Kunstig intelligens udkonkurrerer de gentagne dyreforsøg til at identificere giftige kemikalier

De fleste forbrugere ville være forfærdede over, hvor lidt vi ved om størstedelen af ​​kemikalier. Kun 3 procent af industrikemikalier - for det meste medicin og pesticider - er omfattende testet. De fleste af de 80, 000 til 140, 000 kemikalier i forbrugerprodukter er slet ikke blevet testet eller bare undersøgt overfladisk for at se, hvilken skade de kan gøre lokalt, på kontaktstedet og ved ekstremt høje doser.

Jeg er læge og tidligere leder af European Center for Validation of Alternative Methods of the European Commission (2002-2008), og jeg er dedikeret til at finde hurtigere, billigere og mere præcise metoder til test af kemikaliers sikkerhed. Til det formål, Jeg leder nu et nyt program på Johns Hopkins University for at forny sikkerhedsvidenskaberne.

Som en del af denne indsats, vi har nu udviklet en computermetode til test af kemikalier, der kan spare mere end 1 milliard dollars om året og mere end 2 millioner dyr. Især i tider, hvor regeringen tilbagefører reglerne om den kemiske industri, nye metoder til at identificere farlige stoffer er kritiske for menneskers og miljømæssige sundhed.

Hvordan computeren overtog fra laboratorierotten

Vores edb -test er mulig på grund af Europas REACH (registrering, Evaluering, Godkendelse og begrænsning af kemikalier) lovgivning:Det var den første verdensomspændende regulering, der systematisk loggede eksisterende industrikemikalier. Over en periode på et årti fra 2008 til 2018, mindst de kemikalier, der produceres eller markedsføres med mere end 1 ton om året i Europa, skulle registreres med stigende sikkerhedstestoplysninger afhængigt af den solgte mængde.

Vores team offentliggjorde en kritisk analyse af europæiske testkrav i 2009, der konkluderede, at lovgivningens krav kun kunne opfyldes ved at vedtage nye metoder til kemisk analyse. Europa sporer ikke nye kemikalier under et årligt marked eller en produktionsmængde på 1 ton. Men den tilsvarende størrelse amerikanske kemiske industri giver omkring 1, 000 kemikalier i denne mængde til markedet hvert år. Imidlertid, Europa gør et meget bedre stykke arbejde med at anmode om sikkerhedsdata. Dette fremhæver også, hvor mange nye stoffer der skal vurderes hvert år, selv når de produceres i små mængder under 1 ton, som ikke er reguleret i Europa. Billige og hurtige computermetoder egner sig til dette formål.

Vores gruppe udnyttede det faktum, at REACH offentliggjorde sine sikkerhedsdata om registrerede kemikalier. I 2016, vi omformaterede REACH -dataene, gør den maskinlæsbar og skaber den største toksikologiske database nogensinde. Det loggede 10, 000 kemikalier og sluttede dem til 800, 000 associerede undersøgelser.

Dette lagde grundlaget for at teste, om dyreforsøg - betragtet som guldstandarden for sikkerhedstest - var reproducerbare. Nogle kemikalier blev testet overraskende ofte i den samme dyreforsøg. For eksempel, to kemikalier blev testet mere end 90 gange i kaninøjne; 69 kemikalier blev testet mere end 45 gange. Dette enorme spild af dyr, imidlertid, gjorde det muligt for os at undersøge, om disse dyreforsøg gav konsistente resultater.

Vores analyse viste, at disse tests, som forbruger mere end 2 millioner dyr om året på verdensplan, er simpelthen ikke særlig pålidelige - når det testes hos dyr, er et kemikalie, der vides at være giftigt, kun bevist i omkring 70 procent af gentagne dyreforsøg. Det var dyreforsøg udført i henhold til OECD -testretningslinjer under Good Laboratory Practice - det vil sige, det bedste du kan få. Dette viser klart, at kvaliteten af ​​disse tests er overvurderet, og agenturer skal prøve alternative strategier for at vurdere toksiciteten af ​​forskellige forbindelser.

Big data mere pålidelige end dyreforsøg

Efter visionen om toksikologi for det 21. århundrede, en bevægelse ledet af amerikanske agenturer for at forny sikkerhedstest, vigtigt arbejde blev udført af min ph.d. studerende Tom Luechtefeld ved Johns Hopkins Center for alternativer til dyreforsøg. Samarbejde med Underwriters Laboratories, vi har nu udnyttet en udvidet database og maskinlæring til at forudsige giftige egenskaber. Som vi rapporterer i tidsskriftet Toxicological Sciences, vi udviklede en ny algoritme og database til analyse af kemikalier og bestemmelse af deres toksicitet-det vi kalder read-across strukturaktivitetsforhold, RASAR.

At gøre dette, vi skabte først en enorm database med 10 millioner kemiske strukturer ved at tilføje flere offentlige databaser fyldt med kemiske data, hvilken, hvis du knuser tallene, repræsenterer 50 billioner par kemikalier. En supercomputer lavede derefter et kort over det kemiske univers, hvor kemikalier er placeret tæt sammen, hvis de deler mange fælles strukturer og langt, hvor de ikke gør det. Det meste af tiden, ethvert molekyle tæt på et giftigt molekyle er også farligt. Endnu mere sandsynligt, hvis mange giftige stoffer er tæt på, harmløse stoffer er langt. Ethvert stof kan nu analyseres ved at placere det på dette kort.

Hvis dette lyder enkelt, det er ikke. Det kræver en halv milliard matematiske beregninger pr. Kemikalie for at se, hvor det passer. Det kemiske kvarter fokuserer på 74 egenskaber, der bruges til at forudsige egenskaberne af et stof. Ved hjælp af egenskaberne for de nærliggende kemikalier, vi kan forudsige, om et ikke -testet kemikalie er farligt. For eksempel, for at forudsige, om et kemikalie vil forårsage øjenirritation, vores computerprogram bruger ikke kun oplysninger fra lignende kemikalier, som blev testet på kaninøjne, men også information om hudirritation. Det skyldes, at det, der typisk irriterer huden, også skader øjet.

Hvor godt identificerer computeren giftige kemikalier?

Denne metode vil blive brugt til nye ikke -testede stoffer. Imidlertid, hvis du gør dette for kemikalier, som du faktisk har data for, og sammenligne forudsigelser med virkeligheden, du kan teste, hvor godt denne forudsigelse fungerer. Vi gjorde dette for 48, 000 kemikalier, der var godt karakteriseret for mindst et aspekt af toksicitet, og vi fandt de giftige stoffer i 89 procent af tilfældene.

Dette er klart mere præcist end de tilsvarende dyreforsøg, som kun giver det korrekte svar 70 procent af tiden. RASAR skal nu formelt valideres af et interagency -udvalg bestående af 16 amerikanske agenturer, herunder EPA og FDA, der vil udfordre vores computerprogram med kemikalier, for hvilke resultatet ikke er kendt. Dette er en forudsætning for accept og brug i mange lande og industrier.

Potentialet er enormt:RASAR -tilgangen er i det væsentlige baseret på kemiske data, der blev registreret for REACH -fristerne for 2010 og 2013. Hvis vores skøn er korrekte, og kemiske producenter ikke ville have registreret kemikalier efter 2013, og i stedet brugte vores RASAR -program, vi ville have sparet 2,8 millioner dyr og 490 millioner dollars i testomkostninger - og modtaget mere pålidelige data. Vi må indrømme, at dette er en meget teoretisk beregning, men det viser, hvor værdifuld denne tilgang kan være for andre reguleringsprogrammer og sikkerhedsvurderinger.

I fremtiden, en kemiker kunne kontrollere RASAR, før han overhovedet syntetiserede deres næste kemikalie for at kontrollere, om den nye struktur vil have problemer. Eller en produktudvikler kan vælge alternativer til giftige stoffer til brug i deres produkter. Dette er en kraftfuld teknologi, som kun begynder at vise alt sit potentiale.

Denne artikel blev oprindeligt offentliggjort på The Conversation. Læs den originale artikel.