基于生成式人工智能的化学污染物筛查策略：以全氟和多氟烷基物质为例

《Environmental Science & Technology》：Generative AI-Empowered Screening Strategy for Chemical Pollutants: A Case on Per- and Polyfluoroalkyl Substances

本研究提出基于化学语言模型（CLM）的筛查策略，成功生成并验证了1.4万余种全氟烷基和多氟烷基物质（PFASs）结构，显著扩展化学空间覆盖率（21.6%），并实现高精度标注（Top-1准确率87%），有效发现88种及100种新型PFASs污染物，为高通量污染筛查提供新方法。

　　

识别未知化学污染物对于有效的风险管理至关重要。然而，目前的分析技术仅限于现有数据库所涵盖的结构，仅能捕捉到庞大污染物化学空间中的冰山一角。生成式人工智能（AI）在探索这一领域并揭示未知污染物的结构方面具有巨大潜力。本研究提出了一种基于化学语言模型（CLM）的筛选策略，并将其应用于识别未知的全氟烷基和多氟烷基物质（PFASs）。利用CLM生成了超过140万个PFAS结构，使PFAS的化学空间扩展了21.6%。这些生成的结构被整理成可疑列表用于进一步筛选。该策略在添加了PFAS的样本上的标注准确率达到了87%。当应用于含氟化学物质的废水进水样本时，成功识别出了88种此前未被发现的PFAS特征。为了进一步证明其实用性，将生成的可疑列表与现有的计算工具结合使用，用于分析出水样本，结果又发现了100种新的PFAS特征。这些发现凸显了生成式AI在阐明未知污染物结构方面的巨大潜力，为高通量污染物标注提供了一种新的方法。