Ho letto l’articolo di ieri “RCSI – Il cancro ‘quasi una certezza’ derivante dallo svapo a lungo termine – studio” di RTÉ

Dichiarazione di non responsabilità: non sono uno scienziato dei dati, un ricercatore di intelligenza artificiale o un chimico analitico. Tuttavia ho una formazione scientifica e il documento assomiglia a molti documenti pessimi. Il documento: https://www.nature.com/articles/s41598-024-59619-x Il modo in cui è scritto rende un po’ difficile capire cosa stiano effettivamente facendo, ma per quanto ne so, il loro la tecnica è: 1. estrarre la struttura atomica delle molecole dell’aroma da un database 2. convertire automaticamente la rappresentazione di quante più molecole separate possibile in un formato particolare, [SMILES](https://en.wikipedia.org/wiki/Simplified_molecular-input_line-entry_system), che permette di rappresentare le rappresentazioni [treated programmatically as words](https://en.wikipedia.org/wiki/Simplified_molecular-input_line-entry_system#SMILES_definition_as_strings_of_a_context-free_lingual). Quindi esegui manualmente questa operazione per tutti quelli che non possono essere eseguiti automaticamente 3. Utilizza una rete neurale convoluzionale a grafo addestrata su un set di dati di [molecular reactions extracted from patent applications] (frase scomoda da analizzare) per prevedere possibili “trasformazioni di pirolisi unimolecolari” – prodotti di una reazione di pirolisi per le molecole del passaggio precedente (citazioni [28](https://github.com/dan2097/patent-reaction-extraction) e [29](https://doi.org/10.17863/CAM.16293) riguarda il data mining, citazione [26](https://doi.org/10.1039%2FC8SC04228D) è l’articolo che discute la tecnica GNN) 4. confrontare le molecole originali con i loro prodotti e aggiungere al set di dati le posizioni dei legami molecolari che sono stati rotti o modificati 5. confrontare quello con i dati di [mass spectrometry fragmentation](https://en.wikipedia.org/wiki/Fragmentation_\(mass_spectrometry\)) risultati per le molecole di sapore studiate dal database NIST 6. se i prodotti di reazione previsti risultavano da cambiamenti nei siti di legame nella molecola originale che ha creato picchi quando quella molecola è stata sottoposta a frammentazione nello spettrometro di massa, considerare il prodotto come valido 7. per le molecole valide, confrontare con il database PubChem e, se sono presenti in esso, aggiungere i valori della molecola [GHS](https://en.wikipedia.org/wiki/Globally_Harmonized_System_of_Classification_and_Labelling_of_Chemicals) dati nel set di dati 8. utilizzare i dati GHS per classificare i prodotti come (i) *tossicità acuta*; (ii) *pericolo per la salute*; (iii) *irritante*; (iv) *non classificato come (i), (ii) o (iii) ma può contenere altre avvertenze di pericolo*; (v) *non trovato nel database PubChem* Poi c’è qualcosa su come potrebbe essere possibile prevedere le energie di attivazione per le reazioni previste e su alcuni articoli che sono stati pubblicati in cui altri hanno fatto qualcosa di simile ma utilizzando una macchina diversa -modelli di apprendimento. Quindi scelgono dieci prodotti dal set di dati che erano [acetate esters classified (iii)], identificare tre reazioni che potrebbero portare a quel prodotto per ciascuno dei dieci, e quindi presentare le energie di attivazione necessarie affinché ciascuno dei prodotti venga creato attraverso ciascuno dei percorsi. Segue la discussione. I dati sulle reazioni molecolari ricavati dai brevetti significano che la NN è addestrata sul tipo di reazioni che producono (presumo) principalmente prodotti farmaceutici e prodotti chimici di ricerca. Questo articolo intende esaminare i prodotti della pirolisi e la pirolisi richiede >500°C e un’atmosfera inerte. I vaporizzatori aspirano l’aria esterna durante un tiro, quindi l’atmosfera non è inerte. “Combustione” è l’equivalente in un’atmosfera che contiene ossigeno. Penso che le reazioni “riscaldalo finché non brucia nell’aria” saranno meno comuni nella letteratura brevettuale rispetto ad altre reazioni simili [elaborate chemical syntheses] O [combining reactants under specific pressure and temperature conditions] O [mixing things in the presence of a catalyst], ecc., perché i prodotti non sarebbero particolarmente nuovi, utili o redditizi. Quando gli autori discutono dei vaporizzatori nell’introduzione, affermano: > Gli studi hanno misurato temperature tipiche che vanno da 100 a 400 °C a seconda di fattori quali potenza, materiali della bobina di riscaldamento, dimensione del soffio e quantità di e-liquid, con temperatura della bobina asciutta misurata sopra 1000°C. Per questo citano: 1. un documento che discute le temperature delle bobine dei vaporizzatori specificamente top-coil, che (a quanto ho capito) sono considerati dai vapers come del tipo di merda perché i colpi di svapo che producono sono pessimi. Hanno misurato temperature da 322 ‒ 1008°C quando la bobina era asciutta, 145 ‒ 334°C con erogazione del succo di vaporizzazione attraverso lo stoppino e 110 ‒ 185°C in condizioni completamente bagnate. 2. un articolo che correla i risultati di uno svapo troppo caldo con (a) la quantità di carbonili volatili che produce e (b) come ciò influisce sulla qualità sensoriale percepita soggettiva di tale tiro di svapo (si conclude che la qualità di una vaporizzazione piena di prodotti della combustione viene percepita dal vaper come: cattiva). Quindi penso che stiano scegliendo di non essere onesti su ciò che i vaporizzatori producono effettivamente quando vengono utilizzati, e stanno invece esaminando cosa può produrre un vaporizzatore se lo overclocki e lo trasformi da una macchina per il fumo in una macchina per il fumo, perché il la carta non funziona se non fanno questa scelta. I dati si basano sui vaporizzatori che sottopongono le molecole all’energia necessaria per creare dati di frammentazione in uno spettrometro di massa, e non penso davvero che stiano sottoponendo una quantità significativa di molecole a tali quantità di energia perché il sapore di una boccata piena di prodotti della combustione sarebbe orribile. L’articolo afferma anche direttamente che questo è un requisito affinché l’intera metodologia sia valida: >La frammentazione della spettrometria di massa identifica le posizioni di rottura dei legami intramolecolari che si verificano come risultato dell’interazione molecolare con l’energia applicata dalla sorgente dello strumento. Poiché la pirolisi è un processo di rottura dei legami indotto dal calore, può esistere una correlazione tra i due. Quella coppia di frasi viene citata [30](https://www.nature.com/articles/s41467-021-23986-0), un articolo che riguarda la prima parte, ma non considera la seconda riguardo all’esistenza o meno di una correlazione. Il documento dice solo una cosa sulle concentrazioni di prodotti nei colpi di svapo. Ciò riguarda altri due studi citati, sottolineando che “*in entrambi gli studi è stato riscontrato che la concentrazione chimica totale degli aromi nella maggior parte degli e-liquid superava quella della nicotina*” – come se tua zia ti passasse due biglietti da cinque fosse più brillante che ottenerne uno e cinquanta. I sapori stessi non sono le molecole tossiche oggetto di studio, alla fine non verranno messi in relazione [their concentration relative to nicotine] a qualsiasi cosa e la gamma di [possible molecular configurations which could be considered contaminants] è molto meno importante della concentrazione di un contaminante quando viene quantificato anche il suo effetto per unità. Ti piacerebbe inalare due molecole di due diversi elementi altamente cancerogeni, o 150.000.000.000.000 di molecole di un solo elemento altrettanto altamente cancerogeno?) Per la cronaca, la concentrazione dei prodotti della combustione in una sigaretta (per unità di resistenza) è , ipso facto, alto. L’articolo non può dire altro perché rimane del tutto teorico e nessuno dei set di dati interrogati includeva nulla su qualsiasi volume di qualcosa, solo sulle configurazioni molecolari che esistono e quali reazioni sono possibili. Penso che questo sia un articolo con poco impegno, scritto sapendo che sarebbe stato pubblicato perché conteneva l’intelligenza artificiale. Tutti stanno cercando di ottenere documenti utilizzando l’intelligenza artificiale perché le barriere alle risorse necessarie per far funzionare modelli enormi e complicati per tutto il tempo necessario sono ora molto basse. Basta collegare un set di dati a un modello, lasciarlo in esecuzione e quindi correlare le cose finché le cose non iniziano a sembrare rilevanti. I giornali li pubblicano perché non sono molte le persone che sono entrambe le cose [familiar enough with AI to know when an implementation is dodgy] ma anche [sufficiently expert in a field to perform peer review]. Per anni, chiunque provi a farlo [whatever you were doing but properly] probabilmente troverà il tuo articolo e lo citerà.

[Here is an image](https://i.imgur.com/XWofAAp.jpeg) che presenta un’ampia gamma di molecole che hanno un’ampia conferma scientifica della loro cancerogenicità acuta e che sono state qui prodotte sottoponendo le molecole del sapore a calore intenso. Per mantenere questo rilevante per l’Irlanda, possiamo concentrarci su quanto sia una merda che RTÉ non sia al di sopra di impegnarsi nello stesso falso clickbaity, pene di maiale tabloid scientificamente analfabeta come tutti i media privati. Inoltre sì, è stato un modo adorabile di trascorrere un giovedì mattina, grazie. tl;dr a un esame più attento, è stato una schifezza

https://old.reddit.com/r/ireland/comments/1cnv20g/had_a_read_of_the_paper_from_yesterdays_rcsi/

di Laundry_Hamper