SVG Image
< Terug naar nieuws

4 Juli 2024

Alleen via AI en machine learning kunnen we grip krijgen op alle chemicaliën om ons heen

Het open-access Journal of the American Chemical Society (JACS Au) heeft zojuist een perspectief gepubliceerd door Dr. Saer Samanipour en zijn team over de enorme uitdaging om alle chemicaliën om ons heen in kaart te brengen. Samanipour, universitair docent aan het Van 't Hoff Instituut voor Moleculaire Wetenschappen van de Universiteit van Amsterdam (UvA), neemt de beschikbare wetenschap onder de loep en concludeert dat een echt proactief chemisch beheer momenteel niet haalbaar is. Om echt grip te krijgen op het enorme en steeds groter wordende chemische universum, pleit Samanipour voor het gebruik van machine learning en AI, als aanvulling op bestaande strategieën voor het detecteren en identificeren van alle moleculen waaraan we worden blootgesteld.

De totale hoeveelheid moleculen waaraan we worden blootgesteld wordt in de wetenschap het 'exposoom chemische ruimte' genoemd, en dit staat centraal in Samanipours wetenschappelijke inspanningen. Hij streeft ernaar deze enorme moleculaire ruimte te verkennen en in kaart te brengen. Dit is gedreven door zowel nieuwsgierigheid als noodzaak, aangezien directe en indirecte blootstelling aan talloze, vaak onbekende chemicaliën een aanzienlijke bedreiging vormt voor de menselijke gezondheid. Volgens schattingen is 16% van de wereldwijde vroegtijdige sterfgevallen gelinkt aan vervuiling. Ook het milieu lijdt eronder, wat bijvoorbeeld te zien is aan het verlies van biodiversiteit.

 

De huidige benadering is inherent passief en op zijn best reactief. We voelen pas de noodzaak om chemicaliën te analyseren nadat we de effecten van blootstelling waarnemen. Deze benadering heeft tot vele problemen geleid, zoals de recente crisis met PFAS-chemicaliën. Bovendien zijn regulerende maatregelen voornamelijk gericht op chemicaliën met een zeer specifieke moleculaire structuur die in grote hoeveelheden worden geproduceerd. Er zijn echter talloze andere chemicaliën waarvan we weinig weten, zowel door de natuur geproduceerd als door de transformatie van door de mens gemaakte chemicaliën. Vooral deze laatste categorie is systematisch over het hoofd gezien.

 

De conventionele chemische analyse is bevooroordeeld ten opzichte van bekende of voorgestelde structuren, omdat dit essentieel is voor het interpreteren van gegevens verkregen met analytische methoden zoals chromatografie en massaspectrometrie. Dit leidt tot het over het hoofd zien van meer 'onverwachte' chemicaliën. Hoewel de zogeheten non-targeted analysis (NTA) deze bias vermijdt, blijven de resultaten beperkt. In de afgelopen vijf jaar zijn 1600 chemicaliën geïdentificeerd, terwijl elk jaar alleen al op de Amerikaanse markt ongeveer 700 nieuwe chemicaliën worden geïntroduceerd.

 

Om deze uitdagingen aan te pakken, stelt Samanipour voor om machine learning en kunstmatige intelligentie te gebruiken. Hij pleit voor een datagedreven aanpak langs verschillende lijnen: intensiever dataminen, retrospectieve analyses uitvoeren op reeds beschikbare analytische gegevens en AI gebruiken om de structuur en reikwijdte van de exposoom chemische ruimte te begrijpen.

 

Bron: UvA.nl

Vergelijkbaar >

Vergelijkbare nieuwsitems

>Bekijk alle nieuwsitems >
UvA presenteert onderzoek op Supercomputing 2024 in Atlanta

17 januari

UvA presenteert onderzoek op Supercomputing 2024 in Atlanta >

De Universiteit van Amsterdam (UvA) nam deel aan Supercomputing 2024 in Atlanta, waar onderzoekers hun werk presenteerden over het gebruik van microservices voor collaboratieve modeltraining op het FABRIC-testbed. Het UvA-team, bestaande uit Alexandros Koufakis, Anestis Dalgitsis, Cees de Laat en Paola Grosso, liet zien hoe verticale federatieve leertechnieken de privacy kunnen waarborgen bij het trainen van AI-modellen.

Lees meer >

UvA en KPMG bundelen krachten voor onderzoek naar AI en accountancy

17 januari

UvA en KPMG bundelen krachten voor onderzoek naar AI en accountancy >

De Universiteit van Amsterdam (UvA) en KPMG starten een vijfjarige samenwerking binnen het AI4FinTech-programma. Met een jaarlijkse bijdrage van €100.000 van KPMG richten zij zich op de toepassingen van AI in accountancy en het auditen van AI. Dit initiatief versterkt de verbinding tussen wetenschap en praktijk in financiële technologie.

Lees meer >

VU lanceert drie geavanceerde cursussen in data-analyse, optimalisatie en generatieve AI

17 januari

VU lanceert drie geavanceerde cursussen in data-analyse, optimalisatie en generatieve AI >

De Vrije Universiteit Amsterdam kondigt drie nieuwe cursussen aan. Deze geavanceerde programma's bieden professionals de kans om hun vaardigheden in data-analyse, optimalisatie en generatieve kunstmatige intelligentie te verbeteren. De cursussen combineren diepgaande kennis met praktische toepassingen.

Lees meer >