Assessing chemical toxicity across Eukaryota using multimodal transformers

自然界是一个庞大且相互连接的生命网络，从最微小的单细胞生物到最大的哺乳动物，皆在其间。几十年来，科学家们一直知道人造化学物质正在威胁这一网络，对昆虫、鸟类乃至整个生态系统造成伤害。为了保护自然，监管机构需要了解哪些化学物质会对哪些生物产生危害。然而，我们的知识领域存在着巨大的空白。虽然每年都会发现数以千计的新化学物质，且地球上栖息着数百万种物种，但我们仅测试了其中极小的一部分。传统的测试方法既缓慢又昂贵，且往往局限于几种标准的动物，如鱼类、大鼠和藻类。这使得我们在面对大多数物种对大多数化学物质的安全性时只能靠猜测，导致难以在污染造成不可逆转的破坏之前对其进行拦截。

为了弥补这一差距，研究人员转向了人工智能。与其在实验室里对每种化学物质进行每种动物的测试，不如教计算机去识别我们现有数据中的模式。通过学习化学结构如何与不同物种的生物学特征发生相互作用，这些计算机模型可以预测在从未进行过实验的情况下可能出现的毒性情况。这种方法有望加速安全评估，并揭示那些从未被研究过的无数物种所隐藏的危险。

在一项新的研究中，一个科学家团队开发了一个名为 TRIDENT-2 的强大新工具来应对这一挑战。该系统旨在预测任何真核生物（包括几乎所有复杂的生命形式，从植物、真菌到动物）受化学物质影响的毒性程度。研究人员利用海量的现有数据训练了他们的模型，整合了超过 560,000 项毒性测试。这些测试涵盖了超过 82,000 种不同的化学物质和近 6,800 个物种，代表了已知真核生命中约三分之一的类别。数据包含了多种场景，例如生物体暴露于化学物质的时间长短、暴露方式以及观察到的具体效应，如死亡、生长变化或行为转变。

TRIDENT-2 的核心是一种被称为“多模态 Transformer”的人工智能类型。简单来说，这意味着计算机不仅仅是分别观察化学结构或动物本身；它还学习如何将它们与测试条件结合在一起进行理解。它同时处理化学分子的形状、生物体的类型、暴露途径以及实验持续时间。通过学习这种多样化的信息组合，该模型能够发现不同物种与化学物质之间的深层联系。例如，它可以利用它对某种化学物质如何影响小鼠的了解，来对该化学物质可能如何影响相关的啮齿类动物，甚至是处于不同进化分支的远亲做出合理的推测。

当团队测试 TRIDENT-2 时，他们发现即使对于从未见过的物种和化学物质，它也能以惊人的准确度预测毒性。该模型能够估算出导致特定效应（例如导致一半种群死亡）的化学物质浓度，其精确度足以媲美传统方法。至关重要的是，该模型在整个生命树上都表现出色，涵盖了从昆虫、植物到真菌和海洋生物的广泛范围。它表明，通过学习广泛的数据，它可以填补那些很少被测试的物种留下的空白。例如，虽然标准测试通常侧重于鱼类和啮齿动物，但 TRIDENT-2 成功预测了诸如蠕虫、真菌和昆虫等经常被忽视但对生态系统健康至关重要的类群的毒性。

研究人员还将 TRIDENT-2 与监管机构和科学家使用的几种现有工具进行了对比。新模型表现始终优于这些旧方法，尤其是在预测超出传统测试狭窄范围的物种或化学物质的影响时。虽然其他工具局限于少数几种测试动物和特定类型的化学物质，但 TRIDENT-2 可以处理数千种物种和极其广泛的物质。研究表明，即使被要求预测那些在结构上与训练数据差异巨大的化学物质，或者预测在进化上与所研究物种距离较远的物种的影响，该模型仍能保持其准确性。

为了展示其在现实场景中的应用，团队将 TRIMENT-2 应用于数千种农药。他们绘制了这些化学物质可能如何影响真核生命树上的不同物种。结果显示，虽然某些农药对它们的预期目标（如昆虫或杂草）具有高度毒性，但它们也对非目标物种（如某些蠕虫、真菌和植物）构成了风险。该模型能够检测出这些细微的、具有物种特异性的敏感性，而如果仅从宏观群体角度观察数据，这些细节将会被忽略。这种细致程度对于理解污染对生物多样性的真实影响至关重要。

研究结论指出，人工智能可以克服长期以来阻碍生态风险评估的数据局限性。通过利用大量现有的（尽管分布不均的）数据来学习毒性的普遍原理，TRIDENT-2 使科学家能够评估化学物质对数百万种从未经过测试的物种的安全性。这种能力并非要取代物理实验的需求，而是提供了一种方法，用于优先确定哪些测试是最需要的，并在潜在威胁造成广泛破坏之前识别出它们。该工具现已向公众开放使用，为保护地球生物多样性免受日益增长的化学污染影响开辟了一条新路径。