Assessing chemical toxicity across Eukaryota using multimodal transformers

Die natürliche Welt ist ein riesiges, miteinander vernetztes Netz des Lebens, von den kleinsten einzelligen Organismen bis hin zu den größten Säugetieren. Seit Jahrzehnten wissen Wissenschaftler, dass menschengemachte Chemikalien dieses Netz bedrohen und Schaden an Insekten, Vögeln und ganzen Ökosystemen anrichten. Um die Natur zu schützen, müssen Regulierungsbehörden wissen, welche Chemikalien für welche Lebewesen gefährlich sind. Es besteht jedoch eine massive Wissenslücke. Während jedes Jahr Tausende neuer Chemikalien entdeckt werden und Millionen von Arten den Planeten bewohnen, haben wir nur einen winzigen Bruchteil von ihnen getestet. Traditionelle Tests sind langsam, teuer und oft auf wenige Standardtiere wie Fische, Ratten und Algen beschränkt. Dies lässt uns bei der Sicherheit der meisten Chemikalien für die meisten Arten im Dunkeln tappen, was es schwierig macht, Verschmutzungen zu stoppen, bevor sie irreversiblen Schaden anrichten.

Um diese Lücke zu schließen, haben Forscher auf künstliche Intelligenz zurückgegriffen. Anstatt jede Chemikalie in einem Labor an jedem Tier zu testen, bringen sie Computern bei, Muster in den Daten zu erkennen, die bereits vorhanden sind. Indem sie lernen, wie chemische Strukturen mit der Biologie verschiedener Arten interagieren, können diese Computermodelle die Toxizität für Situationen vorhersagen, für die noch nie ein Experiment durchgeführt wurde. Dieser Ansatz verspricht, die Sicherheitsbewertungen zu beschleunigen und verborgene Gefahren für die unzähligen Arten aufzudecken, die noch nie untersucht wurden.

In einer neuen Studie hat ein Team von Wissenschaftlern ein leistungsfähiges neues Werkzeug namens TRIDENT-2 entwickelt, um diese Herausforderung anzugehen. Dieses System ist darauf ausgelegt, vorherzusagen, wie toxisch eine Chemikalie für jeden eukaryotischen Organismus ist – eine Gruppe, die fast alle komplexen Lebensformen umfasst, von Pflanzen und Pilzen bis hin zu Tieren. Die Forscher trainierten ihr Modell mit einer massiven Sammlung bestehender Daten und führten mehr als 560.000 Toxizitätstests zusammen. Diese Tests deckten über 82.000 verschiedene Chemikalien und fast 6.800 Arten ab, was etwa einem Drittel aller bekannten Gruppen der eukaryotischen Lebensformen entspricht. Die Daten umfassten eine große Vielfalt an Szenarien, wie etwa die Dauer, die ein Organismus einer Chemikalie ausgesetzt war, die Art der Exposition und die spezifisch beobachteten Effekte, wie etwa Tod, Veränderungen im Wachstum oder Verhaltensänderungen.

Der Kern von TRIDENT-2 ist eine Art künstliche Intelligenz, die als multimodaler Transformer bekannt ist. Vereinfacht ausgedrückt bedeutet dies, dass der Computer nicht nur die chemische Struktur oder das Tier separat betrachtet; er lernt zu verstehen, wie sie zusammen mit den Testbedingungen harmonieren. Er verarbeitet die molekulare Form der Chemikalie, die Art des Organismus, den Expositionsweg und die Dauer des Experiments gleichzeitig. Durch das Lernen aus dieser vielfältigen Mischung an Informationen kann das Modell tiefe Verbindungen zwischen verschiedenen Arten und Chemikalien erkennen. Beispielsweise kann es das Wissen darüber nutzen, wie eine Chemikalie eine Maus beeinflusst, um eine fundierte Vermutung darüber anzustellen, wie dieselbe Chemikalie ein verwandtes Nagetier oder sogar ein fernes Verwandtenwesen in einem anderen Teil des Tierreichs beeinflussen könnte.

Als das Team TRIDENT-2 testete, stellte es fest, dass es die Toxizität mit bemerkenswerter Genauigkeit vorhersagen konnte, selbst für Arten und Chemikalien, die es zuvor noch nie gesehen hatte. Das Modell war in der Lage, die Konzentration einer Chemikalie abzuschätzen, die einen spezifischen Effekt hervorruft, wie etwa das Töten der Hälfte einer Population, mit einer Präzision, die traditionellen Methoden ebenbürtig ist. Entscheidend war, dass das Modell über den gesamten Stammbaum des Lebens hinweg gut funktionierte, von Insekten und Pflanzen bis hin zu Pilzen und Meereskreaturen. Es zeigte, dass es durch das Lernen aus einer breiten Palette von Daten die Lücken für Arten füllen konnte, die selten getestet werden. Während sich Standardtests oft auf Fische und Nagetiere konzentrieren, sagte TRIDENT-2 erfolgreich die Toxizität für Gruppen wie Würmer, Pilze und Insekten voraus, die oft übersehen werden, aber für die Gesundheit des Ökosystems entscheidend sind.

Die Forscher verglichen TRIDENT-2 auch mit mehreren bestehenden Werkzeugen, die von Regulierungsbehörden und Wissenschaftlern eingesetzt werden. Das neue Modell übertraf diese älteren Methoden konsequent, insbesondere bei der Vorhersage von Effekten für Arten oder Chemikalien außerhalb des engen Bereichs traditioneller Tests. Während andere Werkzeuge auf eine Handvoll Testtiere und spezifische Arten von Chemikalien beschränkt waren, konnte TRIDENT-2 Tausende von Arten und eine riesige Auswahl an Substanzen handhaben. Die Studie zeigte, dass das Modell seine Genauigkeit auch dann beibehalten konnte, wenn es gefragt wurde, die Auswirkungen von Chemikalien vorherzusagen, die strukturell sehr unterschiedlich zu denen in seinen Trainingsdaten waren oder die für Arten waren, die evolutionär weit entfernt von den untersuchten waren.

Um zu zeigen, wie dies in einem realen Szenario funktioniert, wandte das Team TRIDENT-2 auf Tausende von Pestiziden an. Sie kartierten, wie diese Chemikalien wahrscheinlich verschiedene Arten entlang des eukaryotischen Stammbaums beeinflussen würden. Die Ergebnisse zeigten, dass einige Pestizide zwar hochtoxisch für ihre Zielorganismen wie Insekten oder Unkräuter waren, aber auch Risiken für Nicht-Zielarten wie bestimmte Würmer, Pilze und Pflanzen darstellten. Das Modell war in der Lage, diese subtilen, artspezifischen Empfindlichkeiten zu erkennen, die übersehen worden wären, wenn die Daten nur in breiten Gruppen betrachtet worden wären. Diese Detailtiefe ist entscheidend für das Verständnis der wahren Auswirkungen der Verschmutzung auf die Biodiversität.

Die Studie kommt zu dem Schluss, dass künstliche Intelligenz die langjährigen Datenbeschränkungen überwinden kann, die die ökologische Risikobewertung bisher behindert haben. Durch die Nutzung der riesigen Menge an bestehenden, wenn auch ungleichmäßigen Daten, um allgemeine Prinzipien der Toxizität zu erlernen, ermöglicht TRIDENT-2 es Wissenschaftlern, die Sicherheit von Chemikalien für die Millionen von Arten zu bewerten, die noch nie getestet wurden. Diese Fähigkeit ersetzt nicht die Notwendigkeit physischer Experimente, bietet aber eine Möglichkeit, festzustellen, welche Tests am dringendsten benötigt werden, und um potenzielle Bedrohungen zu identifizieren, bevor sie weit verbreiteten Schaden anrichten. Das Werkzeug steht nun der Öffentlichkeit zur Verfügung und bietet einen neuen Weg, die Biodiversität des Planeten vor der wachsenden Flut der chemischen Verschmutzung zu schützen.