Grensverlegging: hoe goed hebben we de exposomische chemische ruimte in kaart gebracht?

AmsterdamDr. Saer Samanipour en zijn team hebben een artikel gepubliceerd in de Journal of the American Chemical Society (JACS Au). Ze bespreken hoe moeilijk het is om alle chemicaliën in onze omgeving te volgen. Dr. Samanipour, die Assistent-Professor is aan de Universiteit van Amsterdam, gaat in op het huidige onderzoek en concludeert dat het vooraf beheer van al deze chemicaliën momenteel niet haalbaar is.

Samanipour en zijn team zijn van mening dat machine learning en AI van groot belang zijn. Deze technologieën kunnen helpen bij het verbeteren van de detectie en identificatie van alle moleculen waarmee we in aanraking komen. Wetenschappers noemen de totale hoeveelheid van deze chemicaliën de 'exposoom chemische ruimte'.

Volgens Samanipour:

• We hebben nauwelijks kennis over de chemicaliën die al in gebruik zijn.
• Er is nog minder bekend over nieuwe chemicaliën die geproduceerd worden.
• Minder dan 2% van alle chemicaliën waaraan we blootgesteld worden, is geïdentificeerd.

Onze huidige methode is passief. We ondernemen pas actie nadat we de gevolgen van chemische blootstelling zien. Vervolgens bestuderen we deze chemicaliën en hun effecten op gezondheid en milieu. Deze reactieve benadering heeft tot veel crises geleid. PFAS-chemicaliën zijn een recent voorbeeld. Andere problemen betreffen vlamvertragers, PCB's en CFK's.

Regelgeving richt zich voornamelijk op chemicaliën met bepaalde moleculaire structuren die in grote hoeveelheden worden geproduceerd, maar er zijn veel andere chemicaliën waar we weinig over weten, ongeacht of ze door mensen zijn gemaakt of in de natuur voorkomen. Natuurlijke chemicaliën of die die uit menselijke productie voortkomen, worden vaak over het hoofd gezien. Traditionele methoden hebben slechts een klein deel van deze chemicaliën gedocumenteerd, waarbij getransformeerde versies vaak niet worden meegenomen en de resultaten vaak onzeker zijn.

Een recensie in JACS Au bespreekt recente inspanningen om de chemische ruimte van het exposoom in kaart te brengen. Traditionele chemische analyse richt zich meestal op bekende of verwachte structuren, waardoor veel 'onverwachte' chemicaliën over het hoofd kunnen worden gezien. Niet-gerichte analyse (NTA) kan helpen om deze over het hoofd geziene chemicaliën te vinden, maar heeft ook zijn beperkingen. In de afgelopen vijf jaar heeft NTA 1600 chemicaliën geïdentificeerd, terwijl er elk jaar ongeveer 700 nieuwe chemicaliën op de Amerikaanse markt worden geïntroduceerd.

Samanipour benadrukt dat:

• We moeten een data-gedreven benadering hanteren om dit probleem aan te pakken.
• De inspanningen voor data mining zouden moeten worden opgevoerd om informatie uit bestaande chemische databanken te halen.
• Beschikbare analytische data moet retrospectief worden geanalyseerd om de bekende chemische ruimte uit te breiden.
• AI kan helpen bij het begrijpen van de structuur en omvang van de chemische exposoomruimte.

Samanipour werkt samen met het Instituut voor Biodiversiteit en Ecosysteem Dynamica aan de UvA. Daarnaast is hij verbonden aan de School of Public Health van Imperial College London en de Queensland Alliance for Environmental Health Sciences aan de Universiteit van Queensland. Dit onderzoek wordt gefinancierd door TKI ChemistryNL en het UvA Data Science Center.

Het bestuderen van alle chemicaliën waaraan we worden blootgesteld is zeer complex. Samanipour beseft dat hij dit werk waarschijnlijk niet in zijn carrière kan afronden. Toch is het essentieel om deze uitdaging aan te gaan, erover te praten en een begin te maken met het begrijpen ervan.