أخبار ar.wedoany.com، طوّر باحثون في جامعة تكساس إي آند إم مؤخراً نظاماً للذكاء الاصطناعي قادراً على التنبؤ بسمية المواد الكيميائية مع تقدير موثوقية كل تنبؤ. أُنجزت هذه الدراسة من قبل فريق في كلية الطب البيطري والعلوم الطبية الحيوية بجامعة تكساس إي آند إم، ونُشرت النتائج في مجلة "نيتشر كوميونيكيشنز" (Nature Communications).
قاد الدراسة الدكتور ويشيو تشيو، أستاذ في قسم علم وظائف الأعضاء وعلم الأدوية البيطري بجامعة تكساس إي آند إم. تهدف الدراسة إلى معالجة تحدٍ طويل الأمد في علم السموم، يتمثل في نقص بيانات السلامة الشاملة لعدد كبير من المواد الكيميائية المستخدمة تجارياً. تعتمد التقييمات التقليدية لسلامة المواد الكيميائية على الدراسات الحيوانية أو الدراسات الوبائية البشرية طويلة الأمد، وكلاهما يتطلب وقتاً وموارد كبيرة، مما يؤدي إلى عدم كفاية الأبحاث حول العديد من المواد الكيميائية.
لمعالجة هذه المشكلة، طوّر الباحثون نماذج تعلم آلي تُعرف بنماذج العلاقة الكمية بين البنية والنشاط. تستخدم هذه النماذج البنية الكيميائية لتقدير مستويات التعرض الآمن. كما عزز فريق تشيو شفافية النماذج من خلال تصميمها للاعتماد على خصائص كيميائية مألوفة مثل قابلية الذوبان في الماء، وقابلية التحلل البيولوجي، ومؤشرات السمية، بدلاً من الاعتماد فقط على واصفات جزيئية مجردة. يتضمن التقدم الأخير دمج وظائف التعلم الآلي الواعية بعدم اليقين، مما يمكّن النموذج من تقدير درجة الثقة في كل تنبؤ، والتي تعتمد على كمية ونوعية بيانات المواد الكيميائية المماثلة المتاحة. وفقاً لتشيو، فإن فهم عدم اليقين أمر بالغ الأهمية، لأن المواد الكيميائية ذات مستويات السمية المتوقعة المماثلة قد تختلف في مستويات المخاطر إذا كان أحد التنبؤات يستند إلى بيانات داعمة محدودة. تولد هذه النماذج مجموعة من النتائج المحتملة، مما يساعد الباحثين على تحديد المواد الكيميائية التي تحتاج إلى مزيد من الدراسة أو مراجعة الخبراء.
بعد تطبيق النموذج على أكثر من 126 ألف مادة كيميائية، حدد النموذج أنماطاً في السمية وعدم اليقين. وجد الباحثون أن المعادن، والمركبات متعددة الكلور، والمواد المشبعة بالفلور ومتعددة الفلور (PFAS) غالباً ما تظهر مستويات عالية من عدم اليقين بسبب محدودية البيانات أو تعقيد السلوك الكيميائي. يعتقد باحثو جامعة تكساس إي آند إم أن هذه النتائج تساعد في توجيه جهود الاختبار المستقبلية نحو المجالات ذات المعرفة العلمية المحدودة. تدعم هذه الطريقة عملية تقييم هرمية، حيث يقوم الذكاء الاصطناعي أولاً بفحص مجموعة كبيرة من المواد الكيميائية، ثم يركز الخبراء على المواد التي تظهر مخاطر أعلى أو قدراً أكبر من عدم اليقين.
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
