其缩写是 Generative Pretrained Transformer）就是应用程序的一个示例。
最近，该模型还被证明在从化学结构中捕获信息方面非常有效。 变形金刚可以以比以前更复杂的方式识别分子结构中引起毒性的特性。
利用这些信息，可以通过深度神经网络预测分子的毒性。 神经网络和变压器属于通过使用训练数据不断改进自身的人工智能类型——在这种情况下，大量数据来自之前实验室测试的数千种不同化学物质对各种动物和植物的影响。
资讯来源：由a0资讯编译自THECOINREPUBLIC。版权归作者A0资讯所有，未经许可，不得转载
