Im EU-geförderten Projekt RISK-HUNT3R wird an der Entwicklung der nächsten Generation von Methoden zur tierversuchsfreien Risikobewertung neuer Substanzen geforscht. Hierbei sollen computer-gestützte Methoden toxikologische und ökologische Risiken neuer Chemikalien vollständig beurteilen, ohne dass die chemischen Verbindungen synthetisiert und in Zellen oder in Tierversuchen getestet werden müssen. Zulassungsbehörden sind jedoch skeptisch, weil sie die Deep Learning-Systeme der Computer nicht nachvollziehen können und diese auch intransparent seien, so dass eventuelle Fehler nicht erkannt werden können.

Grafik: Computer-generiert.

Die Wiener Wissenschaftlerinnen und Wissenschaftler haben nun das Software-Tool „MolCompass" entwickelt, dass Schwächen der Vorhersagetools aufspüren soll, welche quantitative Beziehung zwischen einer pharmakologischen, chemischen, biologischen oder physikalischen Wirkung eines Moleküls mit seiner chemischen Struktur herstellt (QSAR/QSPR-Modelle). Dazu entwickelten die Wiener Forscherinnen und Forscher interaktive grafische Werkzeuge, die chemische Verbindungen auf eine 2D-Ebene projizieren. Mit Farben werden dann Verbindungen hervorgehoben, die mit hoher Sicherheit falsch vorhergesagt wurden. Diese können dann gesondert mit anderen Methoden untersucht werden.

Originalpublikation:
Sosnin, S. MolCompass (2024). multi-tool for the navigation in chemical space and visual validation of QSAR/QSPR models. J Cheminform 16, 98. https://doi.org/10.1186/s13321-024-00888-z

Weitere Informationen:
https://extrajournal.net/2024/08/21/ai-soll-tierversuche-ersetzen-macht-aber-fehler-tool-der-uni-wien-hilft/