Pesquisadores detectam produtos químicos tóxicos em organismos aquáticos com novo método de IA
Uma representação da estrutura da molécula é usada como entrada para um transformador pré-treinado, que interpreta a estrutura molecular. O transformador cria uma chamada "incorporação vetorial" - uma representação numérica da toxicidade da estrutura. Isso é então usado como entrada para uma rede neural profunda (DNN), juntamente com informações sobre o tipo de efeito tóxico que você deseja avaliar e a duração da exposição. A saída da rede neural é a concentração prevista da molécula que causa o efeito solicitado. Crédito:Avanços da Ciência (2024). DOI:10.1126/sciadv.adk6669 Investigadores suecos da Universidade de Tecnologia de Chalmers e da Universidade de Gotemburgo desenvolveram um método de IA que melhora a identificação de produtos químicos tóxicos – baseado apenas no conhecimento da estrutura molecular.
O método pode contribuir para um melhor controlo e compreensão do número cada vez maior de produtos químicos utilizados na sociedade e também pode ajudar a reduzir a quantidade de testes em animais.
O estudo, "Transformadores permitem uma previsão precisa da toxicidade química aguda e crônica em organismos aquáticos", foi publicado na Science Advances. .
O uso de produtos químicos na sociedade é extenso e ocorre em tudo, desde produtos domésticos até processos industriais. Muitos produtos químicos chegam aos nossos cursos de água e ecossistemas, onde podem causar efeitos negativos nos seres humanos e noutros organismos.
Um exemplo é o PFAS, um grupo de substâncias problemáticas que foram recentemente encontradas em concentrações preocupantes tanto nas águas subterrâneas como na água potável. Tem sido utilizado, por exemplo, em espuma de combate a incêndios e em muitos produtos de consumo.
Os efeitos negativos para os seres humanos e para o ambiente surgem apesar das extensas regulamentações químicas, que muitas vezes exigem testes em animais demorados para demonstrar quando os produtos químicos podem ser considerados seguros.
Só na UE, mais de 2 milhões de animais são utilizados anualmente para cumprir vários regulamentos. Ao mesmo tempo, novos produtos químicos são desenvolvidos a um ritmo rápido e é um grande desafio determinar quais deles precisam de ser restringidos devido à sua toxicidade para os seres humanos ou para o ambiente.
Ajuda valiosa no desenvolvimento de produtos químicos
O novo método desenvolvido pelos investigadores suecos utiliza inteligência artificial para uma avaliação rápida e económica da toxicidade química. Pode, portanto, ser utilizado para identificar substâncias tóxicas numa fase inicial e ajudar a reduzir a necessidade de ensaios em animais.
"Nosso método é capaz de prever se uma substância é tóxica ou não com base em sua estrutura química. Ele foi desenvolvido e refinado através da análise de grandes conjuntos de dados de testes laboratoriais realizados no passado. O método foi assim treinado para fazer avaliações precisas de testes anteriores. produtos químicos não testados", diz Mikael Gustavsson, pesquisador do Departamento de Ciências Matemáticas da Chalmers University of Technology e do Departamento de Biologia e Ciências Ambientais da Universidade de Gotemburgo.
"Existem atualmente mais de 100 mil produtos químicos no mercado, mas apenas uma pequena parte deles tem uma toxicidade bem descrita para os seres humanos ou para o meio ambiente. Avaliar a toxicidade de todos esses produtos químicos usando métodos convencionais, incluindo testes em animais, não é praticamente possível. Aqui, vemos que o nosso método pode oferecer uma nova alternativa", diz Erik Kristiansson, professor do Departamento de Ciências Matemáticas da Chalmers e da Universidade de Gotemburgo.
Os pesquisadores acreditam que o método pode ser muito útil na pesquisa ambiental, bem como para autoridades e empresas que utilizam ou desenvolvem novos produtos químicos. Eles, portanto, tornaram-no aberto e disponível publicamente.
Mais ampla e precisa do que as ferramentas computacionais atuais
Já existem ferramentas computacionais para encontrar produtos químicos tóxicos, mas, até agora, tiveram domínios de aplicabilidade demasiado estreitos ou uma precisão demasiado baixa para substituir os testes laboratoriais em maior medida. No estudo dos pesquisadores, eles compararam seu método com três outras ferramentas computacionais comumente usadas e descobriram que o novo método tem maior precisão e é mais geralmente aplicável.
“O tipo de IA que usamos é baseado em métodos avançados de aprendizagem profunda”, diz Kristiansson. "Nossos resultados mostram que os métodos baseados em IA já estão no mesmo nível das abordagens computacionais convencionais e, à medida que a quantidade de dados disponíveis continua a aumentar, esperamos que os métodos de IA melhorem ainda mais. Assim, acreditamos que a IA tem o potencial de melhorar significativamente a capacidade computacional. avaliação da toxicidade química."
Os investigadores prevêem que os sistemas de IA serão capazes de substituir os testes laboratoriais cada vez mais.
"Isso significaria que o número de experiências com animais poderia ser reduzido, bem como os custos económicos no desenvolvimento de novos produtos químicos. A possibilidade de pré-selecionar rapidamente grandes e diversos conjuntos de dados pode, portanto, ajudar no desenvolvimento de produtos químicos novos e mais seguros e ajudar a encontrar substitutos para as substâncias tóxicas atualmente em utilização, acreditamos, portanto, que os métodos baseados na IA ajudarão a reduzir os impactos negativos da poluição química nos seres humanos e nos serviços ecossistémicos", afirma Kristiansson.
O método é baseado em transformadores, um modelo de IA para aprendizagem profunda que foi originalmente desenvolvido para processamento de linguagem. Chat GPT – cuja abreviatura significa Generative Pretrained Transformer – é um exemplo das aplicações.
O modelo também se mostrou recentemente altamente eficiente na captura de informações de estruturas químicas. Os transformadores podem identificar propriedades na estrutura das moléculas que causam toxicidade, de uma forma mais sofisticada do que era possível anteriormente.
Usando esta informação, a toxicidade da molécula pode então ser prevista por uma rede neural profunda. As redes neurais e os transformadores pertencem ao tipo de IA que se aprimora continuamente usando dados de treinamento – neste caso, grandes quantidades de dados de testes laboratoriais anteriores sobre os efeitos de milhares de produtos químicos diferentes em vários animais e plantas.