Integrating Developmental Neurotoxicity Prediction with Adverse Outcome Pathway Reasoning
本研究表明，将大语言模型与有害结局路径（AOP）框架相结合，通过利用少样本提示来克服重建下游通路事件的挑战，能够显著增强发育神经毒性评估，从而实现对有害结局及合理生物学机制的准确预测。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
发育中的神经系统是一个脆弱的施工现场，从怀孕初期一直到青春期，都在构建大脑的布线。在这些敏感时期，环境化学物质可能会渗入并破坏蓝图，导致一个人在思考、学习或运动方式上发生持久的变化。几十年来，科学家们一直试图通过在动物或复杂的实验室培养皿中测试化学物质来捕捉这些危险，但这些方法既缓慢又昂贵，且无法跟上每年进入市场的数千种新物质。为了解决这个问题，研究人员转向了计算机，希望在化学物质接触活细胞之前就能预测其毒性。然而，来自计算机的简单“是”或“否”的回答通常是不够的。仅仅知道一种化学物质是有害的很有用，但要了解它究竟是如何破坏大脑机制的，对于监管机构和科学家来说，这对于信任结果并设计更安全的替代品至关重要。
这就是“有害结局通路”（adverse outcome pathway）这一概念发挥作用的地方。想象一排正在倒下的多米诺骨牌：一种化学物质撞倒了第一块（分子起点），进而引发下一块、再下一块，直到最后一块倒下，导致特定的伤害，如记忆受损或大脑缩小。科学家们已经绘制了许多此类多米诺链条，用于发育神经毒性研究。挑战在于，如何教计算机不仅要猜出最后的“崩溃”，还要能够追踪整个倒下的过程。在最近的一项研究中，研究人员试图观察现代人工智能，特别是大语言模型，是否能够做到这一点。他们想知道，这些模型是否能够观察一种化学物质的结构，预测它首先会攻击哪个生物靶点，并逻辑清晰地解释导致有害结局的一系列事件，而无需被明确编程输入毒理学规则。
团队利用来自数千种化学物质和既定生物通路的数据，建立了一个严密的测试场。他们要求十个不同的人工智能模型为每种化学物质执行四项相关的任务：识别初始分子靶点、预测中间生物事件、映射这些事件之间的关系，最后，预测具体的有害结局。为了增加任务的难度和现实感，他们以两种方式测试了模型。首先，他们没有给模型任何示例，要求它们仅依靠预有的知识进行判断。其次，他们给了模型一些解决问题的例子，即“少样本”（few-shot）提示技术，以观察看到几个正确答案是否能帮助它们学习模式。
结果显示，模型在哪些任务上容易完成，以及哪些任务仍然困难，之间存在明显的界限。当被要求识别化学物质首先攻击的分子靶点时，模型的表现相当出色，有些模型即使在没有任何示例的情况下也能达到很高的准确度。这表明这些模型对化学结构如何与生物靶点相互作用有着很强的理解。然而，当被要求描述过程中的中间步骤——即具体的生物事件及其相互关系时，模型表现得非常吃力。在没有示例的情况下，它们经常无法重建正确的事件链，产生的得分几乎与随机猜测无异。这表明，虽然模型可以识别起点，但它们无法独立可靠地追踪通往最终伤害的路径。
转折点出现在研究人员向模型提供少量正确推理示例的时候。这个简单的补充极大地提高了性能。只需四个示例，表现最好的模型就能高度准确地预测最终的有害结局，更重要的是，它们开始成功地重建生物通路的中间步骤。其中一个模型在预测最终有害结局方面达到了接近完美的得分，并且在映射正确的生物事件序列的能力上实现了巨大的飞跃。研究发现，看到一些正确的例子有助于模型将其内部推理与既定的科学通路对齐，有效地教会了它们如何像毒理学家一样“思考”。
然而，研究人员也发现了一个关键的细微差别：得到正确答案并不总是意味着模型理解了到达那里的路径。在某些情况下，模型预测了正确的有害结局，但提供的机制解释却很模糊，或者遗漏了生物链中的关键步骤。为了解决这个问题，团队使用了第二个人工智能系统作为评委，根据解释是否逻辑严密、生物学准确且没有捏造事实来对质量进行评分。这位评委证实，虽然模型随着示例的增加而有所进步，但“正确预测”与“真正可靠的解释”之间仍存在差距。模型正变得越来越擅长模仿科学推理的结构，但尚未达到完美。
该研究结论指出，这些人工智能工具在筛选化学物质和理解其风险方面具有巨大的潜力，但它们目前还不能取代人类专家。模型可以将化学物质与潜在危险联系起来，并提出一个看似合理的生物学故事，但这个故事必须被视为需要被测试的假设，而非确定的事实。研究强调，为了使这些工具在保护公众健康方面真正发挥作用，不仅要评估它们是否得到了最终答案，还要评估它们是否能正确解释到达该答案的过程。通过将人工智能的速度与生物通路的结构化逻辑相结合，科学家们正在朝着一个更快速、更安全地筛选化学物质的未来迈出重要一步，前提是我们必须对这些数字工具提出的机制保持警惕并进行验证。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。