- ”Att resa sig upp” av Leia
- Kross när Örebro HK vann borta mot MoDo
- Tankarna flyr mig, foton på gossen och cykeln
- Länstrafikens dom mot den växande småorten
- Besvara enkät om det civila samhället
- Öppet hus på Pihlskolans gymnasium i Hällefors
- Lindesbergs kommunstyrelse sammanträder
- E-tjänster stängda måndag den 25 november
- Halksäsongen är i gång
- BIK Karlskoga åter överlägsna
Tvärvetenskaplig forskning skapar AI som upptäcker förorenat dricksvatten
Rent vatten för alla. Det är ett av FN:s 17 globala hållbarhetsmål i Agenda 2030. Att testa och analysera vatten är dock ett omfattande och tidskrävande jobb. Ett tvärvetenskapligt forskningsprojekt vid Örebro universitet har nu visat att artificiell intelligens kan göra processen snabbare och mer exakt.
Förorenat vatten är ett stort problem i världen. Enligt Unicef saknar över två miljarder människor tillgång till rent dricksvatten. För att kunna uppnå FN:s globala hållbarhetsmål om rent vatten för alla, är en viktig fråga hur man på det mest effektiva och tillförlitliga sättet testar vattenkvaliteten.
Professor Jana Jass vid Örebro universitet kom på idén att det kanske går att kombinera biologi och artificiell intelligens för att hitta en lösning. Det blev upprinnelsen till forskningsprojektet Biolearning, som nu pågått under tre år.
– Idén var att se om AI kan hitta biomarkörer som visar om vattnet är förorenat och utifrån dem analysera och utvärdera om det är drickbart eller inte, säger Jana Jass, projektansvarig och professor inom biologi vid Institutionen för naturvetenskap och teknik, och fortsätter: – Med traditionella tester är det svårt att bedöma toxiciteten hos föroreningar i exempelvis låga koncentrationer. Genom att använda AI och biomarkörer för föroreningar, kan vi få tillförlitliga värden även för små doser, vilket kan förbättra arbetet med toxikologiska tester.
Jagadish Mangu valde att utgå från arsenik i olika koncentrationsnivåer, från 0,1 till 100 mikrogram per liter. Testerna genomfördes på maskar som sedan undersöktes för att se vilka förändringar i genuttryck som arseniken hade orsakat.
Använde explainable AI för att rangordna gendata
När den datan hade samlats ihop var det dags för Martin Längkvist, AI-forskare vid Institutionen för naturvetenskap och teknik, att hjälpa till. För att analysera datan använde han sig av två AI-modeller; dels maskininlärning, dels så kallad ”explainable AI”.
– Från början visste vi inte om det skulle fungera. AI kräver stora datamängder och inom biologi är det svårt att få fram, så vi var tvungna att hantera mindre mängder med data – men det gick att lösa. Genom att använda explainable AI kunde vi rangordna datan efter olika klasser för att se om det finns en specifik gen som reagerar på en förorening och en annan gen som reagerar då det inte finns någon förorening.
Experimentet lyckades. Jagadish Mangu och Martin Längkvist upptäckte att AI:n kunde berätta hur mycket arsenik som fanns i vattnet och även peka ut vilka gener som är viktiga att hålla koll på när man vill ta reda på nivåer av föroreningar.
– En annan intressant sak var generna som styr immunförsvaret. Höga koncentrationer av arsenik sägs kunna försämra immunförsvaret och vi kunde se att flera gener korrelerade med immunförsvaret när man utsätts för arsenik, säger Jagadish Mangu.
– Det är vanligt att det blir små variationer i datan när olika personer har hanterat proven. Här såg vi att AI:n utifrån de variationerna till och med kunde upptäcka vem som hanterat provet – det var också en intressant upptäckt, säger Martin Längkvist.
I förlängningen skulle forskningsprojektets resultat kunna innebära att AI används för att snabbare genomföra storskaliga analyser av vattenkvalitet.
”Vill se om AI:n även kan avgöra blandningar av olika föroreningar”
Det finns dock mer att forska kring för Jana och hennes team, och Biolearning fortsätter till hösten 2022.
– Nu har vi testat med en metall, arsenik, med det är även vanligt med organiska föroreningar i vatten. Så jag vill bredda experimentet och se om AI:n även kan analysera och avgöra blandningar av olika sorters föroreningar, säger Jagadish Mangu.
– Från mitt perspektiv vore det intressant att veta om en AI-modell som tränats på en typ av förorening går att använda även på en annan förorening som den inte tränats på. Jag tror också att AI:n skulle kunna användas som ett hjälpmedel för att skräddarsy framtida experiment, säger Martin Längkvist.
Örebro | Örebro Universitet
Örebronyheter
Källa Örebro Universitet
Text: Jesper Eriksson
Related Posts
Latest News
-
”Att resa sig upp” av Leia
Att resa sig upp Fälla små ord Torra yttranden Ger...
- Posted november 22, 2024
- 0
-
Kraftsamling mot den kriminella ekonomin ger resultat
En av regeringens mest prioriterade frågor är att strypa den...
- Posted november 22, 2024
- 0
-
En halv miljon barn har fötts
En halv miljon barn har fötts under de 1000 dagar...
- Posted november 22, 2024
- 0
-
Kross när Örebro HK vann borta mot MoDo
Örebro HK kom till spel borta mod MoDo med åtta...
- Posted november 21, 2024
- 0
-
Tankarna flyr mig, foton på gossen och cykeln
Tankarna flyr mig, foton på gossen och cykeln. Tankarna väcker...
- Posted november 21, 2024
- 0
-
Länstrafikens dom mot den växande småorten
Mosås är en trevlig, något lantligt by med majoriteten villor...
- Posted november 21, 2024
- 0
-
Besvara enkät om det civila samhället
Örebro kommun och Örebro Föreningsråd genomför en undersökning, för att...
- Posted november 21, 2024
- 0
You must be logged in to post a comment Login