对有毒化学品的数据库分析比动物试验更可靠

约翰霍普金斯大学布隆伯格公共卫生学院的科学家们领导的一项研究表明，基于大型化学数据库的先进算法可以比标准的动物试验更好地预测一种新化学物质的毒性。

研究人员在杂志上发表的这项研究中说毒物学的科学7月11日，他们挖掘了他们开发的一个已知化学物质的大型数据库，以绘制它们之间的关系化学结构还有毒性。他们随后证明，人们可以使用这张地图自动预测任何化合物的毒性，比单一的动物实验更准确。

该团队开发的最先进的毒性预测工具在重现基于动物试验的共识结果方面的平均准确率约为87%，涉及9种常见测试，占世界动物毒理学测试的57%。相比之下，在数据库中重复相同的动物试验只有大约81%的准确率——换句话说，任何给定的试验在重复时平均只有81%的机会获得相同的毒性结果。

“这些结果真的让人大开眼界——它们表明我们可以用基于计算机的预测来取代许多动物试验，并得到更可靠的结果，”首席研究员、Doerenkamp-Zbinden主席、彭博学院环境健康与工程系教授托马斯·哈通(Thomas Hartung)医学博士说。

基于计算机的方法也可以应用于比动物试验更多的化学品，这可能会导致更广泛的安全评估。由于成本和伦理挑战，消费品中大约10万种化学物质中只有一小部分经过了全面测试。

老鼠、兔子、豚鼠和狗等动物每年都要在世界各地的实验室进行数百万次化学毒性测试。尽管这种动物试验通常是法律要求保护消费者的，但大部分公众出于道德原因反对这种试验，而且由于试验结果的高成本和不确定性，产品制造商也不欢迎这种试验。

哈东说:“例如，一种新的农药可能需要30个单独的动物试验，赞助公司要花费大约2000万美元。”哈东同时也是布隆伯格学院环境健康与工程系动物试验替代方案中心的负责人。

动物实验最常见的替代方法是一种被称为解读的过程，在这个过程中，研究人员根据具有相似结构的少数化学物质的已知性质来预测一种新化合物的毒性。读取比动物实验，但需要专家评估，并对每一个感兴趣的复合体进行主观分析。

作为优化和自动化读取过程的第一步，Hartung和他的同事在两年前建立了世界上最大的机器可读毒理学数据库。它包含了1万种化合物的结构和性质信息，部分基于80万项单独的毒理学测试。

“在这个数据库中存在着巨大的冗余——我们发现同一种化学物质经常以同样的方式被测试了几十次，比如把它放进兔子的眼睛里，以检查它是否有刺激性，”哈通说。这种浪费动物然而，它为研究人员提供了他们需要的信息，以制定更好的方法的基准。

在他们的研究中，该团队扩大了数据库，并使用机器学习算法，利用亚马逊云服务器系统提供的计算能力，读取数据并生成已知化学结构及其相关毒性的“地图”。他们开发了相关软件，以精确地确定任何感兴趣的化合物在地图上的位置，以及基于“附近”化合物的性质，它是否可能具有刺激性皮肤或DNA损伤等毒性作用。

哈通说:“我们的自动化方法在使用数千种不同化学物质和测试数据进行的非常可靠的评估中，明显优于动物测试。”“所以这对毒理学来说是个大新闻。”美国保险商实验室(UL)是一家专门开发公共安全标准并针对这些标准进行测试的公司，该公司共同赞助了这项工作，并将这种读取软件工具商业化。

美国食品和药物管理局(Food and Drug Administration)和环境保护署(Environmental Protection Agency)已经开始对这种新方法进行正式评估，以测试解读是否可以取代目前用于评估食品、药品和其他消费品中化学物质安全性的很大一部分动物试验。研究人员还开始使用它来帮助一些大公司，包括大型科技公司，以确定他们的产品中是否含有潜在的有毒化学物质。

“也许有一天，化学家们会使用这样的工具来预测毒性，甚至在合成一个化学这样他们就可以专注于制造无毒化合物，”哈通说。

“毒理学大数据的机器学习使跨结构活性关系(RASAR)表现优于动物测验由汤姆·路希特菲尔德、丹·马什、克雷格·罗兰兹和托马斯·哈东撰写。