对于生物技术中数据差化合物的In silico职业暴露范围框架

科学领域:

• 计算毒理学和职业健康.

背景情况:

• 职业暴露限值 (OEL) 和职业暴露波段 (OEB) 对于保护工人的健康至关重要.
• 现有的OEB分配方法对于有不足毒理学数据的化学品缺乏共识.
• 需要一种标准化的方法来评估数据差的化合物.

研究的目的:

• 开发和验证一个in silico框架,用于对具有有限或没有实证毒理学数据的化合物分配OEB.
• 确保拟议框架为工人健康提供保护性的OEB.

主要方法:

• 利用计算工具来评估毒理终点,并分配可靠性等级.
• 综合全球协调系统 (GHS) 的危险类别被纳入国家职业安全与健康研究所 (NIOSH) 的职业暴露范围工具.
• 使用已确定的OELs ("已知") 和有限数据的化合物 ("未知") 验证了框架.

主要成果:

• 在Silico框架成功地将OEB (C,D,或E) 分配给"已知"化合物,大多数OEB与基于已确定的OEL的OEB保持一致或低于OEB.
• 五个"未知"化合物与最小的数据被分配到OEBs D或E.
• 被分配的OEB被发现具有保护性,这表明该框架对数据较差的物质的可靠性.

结论:

• 开发的in silico框架有效地为缺乏毒理学数据的化学品分配了保护性的OEB.
• 这种方法为在职业健康中评估数据较差的化合物提供了实际解决方案.
• 该框架允许随着更多数据的可用性而降低化合物的风险,这可能导致预防性OEB或OEL的分配.