数据库分析比在消费产品中预测化学毒性的动物测试更可靠

由科学家们在约翰霍普金斯领导的一项研究 彭博公共卫生学院 表明,从大型化学数据库工作的先进算法可以预测新化学品’S的毒性优于标准的动物测试。基于计算机的方法可以替代在消费产品测试期间常用的许多动物测试。它还可以评估比动物测试更多的化学品,这是一个可能导致更广泛的安全评估的变化。

对于这项研究,今天在线在线在线 毒理学,研究人员挖掘了他们开发的大型已知化学品数据库,以映射化学结构和毒性特性之间的关系。然后,它们表明,人们可以使用地图自动预测比单个动物测试更精确地预测任何化合物的毒性特性。

“这些结果是一个真正的眼开启者 - 他们建议我们可以用基于计算机的预测替代许多动物测试,并获得更可靠的结果,”主要调查人员说 托马斯哈特,教授和主席 环境卫生与工程系。他还指导了 替代动物测试的中心旨在通过在研究,产品安全测试和教育中使用动物的替代方案来促进人文科学。

由于成本和道德挑战,广泛地测试了消费产品中大约100,000种化学品的一小部分。小鼠,兔子,豚鼠和狗在世界各地的实验室中进行了数百万化学毒性测试。这种测试与公众的大段的道德理由相反,鉴于其高成本和对测试结果的不确定性,它也没有产品制造商的不受欢迎。

“例如,新的杀虫剂可能需要30个单独的动物试验,为赞助公司耗费大约2000万美元,” Hartung says.

动物测试最常见的替代方案是一种称为读数的过程,其中研究人员预测了一种新的化合物’S基于具有类似结构的化学品的已知性质的毒性。读取比动物测试便宜得多,但需要专家评估和对每个感兴趣的化合物有点主观分析。

作为优化和自动化读取过程的第一步,哈顿和两年前的同事组装了世界’最大的机器可读毒理数据库。它含有有关10,000种化学化合物的结构和性质的信息,部分地基于800,000个单独的毒理学测试。

“此数据库中存在巨大的冗余,” Hartung says. “我们发现,通常相同的化学物质已经以相同的方式测试了数十次,例如将其放入兔子’ eyes to check if it’s irritating.”

然而,这种冗余使研究人员提供了他们所需的信息,以便更好的方法开发基准。该团队扩大了数据库和二手机器学习算法,通过亚马逊提供的计算肌肉’s云服务器系统,读取数据并生成一个“map”已知化学结构及其相关的毒性特性。他们开发了相关软件,以确切地确定任何感兴趣的化合物属于地图,以及是否基于化合物的性质“nearby,”它可能具有毒性效应,例如皮肤刺激或DNA损伤。

团队开发的毒性预测工具的最成功版本平均约为87%,在九个常见测试中再现动物测试结果的共识。相比之下,数据库中相同的动物测试的重复仅为约81%。换句话说,任何给定的测试在重复时平均只有81%的机会获得相同的毒性结果。

“我们的自动化方法在使用数千种不同的化学品和测试中,使用数据的数据显然优于动物测试。” Hartung says. “So it’毒理学的大新闻。”

美国食品和药物管理局和环境保护署已经开始正式评估新方法,以测试读数是否可以替代目前用于评估食品,药物和药物中化学品安全性的大部分动物试验其他消费产品。研究人员已经使用该工具来帮助一些大型公司,包括主要技术公司,确定它们在其产品中是否有潜在的有毒化学品。

“也许有一天,也许化学家们将使用这种工具来预测甚至在合成化学物质之前预测毒性,以便他们专注于仅制造无毒化合物,” Hartung says.



本新闻稿中的材料来自于始发的研究组织。可以为样式和长度编辑内容。有一个问题? 让我们知道.

订阅

每天早上有一封电子邮件,我们的最新帖子。从医学研究到空间新闻。环境的环境。技术物理学。

感谢您的订阅。

出问题了。