Forskere har lenge vært avhengige av tidkrevende og dyre dyrestudier for å finne ut hvordan kjemikalier virker inn på kroppen.
Nå håper toksikologer at datamodeller, kunstig intelligens (KI) og nye testmetoder (NAMs – New Approach Methodologies) kan gjøre mye av denne jobben, og på sikt kan være en av metodene som erstatter dyreforsøk i risikovurdering av kjemikalier.
Analyserer store datamengder
Omics-data er store biologiske datasett som viser hvordan gener, proteiner og andre molekyler i cellene, endrer seg når kroppen utsettes for for eksempel støv eller kjemikalier.
KI gjør det mulig å analysere kompliserte biologiske datamengder digitalt for å finne tolkbare toksisitesmønstre.
– KI gjør det mulig å kombinere data fra ulike metoder med store mengde omics-data og identifisere mønstre som er vanskelige å oppdage for mennesker. Dette er et viktig steg i videreutviklingen av toksikologisk risikovurdering og kan bidra til raskere og mer presise vurderinger av hvilke stoffer som kan være en risiko for helse og arbeidsmiljø, sier postdoktor Peng Lei ved STAMI.
Hun er førsteforfatter på en ny studie som viser hvordan KI og maskinlæring kan bidra til å forstå toksikologiske mekanismer og avdekke komplekse biologiske mønstre knyttet til yrkeseksponering.
Farlig støv fra stein og betong
Kvartsstøv, også kalt krystallinsk silika, finnes naturlig i stein, sand og betong. Når materialer kuttes eller knuses, kan små partikler sveve i lufta og pustes inn.
De minste partiklene, såkalt respirabelt kvartsstøv, kan trenge dypt ned i lungene. Over tid kan dette føre til alvorlige sykdommer som:
- silikose (kronisk arrdannelse i lungene)
- lungefibrose (fortykkelse og stivhet i lungevev)
- lungekreft
Eksponering for kvartsstøv er en kjent helserisiko i en rekke yrker. Krystallinsk kvartsstøv har blitt klassifisert som kreftfremkallende av WHOs internasjonale kreftforskningssenter IARC.
– Derfor er det viktig å forstå de toksikologiske mekanismene som ligger bak sykdomsutviklingen, og hvordan eksponering påvirker betennelsesprosesser og vevsforandringer i lungene over tid, forklarer Lei.
Fra betennelse til arrvev
I studien analyserte forskerne store mengder data og brukte datamining, som er en metode der man leter systematisk etter mønstre i store datasett.
De fant at kroppen først reagerer med kraftige betennelsesprosesser når den eksponeres for kvarts. To viktige signalveier som aktiveres tidlig, styres av proteinene TNF og NF-κB, som begge er sentrale i immunforsvaret.
Senere i sykdomsforløpet overtar signalveier som styres av proteinet TGF-β, som er kjent for å bidra til arrdannelse og fibrose i vev.
Tidlige varsellamper i blodet
Ved hjelp av maskinlæring identifiserte forskerne flere mulige biomarkører, som er biologiske signalstoffer som kan brukes til å oppdage sykdom tidlig.
Fire gener pekte seg spesielt ut: CHI3L1, SOD2, MT1 og PHKA1.
Disse ble også sammenlignet med data fra pasienter med KOLS og idiopatisk lungefibrose (IPF), og viste overlappende mønstre.
– Hvis disse markørene kan valideres videre, kan de i fremtiden hjelpe oss å oppdage risiko lenge før sykdomsdiagnose i klinikken, sier Lei.
Mot mer forebygging i arbeidslivet
Studien inngår i det EU-finansierte prosjektet nanoPASS, som kombinerer nye metoder (NAMs) med biologiske data for å forbedre risikovurdering av kjemikalier.
STAMI deltar i prosjektet som én av ni Europeiske partnere og STAMIs del av prosjektet ledes av seniorforsker Johanna Samulin Erdem ved avdeling for arbeidsmiljøtoksikologi på STAMI.
– Slik kunnskap kan gi et mer detaljert grunnlag for risikovurdering i arbeidslivet, og på sikt bidra til bedre forebygging, tidligere identifisering av risiko og mer målrettede tiltak for arbeidstakere eksponert for kvartsstøv, konkluderer prosjektleder Samulin Erdem.