Машинное обучение и искусственный интеллект в токсикологии

Подходы на основе машинного обучения и искусственного интеллекта коренным образом изменили многие научные дисциплины, в том числе токсикологию. В этом обзоре представлены недавние примеры их применения в различных областях токсикологии: физиологически обоснованное фармакокинетическое моделирование, моделирование количественных зависимостей между химической структурой и активностью для прогнозирования токсичности, анализ путей неблагоприятных исходов, высокопроизводительный скрининг, токсикогеномика, работа с большими данными и токсикологические базы данных. Благодаря этим подходам стало возможным быстро разрабатывать физиологически обоснованные фармакокинетические модели для сотен химических веществ, создавать вычислительные модели для прогнозирования токсичности большого числа веществ с точностью, сопоставимой с результатами экспериментов на животных in vivo, а также оперативно анализировать большие массивы данных разных типов — например, данные токсикогеномики и высококонтентного анализа изображений — и получать новые сведения о механизмах токсического действия. Ранее анализ такого масштаба был невозможен вручную. Для дальнейшего развития токсикологии необходимо учитывать несколько проблем: (1) не все модели машинного обучения одинаково хорошо подходят для конкретных типов токсикологических данных, поэтому для выбора оптимального подхода важно проверять различные методы; (2) в настоящее время прогнозирование токсичности в основном сводится к классификации биологической активности по принципу «есть/нет», поэтому необходимы дополнительные исследования, позволяющие прогнозировать выраженность эффекта или зависимость «доза—ответ»; (3) по мере увеличения объёма доступных данных необходимо тщательно контролировать их качество и создавать инфраструктуру для хранения, обмена, анализа, оценки и управления большими данными; (4) важно преобразовывать модели машинного обучения в удобные для пользователя интерфейсы, чтобы ими могли пользоваться как специалисты по вычислительному анализу, так и лабораторные исследователи.