Новый алгоритм позволяет быстрее проводить тестирование на химическую токсичность

Использование животных для проверки токсичности химических веществ может однажды устареть благодаря недорогому, высокоскоростному алгоритму, разработанному исследователями из Rutgers и других университетов.

Тестирование на токсичность — определение степени воздействия химического вещества, которое небезопасно для человека, — жизненно важно для безопасности миллионов рабочих в различных отраслях промышленности. Но из 85 000 соединений, используемых в потребительских товарах, большинство из них не прошли всестороннюю проверку на безопасность. Тестирование на животных, в дополнение к этическим соображениям, может быть слишком дорогостоящим и длительным, чтобы удовлетворить эту потребность, согласно исследованию, опубликованному в « Перспективах гигиены окружающей среды».

«Во всем мире существует настоятельная необходимость в точном, экономически эффективном и быстром способе проверки токсичности химических веществ, чтобы обеспечить безопасность людей, которые работают с ними, и окружающей среды, в которой они используются», — сказал он. ведущий научный сотрудник Дэниел Руссо, докторская степень в Университете Рутгерса в Камденском центре вычислительной и интегральной биологии. «Тестирование на животных само по себе не может удовлетворить эту потребность».

В предыдущих попытках решить эту проблему использовались компьютеры для сравнения непроверенных химических веществ со структурно подобными соединениями, токсичность которых уже известна. Но эти методы были неспособны оценить структурно уникальные химические вещества — и были смущены тем фактом, что некоторые структурно подобные химические вещества имеют очень разные уровни токсичности.

Группа, возглавляемая Рутгерсом, преодолела эти проблемы, разработав первый в своем роде алгоритм, который автоматически извлекает данные из PubChem, базы данных Национального института здравоохранения о миллионах химических веществ. Алгоритм сравнивает химические фрагменты из протестированных соединений с таковыми из непроверенных соединений и использует несколько математических методов для оценки их сходства и различий, чтобы предсказать токсичность непроверенного химического вещества.

«Алгоритм, разработанный Дэниелом и лабораторией Чжу, добывает огромные объемы данных и обнаруживает связи между фрагментами соединений из разных химических классов, экспоненциально быстрее, чем мог бы человек», — сказал соавтор Лорен Алексунс, доцент Эрнеста Рутгерса. Фармацевтическая школа Марио и Институт наук об окружающей среде и гигиене труда Rutgers. «Эта модель эффективна и предоставляет компаниям и регулирующим органам инструмент для определения приоритетности химических веществ, которые могут потребовать более всестороннего тестирования на животных перед использованием в торговле».

Чтобы отрегулировать алгоритм, исследователи начали с 7,385 соединений, для которых известны данные о токсичности, и сравнили их с данными по тем же химическим веществам в PubChem. Затем они проверили алгоритм с 600 новыми соединениями. Для нескольких групп химических веществ алгоритм под руководством Рутгерса имел успех от 62 до 100 процентов в прогнозировании уровня пероральной токсичности. И сравнивая взаимосвязи между наборами химических веществ, они проливают свет на новые факторы, которые могут определять токсичность химического вещества.

Хотя алгоритм был направлен только на оценку уровня токсичности химических веществ при пероральном употреблении, исследователи под руководством Рутгерса пришли к выводу, что их стратегия может быть расширена для прогнозирования других видов токсичности.

«Хотя полная замена испытаний на животных по-прежнему невозможна, эта модель делает важный шаг к удовлетворению потребностей промышленности, в которой постоянно разрабатываются новые химикаты, и для обеспечения экологической и экологической безопасности», — сказал соответствующий автор Хао Чжу, адъюнкт-профессор химии в Рутгерс-Камден и Рутгерс и Институте наук об окружающей среде и гигиене труда.