Машинное обучение поможет отказаться от опытов на животных

Американским ученым удалось разработать компьютерный метод выявления токсичности химических веществ, превосходящий по точности опыты на животных. Для его создания использовали бинарные коэффициенты сходства , а сама система обучена на информации о более чем 866 тысячах опасных свойств распространенных в опытах химикатов. Статья опубликована в журнале Toxicological Sciences.

Токсикологические опыты проводятся большинством фармакологических, косметических и других компаний, производящих химическую продукцию: они помогают оценить безопасность вещества для использования человеком. Несмотря на то, что подобные исследования регулируются этическими нормами отдельных учреждений, тестирование препаратов на токсичность на животных широко порицается. По всему миру компании стараются ограничить использование животных в этапах создания своей продукции; тем не менее, большинство предпринимаемых мер недостаточно эффективны: к примеру, в 2017 году количество использованных лабораторных животных возросло на семь процентов по сравнению с предыдущим годом. 

Помочь ограничить количество животных, используемых в токсикологических опытах могут современные технологии. Этим занялась команда исследователей под руководством Томаса Хартунга (Yhomas Hartung) из Университета Джонса Хопкинса. Они использовали данные о 80 тысячах химических веществ из досье, собранных Европейским химическим агентством: в конечном датасете содержится информация о 866 тысячах свойств и указаний на токсичность и возможные вредные воздействий всех проанализированных химикатов. Все данные были получены в ходе многолетних опытов на животных.

Обученная система оценивает вероятность опасных свойств химических веществ (их токсичности при контакте, к примеру, со слезными железами) на основе расчета коэффициентов сходства: этот этап обучения происходит без учителя. На основе полученных данных затем, с помощью метода k-ближайших соседей, сходства свойств оцениваемых химических веществ представляются в виде двухмерных векторов. Далее система обучалась оценивать токсичность входных данных с помощью алгоритма random forest, который использует множество деревьев решений.

Исследователям удалось добиться точности токсикологического анализа в 87 процентах случаев: для сравнения, единичный опыт с участием животного имеет точность в 57 процентов, а повторный — 81 процент.

Собранных данных, таким образом, оказалось достаточно для того, чтобы обучить компьютер оценивать возможные негативные последствия использования химических веществ для человека. Использование подобных методов, по мнению исследователей, — это отличная возможность ограничить жесткое обращение с животными в сфере фармакологии и косметологии.

Зачастую животных используют не только в исследованиях безопасности веществ и медикаментов, но и для поведенческих исследований. К примеру, в прошлом году ученым удалось вывести мышей с моделью биполярного расстройства.

Елизавета Ивтушок