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能力——仅仅基于分子结构的知识。这种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。

化学物质在社会上的使用是广泛的，从家用产品到工业生产过程，它们无处不在。许多化学物质到达我们的水道和生态系统，在那里它们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有关的浓度。例如，它已被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，这些法规往往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，每年就有超过200万只动物被用于遵守各种规定。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使用是一项重大挑战。

在开发化学品方面提供宝贵的帮助

瑞典研究人员开发的新方法利用人工智能对化学毒性进行快速和经济有效的评估。因此，它可用于在早期阶段识别有毒物质，并有助于减少对动物试验的需求。

“我们的方法能够根据化学结构预测一种物质是否有毒。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。Chalmers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:“因此，这种方法已经经过训练，可以对以前未经测试的化学物质进行准确的评估。”

“目前市场上有超过10万种化学物质，但其中只有一小部分对人类或环境有明确的毒性。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，”查尔默斯大学和哥德堡大学数学科学系教授埃里克·克里斯蒂安森说。

研究人员认为，这种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，他们将其公开并向公众提供。

比今天的计算工具更广泛，更准确

用于发现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，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，发现新方法不仅精度更高，而且更普遍适用。

“我们使用的人工智能基于先进的深度学习方法，”埃里克·克里斯蒂安森(Erik Kristiansson)说。“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相当，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提高化学毒性的计算评估。”

研究人员预测，人工智能系统将在越来越大的程度上取代实验室测试。

这意味着动物实验的数量可以减少，开发新化学品的经济成本也可以降低。因此，迅速预先筛选大量不同数据的可能性有助于开发新的和更安全的化学品，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。

更多关于:新的人工智能方法

该方法是基于最初为语言处理开发的深度学习人工智能模型“变形金刚”。Chat GPT——它的缩写意思是生成预训练的变压器——是应用程序的一个例子。

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。变压器可以识别分子结构中导致毒性的特性，以一种比以前更复杂的方式。

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，训练数据是来自先前数千种不同化学物质对各种动植物影响的实验室测试的大量数据。