فحص تأثير دورة الحياة السريع باستخدام الشبكات العصبية الاصطناعية

عدد المواد الكيميائية في السوق في تزايد سريع، في حين أن فهمنا لتأثيرات دورة الحياة لهذه المواد الكيميائية متخلف بشكل كبير. لمعالجة ذلك، قمنا بتطوير نماذج عميقة من الشبكات العصبية الاصطناعية (ANN) لتقدير تأثيرات دورة الحياة للمواد الكيميائية. باستخدام معلومات التركيب الجزيئي، قمنا بتدريب الشبكات العصبية متعددة الطبقات على تأثيرات دورة الحياة للمواد الكيميائية باستخدام ستة فئات تأثير، بما في ذلك الطلب التراكمي على الطاقة، والاحترار العالمي (IPCC 2007)، والتحمض (TRACI)، وصحة الإنسان (Impact2000+)، وجودة النظام البيئي (Impact2000+)، ومؤشر البيئة 99 (I,I، الإجمالي). تم تقدير نطاق التطبيق (AD) للنموذج لكل فئة تأثير حيث يظهر النموذج موثوقية أعلى. كما اختبرنا ثلاثة طرق لاختيار الوصف الجزيئي وحددنا تحليل المكون الرئيسي (PCA) كأفضل طريقة. أظهرت التنبؤات الخاصة بالتحمض وصحة الإنسان ونموذج مؤشر البيئة 99 أداءً أعلى نسبيًا مع قيم R2 تبلغ 0.73 و0.71 و0.87 على التوالي، بينما كان لنموذج الاحترار العالمي قيمة R2 أقل تبلغ 0.48. تشير هذه الدراسة إلى أنه يمكن أن تعمل نماذج الشبكة العصبية الاصطناعية كأداة فحص أولية لتقدير تأثيرات دورة الحياة للمواد الكيميائية لفئات تأثير معينة في غياب معلومات أكثر موثوقية. كما تبرز تحليلاتنا أهمية فهم نطاقات التطبيق لتفسير نتائج الشبكة العصبية الاصطناعية.