革命性新成果：替代動物實驗的一種更便宜檢測方法
「毫無疑問，這是一種創新方法，時間將證明在實踐中，它是否能為基於實驗動物的方法提供了可靠的替代方案。」
研究人員從公共資料庫（包括PubChem和美國國家毒理學計劃）中找到了1000萬種化學結構和現有化學安全性數據的信息，開發出一種（至少）比動物試驗本身可靠的運算新方法，這種工具在預測動物試驗結果方面準確率為87％，而重複動物試驗平均只有81％。
英國替代優化和減少研究用動物國家中心Fiona Sewell（未參與該項研究）表示，「毫無疑問，這是一種創新方法，時間將證明，在實踐中，它是否為基於實驗動物的方法提供了可靠的替代方案。」
美國人道協會首席科學官Andrew Rowan也認為，「對於此類限制動物試驗的工具，我持樂觀態度。使用動物來預測人類安全，存在極大的缺陷，而且非常昂貴。而這樣的工具只需要幾分鐘就能進行全面測試。」
包括美國在內的許多國家都有監管機構監督作為商業和環境用途，以及消費品的新化學品，要求至少提交一些安全數據。與此同時，許多國家也在努力限制動物在生產這些數據中的使用。
2008年，美國國立衛生研究院，環境保護局（EPA），國家毒理學計劃（NTP）和食品藥品管理局（FDA）共同發起了Tox21，開發更有效和及時的非動物毒性測試。2013年，歐盟實施了禁止化妝品動物試驗的禁令，歐洲化學品管理局（ECHA）鼓勵採用動物試驗的替代品。2016年，美國政府通過了新版「有毒物質控制法案」（TSCA），該法案規定聯邦機構需要幫助企業減少動物安全測試，尋找替代品。
因此尋找替代品迫在眉睫，早期來自約翰霍普金斯大學動物測試替代中心主任Thomas Hartung等人分析了9,801種化學物質，發現了具有相似結構的化學物質通常具有相似的安全性數據。他們採用的是在2007年頒布的REACH（Registration, Evaluation, Authorisation and Restriction of Chemicals）法規頒布後，通過ECHA公開提供的化學品資料庫。
在此基礎上，這一研究團隊增加了來自其他資料庫的數據，通過一種運算方法對1000萬種化合物進行50萬億次成對比較。利用現有的安全數據，包括動物試驗中的數據，他們建立了一個模型，對每種化學品的六次動物試驗的安全性結果進行了比較。
他們的分析指出了動物檢測存在過度重複：兩種化學品各自獨立測試超過90次，資料庫包含69種化學品的數據，每種化學品測試超過45次，通常由不同公司獨立測試。
EPA化學信息學科學家Christopher Grulke認為，多個獨立的測試結果對於開發這種工具非常有價值，這一研究結果顯示「動物測試結果存在高度不確定性」。
了找到新的方法，Hartung等人將動物測試結果和74種化學性質類別結合起來，提出了一種安全預測模型。從總體上來說，這種模型軟體與動物測試一樣，能夠很好地預測化學品的安全性結果，在某些情況下，前者做得還更好。
Thomas Hartung
不過Hartung說，這種方法存在局限性——尚未證實可以可靠地預測長期可能出現的更複雜的毒性，包括化合物導致癌症的風險。
「這些方法可能會或不會對長期複雜的毒理學具有預測性，」Grulke補充道。
如果將這種數字化學相似性分析的結果與可以揭示毒性機制的其他生物學數據相結合，「我們可以比使用動物試驗更好地預測人類危害和風險，這對於監管機構來說，相比於僅使用建模，應該更具吸引力，「Rowan說。
Grulke還表示「支持採用非動物方法，因為它們證明了它們對化學品安全決策的適用性」，EPA目前正在評估這一新軟體以及其他研究小組的其它演算法。這些工具都是最近美國衛生與公眾服務部的急性毒性工作組提供給EPA的。
Hartung也表示，FDA也正在分析和測試這種新軟體。
Rowan認為這些努力值得稱讚， 「這是一種相對便宜的化學品測試方法，我希望看到更多人使用這種工具來預測毒性結果。42年前，我開始推廣動物試驗替代品，但從未想過在我的職業生涯中，能夠預測大多數動物試驗的結束，而這個目標現在已經實驗，未來還會有更好的結果。」
Hartung團隊正在努力改進這種新工具演算法，增加化合物的生物效應數據，不僅包括急性毒性，還包括更複雜的安全終點。 「這不會是所有動物實驗的終點，」Hartung說，「但這是重要的一步。」
原文標題
Machine learning of toxicological big data enables read-across structure activity relationships (RASAR) outperforming animal test reproducibility
TAG:實驗 |