欢迎光临GGAMen游戏资讯




透过大数据与机器学习,机器在预测毒性已能比动物实验准确

2024-11-02 204

我们都听过这种动物实验:将化学物质物滴入兔子眼睛确认刺激性,或是喂食老鼠化学物质来确定致命剂量。为了避免商品内含的化学物质对人体造成危害,这些动物实验某种程度来说是必须的,但真的没有办法用其他方式取代这类型实验吗?

美国约翰霍普金斯大学(JHU)团队的研究显示,透过结合大型化学数据库的资讯,高级算法可预测新化学物质的毒性反应,准确度甚至超过昂贵的标准动物实验,论文 11 日已在《Toxicological Sciences》期刊公布。

其实传统动物实验不仅群众道德观感不佳,企业付出的成本也非常昂贵。JHU 毒理学家、论文合著者 Thomas Hartung 便指出,过去一款新杀虫剂可能需要 30 次独立动物实验,并让赞助研究的企业花费近 2,000 万美元。

传统动物实验的高额成本和道德观感下,市面消费产品所含近 10 万种化学物质中只有一小部分通过全面测试,而这种新型态基于电脑的预测方法,未来可应用于更多种类的化学物质,导致更广泛的安全评估。

当作动物实验的替代方案,过去研究人员会进行一种称为“读取”(read-across)的过程,透过相似结构的已知化学物质特性来预测新化合物可能有的毒性,但这种处理方式除了需要专家评估,监管机构也设定较高标准来控管,同时倾向要求进行动物研究。

为了改良并自动化“读取”过程,研究团队利用欧洲化学品管理局(ECHA)向企业收集的物质数据,建立全球最大、机器可读取的毒理学数据库,包含近 80 万次独立的动物测试得出的近 1 万种化学物质资讯。

整理 ECHA 数据时,团队发现其中有巨大的动物浪费──有些相同的化学物质其实已以同样方式进行了数十次动物实验,为了提供研究人员更好的方法去评估,团队也运用机器学习和云端计算能力,开发出软件能为化学物质描绘“地图”,让研究者可基于附近相似化合物的毒性反应来评估可能情况。

据了解,团队开发出的算法可准确预测成千上万种化学物质,在吸入性伤害(inhalation)到对水生生态系统影响等九种常见毒性测试准确率达 87%,也就是与过去动物实验结果有 87% 相符;相较之下,在同样动物身上重复的毒性测试实验还只有 81% 准确率。

由于软件实际上是以自动化方式模拟毒理学家评估新化学物质的情况,Hartung 认为,自动化方法明显优于传统的动物测试,数千种不同化学物质和测试的数据提供了非常可靠的评估,对毒理界来说可说是大新闻。

美国食药局(FDA)和环保局(EPA)已进行正式评估,确定这项技术是否可取代目前用于确保食药品、消费产品内化学物质安全性的多数动物实验。团队也已用来协助一些大型公司,确定产品是否含有潜在的有毒化学物质。

在监管机构能接受电脑预测结果代替动物研究以前,大概还会需要等好几年,毕竟评估更复杂的危害方面,像是化学物质是否导致癌症或影响生育能力时,动物实验仍难以取代。但德国知名化学公司巴斯夫(BASF)毒物学家 Bennard van Ravenzwaay 认为,这篇论文引出大数据的另一种可能用途,“我完全相信这将成为未来毒理学的支柱”。

  • Database analysis more reliable than animal testing for toxic chemicals
  • Software beats animal tests at predicting toxicity of chemicals

(首图来源:shutterstock)

2019-03-11 22:31:00

标签:   游戏头条 资讯头条 ggamen科技资讯 ggamen科技 ggamen科技资讯头条 科技资讯头条 ggamen游戏财经 新闻网 科技新闻网 科技新闻 ggamen游戏新闻网 科技新闻 科技新闻网 新闻网 ggamen游戏财经 科技资讯头条 ggamen科技资讯头条 ggamen科技 ggamen科技资讯 资讯头条 ggamen 科技新闻网 新闻网 ggamen游戏财经 科技资讯头条 ggamen科技资讯头条 ggamen科技 ggamen科技资讯 资讯头条 游戏头条
0