开发一个in silico评估系统,使用经合组织指南第1号量化预测皮肤敏感性. 497 ITSv2定义的皮肤敏感性分类方法
Takaho Asai1, Kazuhiko Umeshita1, Michiko Sakurai1
1Safety & Analysis, R&D Support, Sunstar Inc., 3-1 Asahi-machi, Takatsuki, Osaka, 569-1195, Japan.
概括
本研究引入了一个in silico系统,将综合测试策略版本2 (ITSv2) 定义方法与机器学习相结合,以定量预测皮肤敏感性EC3值,提高风险评估准确性.
科学领域:
- 毒理学 毒理学 毒理学
- 计算化学计算化学
- 数据科学数据科学数据科学
背景情况:
- 综合测试策略版本2 (ITSv2) 定义方法是用于皮肤敏感化危害识别和风险评估的强有力的方法.
- 然而,它缺乏定量风险评估能力,例如预测局部淋巴结测定 (LLNA) EC3值.
- 这种限制阻碍了对化学物质的准确风险表征.
研究的目的:
- 开发一种高性能的in silico系统,用于定量预测皮肤敏感性EC3值.
- 将ITSv2定义方法用于危险识别 (ITSv2 HI) 与机器学习模型相结合.
- 提高化学物质定量风险评估的准确性.
主要方法:
- 开发了一个in silico评估系统,将ITSv2 HI与机器学习模型相结合.
- 用于化学/体外试验数据,分子描述符和跨距离读取信息作为解释变量.
- 使用系统适用领域内的物质重建的CatBoost模型.
主要成果:
- 综合系统在外部验证数据上获得了0.617的R2值.
- 在适用性领域内重建CatBoost模型,在外部验证数据上将R2值提高到0.824.
- 证明了跨读概念的实用性以及整合多种预测方法的优势.
结论:
- 开发的in silico系统有效地预测了定量皮肤敏感化EC3值.
- 在系统的定义应用领域内,ITSv2 HI是可靠的.
- 整合多种预测方法和跨读概念可以显著提高化学风险评估的预测性能.


