DeePFAS: ИИ-инструмент для обнаружения «вечных химикатов»

ИИ-инструмент DeePFAS использует глубокое обучение для быстрого картирования химических «отпечатков пальцев» «вечных химикатов», предлагая экологам более быстрый и умный способ поиска этих труднообнаруживаемых загрязнителей в воде и почве. Автор: Environmental Science & Technology

Новая модель глубокого обучения DeePFAS упрощает крупномасштабный нецелевой скрининг «вечных химикатов» (PFAS), проецируя необработанные спектры MS2 в латентное пространство химических признаков, предлагая быстрое решение на базе ИИ для замены сложного традиционного анализа.

Точное обнаружение пер- и полифторалкильных веществ (PFAS), часто называемых «вечными химикатами», представляет собой критически важную и сложную задачу для экологической науки из-за их структурного разнообразия, отсутствия стандартизированных методов и необходимости в высокочувствительном оборудовании для измерения следовых уровней в окружающей среде.

Исследование, опубликованное в журнале Environmental Science and Technology, раскрывает инновационный подход на основе глубокого обучения для преодоления этих препятствий. Повсеместное фоновое загрязнение и огромное количество различных соединений PFAS дополнительно осложняют разработку универсальных протоколов обнаружения.

Современная аналитическая методология в основном опирается на жидкостную хроматографию – масс-спектрометрию высокого разрешения (LC-HRMS), которая широко применяется для анализа PFAS в различных средах (вода, почва, биологические образцы и т.д.).

Однако LC-HRMS создает значительные трудности, включая высокий риск загрязнения, трудоемкую подготовку проб и длительную обработку данных. Эта обработка требует продвинутого программного обеспечения и экспертизы, особенно для различения структурно схожих соединений.

Чтобы устранить эти ограничения, команда исследователей из Национального университета Тайваня представила DeePFAS — новый метод глубокого обучения для быстрой и эффективной аннотации соединений PFAS.

DeePFAS использует специализированный спектральный энкодер, который интегрирует сверточные и трансформерные архитектуры, для перевода необработанных спектров MS2 (химических «отпечатков пальцев») в «латентное пространство». Это латентное пространство представляет собой сжатое отображение химических структурных признаков, изученных из большого корпуса немаркированных соединений.

Сравнивая эти латентные представления с молекулами-кандидатами, DeePFAS позволяет осуществлять высокоэффективную аннотацию спектров MS2. Этот подход значительно упрощает усилия по крупномасштабному нецелевому скринингу PFAS и снижает общую аналитическую сложность экологического мониторинга.

Исследование успешно продемонстрировало чувствительность DeePFAS в идентификации специфических для PFAS признаков, а его практическая осуществимость была подтверждена применением к реальным образцам сточных вод.

Команда признала незначительные ограничения, включая случайные ложноположительные аннотации, связанные с определенными соединениями, где инструмент проявлял более низкую уверенность.

В будущей работе планируется расширение библиотеки химических «отпечатков пальцев» с использованием компьютерных методов и сравнение результатов DeePFAS с результатами существующих инструментов для повышения уверенности. В конечном счете, DeePFAS предлагает надежное решение с открытым исходным кодом для исследователей и доступен для дальнейших исследований и разработок на GitHub.

«Этот подход предназначен для улучшения нецелевого анализа PFAS и значительного снижения аналитической сложности», — говорит профессор Юйфэн Джейн Цзэн, автор-корреспондент исследования.

Больше информации: Heng Wang et al, DeePFAS: Deep-Learning-Enabled Rapid Annotation of PFAS: Enhancing Nontargeted Screening through Spectral Encoding and Latent Space Analysis, Environmental Science & Technology (2025). DOI: 10.1021/acs.est.5c09769

Источник: National Taiwan University

ИИ: Это важный шаг в борьбе с загрязнением окружающей среды. Автоматизация обнаружения таких стойких и опасных веществ, как PFAS, с помощью ИИ может значительно ускорить мониторинг и, как следствие, принятие мер по очистке.