EK laver giga database, der kan spare store mængder farlige stoffer, tid og penge

I laboratoriet på EK arbejder Simon Stevns Larsen og hans kolleger på en database, der forhåbentlig kan gøre brugen af en af verdens mest udbredte analysemetoder hurtigere, billigere og mere bæredygtig. Metoden hedder HPLC – væskekromatografi – og den bruges hver dag over hele kloden til at undersøge alt fra medicin til miljøprøver.

HPLC er nemlig en metode, der kan bruges til at identificere, hvilke kemiske stoffer en prøve indeholder.
"Det kan for eksempel være miljøundersøgelser i et hus, der skal renoveres, pesticider i grund- og drikkevand samt blødgørere i plastikprodukter," siger Simon Stevns Larsen, adjunkt på laborantuddannelsen på EK.

Metoden bruges også rigtig meget i medicinalindustrien til kvalitetskontrol.

"Du kan ikke se eller dufte, om medicinen er ok. Det er ikke som pålæg fra dagligvarebutikken, hvor vi kan se, at den er muggen, eller dufte at den lugter dårligt. Medicinalindustrien bruger rigtig ofte HPLC-analyser, fordi mange lægemidler er bedst at analysere på væskeform," siger Simon Stevns Larsen, der selv har arbejdet hos Novo Nordisk, hvor hans afdeling alene havde 45 HPLC-apparater.

34 millioner liter kemisk affald om året

Problemet er, at HPLC-analyser genererer omkring 34 millioner liter kemisk affald om året på verdensplan ifølge Tibiszewski. Og de mest anvendte opløsningsmidler er skadelige for både menneskers helbred og miljøet.

”Og så er der hele processen. Hver gang et laboratorium skal analysere for nye stoffer, skal de finde ud af, hvilke indstillinger der er bedst. Det kræver mange såkaldte trial and error forsøg – ofte 30-40 stykker eller mere – før man finder den rette kombination af kolonnetyper, opløsningsmidler, temperaturer og andre parametre,” siger Simon Larsen.  

”Hver analyse tager i dag ca. 30-60 min. Med brug af computersimulering (AI-modeller) baseret på databasen er forventningen, at antallet af forsøg kan mindskes betragteligt, og tiden for en simulering vil også være markant kortere end en analyse, og på den måde kan der spares ressourcer i form af både kemikalier og tid.”

400.000 datapunkter og kunstig intelligens

Det lyder ret genialt, hvorfor har ingen gjort det før?

"Andre har gjort det, men i meget mindre skala – mellem 50 og 1.000 datapunkter. Vores database kommer til at indeholde 400.000 datapunkter baseret på kromatografiske resultater for cirka 700 forskellige kemiske stoffer analyseret under flere forskellige systematisk varierede forsøgsbetingelser,” siger Simon Stevns Larsen.

”Rent praktisk er det et kæmpestort arbejde, og det er så det, vi har taget på os,” siger Simon Stevns Larsen.

Databasen bliver grundlaget for en AI-model, der kan forudsige, hvordan et givent stof vil opføre sig under forskellige analyseforhold – uden at man behøver at lave alle forsøgene først.

Sejt manuelt arbejde

Teamet afsluttede alle de praktiske forsøg i laboratoriet for over et år siden. Siden da har arbejdet handlet om at kuratere alle rådata til en brugbar database – et arbejde der viste sig at være mere omfattende end forventet.

"Vi troede, at datakurateringen kunne automatiseres, men det har ikke vist sig muligt. Så det er sejt manuelt arbejde," siger Simon Stevns Larsen på vegne af teamet, der også tæller Hanne Larsen Bentin, Merete Møller Engelsen og Milena Roux.

Lige nu er fem procent af data fuldt kurateret, 75 procent mangler det sidste trin, og 20 procent mangler det store manuelle træk.

Baner vejen for bæredygtige alternativer

Et vigtigt element i projektet er fokus på mere bæredygtige alternativer til de giftige opløsningsmidler, der normalt bruges.

"I 95 procent af tilfældene bruger man kemikalier, som er skadelige, så vi har inkluderet mindre skadelige stoffer i vores setup for at vise, at det kan gøres anderledes," forklarer Simon Stevns Larsen.
Når forskere og laboratorier bruger databasen, vil de automatisk blive præsenteret for løsninger med mere miljøvenlige opløsningsmidler, som forhåbentlig kan inspirere.

Samarbejde med DTU

Projektet og databasen fokuserer især på miljøfremmede stoffer såsom pesticider, veterinærmedicinske stoffer, rester af humanmedicin der ender i spildevand, blødgørere i plastik, PFAS, parabener og andre kemikalier, vi finder i miljøet.

"Når DTU analyserer prøver fra miljøet, får de signaler fra rigtig mange forskellige stoffer, og hidtil har de kun kunne identificere måske fem procent. Her er ideen at kunne bruge databasen til at indsnævre de resterende," siger Simon Stevns Larsen.

Det er også forskere fra DTU, der på baggrund af databasen med de 400.000 datapunkter, skal bygge nye og bedre machine-learning modeller.

Gavner også studerende på EK

Projektet har også en vigtig uddannelsesmæssig dimension. Studerende på laborantuddannelsen på EK har været med til at fremstille nogle af de stoffer, der er målt på i projektet.

Men den helt store gevinst kommer, når databasen er færdig.

"Lige nu lærer de studerende den ’gamle’ trial and error metode – og den er også god at kunne - men vi vil rigtig gerne have, at de lærer at arbejde mere systematisk. Og det er tanken, at de skal arbejde med databasen, når den er klar," siger Simon Stevns Larsen.

En database med globalt potentiale

Når projektet er færdigt, vil databasen og modellen blive tilgængelig for alle, der arbejder med væskekromatografi verden over. Den kan bruges til både at udvikle nye analysemetoder og til at identificere stoffer i prøver langt mere effektivt og bæredygtigt.

Det har med andre ord et kæmpe globalt potentiale.