毒性测试，即确定人体接触某种化学品的不安全剂量，对各行各业数百万工人的安全至关重要。然而，研究人员尚未对消费品中85,000种化合物的大部分进行全面的安全性测试。
据发表于《环境健康展望》》上的一项新研究显示，动物实验除存在伦理问题外，成本高昂且耗时过长，难以满足这一需求。
“全球迫切需要一种准确、经济高效且快速的方法来测试化学品的毒性，以确保接触这些化学品的人员及其使用环境的安全，”首席研究员、罗格斯大学卡姆登分校计算与综合生物学中心的博士候选人丹尼尔·鲁索（Daniel Russo）表示。“仅靠动物实验无法满足这一需求。”
此前，解决这一问题的方法是利用计算机将未经测试的化学品与结构相似、毒性已知的化合物进行比较。但这些方法无法评估结构独特的化学品，而且某些结构相似的化学品毒性差异很大，这一事实也给这些方法带来了困扰。
研究人员通过开发一种同类首创的算法克服了这些挑战。该算法可自动从PubChem中提取数据，PubChem是美国国立卫生研究院的一个数据库，收录了数百万种化学品的信息。该算法将已测试化合物与未测试化合物的化学片段进行比较，并运用多种数学方法评估其异同，从而预测未测试化学品的毒性。
“丹尼尔与朱浩实验室开发的这一算法能够挖掘海量数据，并以远超人工的速度辨别不同化学类别化合物片段之间的关系，”共同作者、罗格斯大学欧内斯特·马里奥药学院及环境与职业健康科学研究所副教授劳伦·阿列克苏内斯（Lauren Aleksunes）表示。
“该模型高效，可为企业和监管机构提供一种工具，用于对化学品进行优先排序，以确定哪些化学品在投入商业使用前可能需要进行更全面的动物测试。”
为对算法进行微调，研究人员首先选用了7,385种已知毒性数据的化合物，并将算法结果与PubChem中相同化学品的数据进行比对。随后，他们使用600种新化合物对算法进行了测试。
对于若干类化学品，该算法预测其口服毒性水平的成功率为62%至100%。此外，通过比较各组化学品之间的关系，研究人员揭示了决定化学品毒性的若干新因素。
尽管研究人员仅指示算法评估化学品经口摄入时的毒性水平，但他们认为，该策略可扩展用于预测其他类型的毒性。
“虽然完全取代动物实验目前仍不可行，但该模型在满足行业需求方面迈出了重要一步。新化学品的研发不断推进，而环境与生态安全也需要相应保障，”化学教授、共同作者朱浩表示。
来自罗格斯大学、Integrated Laboratory Systems、约翰斯·霍普金斯大学彭博公共卫生学院以及康斯坦茨大学的其他研究人员也为这项工作做出了贡献。
