Giftiga kemikalier kan upptäckas med ny AI-metod

Forskare på Chalmers och Göteborgs universitet har utvecklat en AI-metod som förenklar identifieringen av giftiga kemikalier – enbart utifrån molekylernas struktur. Metoden kan bidra både till bättre kontroll av den ständigt växande mängden olika kemikalier i samhället, och till att minska det stora antalet laboratorietester som utförs på djur runtom i världen.

Kemikalieanvändningen i samhället är omfattande, i allt från vardagliga hushållsprodukter till industriella processer. Många av kemikalierna når våra vattendrag och ekosystem och orsakar i förlängningen en mängd negativa effekter hos både människor och andra organismer. Ett aktuellt exempel är ämnesgruppen PFAS, som bland annat förekommer i brandskum och många konsumentprodukter, och som återfunnits i både grund- och dricksvatten.

Dessa problem uppstår trots omfattande regleringar för kemikalier och krav på tidskrävande laboratorietester som ofta innebär djurförsök. Enbart inom EU används mer än två miljoner djur årligen för att uppfylla diverse regelverk. Nya kemikalier tas dessutom fram i snabb takt, och en stor utmaning ligger i att tidigt avgöra vilka som är så toxiska för människor eller miljön att användningen måste begränsas.

Värdefull hjälp när kemikalier utvecklas

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.

– 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.

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.

Bredare och mer träffsäker än dagens beräkningsverktyg

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.

– Den typen av AI som vi använder bygger på avancerade metoder för djupinlärning, säger Erik Kristiansson. Den blir kraftfullare ju mer data från experiment den får tillgång till, och kommer att kunna ge betydligt bättre beräkningsbaserade system för att förutsäga giftigheten hos kemikalier. Redan nu presterar vår metod väl så bra som dagens verktyg.

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.

Mer om: den nya AI-metoden

Metoden baseras på så kallade transformerare (transformers på engelska), en AI-modell för djupinlärning som från början utvecklades för språkbehandling. Transformerare används exempelvis i Chat GPT, där förkortningen står för Generative Pre-trained Transformer – generativ föranpassad transformerare.

Modellen har nyligen visat sig vara mycket effektiv även för att utvinna information från kemiska strukturer. Transformerare kan identifiera egenskaper hos molekylers struktur som orsakar giftighet, på ett mer sofistikerat sätt än vad som varit möjligt tidigare.

Med hjälp av denna information kan molekylens toxicitet sedan förutsägas av ett så kallat djupt neuralt nätverk. Neurala nätverk och transformerare tillhör den typ av AI som förbättrar sig själv kontinuerligt genom att använda träningsdata – i det här fallet stora mängder data från tidigare laboratorietester av tusentals olika kemikaliers effekter på olika djur och växter.

Mer om: forskningen

Studien Transformers enable accurate prediction of acute and chronic chemical toxicity in aquatic organisms är publicerad i tidskriften Science Advances. Den är utförd av Mikael Gustavsson och Erik Kristiansson på Chalmers och Göteborgs universitet, Styrbjörn Käll, Juan S. Inda-Diaz och Sverker Molander på Chalmers, samt Patrik Svedberg, Jessica Coria och Thomas Backhaus på Göteborgs universitet.

För mer information, kontakta:

• Erik Kristiansson, professor på institutionen för matematiska vetenskaper vid Chalmers och vid Göteborgs universitet, 031-772 35 21, erik.kristiansson@chalmers.se
• Mikael Gustavsson, forskare på institutionen för matematiska vetenskaper vid Chalmers, och på institutionen för biologi och miljövetenskap vid Göteborgs universitet, 031-772 53 80, mikael.gustavsson@bioenv.gu.se

Båda forskarna talar svenska och engelska. På Chalmers har vi poddcast-studior och filmutrustning på plats och kan bistå förfrågningar om tv-, radio- eller poddintervju.