约翰霍普金斯大学彭博公共卫生学院的科学家们进行的一项研究表明，基于毒理学大数据的计算机软件能够有效预测化合物的毒性。在某些情况下，计算机预测的表现甚至比传统的动物实验还要好。相关研究发表在近期的《毒理科学》(Toxicological Sciences)杂志上。

研究背景

所谓毒理学，是一门研究外源因素（化学、物理、生物因素）对生物系统有害作用的学科。通过研究化学物质对生物体的毒性反应、严重程度、发生频率和毒性作用机制，对毒性作用进行定性和定量评价。

通常，研究者需要把一些有毒有害的物质施加到实验动物身上，然后观察、评估、分析这些动物受到的伤害。做过动物实验的人都知道这是一份漫长、繁重的工作，你需要操心动物们的吃喝拉撒、生儿育女，必要的时候还得对自己一手拉扯大的小动物下药、下毒、下刀子，可以说是非常精神分裂了。

虽然实验动物为人类的科技进步和健康福祉做出了重大牺牲，法律通常也要求对动物进行测试以保护消费者，但是大部分公众都反对这种动物测试。不光如此，动物实验涉及的财物支出也非常吓人。“例如，一种新的杀虫剂可能需要30次单独的动物试验，使赞助公司损失约2000万美元，”Hartung说道，他也是约翰霍普金斯大学彭博公共卫生学院动物测试替代中心的负责人。正因如此，动物实验一向倡导替代(replacement)、减少(reduction)、优化(refinement)的“3R”原则。

研究过程

最常见的动物试验替代方案是一种称为“读取”的过程，其中研究人员基于具有相似结构的少数化学物质的已知特性来预测新化合物的毒性。“读取”比动物测试便宜得多，但需要专家评估，并对每种感兴趣的化合物进行一些主观分析。作为优化和自动化读取过程的第一步，Hartung及其同事两年前组建了世界上最大的机器可读毒理学数据库。它包含10,000种化合物的结构和性质的信息，部分基于800,000种单独的毒理学测试。

“这个数据库存在巨大的冗余 - 我们发现，同样的化学物质经常以相同的方式进行了数十次测试，例如将它放入兔子眼中以检查它是否有刺激性，”Hartung说。然而，这种动物的浪费为研究人员提供了他们为更好的方法制定基准所需的信息。

接着，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，以准确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 - 是否可能具有毒性效应，如皮肤刺激或DNA损伤。换句话说，他们建立起了评估物质化学特性和健康威胁的模型。这种模型可以用已知化学物质的数据，来评估未知物质的危险性。

在皮肤腐蚀、眼睛刺激等9种常规毒性试验中，该团队开发的最先进的毒性预测工具的平均准确率约为87％。相比之下，在数据库中重复相同的动物测试，只有大约81％准确 - 换句话说，对于任何给定的测试，动物实验平均只有81％的机会在重复时获得相同的毒性结果。

研究意义

“这些结果令人大开眼界 - 他们建议我们可以用基于计算机的预测取代许多动物测试，并获得更可靠的结果，” 该研究的首席研究员Thomas Hartung解释到，“相比于动物实验，这种基于计算机的方法也可以应用于更多的化学品，这有助于更广泛的安全评估。目前由于成本和道德的挑战，我们消费品中所含的大约100,000种化学品，只有一小部分已经过全面测试。”

“我们的自动化方法明显优于动物测试，使用数千种不同化学品和测试的数据进行了非常可靠的评估，”Hartung说， “所以这对毒理学来说是个大新闻。”

研究涉及的9种常规毒理学试验，每年仅在欧洲就会消耗50万到60万只实验动物，全世界的数据大概是欧洲的四倍。也就是说，保守估计，这项技术有望每年拯救200多万只实验动物的生命，与此同时还能节省大量科研支出。

未来展望

美国食品药品管理局和环境保护局已经开始对新方法进行正式评估，以测试读数是否可以取代目前用于评估食品，药品和其他化学品安全性的大部分动物试验。消费产品。研究人员也开始用它来帮助一些大公司，包括主要技术公司，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，化学家们甚至可以在合成一种化学物质之前使用这些工具预测毒性，这样他们就可以专注于制造无毒化合物，”Hartung说。

本消息获约翰霍普金斯医疗集团国际部授权发布。

网站: www.hopkinsmedicine.org/international/chinese

编辑：木森的夏天

24小时医学频道不仅可以观看现场网络直播，还可以下载“24小时医学”app同步观看哦，过后还可无限看回播，足不出户掌握最新专业医学资讯。