通过结合贝叶斯基准剂量建模和关于人口变异性的体外数据来减少剂量反应评估中的不确定性
En-Hsuan Lu1, Lucie C Ford1, Ivan Rusyn1
1Interdisciplinary Faculty of Toxicology and Department of Veterinary Physiology and Pharmacology, Texas A&M University, College Station, Texas, USA.
概括
这项研究通过贝叶斯基基准剂量 (BBMD) 建模和化学特异性人类变异性数据来完善毒性评估. 这些方法为化学品提供了更具保护性和精确的监管毒性值.
科学领域:
- 环境毒理学环境毒理学
- 风险评估 风险评估
- 计算毒理学计算毒理学
背景情况:
- 像参考剂量 (RfD) 这样的毒性值的不确定性源于出发点 (POD) 估计和缺乏特定化学物质的人类可变性数据.
- 目前的风险评估通常依赖于默认假设,可能导致不太精确或保护性毒性基准.
研究的目的:
- 为超级基金优先化学品开发和测试改进概率毒性估计 (HDMI) 的方法.
- 将特定化学物质的人类变异性数据纳入毒性评估中.
- 将精细的毒性值与现有基准和生物监测数据进行比较.
主要方法:
- 采用贝叶斯基准剂量 (BBMD) 建模来完善POD的确定.
- 结合高通量毒动力学建模与基于人群的毒动力学实验室数据来表征化学特异性变异性.
- 获得了概率的人类剂量 (HDMI) 并将其转换为生物监测等价物.
主要成果:
- 精细的概率估计 (HDMI) 通常比确定性RfD更具保护性,特别是在结合化学特异性变化时.
- 结合体外数据,概率RfD的不确定性变量平均减少了1.4倍.
- 与EPA暴露预测和NHANES生物监测数据相比,暴露率接近或低于1的已识别的化学品.
结论:
- 贝叶斯基准剂量 (BBMD) 建模和基于特定化学物质的人口体外数据对于减轻监管毒性值的不确定性至关重要.
- 这些先进的方法提高了化学风险管理策略的精度和保护性.
- 该研究为环境污染物的更强大的毒性评估提供了一个框架.


