El método puede contribuir a un mejor control y comprensión del número cada vez mayor de sustancias químicas utilizadas en la sociedad y también puede ayudar a reducir la cantidad de pruebas con animales.

El estudio, "Los transformadores permiten una predicción precisa de la toxicidad química aguda y crónica en organismos acuáticos", se ha publicado en Science Advances. .

El uso de productos químicos en la sociedad es amplio y se encuentran en todo, desde productos domésticos hasta procesos industriales. Muchas sustancias químicas llegan a nuestras vías fluviales y ecosistemas, donde pueden causar efectos negativos en los seres humanos y otros organismos.

Un ejemplo es el PFAS, un grupo de sustancias problemáticas que recientemente se han encontrado en concentraciones preocupantes tanto en el agua subterránea como en el agua potable. Se ha utilizado, por ejemplo, en espumas contra incendios y en muchos productos de consumo.

Los efectos negativos para los seres humanos y el medio ambiente surgen a pesar de las extensas regulaciones sobre productos químicos, que a menudo requieren pruebas con animales que requieren mucho tiempo para demostrar cuándo los productos químicos pueden considerarse seguros.

Sólo en la UE se utilizan anualmente más de 2 millones de animales para cumplir diversas normativas. Al mismo tiempo, se desarrollan nuevos productos químicos a un ritmo rápido y es un gran desafío determinar cuáles de ellos deben restringirse debido a su toxicidad para los humanos o el medio ambiente.

Ayuda valiosa en el desarrollo de productos químicos

El nuevo método desarrollado por investigadores suecos utiliza inteligencia artificial para una evaluación rápida y rentable de la toxicidad química. Por lo tanto, puede utilizarse para identificar sustancias tóxicas en una fase temprana y ayudar a reducir la necesidad de realizar pruebas con animales.

"Nuestro método es capaz de predecir si una sustancia es tóxica o no en función de su estructura química. Ha sido desarrollado y perfeccionado mediante el análisis de grandes conjuntos de datos de pruebas de laboratorio realizadas en el pasado. De este modo, el método ha sido entrenado para realizar evaluaciones precisas de sustancias previamente químicos no probados", dice Mikael Gustavsson, investigador del Departamento de Ciencias Matemáticas de la Universidad Tecnológica de Chalmers y del Departamento de Biología y Ciencias Ambientales de la Universidad de Gotemburgo.

"Actualmente hay más de 100.000 productos químicos en el mercado, pero sólo una pequeña parte de ellos tienen una toxicidad bien descrita para los seres humanos o el medio ambiente. Evaluar la toxicidad de todos estos productos químicos utilizando métodos convencionales, incluidas las pruebas con animales, no es prácticamente posible. Aquí vemos que nuestro método puede ofrecer una nueva alternativa", afirma Erik Kristiansson, profesor del Departamento de Ciencias Matemáticas de Chalmers y de la Universidad de Gotemburgo.

Los investigadores creen que el método puede resultar muy útil en la investigación medioambiental, así como para autoridades y empresas que utilizan o desarrollan nuevos productos químicos. Por lo tanto, lo han hecho abierto y disponible públicamente.

Más amplio y preciso que las herramientas computacionales actuales

Ya existen herramientas computacionales para encontrar sustancias químicas tóxicas, pero hasta ahora han tenido dominios de aplicabilidad demasiado limitados o una precisión demasiado baja para reemplazar las pruebas de laboratorio en mayor medida. En el estudio de los investigadores, compararon su método con otras tres herramientas computacionales comúnmente utilizadas y descubrieron que el nuevo método tiene una mayor precisión y es más aplicable en general.

"El tipo de IA que utilizamos se basa en métodos avanzados de aprendizaje profundo", afirma Kristiansson. "Nuestros resultados muestran que los métodos basados ​​en IA ya están a la par de los enfoques computacionales convencionales y, a medida que la cantidad de datos disponibles continúa aumentando, esperamos que los métodos de IA mejoren aún más. Por lo tanto, creemos que la IA tiene el potencial de mejorar notablemente los métodos computacionales. evaluación de la toxicidad química."

Los investigadores predicen que los sistemas de IA podrán sustituir cada vez más a las pruebas de laboratorio.

"Esto significaría que se podría reducir el número de experimentos con animales, así como los costos económicos al desarrollar nuevos productos químicos. Por lo tanto, la posibilidad de preseleccionar rápidamente grandes y diversos conjuntos de datos puede ayudar al desarrollo de productos químicos nuevos y más seguros y ayudar a encontrar sustitutos. Para las sustancias tóxicas que se utilizan actualmente, creemos que los métodos basados ​​en la IA ayudarán a reducir los impactos negativos de la contaminación química en los seres humanos y en los servicios de los ecosistemas", afirma Kristiansson.

El método se basa en transformadores, un modelo de inteligencia artificial para el aprendizaje profundo que se desarrolló originalmente para el procesamiento del lenguaje. Chat GPT, cuya abreviatura significa Transformador generativo preentrenado, es un ejemplo de estas aplicaciones.

Recientemente, el modelo también ha demostrado ser muy eficaz a la hora de capturar información de estructuras químicas. Los transformadores pueden identificar propiedades en la estructura de las moléculas que causan toxicidad, de una manera más sofisticada de lo que era posible hasta ahora.

Utilizando esta información, una red neuronal profunda puede predecir la toxicidad de la molécula. Las redes neuronales y los transformadores pertenecen al tipo de IA que se mejora continuamente mediante el uso de datos de entrenamiento; en este caso, grandes cantidades de datos de pruebas de laboratorio anteriores sobre los efectos de miles de sustancias químicas diferentes en diversos animales y plantas.