约翰霍普金斯大学彭博公共卫生学院的科学家领导的一项研究表明，从大型化学数据库开展的高级算法可以比标准动物试验更好地预测新化学物质的毒性。

研究人员在7月11日发表在“毒理学”杂志上的研究中，挖掘了他们开发的大型已知化学品数据库，以绘制化学结构和毒性之间的关系。然后他们表明人们可以使用地图自动预测任何化合物的毒性 - 比单一动物试验更准确。

该团队开发的最先进的毒性预测工具在再生基于共识动物试验的结果中平均准确率约为87% - 在九项常见测试中，这些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测试只有大约81%准确 - 换句话说，任何给定的测试平均只有81%的机会在重复时获得相同的毒性结果。

“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，”首席研究员Thomas Hartung博士说，他是Doerenkamp-Zbinden主席和教授。彭博学校环境卫生与工程系。

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，这可以导致更广泛的安全评估。由于成本和道德挑战，消费产品中大约100,000种化学品中只有一小部分已经过全面测试。

小鼠，兔子，豚鼠和狗等动物每年在世界各地的实验室进行数百万次化学毒性试验。尽管法律通常要求对动物进行测试以保护消费者，但是由于大部分公众的道德理由而遭到反对，并且由于测试结果的高成本和不确定性而使产品制造商也不受欢迎。

“例如，一种新的杀虫剂可能需要30次独立的动物试验，使赞助公司损失大约2千万美元，”Hartung说道，他也是动物测试替代中心的负责人，该中心位于彭博学校环境卫生部。和工程。

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。阅读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及其同事两年前组装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，这种动物的浪费给研究人员提供了他们为更好的方法制定基准所需的信息。

对于他们的研究，该团队扩大了数据库并使用了机器学习算法，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。