Revolucionando la evaluación de riesgos toxicológicos: avances integradores en las nuevas metodologías de enfoque...

Área de la Ciencia:

• Toxicología
• Biotecnología
• Biología computacional

Sus antecedentes:

• La toxicología tradicional se basa en pruebas con animales y modelos in vitro simples, que se enfrentan a limitaciones de costo, tiempo y relevancia humana.
• Las diferencias entre especies y los modelos simplistas dificultan la precisión predictiva de las evaluaciones toxicológicas actuales.

Objetivo del estudio:

• Revisar el potencial transformador de las metodologías de nuevo enfoque (NAM) en la evaluación de la seguridad química.
• Destacar los avances en el uso de órganos en un chip, la multiomía y la toxicología computacional para mejorar la evaluación de los peligros.
• Identificar los cuellos de botella actuales y las estrategias futuras para la adopción reglamentaria y la toxicología de precisión.

Principales métodos:

• Revisión de las plataformas Organ-on-a-Chip (OoC) para emular la fisiología de los órganos humanos y la interconexión.
• Integración de tecnologías multiómicas (genómica, proteómica, metabolómica) para obtener información sobre la toxicidad mecanicista.
• Aplicación de la toxicología computacional, el aprendizaje automático y el modelado QSAR para la priorización de peligros.

Principales resultados:

• Los MAN, incluidos los enfoques OoC y computacionales, ofrecen alternativas eficientes y relevantes para el ser humano a los métodos tradicionales.
• Los avances proporcionan una mejor comprensión mecanicista de las vías de toxicidad y una mayor precisión predictiva.
• Las limitaciones actuales incluyen la complejidad del modelo, la interpretabilidad de la IA, la cuantificación de la toxicidad de la mezcla y el retraso regulatorio.

Conclusiones:

• Las NAM representan un cambio de paradigma hacia una evaluación de la seguridad química más predictiva y ética.
• Abordar los cuellos de botella en la complejidad del modelo, la IA y los marcos regulatorios es crucial para su adopción generalizada.
• Las direcciones futuras incluyen la evaluación del riesgo probabilístico, la exposomía impulsada por la IA y la colaboración interdisciplinaria para la toxicología de precisión.